JP2521843B2 - セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置 - Google Patents

セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置

Info

Publication number
JP2521843B2
JP2521843B2 JP2268063A JP26806390A JP2521843B2 JP 2521843 B2 JP2521843 B2 JP 2521843B2 JP 2268063 A JP2268063 A JP 2268063A JP 26806390 A JP26806390 A JP 26806390A JP 2521843 B2 JP2521843 B2 JP 2521843B2
Authority
JP
Japan
Prior art keywords
parameter
setup
image data
image
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
JP2268063A
Other languages
English (en)
Other versions
JPH04144361A (ja
Inventor
誠 廣澤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dainippon Screen Manufacturing Co Ltd
Original Assignee
Dainippon Screen Manufacturing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dainippon Screen Manufacturing Co Ltd filed Critical Dainippon Screen Manufacturing Co Ltd
Priority to JP2268063A priority Critical patent/JP2521843B2/ja
Priority to US07/765,752 priority patent/US5164837A/en
Priority to DE69123919T priority patent/DE69123919T2/de
Priority to EP91116972A priority patent/EP0479312B1/en
Publication of JPH04144361A publication Critical patent/JPH04144361A/ja
Application granted granted Critical
Publication of JP2521843B2 publication Critical patent/JP2521843B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
    • H04N1/4072—Control or modification of tonal gradation or of extreme levels, e.g. background level dependent on the contents of the original
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Color Image Communication Systems (AREA)
  • Facsimile Image Signal Circuits (AREA)

Description

【発明の詳細な説明】 〔産業上の利用分野〕 この発明は、カラースキャナ等において、原画の画像
データを記録用画像データへと変換する画像データ変換
装置の自動セットアップ装置及び当該自動セットアップ
装置におけるセットアップパラメータ決定特性を修正す
る方法に関する。
〔発明の背景〕
周知のように、製版用スキャナは高品質な画像の再生
を可能にしており、原画の画像を光学的に読取る画像読
取装置、読取られた画像データを記録用画像データへ変
換する画像データ変換装置や記録用画像データを感光フ
ィルム等に露光記録する画像記録装置等から構成されて
いる。この様なスキャナによる高品質な画像再生を行う
ためには、上述の画像データ変換装置により変換された
記録用画像データが最適な状態となる様に、階調の再現
性、解像力やシャープネスの強調等、特にカラー画像の
再生を行うカラースキャナにあっては色調の再現性等の
色分解処理に必要な多くの調整項目を様々な原画に応じ
て設定しなければならない。
例えば、カラースキャナにおける上述の調整項目の代
表的なものとして、ブルー（Ｂ），グリーン（Ｇ）及び
レッド（Ｒ）の色成分それぞれに対するハイライト濃度
やシャドウ濃度、イエロー（Ｙ），マゼンタ（Ｍ），シ
アン（Ｃ）におよび墨（Ｋ）の色版それぞれに対するハ
イライト及びシャドウ出力ドット％、それに原画の中の
特定の色成分についての選択的カラーコレクションやグ
ラデーション（階調修正）及びシャープネス強調等を挙
げることができる。尚、これらの多くの調整項目、即ち
画像データ変換装置におけるセットアップパラメータは
固定的なものではなく、原画によっても異なるし、どの
様に画像再生をしたいかという要望によっても異なるも
のである。従って、セットアップパラメータを最適に調
整してこそ高品質な画像再生が可能となる。
〔従来の技術〕
第11図は、このような従来のカラースキャナの構成を
示したブロック図である。図において、画像読取装置２
は原画１上を走査しながらその画像を読取り、画像デー
タとしてレッド（Ｒ），グリーン（Ｇ）及びブルー
（Ｂ）の色成分に対するR.G.B信号を出力する。なお、
第11図には図示しないが、通常のカラースキャナではこ
の他にシャープネス強調信号を作りだすためにアンシャ
ープ信号Ｕも出力される。画像データ変換装置３は、R.
G.B（およびＵ）信号を記録用画像データへと変換す
る。即ち、R.G.B（およびＵ）信号からイエロー
（Ｙ），マゼンタ（Ｍ），シアン（Ｃ）及び墨（Ｋ）の
色版のためのY.M.C.K信号への変換，階調修正，色修
正，シャープネスの強調や抑制のための制御や倍率変換
等の一連の処理が画像データ変換装置３内で行われる。
しかし、これらの処理を行うには、画像データ変換装
置３に上述した様にあらかじめセットアップパラメータ
値を設定しておかなければならない。そのため、オペレ
ータは原画内容や再現画像の仕上がり要望に応じて適当
なセットアップパラメータ値を経験により定め、セット
アップパラメータ入力装置４を介してセットアップパラ
メータ値を手動で画像データ変換装置３に設定すること
になる。ここで、パラメータ入力装置４は、キーボード
やマウス等から成るものである。そして、画像データ変
換装置３より変換された記録用画像データは、画像記録
装置５によりフィルム等の感光材料に網点の形式で露光
記録される結果、色分解フィルム６が作成されることに
なる。
又、第12図は、他の従来のカラースキャナの構成を示
したブロック図である。図において、自動セットアップ
装置10aはフレームメモリ11及びCPUから成るセットアッ
プパラメータ自動設定装置12aから構成されており、他
の構成要素は第11図における構成要素と同じである。ま
ず、画像読取装置２をプリスキャンして得られた画像情
報（R.G.B信号）がフレームメモリ11に格納される。そ
して、セットアップパラメータ自動設定装置12aはフレ
ームメモリ11に格納された画像情報を自動分析すること
によりセットアップパラメータを求める。この様な自動
分析方法としては、特開平２−56175号公報に開示され
たもの等がある。
しかしながら、自動セットアップ手段12aにより求め
られるセットアップパラメータは、現状ではR.G.B信号
に対するハイライト濃度やシャドウ濃度等の一部のセッ
トアップパラメータに限定されるため、残りの多くのセ
ットアップパラメータ値は第11図と同様に、オペレータ
が経験により定めた値をセットアップパラメータ入力装
置４を介して手動で設定することになる。
〔発明が解決しようとする課題〕
従来のスキャナにおける画像データ変換装置のセット
アップパラメータ設定は以上の様に行われているので、
以下に示す問題点があった。
まず第11図に示した従来例では、セットアップパラメ
ータはオペレータの経験に基づいて適宜設定されるの
で、好ましい記録画像を得るには熟練オペレータが必要
となることである。
更に、オペレータの能力に依存することはオペレータ
自身の個人差が画像データの変換結果に現われることに
なるので、ユーザの好みや仕上がり品質の傾向を反映し
た柔軟性のある画像データ変換装置を構築できないとい
う問題点もあった。
一方、第12図に示した従来例においては、上述の問題
点を解消すべく自動セットアップ装置10aが導入されて
いる。しかし、この自動セットアップ装置10aにより求
められるセットアップパラメータは画像データ変換に必
要なパラメータの一部分に限られる結果、残りの大部分
は同じくオペレータ自身が経験により設定することにな
るので、第12図の従来例においても依然、第11図におけ
る従来例で発生していた問題点が解決されないままであ
った。
そして、この様な問題点は、製版用スキャナにおける
画像データの変換に限らず、原画の画像データを読み込
んで記録用画像データに変換した後に原画の画像を高品
質に復元する様な装置全般に共通の問題点となってい
た。
〔発明の目的〕
この発明は、上記の様な問題点を解消するためになさ
れたものであり、比較的経験が浅いオペレータであって
も適切なセットアップパラメータ値を決定することがで
きる方法及びその実施に適した自動セットアップ装置を
得ることを第１の目的とする。
また、印刷等の発注者の好みなどを反映したセットア
ップを容易に行えるようにすることを第２の目的とす
る。
〔課題を解決するための手段〕
この発明の第１の構成では、原画の画像データを記録
用画像データへと変換する画像データ変換装置の自動セ
ットアップ装置について、当該自動セットアップ装置に
おけるセットアップパラメータ決定特性を修正する方法
を対象としており、まず、（ａ） 原画の画像情報を自
動分析することによって前記画像情報を反映した第１の
パラメータ値を得るとともに、（ｂ） 前記原画の画像
を記録する際に参照すべき条件を表現した第２のパラメ
ータ値を第１の操作入力手段を通じて自動セットアップ
装置に入力する。
そして、（ｃ） 前記自動セットアップ装置に前記セ
ットアップパラメータ決定特性としてあらかじめ設定さ
れているパラメータ変換規則を用いて、前記第１と第２
のパラメータ値を含んでなるパラメータ群の値をセット
アップパラメータ値へと変換する。また、（ｄ） 前記
セットアップパラメータ値を前記画像データ変換装置に
設定した後、前記原画の画像を前記画像データ変換装置
によって記録用画像データへと変換する。
次に、（ｅ） 前記記録用画像データから得られる記
録画像を参照して、前記パラメータ変換規則を修正すべ
きか否かを判定し、修正すべきときには前記原画の画像
データの変換に適した修正セットアップパラメータ値を
第２の操作入力手段を通じて前記自動セットアップ装置
に与え、（ｆ） 前記パラメータ群を変換したときに前
記修正セットアップパラメータ値と等しいか又はそれに
近い値が得られるように前記パラメータ変換規則を修正
する。そして、（ｇ） 前記工程（ｆ）によって修正さ
れた前記パラメータ変換規則を、次の原画に対する前記
工程（ｃ）のための前記セットアップパラメータ決定規
則として利用する。
又、第２の構成では、この発明の第１の構成における
パラメータ変換規則を係数群を含んだ変換関数で表現す
るとともに、前記係数群の値を修正することによってパ
ラメータ変換規則の修正を行うものである。
第３の構成では、前記自動セットアップ装置を対象と
し、（ａ） 原画の画像情報を自動分析することによっ
て前記画像情報を反映した第１のパラメータ値を与える
分析手段と、（ｂ） 前記原画の画像を記録する際に参
照すべき条件を表現した第２のパラメータ値を当該自動
セットアップ装置に入力するための第１の操作入力手段
と、（ｃ） 前記分析手段と第１の操作入力手段に接続
され、あらかじめ設定された重みづけの値を用いて、前
記第１と第２のパラメータ値を含んでなるパラメータ群
の値を前記画像データ変換装置に設定されるセットアッ
プバラメータ値へと変換するニューラルネットワーク
と、（ｄ） 前記原画の画像データの変換に適した修正
セットアップパラメータ値を当該自動セットアップ装置
に入力するための第２の操作入力手段と、（ｅ） 前記
ニューラルネットワークと第２の操作入力手段に接続さ
れた学習手段によって、前記ニューラルネットワークに
より変換されたセットアップパラメータ値が前記修正セ
ットアップパラメータ値に等しいか又はそれに近い値と
なるように前記重みづけの値を修正してニューラルネッ
トワークに対する学習を行わせる学習手段を備えてい
る。
なお、第１と第２の操作入力手段は互いに兼用されて
いてもよい。また、ニューラルネットワークにおける重
みづけの値は連続的に変更し得る値でもよく、たとえば
“1"と“0"のように２値的にのみ変更し得る値でもよ
い。
〔作用〕
この発明の第１の構成では、自動セットアップ装置に
あらかじめ設定されたパラメータ変換規則によって、原
画の画像情報を自動分析して得られた第１のパラメータ
値と操作入力手段により与えられた第２のパラメータ値
からなるパラメータ群の値がセットアップパラメータ値
に変換され、画像データ変換装置に前記セットアップパ
ラメータ値が設定される。
そして、最終的に得られた記録画像をオペレータが参
照した結果、前記パラメータ変換規則を修正する必要が
ある場合には、前記パラメータ変換規則による変換の結
果得られたセットアップパラメータ値が第２の操作入力
手段により与えられた修正セットアップパラメータ値に
等しいか又はそれに近い値となるように前記パラメータ
変換規則が修正される。更に、この修正されたパラメー
タ変換規則が新たなパラメータ変換規則として用いられ
るので、この新たなパラメータ変換規則によって所望の
記録画像を得るための最適なセットアップパラメータ値
が自動的に求められる。
又、第２の構成では、第１の構成におけるパラメータ
変換規則が係数群を含んだ変換関数で表現されているの
で、前記係数群の値を修正することにより前記パラメー
タ変換規則の修正が行われる結果、第１の構成と同様に
最適なセットアップパラメータ値が自動的に求められ
る。
更に、第３の構成では、ニューラルネットワークがあ
らかじめ設定された重みづけの値を用いて、前記パラメ
ータ群の値をセットアップパラメータ値に変換する。そ
して、学習手段が前記セットアップパラメータ値が第２
の操作入力手段によって与えられた修正セットアップパ
ラメータ値に等しいか又はそれに近い値となるように前
記重みづけの値を修正する。この結果、修正された重み
づけの値が新たな重みづけの値として用いられるので、
第１の構成と同様に最適なセットアップパラメータ値が
自動的に求められる。
〔実施例〕
A.装置の構成と概略動作 第１図は、この発明の一実施例である自動セットアッ
プ装置を組込んだ製版用カラースキャナの構成を示すブ
ロック図である。図において、原画１の画像は画像読取
装置２によって画素ごとにかつ走査線順次に読取られ、
色成分ごとの画像データ（R.G.B信号）DR,DG,DBが出力
される。又、これらの画像データDR,DG,DBは、プリスキ
ャン時には自動セットアップ装置10に、また本スキャン
時には画像データ変換装置３に入力される。ここで、自
動セットアップ装置10は後述する構成を有しており、画
像データ変換装置３のセットアップパラメータ値Ｐを自
動的に求める。得られたセットアップパラメータ値Ｐは
CRTやプリンタ等のモニタ７に出力されるので、オペレ
ータは常時セットアップパラメータ値Ｐを確認・管理す
ることができる。そして、セットアップパラメータ値が
画像データ変換装置３に設定されると、画像データ変換
装置３は画像読取装置２から受けた画像データDR,DG,DB
を記録用のY,M,C,Kの画像データDY,DM,DC,DKに変換し、
記録用画像データDY〜DKは画像記録装置５において網点
画像信号に変換された後、露光用レーザビームをON/OFF
変調することによって感光フィルム等に露光・記録さ
れ、Y,M,C,Kのそれぞれについての画像を記録した色分
解フィルム６が作成されることになる。
第２図は、自動セットアップ装置10の構成を示す機能
ブロック図である。なお、この第２図における分析手段
12や学習手段15などは、マイクロコンピュータによてソ
フト的に実現させることができる。画像読取装置２の出
力信号DR,DG,DBはフレームメモリ11に格納された後、分
析手段12によって自動分析され、画像データDR,DG,DBを
反映した第１のパラメータ値である分析情報121が求め
られる。
又、オペレータは、原画１の画像を記録する際に参照
すべき条件を決定し、それらをシーン情報131と希望仕
上り情報132の形式で、データ入力手段13から後述する
ニューラルネットワーク14に入力する。これらの情報13
1,132はこの発明における第２のパラメータ値に相当す
る。尚、データ入力手段13は、例えばキーボードやマウ
ス等から構成されてなる。
そして、分析情報121,シーン情報131及び希望仕上り
情報132は、あらかじめ設定された重みづけ値を有する
ニューラルネットワーク14により、セットアップパラメ
ータ値Ｐに変換される。ここで、セットアップパラメー
タ値Ｐは、色分解パラメータ値とも呼ばれるものであ
る。
又、セットアップパラメータ値Ｐが第１図の画像デー
タ変換装置３に設定されて本スキャンが行われた後、後
述する内容を持った評価情報133と修正セットアップパ
ラメータ値Pcがデータ入力手段13から入力される。学習
手段15は、評価情報133を受けて、セットアップパラメ
ータ値Ｐが修正セットアップパラメータ値Pcとできるだ
け等しくなる様にニューラルネットワーク14に与えられ
た重みづけ値を修正する。
尚、この実施例ではデータ入力手段13が、この発明に
おける「第１と第２の操作入力手段」として兼用された
機能を有する。さらに、分析情報121,シーン情報131,希
望仕上り情報132及びセットアップパラメータ値Ｐは、
データメモリ16に、少なくとも学習手段15の動作が終了
するまでの時間内格納される。
B.実施例の動作 第３図は、この製版用カラースキャナの動作を示すフ
ローチャートである。
ステップS1では、カラースキャナの所定の位置に原画
１がセットされる。
ステップS2では、原画１の画像を画像読取装置２がプ
リスキャンし、画像データDR,DG,DBが生成される。この
読取りは画素の間引きなどを行ないつつ実行してもよ
い。
ステップS3では、ステップS2で得られた画像データ
DR,DG,DBがフレームメモリ11に格納される。
ステップS4では、フレームメモリ11に格納されている
画像データDR,DG,DBが読出され、分析手段12によって分
析情報121が求められる。分析情報121には、例えば、原
画１の画素ごとのR.G.B色成分の最大濃度，最小濃度，
平均濃度，濃度ヒストグラムにおけるピーク点での濃度
や分散及び濃度ヒストグラムの形状分類等がある。第６
図（ａ）〜（ｄ）は、種々の濃度ヒストグラムの例を示
したもので、横軸は濃度、縦軸は各濃度ごとの出現頻度
であり、これによってヒストグラムは曲線として表わさ
れている。第６図（ａ）は、濃度ヒストグラムがほぼ正
規分布となる場合で、記号Dmax,Dmin,D0は、それぞれ、
最大濃度，最小濃度及びピーク点での濃度を示してい
る。以下、第６図（Ｄ）は、濃度が一様に分布している
場合、第６図（ｃ）及び（ｄ）は、ピーク点が２個ある
場合を示している。尚、これらの分析情報を求めるため
の分析手段12におけるアルゴリズムは、特に複雑なもの
ではなく、現状のCPUとソフトウェアによって充分高速
に計算される程度のものである。
ステップS5では、シーン情報131がデータ入力装置13
を介して与えられる。ここで、シーン情報131はオペレ
ータが直接入力する情報で、原画１の画像の特徴を示す
ものである。例えば、シーン情報131には、原画１の画
像が人物画なのか動物画なのか、それとも置物等の静物
画なのか空，海等の風景画なのか等を表した絵柄の分類
内容や、露出がノーマルなのかそれともオーバやアンダ
ーなのか等の撮影条件やポジ原画なのかそれともネガ原
画なのか等の原画の種類等の情報がある。上述した様
に、シーン情報131は誰でも原画を見れば簡単に判断で
きる程度のものであるから、シーン情報131の入力にあ
たっては、オペレータは熟練を必要としない。尚、これ
らのシーン情報131をもマニュアルによらず分析手段12
により自動的に求めることが理想であるが、パターン認
識技術等は発展途上であって今のところ人間の認識能力
には及ばないため、オペレータの認識を利用する方が確
実である。これらのシーン情報131は、たとえばあらか
じめ決定されているシーンごとのコード番号を指定する
ことによって入力される。
ステップS6では、希望仕上り情報132がデータ入力装
置13によって与えられる。ここで、希望仕上り情報132
は、オペレータが直接入力する情報で、記録画像ないし
は印刷画像をいかに仕上げてほしいかの要望を表す情報
である。例えば、仕上り情報132には、明るさ，コント
ラスト，シャープネス，倍率や仕上りサイズ等の情報が
ある。この希望仕上り情報132は、基本的には印刷発注
者が指示するもので、オペレータはその指示に従って、
仕上り情報132を入力することになるが、印刷発注者の
指示がない場合にはオペレータ自身が判断して入力する
ことになる。その様な場合でも、上述の様に希望仕上り
情報132は直感的に判り易い情報であり、又判断しにく
い場合には希望仕上り情報132を中間的な値にしておけ
ばよいので、希望仕上り情報132の入力にあたっても、
オペレータは熟練を必要としない。
ステップS7では、分析情報121,シーン情報131及び希
望仕上り情報132を入力データとして受けて、ニューラ
ルネットワーク14が動作する。ここで、ニューラルネッ
トワーク14は、例えば麻生英樹著「ニューラルネットワ
ーク情報処理」（産業図書（株））や日経エレクトロニ
クス、1989.8.21（No.480）,P211〜217に解説されてい
る様に、神経回路網をモデルにした高度並列分散型の情
報処理機構であって、単純な情報処理を行う複数個のユ
ニット（ノード又はニューロンと呼ぶ）が、ユニット間
の結合（コネクション又はシナプスと呼ぶ）によってネ
ットワークを構成しているものであり、CPUとソフトウ
ェアにより実現することも可能であるし、また専用のハ
ードウェアによっても実現される。従って、ニューラル
ネットワーク14は、入力情報群と出力情報群との間にお
ける各コネクションの結合の強さ（重み付けと呼ぶ）を
柔軟に変更することによって、ネットワークの自己組織
能力（学習能力と呼ぶ）を持たせることができるという
特徴を有する。
第７図は、ニューラルネットワーク14の一例として、
フィードバック結合を含まない階層的ネットワークの典
型であるPerceptron型ネットワークを利用したものを示
している。ここでは、説明を簡単にするため、入力層Ｓ
層，中間層Ａ層と出力層Ｒ層の３層より成る階層型（カ
スケード型）のネットワークを示しているが、一般的に
は、ｎ層の階層型ネットワークを用いるものである。図
において、Ｓ層はNx個のノードから成り、Ｓ層にはNx個
の入力データ（入力パラメータ）が与えられる。即ち、
Ｓ層のｋ番目のノードuSkにはｋ番目に相当する入力パ
ラメータxkが格納されることになる。ここで、入力パラ
メータxkは、前述の分析情報121,シーン情報131及び希
望仕上り情報132の各成分の値に該当する。例えば、画
像データDR,DG,DBの最大濃度がそれぞれ入力パラメータ
x1,x2及びx3として、画像データDR,DG,DBの最小濃度が
それぞれ入力パラメータx4,x5及びx6として、その他の
各情報も同様に順次与えられる。
一方、Ａ層はｍ個のノードから成り、Ａ層の各ノード
には、Ｓ層の全てのノードの出力が入力されている。
又、Ｒ層はNy個のノードから成り、Ｒ層の各ノードに
はＡ層の全てのノードの出力が入力されており、Ｒ層の
ｊ番目のノードuRjはｊ番目に相当するセットアップパ
ラメータ（出力パラメータ）yjを出力する。セットアッ
プパラメータyjとしては、画像データDR,DG,DBに対する
ハイライト濃度やシャドウ濃度，アンシャープ信号生成
におけるアパーチャサイズやアパーチャ形状等があり、
例えば、画像データDR,DG,DBに対するハイライト濃度が
それぞれ出力パラメータy1,y2及びy3として、画像デー
タDR,DG,DBに対するシャドウ濃度がそれぞれy4,y5及びy
6として、その他のパラメータも順次同様に出力パラメ
ータyjとして出力される。第１図および第２図に示した
セットアップパラメータ値Ｐは、これらの出力パラメー
タy1〜yNyの全体を表現している。
第４図は、第７図に示したPerceptron型ネットワーク
についてステップS7の動作を詳述したフローチャートで
あり、Ｓ層における動作を示すステップS7S,A層におけ
る動作を示すステップS7AとＲ層における動作を示すス
テップS7Rに大別される。
ステップS7S1では、Ｓ層の１番目のノードuS1におけ
る情報処理が開始される。次に、ステップS7S2において
ノードuS1における処理が行われるのであるが、以後の
説明を一般化するために、 ｋ＝１ …（１） とおいて、以下ｋ番目のノードuSkについて説明する。
ステップS7S2では、ｋ番目のノードuSkの入出力関数f
Skによる変換が行われる。即ち、入出力パラメータx
kは、次式により、ｋ番目のノードuSkの出力データOSk
に変換される。
OSk＝fSk（xk） …（２） ここで、入出力関数fSkは、あらかじめ設定された関
数であって、例えば第８図（ａ）〜（ｄ）に示す様な関
数のうちのいずれかを選択することもできる。第８図
（ａ）はしきい関数を、第８図（ｂ）は区分線形関数
を、第８図（ｃ）はロジステック関数を、第８図（ｄ）
は恒等関数を示している。
ステップS7S3では、ｋ番目のノードuSkにおける情報
処理は終了し、次のｋ＋１番目のノードuS(k+1)に移
る。即ち、 ｋ＝ｋ＋１ …（３） とおく。
ステップS7S4では次に情報処理を行うｋ番目のノード
がNx番目のノードであるか否かが判定される。即ち、 ｋ≦Nx …（４） の場合には、再びステップS7S2〜S7S3における情報処理
が繰り返される結果、Ｓ層全てのノードについて情報処
理が行われる。そして、Nx番目のノードuSNxにおける情
報処理が終了した時点（ｋ＞Nx）で、ステップS7Sにお
ける動作は終了し、ステップS7Aに移る。
ステップS7A1では、Ａ層の１番目のノードuA1におけ
る情報処理が開始される。同じく、以後の説明を一般化
するために、 ｉ＝１ …（５） とおいて、以下ｉ番目のノードuAiについて説明する。
ステップS7A2では、ｉ番目のノードuAiに入力する全
てのＳ層のノードからの出力データOSkと後述の重みづ
け値WSkAiとの積の総和IAiが求められる。ここで、第９
図は、Ａ層ｉ番目のノードuAiにおける一連の情報処理
を表わした概念図である。図において、Ｓ層のノードu
Skの出力データOSkは、Ｓ層ｋノードからＡ層ｉノード
へのコネクションにより重みづけられる。即ち、出力デ
ータOSkと重みづけ値WSkAiの積に当たる量が、Ａ層ｉ番
目のノードuAiに入力されることになる。その結果、ｉ
番目のノードuAiに入力するＳ層のノードからの出力デ
ータOSkの加重和IAiは、 により求められる。ここで、各重みづけ値WSkAiはあら
かじめ設定された値である。
ステップS7A3では、ステップS7S2と同様にＡ層ｉ番目
のノードuAiの入出力関数fAiによる変換が行われる。即
ち、加重和IAiは、次式（７）により、Ａ層ｉ番目のノ
ードuAiの出力データOAiに変換される。
OAi＝fAi（IAi） …（７） ここで、入出力関数fAiもまた入出力関数fSkと同様に
あらかじめ設定された関数である。
ステップS7A4及びS7A5は、それぞれ前述したステップ
S7S3及びS7S4に相当する動作が行われる。従って、ｍ番
目のノードuAmにおける情報処理が終了すると、ステッ
プS7Aにおける動作は終了し、次のステップS7Rに移る。
ステップS7R1では、Ｒ層の１番目のノードuR1におけ
る情報処理が開始されるが、ここでも、以後の説明を一
般化するため ｊ＝１ …（８） とおき、以下ｊ番目のノードuRjについて説明する。
ステップS7R2は、前述のステップS7A2に相当する動作
であり、ｊ番目のノードuRjの入力データの加重和I
Rjは、 により求められる。ここで、各重みづけ値WAiRjも又、
あらかじめ設定された値である。
ステップS7R3もまたステップS7S2やステップS7A3に相
当する動作であり、次式によりｊ番目のノードuRjの出
力パラメータyjが求められる。
yj＝fRj（IRj） …（10） ここで、入出力関数fRjは入出力関数fSk,fAiと同じく
あらかじめ設定された関数である。
ステップS7R4及びS7R5は、それぞれ前述のステップS7
A4及びS7A5に相当する動作であり、Ny番目のノードuRNy
の出力パラメータyNyが求められると、一連の全ての動
作は完了する。
また、ニューラルネットワーク14の構成としてpercep
tron型のネットワークを用いたものについて説明した
が、第10図（ａ）に示す様なフィードバック結合を含ん
だネットワーク、第10図（ｂ）に示す様な層内結合のあ
るネットワークや、第10図（ｃ）に示す様な相互結合型
のネットワーク等を利用して層階的なネットワークを構
成してもよい。
以上述べたステップS7の動作が終了すると、第３図の
ステップS8では、ニューラルネットワーク14からセット
アップパラメータ値Ｐが出力され、モニタ７に表示され
るとともに、画像データ変換装置３に設定される。又、
セットアップパラメータ値Ｐは、データメモリ16に一時
的に蓄えられる。
ステップS9では、前ステップで画像データ変換装置３
のセットアップ条件が定まったので、原画１の画面を画
像読取装置２があらためて本スキャンし、画像データ
DR,DG,DBが得られる。そして、画像データDR,DG,DBは、
図示しない切換スイッチを介して、画像データ変換装置
３に入力され、画像データ変換装置３によって上記セッ
トアップパラメータ値Ｐに従った色分解処理を受けつつ
記録用画像データに変換された後、画像記録装置５によ
って色分解フィルム６が作成される。
ステップS10では、作成された色分解フィルム６に基
づいて印刷版が作成され、それを用いて校正刷りを行な
うとともに、その校正刷りの仕上り状態が評価者によっ
て評価される。評価者は、印刷発注者や熟練オペレータ
である。仕上り状態が要望通りであれば、ステップS7で
求められたセットアップパラメータ値Ｐは最適値または
それに近い値になっているので、セットアップパラメー
タ値Ｐを修正する必要はない。しかし、仕上り状態が要
望通りでないと評価された場合には、セットアップパラ
メータ値Ｐを修正する必要がある。いずれの場合におい
ても、評価結果は評価情報133として評価者からオペレ
ータに伝達されることになる。
ステップS11では、オペレータはデータ入力装置13に
よって評価情報133を学習手段15に入力する。ここで、
評価情報133は、校正刷り（したがってその基礎となる
色分解フィルム６）の仕上り状態の評価結果を反映した
情報であるとともに、学習手段15を動作させるか否かを
指示する情報である。尚、オペレータは評価者によって
決定された評価情報133を単に入力すればよいだけであ
るので、スキャナの操作上負担になることはない。
ステップS12では、評価情報133を受けて、学習手段15
は動作するか否かを判断する。例えば、オペレータは評
価情報133として、学習手段15を動作させたいときはYES
に相当する“1"のディジタル信号を入力し、学習手段15
を動作させなくてよいときにはNOに相当する“0"のディ
ジタル信号を入力することができる。この場合、YESの
信号が評価情報133として入力されれば、学習手段15はO
N状態となり、ステップS14へと移る。逆に、NOの信号が
評価情報133として入力されれば、学習手段15はOFF状態
のままでステップS13へと移り、全工程は終了する。
又、オペレータは、評価者が校正刷りを通じて色分解
フィルム６の仕上り状態を採点した場合にその点数を評
価情報133として入力することもできる。この場合に
は、あらかじめ学習手段15に基準点を記憶させておき、
評価情報133が基準点以下であれば学習手段15が動作し
ステップS14へと移る。
尚、評価情報133によって学習手段15を動作させるか
否かを判断するのではなく、後述の修正色分解パラメー
タ値Pcを入力するか否かの情報によって学習手段15を動
作させるか否かを判断することもできる。この場合に
は、修正色分解パラメータ値Pc自体が評価情報133とし
ての役割をも担うことになる。
ステップS14では、オペレータは、モニタ７に表示さ
れたセットアップパラメータ値Ｐをチェックし、要望通
りの仕上り状態になるようにセットアップパラメータ値
Ｐの一部を修正し、データ入力手段13によって修正セッ
トアップパラメータ値Pcを学習手段15に入力する。従っ
て、ここではオペレータはある程度の熟練を必要とされ
るが、熟練オペレータ不在のケースでは、非熟練オペレ
ータが試行錯誤して修正セットアップパラメータ値Pcを
入力することになる。
ステップS15では、学習手段15は、セットアップパラ
メータ値Ｐを得た際の入力情報121,131,132と同一の情
報を再び入力した場合にニューラルネットワーク14が修
正セットアップパラメータ値Pcを出力する様に、ニュー
ラルネットワーク14の学習動作を開始する。即ち、学習
手段15は、所定のアルゴリズムに従いニューラルネット
ワーク14にあらかじめ設定されている各コネクションの
重みづけ値を修正する。この様なアルゴリズムについて
は多くの提案がなされているが、ここでは誤差逆伝播
（Error Back Propagation）アルゴリズムを用いる。
第５図は、ステップS15の動作を詳述したフローチャ
ートである。ステップS151では、損失関数γl-1が計算
される。損失関数γl-1は、次式（11）で定義されるよ
うに、修正前の出力パラメータyjと修正色分解パラメー
タtj（修正セットアップパラメータ値Pcの各成分に該
当）の差分の自乗和である。
そして、以下に述べるステップにより出力パラメータ
yjが修正を受けるごとに、損失関数γl-1はその最小値
に近づいてゆく。この様な学習法は、収束定理として知
られたものではある。従って、以下のステップでは、こ
の定理に基づいて損失関数γl-1の最小値を求める一連
の動作が行われる。
ステップS152では、次式（12），（13）で表わされる
修正量ΔWSkAi及びΔWAiRjだけ各コネクションの重みづ
け値WSkAi及びWAiRjが修正される。
ΔWSkAi＝−ε∂γl-1/∂WSkAi …（12） ΔWAiRj＝−ε∂γl-1/∂WAiRj …（13） ここで、εは１回の修正の大きさを決めるパラメータ
で小さな正の数にとられる。そして、修正された新たな
重みづけ値が各コネクションの重みづけ値として採用さ
れる。即ち、 WT SkAi＝WSkAi＋ΔWSkAi …（14） WT AiRj＝WAiRj＋ΔWAiRj …（15） ステップS153では、（14）式，（15）式で求められた
重みづけ値WT SkAi,WT AiRjを用いて再度ニューラルネッ
トワーク14を動作させ、修正を受けた新たな出力パラメ
ータyj′が計算される。
ステップS154では、新たな出力パラメータyj′を用い
て、次式（16）で表わされる損失関数γｌが計算され
る。
ステップS155ではステップS152及びS153と同様にして
出力パラメータyj′を更に修正し、新たな出力パラメー
タyj″が計算される。
ステップS156では、同様に次式（17）により損失関数
γl+1が計算される。
ステップS157では、以上のステップで求められた損失
関数γl-1,γｌ及びγl+1を比較することにより、損失
関数γｌが最小値となるか否かを判定する。即ち、損失
関数γｌが γｌ＜γl-1 …（18） γｌ＜γl+1 …（19） を満足するとき、損失関数γｌは最小値であると判定す
る。
今、損失関数γｌが最小値であると判定した場合に
は、損失関数γｌの計算過程で求めた重みづけ値
WT SkAi,WT AiRjを各コネクションの重みづけ値WSkAi,W
AiRjとして採用し、それらの値が保持される。即ち、 WSkAi＝WT SkAi …（20） WAiRj＝WT AiRj …（21） となる。又、出力パラメータに関しても、 yj＝yj′ …（22） となる。そして、学習手段における学習動作は終了す
る。この場合、損失関数γｌがゼロに等しくなったとき
は、各出力パラメータyjは対応する修正色分解パラメー
タtjに等しい。即ち、 yj＝tj …（23） となる。それに対して、損椎関数γｌがゼロでないとき
は、出力パラメータyjのいくつかは対応する修正色分解
パラメータtjに等しく、残りの出力パラメータyjは対応
する修正色分解パラメータtjに近い値となるか又は、各
出力パラメータyjは全て対応する修正色分解パラメータ
tjに近い値のいずれかとなる。即ち、 yi＝ti,yj≒tj（ｉ≠ｊ） …（24） 又は、 yj≒tj …（25） となる。
一方、損失関数γｌが最小値でないと判定した場合に
は、ステップS158へと移る。
ステップS158では、損失関数γｌ及びγl+1をそれぞ
れ損失関数γl-1及びγｌとして置き換え保持したの
ち、ステップS155へ移り、更に各コネクションの重みづ
け値を修正し新たな損失関数γl+1を求めたのち、新た
な損失関数γｌが最小値となるか否かが再度判定される
ことになる。そして、損失関数γｌが最小値であると判
定されるまで、上述の動作が繰り返されることになる。
上記のように、学習手段15は、入力パラメータと出力
パラメータとの結合の強さを逐次変化させて望ましい情
報処理をネットワークに行わしめるものである。
ステップS16では、ステップS15で求められた学習結
果、即ち最終的な重みづけ値WSkAi,WAiRjがニューラル
ネットワーク14にセットされ、ステップS8へ移る。そし
て、一連の動作が色分解フィルム６の仕上りが要望通り
となるまで繰り返されることになる。そして、ひとつの
原画についてこのような処理が完了すると次の原画につ
いて同様の手順が繰返される。したがって学習を重ねる
ごとにニューラルネットワーク14は熟練オペレータに近
いセットアップ処理を自動的に行うことができるように
なる。ある程度以上の学習がなされた後には、ニューラ
ルネットワーク14から出力されるセットアップパラメー
タ値Ｐについてその修正を必要とするようなケースが減
少するため、熟練したオペレータがいない場合にも好ま
しいセットアップを行うことができるようになる。
なお、上述の学習結果を各印刷発注者に適合した結合
情報として図示しない外部メモリへ格納してもよい。こ
の様にすれば、各印刷発注者に応じて学習結果を読み出
してニューラルネットワーク14の重みづけ値として使用
でき、印刷発注者の好みを反映した柔軟性のある画像再
生がすばやく実現できる。
C.実施例 （１） 実施例では、ニューラルネットワーク14の各コ
ネクションの重みづけ値を学習手段15によって修正し、
ニューラルネットワーク14に望ましい情報処理を行わし
めたが、重みづけ値を修正するのではなく、ニューラル
ネットワーク14の各ノードにおける入出力関数fSk,fAi,
fRjを学習手段15によって変更することによりニューラ
ルネットワーク14に望ましい情報処理を行わしめること
もできる。例えば、第８図（ａ）〜（ｄ）に示した４種
類の関数内で相互に入出力関数を変換してもよいし、又
は、入出力関数を第８図（ａ）〜（ｄ）に示した４種類
の関数の線形結合として表わし、各係数値を変更して入
出力関数の変更としてもよい。又、入出力関数を次式の
様にｎ次の多項式で表わし、各係数値a0〜anを変更する
こともできる。
fSk（xk） ＝a0＋alxk＋a2xk 2 ＋…＋anxk n …（26） （２） 更に、各コネクションの重みづけ値と各ノード
の入出力関数双方を組合せて学習手段15によって修正
し、ニューラルネットワーク14に望ましい情報処理を行
わしめることもできる。この場合、ニューラルネットワ
ーク14の各層では、重みづけ値のみ修正したり、入出力
関数のみ修正したり、又は重みづけ値と入出力関数両方
共修正する方法を選択することができる。
すなわち、一般に、パラメータ変換規則を学習によっ
て修正して行けばよい。
（３） 実施例では、この発明をカラースキャナに適用
した場合を示したが、もちろんモノクロ用スキャナにも
この発明を適用することができる。
（４） この発明のセットアップパラメータ決定特性を
修正する方法と、自動セットアップ装置は、製版用スキ
ャナに限られるものではなく、原画の画像を記録用画像
データに変換して画像再生を行う装置、例えばプリン
タ，ファックス，複写機や電子黒板等の装置にも利用可
能である。
〔発明の効果〕
以上の様に、請求項１の発明によれば以下の効果を得
ることができる。
（１） オペレータは、通常の動作時にはシーン情報や
仕上り情報等の原画から容易に判断できる情報のみを入
力すればよく、それによってセットアップパラメータ値
はパラメータ変換規則の与えられたニューラルネットワ
ーク等の手段により自動的に得られる。そして、所望の
画像変換結果が得られないときには、パラメータ変換規
則を適切な変換規則に修正するので、そのような修正を
繰返した後には、比較的経験が浅いオペレータであって
も適切なセットアップを行うことができる。したがって
この発明の方法を用いると使い易い普及性に富んだ画像
データ変換装置を提供することができる。
（２） さらに、画像データ変換装置は、画像データの
変換を行えば行うほどパラメータ変換規則が改善される
とともに、最終的に得られた変換規則をメモリ等に蓄え
ておき、随時蓄えた変換規則を読み出して画像データ変
換を行うこともできるので、印刷等の発注者の好みや時
代とともに変化画質の傾向に対応した柔軟性に富む画像
データ変換を実現することができる。
請求項２の発明ではパラメータ変換規則の修正を係数
の修正によって行うため、修正処理が簡単であるという
利点もある。
請求項３の発明では上記の方法をニューラルネットワ
ークを用いて実現しており、パラメータの変換や修正を
系統的に行うことができる。
【図面の簡単な説明】
第１図は、この発明の一実施例である自動セットアップ
装置を組込んだカラースキャナの構成を示すブロック
図、 第２図は、この発明の一実施例である自動セットアップ
装置の構成を示す機能ブロック図、 第３図は、第１図に示すカラースキャナの動作を示すフ
ローチャート、 第４図は、第３図に示すカラースキャナの動作のうちス
テップS7における動作を示すフローチャート、 第５図は、第３図に示すカラースキャナの動作のうちス
テップS15における動作を示すフローチャート、 第６図は、濃度ヒストグラムの例を示した説明図、 第７図は、Perceptron型ニューラルネットワークの構成
の一例を示した概念図、 第８図は、入出力関数fSkの例を示した説明図、 第９図は、第７図に示したニューラルネットワークの構
成における中間層であるＡ層のｉ番目のノードuAiにお
ける一連の情報処理を表わした概念図、 第10図は、種々のニューラルネットワークの構成例を示
した説明図、 第11図及び第12図は、従来のカラースキャナの構成を示
したブロック図である。 １……原画、２……画像読取装置、 ３……画像データ変換装置、５……画像記録装置、 ６……色分解フィルム、 10……自動セットアップ装置、 12……分析手段、13……データ入力手段、 14……ニューラルネットワーク、 15……学習手段、 Pc……修正セットアップパラメータ値、 Ｐ……セットアップパラメータ値

Claims (3)

    (57)【特許請求の範囲】
  1. 【請求項１】原画の画像データを記録用画像データへと
    変換する画像データ変換装置の自動セットアップ装置に
    ついて、当該自動セットアップ装置におけるセットアッ
    プパラメータ決定特性を修正する方法であって、 （ａ） 原画の画像情報を自動分析することによって前
    記画像情報を反映した第１のパラメータ値を得る工程
    と、 （ｂ） 前記原画の画像を記録する際に参照すべき条件
    を表現した第２のパラメータ値を第１の操作入力手段を
    通じて自動セットアップ装置に入力する工程と、 （ｃ） 前記自動セットアップ装置に前記セットアップ
    パラメータ決定特性としてあらかじめ設定されているパ
    ラメータ変換規則を用いて、前記第１と第２のパラメー
    タ値を含んでなるパラメータ群の値をセットアップパラ
    メータ値へと変換する工程と、 （ｄ） 前記セットアップパラメータ値を前記画像デー
    タ変換装置に設定した後、前記原画の画像を前記画像デ
    ータ変換装置によって記録用画像データへと変換する工
    程と、 （ｅ） 前記記録用画像データから得られる記録画像を
    参照して、前記パラメータ変換規則を修正すべきか否か
    を判定し、修正すべきときには前記原画の画像データの
    変換に適した修正セットアップパラメータ値を第２の操
    作入力手段を通じて前記自動セットアップ装置に与える
    工程と、 （ｆ） 前記パラメータ群を変換したときに前記修正セ
    ットアップパラメータ値と等しいか又はそれに近い値が
    得られるように前記パラメータ変換規則を修正する工程
    と、 （ｇ） 前記工程（ｆ）によって修正された前記パラメ
    ータ変換規則を、次の原画に対する前記工程（ｃ）のた
    めの前記セットアップパラメータ決定規則として利用す
    る工程とを備えることを特徴とするセットアップパラメ
    ータ決定特性の修正方法。
  2. 【請求項２】請求項１記載のセットアップパラメータ決
    定特性の修正方法であって、 前記工程（ｃ）における前記パラメータ変換規則は係数
    群を含んだ変換関数で表現されており、 前記工程（ｆ）における前記パラメータ変換規則の修正
    は前記係数群の値を修正することにより行うことを特徴
    とするセットアップパラメータ決定特性の修正方法。
  3. 【請求項３】原画の画像データを記録用画像データへと
    変換する画像データ変換装置の自動セットアップ装置で
    あって、 （ａ） 原画の画像情報を自動分析することによって前
    記画像情報を反映した第１のパラメータ値を与える分析
    手段と、 （ｂ） 前記原画の画像を記録する際に参照すべき条件
    を表現した第２のパラメータ値を当該自動セットアップ
    装置に入力するための第１の操作入力手段と、 （ｃ） 前記分析手段と第１の操作入力手段に接続さ
    れ、あらかじめ設定された重みづけの値を用いて、前記
    第１と第２のパラメータ値を含んでなるパラメータ群の
    値を前記画像データ変換装置に設定されるべきセットア
    ップパラメータ値へと変換するニューラルネットワーク
    と、 （ｄ） 前記原画の画像データの変換に適した修正セッ
    トアップパラメータ値を当該自動セットアップ装置に入
    力するための第２の操作入力手段と、 （ｅ） 前記ニューラルネットワークと第２の操作入力
    手段に接続され、前記ニューラルネットワークにより前
    記パラメータ群を変換したときに前記修正セットアップ
    パラメータ値に等しいか又はそれに近い値が得られるよ
    うに前記重みづけの値を修正して前記ニューラルネット
    ワークに対する学習を行わせる学習手段とを備えること
    を特徴とする自動セットアップ装置。
JP2268063A 1990-10-04 1990-10-04 セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置 Expired - Lifetime JP2521843B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2268063A JP2521843B2 (ja) 1990-10-04 1990-10-04 セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置
US07/765,752 US5164837A (en) 1990-10-04 1991-09-26 Method of correcting setup parameter decision characteristics and automatic setup apparatus using a neural network
DE69123919T DE69123919T2 (de) 1990-10-04 1991-10-04 Verfahren zur Korrektur der Entscheidungscharakteristik von Einstellungsparametern und automatische Einstellungsvorrichtung
EP91116972A EP0479312B1 (en) 1990-10-04 1991-10-04 Method of correcting setup parameter decision characteristics and automatic setup apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2268063A JP2521843B2 (ja) 1990-10-04 1990-10-04 セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置

Publications (2)

Publication Number Publication Date
JPH04144361A JPH04144361A (ja) 1992-05-18
JP2521843B2 true JP2521843B2 (ja) 1996-08-07

Family

ID=17453375

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2268063A Expired - Lifetime JP2521843B2 (ja) 1990-10-04 1990-10-04 セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置

Country Status (4)

Country Link
US (1) US5164837A (ja)
EP (1) EP0479312B1 (ja)
JP (1) JP2521843B2 (ja)
DE (1) DE69123919T2 (ja)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3026630B2 (ja) * 1991-04-19 2000-03-27 株式会社リコー 電子写真プロセス制御装置
US5522657A (en) * 1993-02-24 1996-06-04 Eastman Kodak Company Optimization of electronic color printing process functions based on prescan information data
US5504583A (en) * 1993-02-24 1996-04-02 Eastman Kodak Company Generation of prints from an array of images and information relative to such images
DE69412185T2 (de) * 1993-06-18 1998-12-10 Hewlett-Packard Co., Palo Alto, Calif. Neuronales Netzwerk für Farbumsetzungen
EP0636991A3 (en) * 1993-07-29 1997-01-08 Matsushita Electric Ind Co Ltd Information processing device for implementing a neural network.
JP3115508B2 (ja) * 1995-06-21 2000-12-11 シャープ株式会社 カラー画像処理装置
JP3596789B2 (ja) * 1995-10-16 2004-12-02 富士写真フイルム株式会社 画像読取処理装置
JP3184092B2 (ja) * 1996-05-27 2001-07-09 シャープ株式会社 画像処理方法
US6351558B1 (en) 1996-11-13 2002-02-26 Seiko Epson Corporation Image processing system, image processing method, and medium having an image processing control program recorded thereon
US6188493B1 (en) * 1997-04-18 2001-02-13 Matsushita Electric Industrial Co., Ltd. Electronic blackboard device
JP3877385B2 (ja) 1997-07-04 2007-02-07 大日本スクリーン製造株式会社 画像処理パラメータ決定装置およびその方法
US6102846A (en) * 1998-02-26 2000-08-15 Eastman Kodak Company System and method of managing a psychological state of an individual using images
JP2000175035A (ja) 1998-12-07 2000-06-23 Toshiba Corp 画像処理装置および画像処理システム
WO2002075518A1 (fr) * 2001-03-15 2002-09-26 Seiko Epson Corporation Commande d'impression et commande de traitement d'image
JP2003130904A (ja) * 2001-10-19 2003-05-08 Agilent Technologies Japan Ltd パラメータの補正条件の表示方法、および、パラメータの補正条件を表示するためのプログラムを記録した記録媒体
US7221807B2 (en) * 2002-03-29 2007-05-22 Sharp Laboratories Of America, Inc. Methods and systems for digital image characteristic adjustment using a neural network
JP4906627B2 (ja) * 2007-07-31 2012-03-28 キヤノン株式会社 画像処理装置、画像処理方法、コンピュータプログラム及び記憶媒体
JP5104282B2 (ja) * 2007-12-18 2012-12-19 日本電気株式会社 画像補正方法および画像補正装置
US10003814B2 (en) * 2015-05-06 2018-06-19 Mediatek Inc. Image processor, display image processing method and associated electronic device
IL254078A0 (en) 2017-08-21 2017-09-28 Advanced Vision Tech A V T Ltd Method and system for creating images for testing
JP7099126B2 (ja) 2018-07-25 2022-07-12 セイコーエプソン株式会社 表示制御装置および表示制御プログラム
JP2020017839A (ja) * 2018-07-25 2020-01-30 セイコーエプソン株式会社 スキャンシステム、スキャンプログラムおよび機械学習装置
JP6954260B2 (ja) * 2018-12-18 2021-10-27 セイコーエプソン株式会社 学習装置、印刷制御装置及び学習済モデル
CN111695670B (zh) * 2019-03-11 2024-07-23 深圳市茁壮网络股份有限公司 神经网络模型训练方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH083843B2 (ja) * 1988-03-18 1996-01-17 富士写真フイルム株式会社 放射線画像読取装置
US4853738A (en) * 1988-05-02 1989-08-01 Eastman Kodak Company Color quality improvements for electrophotographic copiers and printers
DE68926276T2 (de) * 1988-10-13 1996-11-07 Fuji Photo Film Co Ltd Farbabtaster und automatisches Einstellverfahren
JPH0695723B2 (ja) * 1989-03-15 1994-11-24 松下電器産業株式会社 色修正装置
JP2575215B2 (ja) * 1989-10-30 1997-01-22 富士写真フイルム株式会社 カラー画像形成装置

Also Published As

Publication number Publication date
EP0479312A3 (en) 1992-10-28
EP0479312B1 (en) 1997-01-02
US5164837A (en) 1992-11-17
DE69123919D1 (de) 1997-02-13
DE69123919T2 (de) 1997-07-31
EP0479312A2 (en) 1992-04-08
JPH04144361A (ja) 1992-05-18

Similar Documents

Publication Publication Date Title
JP2521843B2 (ja) セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置
US5870491A (en) Image processing apparatus which controls processing conditions of an image signal on detected features of the image signal
US5162899A (en) Color data correction apparatus ultilizing neural network
US5077615A (en) Halftone image recording apparatus combining error scattering and multi-level tone conversion techniques
US6577761B1 (en) Image processor and image processing system
CN101360175A (zh) 图像处理方法、图像处理装置、图像形成装置及读取装置
US5982947A (en) Image forming apparatus with color adjustment
JP2003209708A (ja) 画像処理方法および画像処理装置ならびに画像形成装置、プログラム、記録媒体
JP3390037B2 (ja) 疑似カラー画像出力システム
US5633953A (en) Image processing apparatus having improved color-reproducibility of color image
US7511857B2 (en) Halftoning method and system
JP2006197549A (ja) 色変換装置、画像形成装置、色変換方法、及びコンピュータプログラム
JP3303427B2 (ja) デジタル画像形成装置
JPH09233335A (ja) 画像データ処理装置および画像データ処理方法
JP7123752B2 (ja) 画像処理装置、画像形成装置、画像処理方法、画像処理プログラム及び記録媒体
JP4496897B2 (ja) 印刷装置及びその階調補正方法
JP2003298843A (ja) 画像記録装置及び階調補正データ作成方法
JP3158653B2 (ja) デジタル画像形成装置
JP3243397B2 (ja) カラー画像処理装置
JP3206031B2 (ja) カラー画像形成装置
JPH10283458A (ja) 画像処理装置
JP2883398B2 (ja) カラー複写機
JP3550456B2 (ja) 画像データ処理装置
JPH10283460A (ja) 画像処理装置
JP2000287089A (ja) 画像二値化方法