JP3083067B2

JP3083067B2 - 色変換係数決定方法及び装置

Info

Publication number: JP3083067B2
Application number: JP07180455A
Authority: JP
Inventors: 和昌村井; 伸児喜多; 斉小勝
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1994-08-03
Filing date: 1995-07-17
Publication date: 2000-09-04
Anticipated expiration: 2015-07-17
Also published as: JPH08102865A; US5978107A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、カラー複写機、カラー
印刷装置等のカラー画像処理装置において使用される色
変換装置に関し、特に、この色変換装置において使用さ
れる色変換係数を決定する方法及び装置に関する。更に
詳細には、色変換に用いられるルックアップ・テーブル
の格子点データもしくは微分連続関数型色変換の係数を
決定する方法及び装置に関する。

【０００２】

【従来の技術】たとえば、カラー複写機においてはカラ
ー原稿がカラー画像入力装置により読み取られ、赤，緑
及び青の３色成分に分解されてＲＧＢ信号が得られる。
このＲＧＢ信号は、Ｌ^*ａ^*ｂ^*信号に変換される。この
Ｌ^*ａ^*ｂ^*信号は、カラー画像出力装置において記録紙
上のカラー画像を形成するために、イエロー，マゼン
タ，シアン及び黒の各色材に対応するＹＭＣＫ信号に変
換される。

【０００３】前記Ｌ^*ａ^*ｂ^*信号からＹＭＣＫ信号への
変換は、一般に入力信号と色変換係数の積和演算を行な
うマトリックス演算やルックアップ・テーブルを用いた
ものがある。

【０００４】ルックアップ・テーブルは、入力値と、こ
の入力信号に所定の色変換係数を乗じた出力値との関係
を予めＲＯＭ（読み出し専用メモリ）或いはＲＡＭ（ラ
ンダムアクセスメモリ）に記憶させたものであり、Ｌ^*
ａ^*ｂ^*信号から直接的にＹＭＣＫ信号への変換を行う。
このルックアップ・テーブルを使用して色変換を行う場
合、実質的に演算時間を必要としないので、色変換を極
めて高速に行うことができるという利点がある。

【０００５】このルックアップ・テーブルの色変換係数
は、カラー原稿をカラー画像入力装置で読み取って実際
に記録紙上に出力したときに、カラー原稿の階調及び色
調が忠実に再現されるように試行錯誤して実験的に求め
られることが多かった。

【０００６】すなわち、従来は、実測値を基に、印刷や
光学的なモデルに基づいた予測値をルックアップ・テー
ブルの格子点データとすることがあった。なお、格子点
とは、ルックアップ・テーブルの索引により示される所
定のＬ^*、ａ^*、ｂ^*の指し示す点であり、格子点データ
とは、その格子点すなわち所定のＬ^*、ａ^*、ｂ^*に対応
する変換後の値である。

【０００７】また、多項式やその他の数学的モデルによ
り予測値を得る場合もあった。

【０００８】また、出力装置に関しては、入出力特性を
ニューラルネットワークによりモデル化して誤差を低減
させた研究（たとえば、中基孫、田中武久、斉藤美恵、
吉田邦夫：「ニューラルネットによるカラーハードコピ
ーの色修正」、画像電子学会研究会予稿、１９８９年等
参照）が知られているが、ニューラルネットワークをル
ックアップ・テーブルの格子点データを決定するために
用いることは考慮されていなかった。

【０００９】ところで、一般にプロダクションプリンテ
ィング分野では、図１（ｂ）に示されるように、ホスト
コンピュータ２に対して複数のカラー画像入力装置（ド
ラムスキャナー１−１、フォトＣＤ１−２、フラットベ
ッドスキャナー１−３）及び複数のカラー画像出力装置
（イメージセッタ３−１、色校正用プリンタ３−２、低
解像度デスクトッププリンタ３−３）を接続し、用途に
応じて適宜装置を選択し用いている。各々のカラー入出
力装置は装置固有の色信号により色彩を入出力するの
で、等しい色彩でも、各機器により対応づけられる色信
号は等しいとは限らない。このような状況では、原稿と
出力の色一致や、色校正の印刷物と最終の印刷物の色一
致が困難である。そこで、この課題を解決するためにア
ップルコンピュータ（ＡｐｐｌｅＣｏｍｐｕｔｅｒ）
社のＣｏｌｏｒＳｙｎｃ１．０やＥＦＩ社のＥｆｉＣｏ
ｌｏｒに代表されるカラーマネージメントシステム（Ｃ
ＭＳ）が用いられるようになった。これらのＣＭＳで
は、予め用意した各入出力機器の特性を記述した機器特
性情報群を基に、異なる機器間での色一致を実現しよう
とした。

【００１０】しかし、前記のＣＭＳは、精度および機器
特性情報群の互換性に課題があったため、機器特性情報
の記述方法がインターカラーコンソーシアム（ＩＣＣ）
により提案され、広い範囲で用いられるようになりつつ
ある。ＩＣＣによる機器特性情報の記述方法によれば、
従来のＣＭＳの欠点であった機器特性情報群の互換性を
得ることが可能になった。

【００１１】ＩＣＣによる機器特性情報の記述方法は大
規模なルックアップテーブルと線形補間を基本としてい
るために、従来のＣＭＳに比較すると高い精度を得るこ
とも可能になった。

【００１２】

【発明が解決しようとする課題】しかしながら、上記し
た印刷、光学的、多項式などを用いたモデルでは、予測
誤差が大きいばかりでなく、時として色再現に破綻を生
ずることがあった。また、出力装置に関しては、ニュー
ラルネットワークを用いたものでは、色座標から出力装
置の入力を予測する場合には、出力装置の色信号の誤差
を最小化するものであり、出力結果の均等色空間上での
誤差を最小化するものではなかった。人間の視感は、均
等色空間に対応しているので、出力装置の色信号の誤差
を最小化しただけでは、視感上の誤差を充分小さくこと
はできない。

【００１３】また、ニューラルネットワークを使用して
色変換係数を求める場合には、精度はよいものの、計算
には膨大な時間とハードウェアが必要であるという問題
があった。

【００１４】現状では大規模ルックアップ・テーブルは
容易には実装できないために、ソフトウェアによる実装
や小規模ルックアップ・テーブルが用いられている。し
かしながら、ソフトウェアによる実装では色変換速度に
課題があり、また、小規模ルックアップ・テーブルでは
精度が落ちるという課題があった。

【００１５】ＩＣＣプロファイルは、機器依存色信号を
機器独立信号に変換するテーブルと、機器独立信号を機
器依存信号に変換する両方のテーブルを保持している
が、実際に用いるのはそのうちの順方向のテーブルだけ
である。補間の際、逆方向のテーブルを併用すれば補間
誤差を減少させることが可能であるが、ルックアップ・
テーブルでは原理的には難しい。また、単独の色変換に
ついては高い精度が得られるものの、複数の色変換を合
成する場合には補間の操作が必要となる。色変換を繰り
返すと補間誤差が累積するという課題があった。

【００１６】そこで、本発明は、ニューラルネットワー
クと概ね同精度の色変換を可能とするルックアップ・テ
ーブルを実現するための格子点データを作成すること、
及び、ニューラルネットワークに代表される微分連続関
数の係数を作成することを目的とする。また、入出力装
置の色再現特性を微分連続関数で再構成することによ
り、補間誤差を減少させることを目的とする。

【００１７】

【課題を解決するための手段】本発明は、入力色座標値
をカラー画像出力装置の色材座標値に変換するルックア
ップ・テーブルの格子点データを決定、ないし微分連続
関数で再構成する方法であって、離散変換対をもとに、
微分連続関数で装置の入出力特性を決定し、その関数か
らルックアップ・テーブル方式ないしは連続関数に基づ
く色変換方法の色変換係数を決定することを特徴とす
る。

【００１８】

【作用】本発明の作用を図２、図９〜図１１を参照して
説明する。

【００１９】図２は、本発明の要素を示しており、機器
情報記憶手段２２、装置特性算出手段２５、色変換係数
算出手段２０、演算手段２４は、ホストコンピュータ２
内に配置され、既存の描画装置４１、アプリケーション
ソフト４２、デバイスドライバー４３と連動することに
より、入力装置１からの画像データのディスプレイ４４
への表示、アプリケーションソフト４２による画像デー
タの調整、出力装置３用画像データの生成を司る。

【００２０】本発明の色変換係数の算出と色変換は、図
９に示すように、入力機器出力機器指定（ステップ１１
００）、色変換係数算出（ステップ１２００）、係数を
演算装置にセット（ステップ１３００）、画像変換実施
命令（ステップ１４００）の順に作用する。以下、その
手順を図を用いて説明する。

【００２１】先ず、図９および図１０、図１１を用いて
入力機器出力機器指定（ステップ１１００）を説明す
る。入力機器出力機器指定（ステップ１１００）は、ア
プリケーションソフト４２（図２参照）若しくはデバイ
スドライバー４３から入出力機器の指定を受ける。この
際、逐次に行う複数の色変換処理を一括して行う場合に
は複数の入出力機器の指定を受ける場合もある。

【００２２】指定の指示により、入力機器特性情報群２
１および出力機器特性情報群２３を検索し（ステップ１
１０１）、機器情報記憶手段２２に機器特性情報がない
場合には、装置特性算出手段２５により特性情報を獲得
する（ステップ１１１０）。特性情報の獲得（ステップ
１１１０）は、色変換形態によって所要となる入出力の
特性情報が異なる。表１は、色変換形態によって所要と
なる入出力の特性情報を示す図である。

【００２３】

【表１】各々の特性情報は、入力機器の場合には、図１０に示す
ように、入力機器特性情報獲得（ステップ１１２０）に
示す手順により行われ、出力機器の場合には、図１１に
示すように、出力機器特性情報獲得（ステップ１１３
０）に示す手順により行われる。

【００２４】入力機器特性情報獲得（ステップ１１２
０）は、予めデバイスに依存しない中間信号（たとえば
１９７６ＣＩＥＬ＊ａ＊ｂ＊）が既知である色票（たと
えばＩＳＯＩＴ８／７．１，２）を、デバイスドライ
バー４３を経由し入力する。既知のデバイスに依存しな
い中間信号である特性評価試験データ２５−１と、入力
画像データは、装置特性算出手段２５内に設置された測
色演算手段２５−２に送信される。

【００２５】測色演算手段２５−２では、デバイスドラ
イバー４３より、既知のデバイスに依存しない中間信号
である特性評価試験データ２５−１、すなわち、規定の
特性評価試験データを受信する（ステップ１１２１）。
また同様に、入力画像データ、すなわち、規定の特性評
価試験データに対応するデータを受信する（ステップ１
１２２）。特性評価試験データ２５−１とそれに対応す
る入力機器データの対応対から機器情報記憶手段２２に
記憶される入力機器特性情報と同一形式の特性情報を算
出し送信する（ステップ１１２３）。この際、測色演算
手段２５−２に与えられるデータは離散的な変換前の値
と変換後の値の変換対応対の１組以上の表であるので、
これを、後述するニューラルネットワークに代表される
微分可能な連続関数により近似する。

【００２６】出力機器特性情報獲得（ステップ１１３
０）は、特性評価試験データ２５−１として、出力装置
用データセット（たとえばＩＳＯＩＴ８／７．３）
を、デバイスドライバ４３を経由して、カラー画像出力
装置３−１〜３−３に送信、出力する（ステップ１１３
１）。出力されたプリントサンプルは、図示しない測色
部により計測され、デバイスに依存しない中間信号（た
とえば１９７６ＣＩＥＬ＊ａ＊ｂ＊）に変換される（ス
テップ１１３２）。この際、測色演算手段２５−２に与
えられるデータは、離散的な変換前の値と変換後の値の
変換対応対の１組以上の表であるので、これを、後述す
るニューラルネットワークに代表される微分可能な連続
関数により近似する。

【００２７】入出力機器の特性として、ルックアップテ
ーブルの格子点データに代表される変換対応対の１組以
上の表が与えられ、微分連続関数を構成する場合にも、
後述するニューラルネットワークに代表される微分可能
な連続関数により近似することが可能である。各対応対
について色再現範囲内外を示す情報が与えられている場
合には、色再現範囲外の対応対は近似に先だって削除す
ることにより、微分連続関数の近似精度が向上する。以
上により得られた特性情報を機器特性情報記憶手段２２
に送信する（ステップ１１３３）。

【００２８】逐次に行う複数の色変換処理を一括して行
う場合には、複数の入出力機器の指定を受ける場合もあ
る。この場合、各々の色変換について個別に入出力機器
の特性情報を検索あるいは獲得し、微分連続関数を合成
することにより、一括の色変換係数を算出することがで
きる。

【００２９】次いで、色変換係数算出（ステップ１２０
０）は、入力機器出力機器指定（ステップ１１００）に
より得られた微分連続関数若しくは微分連続関数と定義
式の合成関数を用いて、演算装置に所要の係数を算出す
る。

【００３０】演算装置がルックアップテーブルにより構
成される場合については、前記入力機器出力機器指定
（ステップ１１００）により得られた微分連続関数若し
くは微分連続関数と定義式の合成関数に格子点座標値を
適用することによって変換値を得ることができる。

【００３１】演算装置が前記の色変換係数算出と等しい
微分連続関数である場合には、前記の色変換係数をその
まま演算装置の係数とすることができる。

【００３２】演算装置が前記の色変換係数算出とは異な
る微分連続関数である場合には、色再現範囲内の近似誤
差が極少となるような演算装置の係数を定める。例え
ば、色変換係数算出が高次多項式であり、演算装置がニ
ューラルネットワークである場合、色再現範囲内の適宜
の入力値群を色変換係数算出の高次多項式により変換後
の出力値群に変換し、この入力値群と出力値群をバック
プロパゲーション学習等に代表される学習方法によって
演算装置の係数を得ることができる。この際、誤差を評
価するエネルギー関数として、適宜の均等色空間上の距
離、すなわち、色差を用いることにより視覚的な色精度
を向上することが可能である。エネルギー関数を演算す
る上では、色変換係数を決定する微分連続関数を偏微分
して用いることが可能な場合がある。

【００３３】また、色変換係数算出が計算機シミュレー
ションによるニューラルネットワークであり、演算装置
が、アナログ回路によるニューラルネットワークである
場合、色再現範囲内の適宜の入力値群を色変換係数算出
のニューラルネットワークにより変換後の出力値群に変
換し、この入力値群と出力値群をバックプロパゲーショ
ン学習等に代表される学習方法似よって演算装置の係数
を得ることができる。アナログ回路によるニューラルネ
ットワークの実装の一例としては、特開平６−２７４６
６２号公報に記載の装置がある。一般にアナログ回路に
よる実装では誤差や経時変化があるという課題がある
が、バックプロパゲーション学習に代表される学習方法
を用いることにより誤差を補正することも可能である。

【００３４】また、船橋：「ニューラル・ネットワーク
による連続写像の近似的実現について」，電子情報通信
学会技報ＭＢＥ８８−９，１９８８によれば、ニューラ
ルネットワークは、有界閉集合上で定義される連続関数
を任意の精度で近似できる。また、有限の入出力対応を
バックプロパゲーション法により近似することができ
る。この際、ニューラルネットワークの構成と学習の諸
定数を調整することにより、学習しなかった入出力対応
も予測することができる。また、学習の際に、色票を作
成してこれを測色すると、出力時や測定時の誤差が測定
結果に付加される。一般に、この誤差は測定結果と相関
がない。データの件数がニューラルネットワークの規摸
に比較して十分に大きい場合には、ニューラルネットワ
ークの特性によりこのような誤差は学習時に概ね除去さ
れる。従って、測定結果の入出力対応に誤差が含まれて
いても、学習後のニューラルネットワークは、誤差が概
ね除去された近似を行うことができる。

【００３５】上記により得られた色変換係数が演算手段
２４にセット（ステップ１３００）された後、画像変換
実施命令（ステップ１４００）により、演算手段２４は
デバイスドライバーより画像を取得し（ステップ１４１
０）、変換を実施する（ステップ１４２０）。変換結果
は、デバイスドライバーに送信される（ステップ１４３
０）。

【００３６】

【実施例】以下、図面を参照しながら実施例に基づいて
本発明の特徴を具体的に説明する。

【００３７】従来のデスクトップカラーパブリッシン
グ、カラー複写機などでは、特定の単一カラー画像入力
装置／カラー画像作成装置を前提としてカラー文書の入
力、編集、出力を行っていた。例えば、カラー複写機で
は入力部が装置内に内蔵されているため、特定の原稿色
を対象に、入力からプリント出力を実施し、プリント出
力と原稿色が一致するように、入力色信号から記録色信
号への１対１の色変換処理が行われる。

【００３８】また、デスクトップカラーパブリッシング
分野においても、フラットベッドスキャナー、パソコ
ン、デスクトッププリンタの組合せで、フラットベッド
スキャナーで入力されるＲＧＢ信号をパソコン上のアプ
リケーションソフトでの簡単な処理によってデスクトッ
ププリンタ用のＣＭＹＫ信号に変換して出力するのが一
般的であった。

【００３９】しかしながらカラー入出力メディアの多様
化に伴い、ネットワークを介して複数のカラー画像入出
力装置が配置され、しかも複数のワークステーションが
それらを共有しながら使用する、ネットワークシェアー
ドドキュメンテーション環境が形成されつつある。特
に、印刷を中心とするプロダクションプリンティング分
野においては、図１（ｂ）のような装置構成が一般的に
用いられつつある。

【００４０】図１（ｂ）のように、プロダクションプリ
ンティング分野では、複数のカラー画像入力装置１−１
〜１−３、複数のカラー画像出力装置３−１〜３−３が
イーサネット（登録商標）に代表されるＬＡＮ（ローカ
ルエリアネットワーク）を介してホストコンピュータ２
に接続される。カラー画像入力装置は、例えば反射物原
稿入力用のフラットベッドスキャナー１−３、フィルム
入力用ドラムスキャナー１−１、フォトＣＤドライブ１
−２などからなり、いずれもアップル社製マッキントッ
シュ（Ｍａｃｉｎｔｏｓｈ（登録商標））に代表される
ホストコンピュータ２にアプリケーションプラグインの
形式で接続される。その際、アプリケーションとして
は、アドビシステムズ（ＡｄｏｂｅＳｙｓｔｅｍｓ）
社製アドビフォトショップ（ＡｄｏｂｅＰｈｏｔｏｓ
ｈｏｐ（登録商標））に代表されるカラーイメージ編集
ソフトが用いられ、主に写真イメージが入力される。ま
た、ホストコンピュータ２ではイラスト、グラフなどが
アドビ社製プロイラストレーターなどのグラフィックソ
フトにより生成される。また、文字原稿もホストコンピ
ュータ２でのワープロソフトを用いて作成される。

【００４１】このようにしてディジタルデータとして取
り込まれた、文字原稿、イラスト、グラフ、写真イメー
ジは、所望のカラー文書の画像要素としてレイアウト編
集される。レイアウト編集では、アドビ（Ａｄｏｂｅ）
−アルダス（Ａｌｄｕｓ）社製ページメーカーなどのペ
ージレイアウトソフトを用いて、上記画像要素をレイア
ウトし、所望のカラー文書を作り上げる。作成されたカ
ラー文書は、１５０〜２００ｄｐｉ程度の低解像度でデ
スクトッププリンタ３−３、色校正用プリンタ３−２な
どに送信され、レイアウトおよび色再現がハードコピー
でチェックされる。これらの校正工程を合格した後、カ
ラー文書はイメージセッター３−１に３００〜４００ｄ
ｐｉ程度の高解像度で送信され、電子製版される。製版
フィルムとして出力されたカラー文書はその後、刷版、
印刷の工程を経て印刷物として完成される。

【００４２】このような多入力多出力からなるシステム
構成においては、多数の入力色信号から多数の出力信号
への変換を、各入出力装置の組合せごとに実行する必要
があり、しかもそれが全てホストコンピュータ２上で実
行される必要があることから、ホストコンピュータ２の
負荷が膨大になること、ならびに入出力信号が異なる毎
にホストコンピュータ２の画像ファイルが増大してしま
うという欠点を有する。例えば、図１の構成で、入力信
号が３種類、出力装置が３種類存在する場合、画像要素
の作成から出力の工程で、３×３＝９種の色変換が必要
となる。また、画像の対象が同一でも、画像の入出力装
置に何を用いるかによって、９種のファイルができてし
まうことになる。

【００４３】このような問題を回避する方法として、本
発明は、デバイスに依存しない中間信号を介在させ、入
力信号から中間信号へ変換する過程と中間信号から出力
信号へと変換する過程に分離する。このような中間信号
を介在させることによって、図１で説明した画像要素の
作成工程と画像の出力工程は分離され、出力工程で所望
の色再現が得られなかった場合に、修正を要する工程が
どこにあるかを、オペレータの勘と経験に依存せずに、
システマチックに追跡できるメリットを有する。また、
別のメリットとしては、中間信号を介在させることによ
って画像要素の作成から出力の工程での色変換の種類を
削減でき、それと共にファイル数を削減できる。例え
ば、図１の構成で、入力信号が３種類、出力装置が３種
類存在する場合、入力信号と中間信号との間の色変換が
３種、中間信号と出力信号との間の色変換が３種とな
り、合計６種となり、９種から６種への削減が可能とな
る。

【００４４】そのために、本発明では、図１（ａ）に示
すように、各デバイスに依存した信号とデバイスに依存
しない中間信号との関係を記述した特性情報を、獲得な
いしは予め作成された入力機器特性情報群２１、出力機
器特性情報群２３から検索する。色変換係数算出手段２
０は、入力機器特性情報、出力機器特性情報の指定によ
って、所望の入出力色変換に必要な変換係数を、一時的
に作成する。色変換係数算出手段２０により作成された
色変換係数は、ルックアップテーブル演算または微分可
能な関数演算からなる演算手段２４に導入される。演算
手段２４は、導入された色変換係数を用いて、指定され
た入力機器画像データ１０を指定された出力機器画像デ
ータ３０へと変換する。なお図１（ａ），図２，図３，
図４，図６，図７において、太線の矢印は画像の流れを
示し、細線の矢印は係数の流れを示す。

【００４５】より具体的な構成を図２に示す。本発明の
機器特性情報記憶手段２２、装置特性算出手段２５、色
変換係数算出手段２０、演算手段２４は、ホストコンピ
ュータ２内に配置され、既存の描画装置４１、アプリケ
ーションソフト４２、デバイスドライバー４３と連動す
ることにより、入力装置１からの画像データのディスプ
レイ４４への表示、アプリケーションソフト４２による
画像データの調整、出力装置３用画像データの生成を司
る。

【００４６】装置特性算出手段２５は、特性評価試験デ
ータ２５−１、測色演算手段２５−２を有し、予め準備
された特性評価試験データ２５−１と、特性評価試験デ
ータを入出力装置を通して観測されたデバイス依存デー
タを対応対として、測色演算手段２５−２により、機器
特性情報記憶手段２２内で設定される所定のフォーマッ
トの機器特性情報データを作成する。

【００４７】入力機器特性情報を獲得する場合、特性評
価試験データ２５−１は予めデバイスに依存しない中間
信号（例えば１９７６ＣＩＥＬ＊ａ＊ｂ＊）が既知であ
る色票（例えばＩＳＯＩＴ８／７．１，２）のデバイ
ス非依存中間信号値である。一方、色票そのものは、カ
ラー画像入力装置１−１〜１−３にセットされ、その入
力画像データは、デバイスドライバー４３を経由して、
装置特性算出手段２５内に設置された測色演算手段２５
−２に送信される。測色演算手段２５−２は、前記特性
評価試験データ２５−１からのデバイス非依存中間信号
値と、前記入力画像データを対応対として、前記機器特
性情報データを作成する。

【００４８】出力機器特性情報を獲得する場合、特性評
価試験データ２５−１は、出力装置用データセット（例
えばＩＳＯＩＴ８／７．３）であり、デバイスドライ
バー４３を経由して、カラー画像出力装置３−１〜３−
３に送信、出力される。出力されたプリントサンプル
は、図示しない測色部により計測され、デバイスに依存
しない中間信号（例えば１９７６ＣＩＥＬ＊ａ＊ｂ＊）
に変換される。測色演算手段２５−２は、前記特性評価
試験データ２５−１の出力装置用データセットと、前記
デバイス非依存中間信号値を対応対として、前記機器特
性情報データを作成する。

【００４９】色変換係数算出手段２０は、アプリケーシ
ョンソフト４２ないしはデバイスドライバー４３からの
指示によって、入力機器特性情報、出力機器特性情報を
機器特性情報記憶手段２２内で検索し、所望の入出力色
変換に必要な変換係数を一時的に作成する。色変換係数
算出手段２０により作成された色変換係数は、ルックア
ップテーブル演算または微分可能な関数演算からなる演
算手段２４に導入される。演算手段２４に色変換係数が
導入された後、アプリケーションソフト４２ないしはデ
バイスドライバー４３から入力される一連の画像データ
は、演算手段２４によって処理され、所望の出力装置用
画像データに変換されて、アプリケーションソフト４２
ないしはデバイスドライバー４３に送信される。以上の
様に、本発明は、ホストコンピュータ内のアプリケーシ
ョンソフト４２ないしはデバイスドライバー４３と連動
し、両者からの要求に応じて、各入出力装置間のカラー
属性値を変換するための変換係数算出、色変換演算を司
る。

【００５０】図３は、本発明がホストコンピュータ内で
実現される場合の実施例の一例である。本発明は、ホス
トコンピュータ２の中央演算ユニット３０１、主記憶ユ
ニット３０２、外部記憶ユニット３０３、測色ユニット
３０４、外部インターフェイスユニット３０５から構成
される。

【００５１】図３において、色変換係数算出手段２０
は、中央演算ユニット３０１上にソフトウエアで構成さ
れる係数算出演算部２０ａ、主記憶ユニット３０２上に
一時的に作成される係数記憶部２０ｂからなる。機器情
報記憶手段２２は、外部記憶ユニット３０３内に機器情
報記憶部２２ａとしてデータベース形式で格納され、入
出力機器のデバイス名で検索可能に構成されている。演
算手段２４は、内部バスに拡張された外部インターフェ
イスユニット３０５として構成され、バスインターフェ
イス部３０５ａ、色変換係数制御部３０５ｂ、色変換演
算部３０５ｃから構成される。

【００５２】色変換係数算出手段２０で生成された主記
憶ユニット３０２内の色変換係数は、バスインターフェ
イス部３０５ａを介して、色変換係数制御部３０５ｂ内
のレジスタ制御部（図示せず）でコントロールされ、色
変換演算部３０５ｃ内のレジスタ（図示せず）にセット
される。画像データの変換については、主記憶ユニット
３０２内の画像記憶部３０２ａに、アプリケーションソ
フト４２ないしはデバイスドライバー４３が、変換対象
画像データをセットする。セットされた画像データは、
バスインターフェイス部３０５ａを介して、色変換演算
部３０５ｃ内の入力バッファ（図示せず）に送信され
る。入力バッファ（図示せず）に送信された画像データ
は、ライン順次に処理され、処理後画像は出力バッファ
（図示せず）に蓄積される。出力バッファ（図示せず）
に蓄積された画像データは、バスインターフェイス部３
０５ａを介して主記憶ユニット３０２内の画像記憶部３
０２ａの該当アドレスに送信される。その際、バスイン
ターフェイス部３０５ａは、前記入出力操作を制御し、
通常入出力バッファのステータス（オールモーストフル
・オールモーストエンプティー）に応じて、入力動作、
出力動作を切り替える。色変換演算部３０５ｃとして
は、ルックアップテーブル演算または微分可能な関数演
算が実施され、ルックアップテーブル演算については図
４、図５、微分可能な関数演算については図６、図７を
用いて後述する。

【００５３】装置特性算出手段２５は、バスに接続され
た測色ユニット３０４と外部記憶ユニット３０３に格納
された特性評価試験データからなる。測色ユニット３０
４は、アプリケーションソフト４２ないしはデバイスド
ライバー４３からの装置特性獲得指令に応じて、外部記
憶ユニット３０３内の特性評価試験データを供給し、そ
れに対応するデータを受信する。測色ユニット３０４
は、特性評価試験データと、それを入出力装置を通して
観測された前記デバイス依存データを対応対として演算
を行い、外部記憶ユニット３０３にデータベース形式で
格納される機器特性情報記憶手段２２内に、所定の機器
特性情報データを作成・登録する。

【００５４】以下、図４、図５、図６、図７を用いて色
変換演算部３０５ｃの実施例を詳述する。

【００５５】図４は、色変換演算部３０５ｃがルックア
ップテーブル演算である場合の実施例である。ルックア
ップテーブル演算の基本演算部は、近傍格子アドレス生
成部２４２、ルックアップテーブル格子点データ記憶部
２４３、補間演算部２４５からなる。また、これらの基
本演算部に対して、インターフェース部２４１、ルック
アップテーブル色変換係数設定部２４４が設けられてい
る。

【００５６】入力色信号各８ビットのうち上位４ビット
が近傍格子点アドレス生成部２４２に入力され、入力点
を含む８点の近傍格子点のアドレスを生成し、ルックア
ップテーブル格子点データ記憶部２４３を参照し、順
次、記憶されている画像出力装置用の８ビットデータを
補間演算部２４５に送る。本実施例では、８点のデータ
をシリアルに転送するようにしているが、高速に行うた
めにはルックアップテーブル格子点データ記憶部２４３
を８個持ち同時に参照するような構成にすればよい（図
示せず）。補間演算部２４５では、近傍８点のデータ
と、入力色信号各８ビットのうち下位４ビットにより補
間演算を行い、出力信号を生成する。

【００５７】補間演算部２４５でなされる補間方法の原
理を図５を用いて説明する。入力信号各８ビットで決ま
る入力色空間の座標をＯ、近傍格子点の座標をＰ₁、
Ｐ₂、Ｐ₃、Ｐ₄、Ｐ₅、Ｐ₆、Ｐ₇、Ｐ₈とし、このとき、
Ｐ₁からＰ₈の８点を頂点とする立体を基本立方体と呼ぶ
ことにする。また、Ｐ₁からＰ₈に対応して予め記憶され
ている出力データをＤ₁、Ｄ₂、Ｄ₃、Ｄ₄、Ｄ₅、Ｄ₆、Ｄ
₇、Ｄ₈とする。基本立方体の各頂点とその内部の点Ｏの
関係は入力信号各８ビットのうちの下位４ビットで決ま
り、Ｏを通り１−２平面、２−３平面、３−１平面に平
行な平面で切り、基本立方体を８の立方体に分割する。
Ｐ₁とＯを結ぶ線分を対角線とする立体の体積をＶ₁、Ｐ
₂とＯを結ぶ線分を対角線とする立体の体積をＶ₂、以下
同様にＶ₃、Ｖ₄、Ｖ₅、Ｖ₆、Ｖ₇、Ｖ₈、Ｖ₁からＶ₈まで
の体積の和をＶ、座標Ｏの位置に相当する補間後の値を
Ａｎｓとすると、立方体補間は（１式）で表される。

【００５８】Ａｎｓ＝（Ｄ₁・Ｖ₇＋Ｄ₂・Ｖ₈＋Ｄ₃・Ｖ₅
＋Ｄ₄・Ｖ₆＋Ｄ₅・Ｖ₃＋Ｄ₆・Ｖ₄＋Ｄ₇・Ｖ₁＋Ｄ₈・
Ｖ₂）／Ｖ（１式）本実施例では、立方体補間を用いたが、１９９３年第２
４回画像コンファレンス論文集３４７頁から３５０頁に
記載されている三角柱補間、斜三角柱補間、また、四面
体補間等が知られており、どのような補間法であっても
よい。３次元テーブル分割数を４ビット、格子点数で１
７点づつとしたが、８ビット以下であればよく、各入力
信号軸に対して４ビット、３ビット、３ビット等の異な
った分割を行ってもよい。ただし、入力信号すべてが８
ビットの場合は補間機構が不必要であることは言うまで
もない。さらに、本実施例では、入力を各８ビットとし
たが、何ビットであってもよい。

【００５９】図６は、色変換演算部３０５ｃが、微分可
能な関数演算の一つである、ニューラルネットワークを
用いた場合の、実施例の一例である。図６は、ニューラ
ルネットワークの規模と接続形態を示しており、図６に
示す例では、ニューラルネットワーク色変換部５０は、
入力層５０ａ、第１中間層５０ｂ、第２中間層５０ｃ、
出力層５０ｄを備えており、それぞれ、３細胞、３細
胞、３細胞、３細胞の構成をとっている。出力層５０ｄ
からの出力値は、インターフェイス部５２を介して出力
される。入力層５０ａから出力層５０ｄのニューラルネ
ットワークに関して、中間層の数と細胞の数はいくつで
あってもかまわないし、接続形態も、本実施例では入力
層→第１中間層→第２中間層→出力層を通過する形であ
るが、飛び越しを行う接続形態でもよい。また、一部の
細胞の非線形演算を省略しても構わない。なお、ニュー
ラルネットワーク色変換部５０の色変換係数は、ニュー
ラルネットワーク色変換係数設定部５１により設定され
る。

【００６０】次に、ニューラルネットワークの一例であ
る非線形ユニットからなる演算手段の中の非線形ユニッ
トの機能について、図７を用いて説明する。入力Ｕ
_i（ｉ＝１〜ｎ）は、前層の各細胞からの出力値であ
り、各々非線形演算部１１ａ〜１１ｎにより変換され
る。閾値Θ_pと重みＷ_i（１〜ｎ）は、色変換係数算出手
段により与えられる色変換係数である。これらは、乗算
部１２ａ〜１２ｎと加算部１３によって、出力Ｕ_pとな
る（式２）。非線形演算部にはシグモイド関数が用いら
れるのが普通で、本発明の実施例では双曲線関数を用い
ている。これが、各々の非線形ユニットが持つ機能であ
り、複数の非線形ユニットが結合することにより、非線
形ユニットからなる演算手段を形成している。

【００６１】

【数１】図７の回路構成は、従来のニューラルネットワークの細
胞を模擬する回路構成と異なるものでありながら、複数
個、互いに結合してネットワークとして構成するとき、
ニューラルネットワーク全体の動作と同等の動作を行う
ものである。このような本発明の非線形演算ユニットの
構成は、ディジタル回路、アナログ回路ともに実現可能
であるが、特にアナログ回路で実現する場合に、従来の
ニューラルネットワークの細胞を模擬する回路構成に比
べて回路を簡素化し、更に処理を高速化できるという利
点を有する。

【００６２】以下、非線形演算ユニットをアナログ・バ
イポーラ回路で実現する場合を、図８を用いて詳述す
る。その際のアナログ回路は互いに第１端子（エミッ
タ）を結合した１対のバイポーラトランジスタＱ₁，Ｑ₂
による差動増幅回路によって構成され、各差動増幅回路
を構成する１対の３端子増幅素子の第２端子（ベース）
間に入力に比例した電圧差Ｖ_B1−Ｖ_B2を供給し、第１端
子（エミッタ）に適宜、乗算のための重み値に比例した
電流Ｉ_Eを供給することにより、第３端子（コレクタ）
間に、回路の電流差Ｉ_C1ーＩ_C2として出力を得る構成の
ものである。

【００６３】各トランジスタのコレクタ電流Ｉ_C1とＩ_C2
の差Ｉ_C1ーＩ_C2は、Ｉ_C1ーＩ_C2＝Ｉ_E・ｔａｎｈ｛（Ｖ_B1ーＶ_B2）／２Ｖ_T｝（式３）で表される。すなわち、この回路は、入力電圧差Ｖ_B1ー
Ｖ_B2にロジスチック関数ｔａｎｈを施し、その関数値に
重み値Ｉ_Eを乗じた値に比例する出力電流差Ｉ_C1ーＩ_C2を
得ている。この特性は、前述の、各入力に非線形関数を
施し、適当な重み値と乗算する機能を有する。

【００６４】以上、バイポーラトランジスタによる回路
構成で、本実施例の非線形演算ユニットの構成例を説明
したが、一般に平衡変調器として動作する電界効果トラ
ンジスタ、リモートカットオフ特性をもつ電子管およ
び、バリアブルミュー特性をもつ電子管など、非線形特
性をもつ３端子以上の増幅素子によっても、単調で有界
な関数と乗算を含む特性が得られる。

【００６５】図３に示される色変換演算部３０５ｃが、
図６、図７に示す回路で構成される場合、単純な非線形
演算ユニットの結合で構成されるため、高速に処理する
ことが可能であるとともに、複数の並列出力処理を小規
模の回路構成で実現できる。また、従来のマトリクス型
色変換方式に比べると、パラメーターの自由度の点で飛
躍的に変換精度が向上する。また、ルックアップテーブ
ル方式と比較すると、回路構成が簡便であるとともに、
入出力変換に連続性と微分連続性が保証される点が優れ
る。

【００６６】以上、図１から図７を用いて、本発明の構
成を述べた。本発明は、機器特性情報記憶手段２２、装
置特性算出手段２５、色変換係数算出手段２０、演算手
段２４から構成され、アプリケーションソフト４２、デ
バイスドライバー４３と連動することにより、１）入出
力装置の特性算出、２）指定された入出力装置間での画
像変換のための色変換係数算出、３）ルックアップテー
ブルないしは微分可能な連続関数を用いた色変換演算を
行う。

【００６７】本発明の動作は、図９のように、アプリケ
ーションソフト４２、デバイスドライバー４３からの入
出力機器指定に応じた色変換係数算出のフローと、前記
係数を用いた色変換演算フローに大別される。一般的
に、機器特性情報は、デバイス依存データとデバイス非
依存データとの離散対応対で与えられる。前記ＩＣＣプ
ロファイルでは、色変換演算としてルックアップテーブ
ルが用いられることを想定し、テーブル格子点データが
与えられる。機器特性情報として与えられるプロファイ
ルと、指定される色変換が同一の場合（表１での色変換
形態がデバイス依存データとデバイス非依存データとの
間での変換の場合）、色変換係数算出手段２０は公知で
あるが、指定される色変換が異なる場合（表１での色変
換形態がデバイス依存データとデバイス依存データとの
間での変換、ないしはデバイス非依存データとデバイス
非依存データとの間での変換の場合）には色変換係数算
出手段２０では、複数のＩＣＣプロファイルから一旦微
分可能な連続関数を用いて色変換に要する入出力関係を
記述した後、その入出力関係を用いて、当該色変換で必
要となるルックアップテーブル格子点データを求める必
要がある。また、機器特性情報が予め準備されていない
か、更新する必要があって、装置特性を新たに算出しな
ければならない場合にも、前記の場合と同様に、微分可
能な連続関数を用いて色変換に要する入出力関係を記述
した後、その入出力関係を用いて、当該色変換で必要と
なるルックアップテーブル格子点データを求める必要が
ある。両者は基本的に同一のフローで実現されるため、
色変換演算としてルックアップテーブルが用いられる場
合の実施フローとして、１）装置特性を新たに算出し、
２）微分可能な連続関数を用いて色変換に要する入出力
関係を記述し、３）ルックアップテーブル格子点データ
を求める手順（ケース（ａ））を後述する。

【００６８】また、色変換演算がニューラルネットワー
クに代表される微分可能な連続関数で構成される場合に
は、ＩＣＣプロファイルのような離散対応対から色変換
係数算出手段２０によってニューラルネットワークの重
み係数を算出し、その係数をもとに色変換演算を行う。
本実施例では、色変換係数算出手段２０がニューラルネ
ットワークで構成され、しかも演算手段２４がニューラ
ルネットワークないしはルックアップテーブル方式を用
いる。従って、色変換係数算出手段２０がニューラルネ
ットワークで構成され、演算手段２４がニューラルネッ
トワークである場合（ケース（ｂ））の実施フローは、
前記ケース（ａ）に包含される。したがって上記考えう
る各ケースの場合分けについては、図９から図１３に、
図によってのみ示し、最も手順の多いフローとして、ケ
ース（ａ）のみを詳述する。

【００６９】図１２は、入出力によって処理が異なるこ
とを示す図である。図１３は、微分連続関数による近似
の一例の詳細を示す図である。図１４は、色変換部に微
分可能な連続関数を用いた場合の関数係数算出と色変換
の詳細を示す図である。図１５は、色変換部にルックア
ップ・テーブルを用いた場合の色変換の詳細を示す図で
ある。

【００７０】図１２は、微分可能な関数を用いて色変換
係数を算出する際に、入出力が、それぞれ機器依存か
（ステップ１１５０）機器非依存か（ステップ１１５
１）によって、場合分けを行って算出する工程の詳細を
示すものである。この場合分けは、表１の色変換形態に
相当する。入力及び出力とも機器依存の場合、入力機器
の変換特性を記述（ステップ１１５２）し、出力機器の
変換特性を記述する（ステップ１１５３）。これらの関
数を合成（ステップ１１５４）し、入力から出力までの
色変換特性を微分可能な関数の合成関数により記述す
る。一般に、微分可能な関数と微分可能な関数の合成関
数は微分可能である。入出力のいずれか一方だけが機器
依存である場合には、その特性を微分可能な関数により
記述する（ステップ１１５５）。入出力の双方が機器非
依存の場合には、一般にこの関係は定義式により与えら
れるのでこの定義式に基づき変換係数を記述する（ステ
ップ１１５６）。

【００７１】図１２において、微分可能な関数により色
変換係数を算出する工程（ステップ１１５２〜１１５
５）において、各々の微分可能な関数の色変換係数を算
出する工程の一例の詳細を図１３に示す。先ず、一般に
色再現範囲の境界近傍では色再現特性は微分連続性を持
たないために、色再現範囲外の変換対を削除し、色再現
範囲内だけの変換対を抽出する（ステップ１１６１）。
次いで、適宜の初期値により色再現範囲内の対応表を近
似する、誤差のより小さい微分連続な関数の係数を算出
する（ステップ１１６２）。次に、この誤差を評価し
（ステップ１１６３）、所定の誤差よりも大きければ、
前回ステップ１１６２により算出した係数を初期値とし
て再度近似を行う（ステップ１１６２）。この操作を誤
差が所定の値以下になるまで繰り返す。

【００７２】図１２及び図１３により示した操作によ
り、色変換係数を記述した後、色変換の演算手段に応じ
た係数を算出し、色変換を行う過程を図１４及び図１５
に示す。

【００７３】図１４は、演算手段が微分可能な関数であ
る場合である。適宜の初期値および、前のステップで係
数を算出した微分連続な関数により、色空間上での誤差
がより小さくなるように色変換部の色変換係数を定める
（ステップ１１７１）。誤差が所定の値よりも小さくな
るまで（ステップ１１７２）、前回ステップ１１７１に
より算出した係数を初期値として再度近似を行う（ステ
ップ１１７１）。この色変換係数を微分連続関数の色変
換部の定数として設定（ステップ１１７３）し、色変換
を行う（ステップ１１７４）。

【００７４】図１５は、演算手段がルックアップテーブ
ルである場合である。前のステップで係数を算出した微
分連続な関数を用いて、ルックアップテーブルの格子点
を色変換し、ルックアップテーブルの色変換係数を算出
する（ステップ１１８１）。この係数をルツクアツプテ
ーブルに導入（ステップ１１８２）し、色変換を行う
（ステップ１１８３）。

【００７５】図１６は、ケース（ａ）として、１）装置
特性を新たに算出し、２）微分可能な連続関数を用いて
色変換に要する入出力関係を記述し、３）ルックアップ
テーブル格子点データを求める手順の実施例を示す図で
ある。図１６（ｂ）ないし図１６（ｄ）は、本発明の色
変換係数算出手段２０がニューラルネットワークで構成
され、ルックアップ・テーブルで構成される演算手段２
４の格子点データを決める方法を示すものである。

【００７６】先ず、図１６（ｂ）に示すように、色票
（色材座標）４０３の組合せを多数用意し、特定のカラ
ー画像出力装置４０２によりカラー画像として用紙等の
出力媒体上に印刷する。この印刷結果を、デバイスに非
依存の色座標により測色する。このようにして、色票４
０３の出力色材座標と測色結果である色座標の対を多数
用意する。出力色材座標の組み合わせの一例としては、
ＡＮＳＩ規格委員会（ＡＮＳＩ／ＩＴ８／ＳＣ１／ＷＧ
１１）が提案したＩＴ８．７／３が知られている。

【００７７】次に、図１６（ｃ）に示すように、先に用
意された色票４０３の色材座標と測色結果であるデバイ
ス非依存色座標の多数の対を使用して、ニューラルネッ
トワーク４０４の入力として色座標を、また、教師信号
としてカラー画像出力装置４０２の入力値（すなわち、
色材座標）を、順次供給することによりバックプロパゲ
ーション学習を行う。ニューラルネットワーク４０４の
規模や学習の諸定数を適切に設定することにより、次第
に教師信号とニューラルネットワーク４０４の出力の差
が減少し、測定誤差が除去される。この差が十分減少し
た時点で学習を終了する。

【００７８】図１６（ｃ）のニューラルネットワーク４
０４の学習が終了したら、格子点にあたるデータをこの
ニューラルネットワークに与え、出力された色材座標の
値をルックアップテーブルの所定の係数として生成す
る。この学習済のニューラルネットワーク４０４に、ル
ックアップ・テーブルで必要とされる格子点の入力座標
を入力すると、対応する色材座標を予測することができ
る。図１６（ｄ）に示すように、この予測値を演算手段
２４であるルックアップ・テーブル１用の機器特性情報
として、機器特性情報記憶手段２２に登録できる。一
方、ニューラルネットワーク４０４の規摸を大きくする
と精度が向上する傾向がある。そこで、ニューラルネッ
トワーク４０４の規模を十分に大きくすれば、機器特性
情報の精度を向上することができる。

【００７９】前述の方法により、色材空問上での誤差が
少ない結果を得ることができる。一般に、色材空間上で
の誤差が０であれば出力結果の見かけの差はなくなる。
しかし、一般には誤差が０となることはなく、通常は、
出力結果の見かけ上での差は最小ではない。ここで、本
発明では、見かけ上の差と色空間上でのユークリッド距
離が概ね比例する均等色空間を用いて、この色空間上で
の誤差をより小さくするようにニューラルネットワーク
を構成する。

【００８０】図１７は、均等色空間での誤差を最小にす
るように学習したニューラルネットワークを用いて、ル
ックアップ・テーブルの係数を定めている実施例を示す
図である。本発明では、色材空間上の誤差を求めるため
に、微分可能な出力装置の関数を作成し、その関数を用
いることによりニューラルネットワークに学習させてい
る。本発明において微分可能な関数を使用する理由は、
以下の通りである。

【００８１】色材座標で誤差が大きい場合でも、見掛け
の（人間の視覚が感じる）色の違いが少ない場合があ
る。例えば、印刷の黒１００％の上に黄色を重ねる場
合、黄色が０％でも１００％でも見掛けの色は殆ど差が
ない。また逆に、見掛けの色の違いが大きくても色材座
標が小さい場合もある。色変化の精度を向上させる目的
は、見掛けの色の違いを最小にすることである。そこ
で、色材座標での誤差は、一旦均等色空間へ変換し、こ
の空間上での誤差により評価を行なった方が望ましいこ
とが判る。学習後の誤差が完全に０になるのであれば、
いずれの評価方法でも差がないが、実際にはニューラル
ネットワークの大きさが無限ではないので、学習が終了
しても誤差が残る。

【００８２】色座標から色材座標への変換を行なう色変
換ネットワークでは、出力、すなわち、色材座標での誤
差を小さくするように学習を行なっていた。これに対し
て本発明においては、微分可能な出力装置の関数を用い
て、色材座標を均等色空間に変換し、色差を最小化する
ように学習を行なう。その場合のバックプロパゲーショ
ンでは、（δ／δ各出力）誤差を計算する必要がある。
ここで、各出力は、Ｙ，Ｍ，Ｃ，ＫやＲ，Ｇ，Ｂ等のデ
バイス依存信号であり、誤差は、デバイス非依存の均等
色空間上での色差Ｅである。そこで、出力装置関数で
は、Ｙ，Ｍ，Ｃ，ＫやＲ，Ｇ，Ｂ各入力について偏微分
可能である必要があり、（δＥ／δＹ），（δＥ／δ
Ｍ），（δＥ／δＣ），（δＥ／δＫ）、または、（δ
Ｅ／δＲ），（δＥ／δＧ），（δＥ／δＢ）を求め
る。

【００８３】出力装置の関数が微分可能であるというこ
とは、各デバイス依存信号、すなわち、Ｙ，Ｍ，Ｃ，Ｋ
について偏微分可能であるということである。また、こ
れらの値を用いて色変換ネットワークの学習を行なう。
以下の説明では、微分可能な出力装置のモデルもニュー
ラルネットワークを用いているので、区別のために、以
下では出力装置モデルと色変換ネットワークと記述す
る。なお、出力装置モデルは誤差微分可能であれば必ず
しもニューラルネットワークである必要はない。まず、
実測値の色座標が均等色空問の座標でない場合には、学
習に先だって座標を変換する。例えば、入力色座標がＮ
ＴＳＣ規格ＲＧＢ信号の場合、一例として均等色空間で
あるＣＩＥＬ^*ａ^*ｂ^*座標に変換する。この２つの色
座標の変換は、単純な計算により行うことができる。な
お、入力色座標が均等色空聞であれば、この変換を行う
必要はない。次いで、図１７（ａ）に示すように、実側
値をもとに、出力装置モデル４０５をバックプロパゲー
ション学習により学習する。ニューラルネットワークの
規模や学習の諸定数を適切に設定することにより、次第
に教師信号とニューラルネットワークの出力の差が減少
する。この差が十分減少した時点で学習を終了する。

【００８４】出力装置モデル４０５の色座標は均等色座
標であるので、出力の差は概ね視覚上の差に比例し、誤
差が十分に小さければ視覚上の差もほぼ無くなる。ここ
で、前述したように、ニューラルネットワークの特性に
より測定誤差は学習されないので、誤差の小さい出力装
置モデル４０５を構成することができる。なお、出力装
置モデル５は、多項式やその他の微分可能な関数によっ
ても構成することができる。

【００８５】次いで、図１７（ｂ）に示すように、構成
した出力装置モデル４０５を用いて、色座標から色材座
標に変換する色変換ネットワークを構成する。適宜の色
座標、例えば、ＮＴＳＣ規格ＲＧＢ色空間上の点、（入力）Ｒ_i，Ｇ_i，Ｂ_i を学習する際には、一旦色変換ネットワークを用いて、
予測出力（出力）Ｃ_i，Ｍ_i，Ｙ_i を得る。出力装置モデルを用いて、出力を予測し、均等
色空間上での予測値（予測）Ｌ’_i，ａ’_i，ｂ’_i を得る。入力を予測と同じ均等色空間に変換し、その結
果を（入力）Ｌ”_i，ａ”_i，ｂ”_i とするとき、色変換ネットワークの出力の誤差を、（誤差）ｄ（Ｌ’_i，ａ’_i．ｂ’_i；Ｌ”_i．ａ”_i．
ｂ”_i）と定める。ここで、ｄはその色空間上での距誰であり、
例えばＣＩＥＬ^*ａ^*ｂ^*空間ではユークリッド距離 ΔＥ_i＝｛（Ｌ’_i−Ｌ”_i）²＋（ａ’_i−ａ”_i）²＋
（ｂ’_i−ｂ”_i）²｝^1/2 による。

【００８６】この誤差ΔＥ_iを出力装置モデルを用いて
色材空間上に変換する。出力装置モデル４０５は微分可
能であるので、出力装置モデルの各入力について、 δＥ_i／δＲ_i δＥ_i／δＧ_i δＥ_i／δＢ_i を求める。この誤差ΔＥ_iが減少するように、色変換ネ
ットワークの各定数を通常のバックプロパゲーション法
により学習する。

【００８７】ニューラルネットワークの規模や学習の諸
定数を適切に設定することにより次第に誤差ΔＥ_iが減
少し、測定誤差が除去される。この差が十分減少した時
点で学習を終了する。この過程で、実測値の各Ｒ，Ｇ，
Ｂと色変換ネットワークの出力の差は必ずしも減少する
とは限らないが、均等色空間上では誤差は減少する。最
後に、図１７（ｃ）に示すように、この方法により得た
色変換ネットワークの入力に、ルックアップ・テーブル
の格子点を与えることにより、ルックアップ・テーブル
の格子点データを構成することができる。

【００８８】ところで、印刷装置では、イエロー
（Ｙ），マゼンタ（Ｍ），シアン（Ｃ）及び黒（Ｋ）な
どの４色以上の色材を用いることが一般的である。この
場合、一旦Ｙ，Ｍ、Ｃの３色の座標を定め、Ｙ，Ｍ，Ｃ
を混色して構成した黒成分を適宜の量だけＫに置き換え
ることにより、色座標から色材座標を得ているが、本発
明の方法によっても同様に、一旦、Ｙ，Ｍ，Ｃの３色の
座標を定め、Ｙ，Ｍ，Ｃを混色して構成した黒成分を適
宜の量だけＫに置き換えることにより色座標から色材座
標を得てルックアップ・テーブルの格子点データとする
ことができる。

【００８９】しかし、色座標からＹ，Ｍ，Ｃ，Ｋなどの
４色以上の色材の色材座標は、一意に定めることができ
ないので、本発明の方法を適用して直接４色の色材座標
を得ることはできない。そこで、入力色座標に加えて、
Ｙ，Ｍ，Ｃ，Ｋのうちの１色、例えばＫを色変換ネット
ワークの入力とすることにより色変換ネットワークの出
力を一意に定めることができる。

【００９０】図１８及び図１９は、均等色空間での誤差
を最小にし、さらに適宜のＫを選択できるようにした方
法によりルックアップ・テーブルの係数を定めるように
した４色再現による係数決定の実施例を示す図である。
図１８（ｂ）に示すように、色変換ネットワーク４０７
の入力に色座標と色材座標の１つを、誤差信号には出力
装置モデルの誤差を与えることにより、４入力３出力の
色変換ネットワークを構成する。この際、出力装置モデ
ル４０６の入力は色変換ネットワーク４０７の出力のほ
かに、色変換ネットワーク４０６の入力とした色材座標
の１つを与える。

【００９１】図１８（ａ）に示すように、この色変換ネ
ットワーク４０６の入力には、色座標の他に、他の色材
座標の１つを与えることにより他の３つの色材座標を得
ることができる。入力に与える色材座標の１つは適宜に
決めることも可能であるが、印刷装置において、この１
つをＫとしたとき、Ｋの最小値は０（％）であり、Ｋの
最大値は出力のＹ、Ｍ，Ｃの最小値が０（％）となると
きの値である。このＫの最大値は２分探索などにより求
めることができる。これらの値を用いて、図１９（ｂ）
のように、ルックアップ・テーブルの格子点データを定
めることができる。

【００９２】図２０は、他の入出力情報の獲得例とし
て、入力装置のルックアップ・テーブル用の係数を定め
ている実施例である。入力装置４０８において、図２０
（ａ）に示すように、原稿を入力し、入力結果、例えば
緑（Ｇ），青（Ｂ），赤（Ｒ）信号を、ルックアップ・
テーブル４０１の色変換演算を用いて、読み値、例えば
ＸＹＺ３刺激値を得る場合を考える。この場合も、前述
のように読み値上での誤差を小さくする場合に比較し
て、均等色空間上での誤差を小さくするほうが視覚的に
誤差の小さい結果を得ることができる。

【００９３】まず、図２０（ｂ）に示すように、均等色
空間上の色座標が既知の色票を入力装置４０８により入
力する。この色票の一例としては色票（ＩＳＯＩＴ８
／７．１，２）が知られている。この工程により得られ
た結果により対応表を作成する。次いで、図２０（ｃ）
に示すように、この対応表をニューラルネットワーク４
０９に与え、均等色空間上での誤差が小さくなるように
学習を行う。学習結果を用い、図２０（ｄ）に示すよう
に格子点を入力し、得られた均等色座標を読み値に変換
し、ルックアップ・テーブル４０１の格子点データとす
る。この際、読み値の色座標が色票の均等色空間と等し
ければ変換を省略することも可能である。

【００９４】

【発明の効果】以上、本発明によれば、ネットワーク上
の複数のカラーデバイス間での種々のデバイス−非デバ
イス信号間色変換に対して、１）入出力装置の特性算
出、２）指定された入出力装置間での画像変換のための
色変換係数算出、３）ルックアップテーブルないしは微
分可能な連続関数を用いた色変換演算の諸機能を、統一
的に提供することが可能となる。

【００９５】これらの機能は、アプリケーションソフ
ト、デバイスドライバーに提供されるので、幅広いカラ
ードキュメントの作成編集環境で利用可能である。例え
ば、ハイエンドＤＴＰの代表例である印刷産業において
は、本印刷の前に、簡便なプリンタを用いて本印刷と同
一の色再現を提示でき、印刷の発注者とドキュメントデ
ザイナーとの間の意向の統一を早期化できる。また、入
出力装置の特性算出方法を同時に提供することによっ
て、、種々のデバイスの個体差や経時変動で同一の色再
現が得られないことによるトラブルを解消することがで
きる。

【図面の簡単な説明】

【図１】本発明の主な用途であるプロダクシヨンプリ
ンティング分野での、複数のカラ一画像入力装置を接続
し、用途に応じて適宜装置を選択し用いていることを示
す図である。

【図２】本発明の色変換係数および画像に関する処理
の、より具体的な構成を示す図である。

【図３】本発明がホストコンピユータ内で実現される
場合の実施例の一例を示す図である。

【図４】本発明の色変換部として、ルックアップテー
ブルを用いた場合の構成および補間の原理を示す図の第
１の部分である。

【図５】本発明の色変換部として、ルックアップテー
ブルを用いた場合の構成および補間の原理を示す図の第
２の部分である。

【図６】本発明の色変換部の微分連続な関数の一例と
してニューラルネットワークを用いた場合の構成を示す
図である。

【図７】本発明の色変換部の微分連続な関数をアナロ
グ回路により実装する場合の構成の一例を示す図であ
る。

【図８】本発明の色変換部の微分連続な関数をアナロ
グ回路により実装する場合の構成の他の例を示す図であ
る。

【図９】本発明の動作を示す図である。

【図１０】入力機器特性情報獲得の手順を示す図であ
る。

【図１１】出力機器特性情報獲得の手順を示す図であ
る。

【図１２】入出力によって処理が異なることを示す図
である。

【図１３】微分連続関数による近似の一例の詳細を示
すである。

【図１４】色変換部に微分可能な連続関数を用いた場
合の関数係数算出と色変換の詳細を示す図である。

【図１５】色変換部にルックアップ・テーブルを用い
た場合の色変換の詳細を示す図である。

【図１６】色材空間での誤差を最小にするように学習
したニューラルネットワークを用いてルックアップ・テ
ーブルの内容を定めている実施例を示す図である。

【図１７】均等色空間での誤差を最小にするように学
習したニューラルネットワークを用いて、ルックアップ
・テーブルの内容を定めている実施例を示す図である。

【図１８】均等色空間での誤差を最小にし、さらに適
宜の黒を選択できるようにした方法によりグイレクト・
ルックアップ・テーブルの内容を定めるようにした４色
再現の工程を示す図である。

【図１９】図１８に続く工程を示す図である。

【図２０】均等色空間での誤差を最小にするようにル
ックアップ・テーブルの内容を定めている実施例を示す
図である。

【符号の説明】

１：入力装置、１−１：ドラムスキャナー、１−２：フ
ォトＣＤ、１−３：フラットベッドスキャナー、２：ホ
ストコンピュータ、３：出力装置、３−１：イメージセ
ッタ、３−２：色校正用プリンタ、３−３：低解像度デ
スクトッププリンタ、１０：入力機器画像データ、１１
ａ〜１１ｎ：非線形関数演算部、１２ａ〜１２ｎ：乗算
部、１３：加算部、２０：色変換係数算出手段、２０
ａ：係数算出演算部、２０ｂ：係数記憶部、２１：入力
機器特性情報群、２２：機器情報記憶手段、２２ａ：機
器情報記憶部、２３：出力機器特性情報群、２４：演算
手段、２５：装置特性算出手段、２５−１：特性評価試
験データ、２５−２：測色演算手段、３０：出力機器画
像データ、４１：描画装置、４２：アプリケーションソ
フト、４３：デバイスドライバー、４４：ディスプレ
イ、５０：ニューラルネットワーク色変換部、５０ａ：
入力層、５０ｂ：第１中間層、５０ｃ：第２中間層、５
０ｄ：出力層、５１：色変換係数設定部、５２：インタ
ーフエイス部、２４１：インターフエイス部、２４２：
近傍格子アドレス生成部、２４３：ルックアップテーブ
ル格子点データ記憶部、２４４；ルックアップテーブル
色変換係数設定部、２４５：補間演算部、３０１：中央
演算ユニット、３０２：主記憶ユニット、３０２ａ：画
像記憶部、３０３：外部記憶ユニット、３０４：測色ユ
ニット、３０５：外部Ｉ／Ｆユニット、３０５ａ：イン
ターフェイス部、３０５ｂ：色変換係数制御部、３０５
ｃ：色変換演算部、４０１：ダイレクト・ルックアツプ
・テーブル、４０２：出力装置、４０３：色票（色材座
標）、４０４：ニューラルネットワーク、４０５，４０
６：出力装置モデル、４０７：色変換ネットワ

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開平３−229573（ＪＰ，Ａ) 特開平６−36002（ＪＰ，Ａ) 特開平５−22586（ＪＰ，Ａ) 特開平４−83471（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) H04N 1/40 - 1/409 H04N 1/46 - 1/64 G06T 1/00

Claims

(57)【特許請求の範囲】

【請求項１】入力色座標値をカラー画像処理出力装置の
色材座標値に変換するルックアップテーブルの格子点デ
ータを決定する方法であって、微分可能な連続関数を用いルックアップテーブルで必要
とされる格子点の入力座標を入力し、対応する色材座標
値を当該ルックアップデーブルの格子点データとして決
定することを特徴とするルックアップデーブルの格子点
データを決定する方法。
【請求項２】入力色座標値をカラー画像出力装置の色
材座標値に変換するルックアップテーブルの格子点デー
タを決定する方法であって、色変換を行う装置における入力色座標とこれに対応する
色材座標値の実測値を学習したニューラルネットワーク
を用い、ルックアップデーブルで必要とされる格子点の
入力座標を入力し、対応する色材座標値を前記ルックア
ップテーブルの格子点データとして決定することを特徴
とするルックアップデーブルの格子点データを決定する
方法。
【請求項３】入力色座標値をカラー画像出力装置の色
材座標値に変換するルックアップ・テーブルの格子点デ
ータを決定する方法であって、（１）適宜の色票を前記カラー画像出力装置により出力
する工程と、（２）前記出力された色票を入力色座標と同じ色座標で
測色することにより前記カラー画像出力装置の入出力の
対応表を構成する工程と、（３）入力色座標が均等色空間でない場合は、入力色座
標値を均等色座標値に変換する工程と、（４）前記（２）の工程により構成した入出力の対応表
を基に、前記カラー画像出力装置の色材座標値から均等
色座標値を予測する微分可能な関数による出力装置モデ
ルを作成する工程と、（５）ニューラルネットワークを前記出力装置モデルの
逆対応となるように均等色空間上での距離を小さくする
ようにバックプロパゲーシヨン学習する工程と、（６）前記ニューラルネットワークによりルックアップ
・テーブルの格子点データを決定する工程とからなるこ
とを特徴とする色変換係数決定方法。
【請求項４】前記出力装置モデルがニューラルネット
ワークにより構成され、バックプロパゲーシヨン学習に
よりモデルを作成することを特徴とする請求項３記載の
色変換係数決定方法。
【請求項５】画像入力装置の色変換を行うルックアッ
プ・テーブルの格子点データを決定する方法であって、（１）均等色空間上の色座標が既知の色票を人力装置に
より入力する工程と、（２）色票の色座標と入力値との対応表を構成する工程
と、（３）前記対応表に基づき入力装置の入力値から色票の
色座標をニューラルネットワークにバックプロパゲーシ
ヨン法により学習を行う工程と、（４）前記ニューラルネットワークの入力にルックアッ
プ・テーブルの格子点を与え、前記ニューラルネットワ
ークの出力を適宜の色空間に変換することによりルック
アップ・テーブルの格子点データを決定する工程により
色変換係数を求めることを特徴とする色変換係数決定方
法。
【請求項６】色座標がルックアップ・テーブルにより
色材座標に変換されこの色材座標により出力装置が駆動
されるカラー出力装置において使用される前記ルックア
ップ・テーブルの格子点データを決定するための方法で
あって、色材座標とこの色材座標に基づいて前記カラー出力装置
によって出力された結果を測色して得た色座標の対を多
数用意し、前記色材座標を教師信号とし前記色座標を入力信号とし
てニューラルネットワークにより学習を行い、前記学習後のニューラルネットワークの入力として前記
ルックアップ・テーブルの格子点の色座標を与えたとき
に前記ニューラルネットワークの出力として得られる色
材座標を前記ルックアップ・テーブルに記録することを
特徴とする色変換係数決定方法。
【請求項７】色座標がルックアップ・テーブルにより
色材座標に変換されこの色材座標により出力装置が駆動
されるカラー出力装置において使用される前記ルックア
ップ・テーブルの格子点データを決定するための装置で
あって、或る色材座標を教師信号とし、この色材座標に
基づいて前記カラー画像出力装置によって出力された結
果を測色して得た色座標を入力信号として学習を行うニ
ューラルネットワークと、前記ニューラルネットワークの入力として前記ルックア
ップ・テーブルの格子点の色座標を与えたときに前記ニ
ューラルネットワークの出力として得られる色材座標を
前記ルックアップ・テーブルに記録する手段とを備えて
いることを特徴とする色変換係数決定装置。