JP4189959B2

JP4189959B2 - Image processing apparatus, image processing method, program, and recording medium

Info

Publication number: JP4189959B2
Application number: JP2003136712A
Authority: JP
Inventors: 保梶原
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 2003-05-15
Filing date: 2003-05-15
Publication date: 2008-12-03
Anticipated expiration: 2023-05-15
Also published as: JP2004343365A

Description

【０００１】
【発明の属する技術分野】
本発明は、ユーザの好みに適した補正処理を施す画像処理装置、画像処理方法、プログラムおよび記録媒体に関する。
【０００２】
【従来の技術】
ＲＧＢ形式からＣＭＹＫ形式への色変換においては、出力装置の機械的なプロセス条件や出力画像の内容によって微調整された画像処理の結果、ＣＭＹＫの値として算出される。この色変換方法は印刷装置内に予め決められた変換式または変換係数として保持されているため、出力画像に対して一様に画像処理が施される。
【０００３】
しかしながら、出力された色の印象はユーザによって異なるものであり、個人的な好みにも左右される。中でも特に、記憶色と呼ばれる人間の肌色、空の青、草木の緑などの人の記憶に残り易い特定の色は、これに対するユーザの目が敏感であるため、ユーザの相違による影響を受けやすい。例えば、ユーザの人種（地域）、年齢、性別、嗜好が異なる場合、ユーザの各記憶色に対する好みの再現色は、大きく異なっている。
【０００４】
また、出力装置を複数のユーザによって共有している場合、出力装置を共有する全てのユーザの要求を満たす画像処理を施すことは困難であった。このため、従来からユーザの好みに応じた記憶色を出力する種々の技術が提案されている。
【０００５】
例えば、入力装置および出力装置の色再現特性を記述した色変換特性およびユーザの修正情報とその履歴情報を用いて、入力画像と出力画像の所定色が一致するように、色補正パラメータを修正する技術が提案されている（例えば、特許文献１を参照）。特許文献１では、ユーザの人種（地域）、年齢、性別、嗜好が大きく異なる記憶色に対しても入力画像と出力画像の所定色を一致させる、所謂カラーマッチングなる画像処理を施すものである。この概要を図１を参照して説明する。
【０００６】
図１は、入力画像のある入力値Ｐ０（×）に対する出力値Ｐ１（○）の関係を、ある明度における６色相分割面領域にプロットしたものである。ユーザは入力値（×）を出力値（○）に修正すると、その修正量と修正履歴に基づいて、入力値（×）が出力値（○）で出力されるように補正処理が施される。
【０００７】
しかし、本発明者等が鋭意研究した結果、画像の色のズレが大きい場合でも、特定の色に対しては、図１の入力値に対して出力を出力値Ｐ２（◎）なる位置に補正した方がより好ましい画像と知覚される。この特定の色は、人間の記憶色に関わる色において顕著であったこと、さらに、好ましい画像の補正処理は特定の補正方向であったことに鑑み、本発明に至った。
【０００８】
また、色み調整に関するプロファイルをユーザ毎に記憶し、ユーザのプロファイルに応じて入力画像の色み、あるいは濃度を調整する技術がある（例えば、特許文献２を参照）。特許文献２では、ユーザの色みに関するプロファイルを画像処理装置の記憶部が保持するため、入力画像に対してユーザ各々が好ましい色みに調整できる技術として有用である。特許文献２におけるユーザごとのプロファイル作成方法は、ユーザ自身が補正量を調整し、調整した補正量に基づきプロファイルを作成する。例えば、ある入力画像の青みを増やして出力する場合は、入力画像のＲＧＢ信号を次式（１）により調整したＲ’Ｇ’Ｂ’信号とする。前記補正量（次式のα）をプロファイルとして記憶するものである。
Ｒ’＝ＲｘαＲ、Ｇ’＝Ｇ、Ｂ’＝Ｂ（１）
ここで、αはユーザが調整した調整量
【０００９】
しかし、上記技術では、ある画像Ａに対してユーザが補正量を調整し、補正量αＡを含むプロファイルＰＡを作成する。次いで、ある画像Ｂに対してユーザが補正量を調整し、補正量αＢを含むプロファイルＰＢを作成する。さらに、ある画像Ｃに対してユーザが補正量を調整し、補正量αＣを含むプロファイルＰＣを作成する。この場合、画像ごとにプロファイルを複数作成し、記憶することが考えられるが、画像Ｘが入力された場合に、プロファイルＰＡ，ＰＢ，ＰＣなどをユーザ自身が指定する必要が生じ、ユーザ負担が大きい。
【００１０】
さらに、色補正パラメータとして、肌色調整度合いに応じて肌色、草の緑、および空の青という各記憶色の色補正パラメータを、それぞれ対応づけて記憶し、肌色の調整を行なうと、肌色、草の緑、空の青などの他の記憶色の色補正パラメータも設定されるため、ユーザは少ない操作で好みの記憶色が再現される技術もある（例えば、特許文献３を参照）。前掲した特許文献２におけるユーザの負担を低減しつつ、好みの色に調整できる技術として有用である。
【００１１】
上記技術によれば、地域、年齢、性別等で分類されたユーザに対する色変換パラメータを予め準備し、これに応じた色補正を施すものである。
【００１２】
図２は、ユーザと照明光に対応した色補正パラメータを示している。例えば、ユーザが好みの肌色の調整度合いとして図２の肌色調整１を選択すると、肌色の他に、草の緑、および空の青も同時にユーザが好むであろう色が再現されるように色変換パラメータが設定される。
【００１３】
【特許文献１】
特開２０００−４３６９号公報
【特許文献２】
特開２００１−２０２２２１号公報
【特許文献３】
特開２００１−２９８６２９号公報
【００１４】
【発明が解決しようとする課題】
しかし、ユーザの好みの補正する度合は、予め色補正パラメータにより定められている。従って、ユーザはある記憶色に関する補正量を強く補正し、別の記憶色に関する補正量を弱く補正する（例えば、図２の肌色の色補正パラメータＰ１１を大きくし、草の緑の色補正パラメータＰ１２を小さくする）ことは難しい。もし、上記技術による解決を試行すれば、ユーザ毎に色変換パラメータを多数準備することになり、課題の根本的な解決とはなり得ない。
【００１５】
本発明は上記した問題点に鑑みてなされたもので、
本発明の目的は、ユーザ毎に好ましい色変換を行うとともに、ユーザ負担を低減し、ユーザの好みに適した色補正処理を行う画像処理装置、画像処理方法、プログラムおよび記録媒体を提供することにある。
【００１６】
【課題を解決するための手段】
本発明は、ユーザの履歴情報を記憶する第１の記憶手段と、予め複数の入出力関係に基づく第１の多次元基準空間を記憶した第２の記憶手段と、前記履歴情報と基準空間とに基づき第２の多次元基準空間を生成する生成手段と、前記第１あるいは第２の多次元基準空間を選択する選択手段と、前記選択結果に基づいて色補正パラメータを演算する演算手段、および前記演算結果に応じて色補正処理を施す補正手段とを有することを一つの特徴とし、これにより、ユーザの負担を低減しつつ、ユーザの好ましい画像に補正処理できる画像処理が可能となる。
【００１７】
【発明の実施の形態】
以下、本発明の実施例を図面を用いて具体的に説明する。
【００１８】
（実施例１）
図３は、本発明が適用されるシステム構成例を示す。図３に示す装置構成は、情報処理装置Ａ、情報処理装置Ｂ、および出力装置Ａがネットワークを介して接続されている。情報処理装置としては、例えばパソコン等があげられ、出力装置としては、例えばプリンタ、複写機などのデバイスがあげられる。なお、本発明が適用される装置構成は、上記した例に限定されない。
【００１９】
図４は、本発明の実施例の構成を示す。図４における画像入力手段１０と画像処理手段２０は、図３の情報処理装置Ａ、情報処理装置Ｂに実装され、画像出力手段３０は出力装置Ａに相当する。
【００２０】
入力画像データは、画像入力手段１０から入力され、画像処理手段２０において補正処理を施された後、画像出力手段３０で出力される。このとき色空間として任意の色空間を適用することが可能である。例えば、Ｌａｂ知覚空間、Ｌｕｖ知覚空間、ＹＣｂＣｒ空間などがあげられるが、本実施例ではＬａｂ知覚空間に適用した場合を説明する。
【００２１】
画像処理手段２０は、ユーザーの履歴情報を取得する履歴情報取得手段２０ａと、第１のマハラノビス空間とその基準データ群を記憶する記憶手段２０ｂと、前記基準データ群と履歴情報から第２のマハラノビス空間を構築するマハラノビス空間構築手段２０ｃと、前記第２のマハラノビス空間に基づいて色補正パラメータを算出する色補正パラメータ算出手段２０ｄと、前記算出された色補正パラメータに基づいて入力画像データに対して色補正を施す色補正手段２０ｅとから構成されている。
【００２２】
以下、画像処理手段２０を構成する各要素について詳述する。
【００２３】
ユーザーの履歴情報を取得する履歴情報取得手段２０ａは、ユーザが既に出力した出力画像データから出力履歴を取得する。すなわち、ユーザの出力画像データの代表値を算出し、その出力枚数とともにユーザの履歴情報として記憶しておく。
【００２４】
出力画像データの代表値算出方法、ユーザの履歴情報について説明する。
【００２５】
出力画像データの代表値は、出力画像データの１画素の色情報を所定の領域に分割した色空間内にプロットし、この頻度分布を算出する。このときの記憶色に関わる色で、かつ頻度分布が高い色を代表色とする。このときの記憶色とは、予め所定の色、あるいは色の範囲を記憶しておき、算出した代表色が記憶されている所定の色、あるい色の範囲に含まれているか否かを判別することで可能となる。その例を図５に示す。図の左から入力画像データのＲＧＢ値、頻度、その色が記憶色に該当するか否かの有無を記憶する。ここでは、記憶色に関わる色であり、かつ頻度分布における最頻値の（Ｒ，Ｇ，Ｂ）＝（２２４，１６５，１４５）が代表色として算出される。なお、本実施例では入力画像データの代表色として最頻値を用いたが、平均値、重心値、尖度などの統計量に基づいた値を適用することが可能である。
【００２６】
ユーザの履歴情報は、前記出力画像データの代表値と、その出力枚数である。この履歴情報は、ユーザ毎に一元的に管理・記憶すると、ユーザに応じた後述の色補正処理が施せるため望ましい。なお、ユーザの識別情報としては、ネットワーク上の管理情報であるＴＣＰ／ＩＰ，ＩＰＰ，ＮｅｔＢＥＵＩ等の情報、あるいはプリンタドライバ上のユーザ名などを用いることが可能である。図６は、その例を示すが、プリンタドライバから取得したユーザ名、入力画像データの代表色、その出力枚数を記憶している。
【００２７】
第１のマハラノビス空間とその基準データ群を記憶する記憶手段２０ｂは、基準データ群および、その基準データ群から構成されるマハラノビス空間とを記憶している。
【００２８】
基準データ群の作成方法を説明すると、複数の画像サンプルを提示し、提示した画像サンプルに対して、好ましい色に感じるように、色補正処理を施す。はじめに提示した画像を元画像、色補正処理後の画像を補正後画像とし、得られた元画像と補正後画像の代表色とを基準データ群とする。
【００２９】
図７は、基準データ群の例であり、元画像のＬａｂ値（ｏｒｇＬ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ）と補正後画像のＬａｂ値（ｃｈｇ＿Ｌ，ｃｈｇ＿ａ，ｃｈｇ＿ｂ）とからなる。このときの代表色抽出方法は、画像サンプルの１画素の色情報を所定の領域に分割した色空間内にプロットし、この頻度分布を算出する。このとき頻度分布が高く、かつ記憶色に関わる色を代表色（記憶色）、記憶色に関わらない色を代表色（背景色）とする。そして、記憶色に関わる代表色（記憶色）を「基準データ群」とする。なお、本実施例では画像の代表色として最頻値を用いたが、平均値、重心値、尖度などの統計量に基づいた値を適用することが可能である。
【００３０】
前記「基準データ群」を用いて、マハラノビス空間を作成する。このときの算出方法を次に示す。
１．「基準データ群」の正規化
前記元画像と修正後画像のＬａｂ値を基準データとする。すなわち、ｏｒｇ＿Ｌ，ｏｒｇ＿ｂ，ｏｒｇ＿ｂ，ｃｈｇ＿Ｌ，ｃｈｇ＿ａ，およびｃｈｇ＿ｂの各変量ごとに、それらの平均と標準偏差を算出し、次式（２）に従って、データを正規化する。
【００３１】
【数１】

このとき、Ｙ，ｉ，ｊはそれぞれ変量，変量の数，サンプル数である。
【００３２】
２．変量間の相関係数行列の算出
各変量間の相関係数を算出する。すなわち、すべての変量から２個を取り出す組合せについて、次式（３）で相関係数を算出する。
【数２】

このとき、ｒは相関係数、ｐ，ｑは変量である。
【００３３】
３．相関行列の作成
対角要素を１、その他のｐ行ｑ列の要素をｒｐｑとした相関行列Ｒを作成する。
【数３】

【００３４】
４．相関行列の逆行列の算出
上記相関行列Ｒの逆行列ｍａｔＡを算出する
【数４】

【００３５】
５．「マハラノビス空間」の作成
上記したように作成した相関行列ｍａｔＡを「マハラノビス空間」とする。
【００３６】
第２のマハラノビス空間を構築する構築手段２０ｃは、前記基準データ群と履歴情報とから第２のマハラノビス空間を構築する。
【００３７】
第２のマハラノビス空間の作成方法は、まず、第１のマハラノビス空間の「基準データ群」の代表色と、ユーザの履歴情報における代表色との関係より、基準データ群の代表色を抽出する。次いで、両代表値間の色差が最小となる「基準データ群」の代表色を抽出する。そして、ユーザの履歴情報における出力枚数に応じて「基準データ群」のサンプル数を増加し、「更新基準データ群」を作成した後、これに基づいて第２のマハラノビス基準空間を作成する。以下、その詳細を説明する。
【００３８】
図８は、本発明の実施例に係る第２のマハラノビス空間作成方法を示す。本実施例では、ｓＲＧＢ環境を想定し、入力プロファイルに応じたＬａｂに変換する。
【００３９】
ユーザの履歴情報から出力画像データの代表値を取得する（ステップ１０１）。実施例では、（Ｒ，Ｇ，Ｂ）＝（２２４，１６５，１４５）を取得し、これをＬａｂに変換し、（Ｌ，ａ，ｂ）＝（７３，２１，１９）を得る。
【００４０】
次いで、第１のマハラノビス空間の基準データ群における元画像の代表色を取得する（ステップ１０３）。実施例では、（ｏｒｇ＿Ｌ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ）＝（７４，２９，２１）を取得する。
【００４１】
次いで、ステップ１０１で取得したユーザ代表色とステップ１０３で取得した基準データ群における元画像の代表色の相対距離（色差）を算出し、これを所定回数繰返す（ステップ１０２、１０４）。なお、色差のΔＥは次式で算出する。
【数５】

【００４２】
続いて、前記色差を最小とする、第１のマハラノビス空間の基準データ群の代表色を抽出する（ステップ１０５）。実施例では、基準データ群の第１番目の代表色が抽出される。つまり、（ｏｒｇ＿Ｌ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ，ｃｈｇ＿Ｌ，ｃｈｇ＿ａ，およびｃｈｇ＿ｂ）＝（７４，２９，２１，８３，２０，２４）が抽出される。
【００４３】
続いて、ユーザの履歴情報の出力枚数に基づいて、基準データ群のサンプル数を更新する（ステップ１０６）。実施例では、図９に示すように、基準データ群を更新した。すなわち、第１番目の代表色を出力枚数だけ増加させ、「更新基準データ群」を作成する。
【００４４】
最後に、前記「更新基準データ群」に基づき第２のマハラノビス空間を作成する（ステップ１０７）。第２のマハラノビス空間の行列要素の算出方法は、第１のマハラノビス空間、基準データ群を記憶する記憶手段２０ｂ中で説明したマハラノビス空間生成方法と同様である。
【００４５】
色補正パラメータ算出手段２０ｄは、前記第２のマハラノビス空間に基づいて入力値と出力値との相対距離を算出する算出手段と、前記相対距離を最小とする色補正パラメータを算出する第２の算出手段とから構成される。実際の色補正方式は、処理方式やメモリ容量あるいは、変換精度を考慮して定めるため、種々の公知の色変換方式を適用することが可能である。
【００４６】
本実施例の適用例として、６色相分割したマスキングパラメータの算出方法について説明する。なお、マスキングパラメータとは、色空間を無彩色軸を中心として放射状に拡がる平面で分割し、分割色空間ごとに対応した色補正係数の係数である。
【００４７】
図１０は、マスキングパラメータ作成のフローチャートを示す。６色相で分割された色分割空間を選択する（ステップ２０１）。これは、固定した２つの制御点Ｂｌａｃｋ（ＦＦＦ）、Ｗｈｉｔｅ（０００）と２つの制御点Ｐ１（Ｐ１Ｒ，Ｐ１Ｇ，Ｐ１Ｂ）、Ｐ２（Ｐ２Ｒ，Ｐ２Ｇ，Ｐ２Ｂ）に囲まれた色分割空間である。例えば、記憶色の肌色近い色分割空間は、Ｐ１（Ｆ００），Ｐ２（ＦＦ０），Ｂｋ（ＦＦＦ），Ｗ（０００）が選択される。
【００４８】
前記「更新基準データ群」の入力Ｌａｂ値をｉｎ＿Ｌ，ｉｎ＿ｂ，ｉｎ＿ｂ，修正後Ｌａｂ値をｏｕｔ＿Ｌ，ｏｕｔ＿ａ，ｏｕｔ＿ｂとしたときのマハラノビス距離を次式（７）で算出する（ステップ２０３）。
【数６】

入力Ｌａｂ値は、ｉｎ＿Ｌ，ｉｎ＿ａ，ｉｎ＿ｂ、
入力Ｌａｂ値の平均は、ｉｎ＿Ｌａｖｅ，ｉｎ＿ａａｖｅ，ｉｎ＿ｂａｖｅ
出力Ｌａｂ値はｏｕｔ＿Ｌ，ｏｕｔ＿ａ，ｏｕｔ＿ｂ
出力Ｌａｂ値の平均はｏｕｔ＿Ｌａｖｅ，ｏｕｔ＿ａａｖｅ，ｏｕｔ＿ｂａｖｅｍａｔＡは第２のマハラノビス基準空間であり、
【数７】

は行列Ｙの転置行列である。
【００４９】
マハラノビス距離が最小となるマスキングパラメータを算出する（ステップ２０４）。マスキングパラメータは、式（８）の関係を満たす要素Ｐ１１，Ｐ１２，Ｐ１３，Ｐ２１，Ｐ２２，Ｐ２３，Ｐ３１，Ｐ３２，およびＰ３３である。このとき、最小値の算出は種々の最適化手法を適用可能であるが、本実施例ではパウエル法を適用し、式（９）に示すマスキングパラメータを得た。
【数８】

【００５０】
前記マスキングパラメータを分割色空間で算出し、所定の回数試行を繰返し、マスキングパラメータを得る（ステップ２０２）。すなわち、ＲＧＢ色空間をＲｅｄ，Ｇｒｅｅｎ，Ｂｌｕｅ，Ｃｙａｎ，Ｍａｇｅｎｔａ，およびＹｅｌｌｏｗの６色相面に分割した本実施例では、６色相の空間上の各色相はそれぞれＲ（Ｆ００），Ｇ（０Ｆ０），Ｂ（００Ｆ），Ｃ（０ＦＦ），Ｍ（Ｆ０Ｆ），およびＹ（ＦＦ０）中の２つの制御点のそれぞれについてマスキングパラメータを算出する。
【００５１】
色補正手段２０ｅおよび画像出力手段３０は、前記マスキングパラメータに基づいて入力画像データを出力装置固有の色信号に変換する変換手段と、得られた出力値に基づいて、画像データを出力する出力手段とから構成される。すなわち、入力された画像データに対して、算出したマスキングパラメータに基づいて色補正を施した後、得られた出力値を出力装置固有の色信号に変換し、該出力信号を出力装置で出力する。このとき、入力画像データ（ＲＧＢデータ）は、前述の処理を施され（ｏｕｔ＿Ｒ，ｏｕｔ＿Ｇ，およびｏｕｔ＿Ｂ）た後、次式（１０）式により出力装置固有の色信号（Ｙ，Ｍ，Ｃ，Ｂｋ）に変換される。なお、本実施例では色変換方式としてマトリックス変換を用いたが、メモリマップ法、メモリマップ補間法などを用いることも可能である。
【００５２】
【数９】

【００５３】
実施例１によれば、ユーザの好ましさに、より好適な補正処理を施した画像が得られる。
【００５４】
（実施例２）
図３を参照して実施例２を説明する。なお、本実施例が適用される装置構成は、図３に限定されない。ここで、あるユーザＡが情報処理装置Ａから画像を随時出力しており、次いで、異なる情報処理装置Ｂで画像を出力する場合を想定する。もちろん、情報処理装置Ｂの出力傾向は、情報処理装置Ａからの出力傾向と異なる。このとき、次のステップを行うことで、ユーザＡが好む画像を情報処理装置Ｂで得ることが可能となる。
【００５５】
すなわち、ユーザーの履歴情報を取得する取得手段２０ａは、ユーザの出力履歴を情報処理装置Ａより取得し、取得した情報に基づいて、色補正処理を施して、入力画像データを出力する。以下、この詳細を説明する。
【００５６】
情報処理装置Ｂにおける取得手段２０ａは、出力装置Ａの履歴情報を取得し、ユーザＡの出力画像データの代表値、その出力枚数などを次のステップに従って取得する。
【００５７】
（ステップ１）
情報処理装置Ｂでは、情報処理装置Ｂで画像データを出力する直前に、（図示しない）モニタのプリンタドライバ等を介して、ネットワーク内に存在するすべての情報処理装置の一覧表を提示する。
【００５８】
（ステップ２）
ユーザは、モニタのプリンタドライバ等に提示された条件中で、適合する画像出力環境を選択する。この例を図１１に示す。ネットワーク上に存在する情報処理装置、出力装置が提示されるので、ユーザＡは情報処理装置Ａに対応した名称Ｔａｍを指定する。なお、ここでの画像出力環境とは、ユーザが使用していた情報処理装置の名称やＴＣＰ／ＩＰアドレス，クライアント名等をＤＮＳサーバやプリンタサーバ等が保持するブロードキャストテーブル等より取得した情報である。
【００５９】
（ステップ３）
選択した条件に応じた履歴情報を情報処理装置Ｂの取得手段２０ａが取得する。例えば、出力環境として情報処理装置Ａ、および出力装置Ａが選択された場合、情報処理装置Ａで出力したユーザの代表色と出力枚数を履歴情報として取得する。以降は、実施例１の場合と同様であり、説明を省略する。
【００６０】
以上の結果、ユーザＡは情報処理装置Ａ、情報処理装置Ｂのどちらにおいても、より好ましい画像を得ることが可能となる。また、プリンタサーバは、情報処理装置における画像入力機器および出力機器のプロファイルからその入出力特性を解析し、情報処理装置Ａ、情報処理装置Ｂでより好ましい画像で、かつ色が一致した画像を提供することも可能である。
【００６１】
本実施例によれば、ユーザの履歴情報が識別情報ごとに一元的に管理されており、かつ識別情報がネットワークアドレスまたはユーザ名のいずれかであるため、ユーザは出力装置および情報処理装置に関わらず、常に同じ補正処理を施した好ましい画像を得ることが可能となる。
【００６２】
（実施例３）
実施例３に係る、第２のマハラノビス空間を構築する構築手段２０ｃは、前記基準データ群と履歴情報とから第２のマハラノビス空間を構築する。すなわち、第１のマハラノビス空間の「基準データ群」の代表色と、ユーザの履歴情報における代表色との関係より、基準データ群の代表色を抽出する。次いで、両代表値間の色差が最小となる「基準データ群」の代表色を抽出する。次いで、ユーザの履歴情報における出力枚数と前記色差に応じて基準データ群のサンプル数を増加し、第２のマハラノビス空間を作成する。以下、その詳細を説明する。
【００６３】
図１２は、実施例３に係る、第２のマハラノビス空間作成方法を示す。本実施例では、ｓＲＧＢ環境を想定し、入力プロファイルに応じたＬａｂに変換する。
【００６４】
ユーザの履歴情報から出力画像データの代表値を取得する（ステップ３０１）。実施例では、（Ｒ，Ｇ，Ｂ）＝（２２４，１６５，１４５）を取得し、これをＬａｂに変換し、（Ｌ，ａ，ｂ）＝（７３，２１，１９）を得る。
【００６５】
第１のマハラノビス空間の基準データ群における元画像の代表色を取得する（ステップ３０３）。実施例では、（ｏｒｇ＿Ｌ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ）＝（７４，２９，２１）を取得する。このときのＬａｂ値は元画像のＬａｂ値である。
【００６６】
上記ステップ３０１およびステップ３０３の相対距離（色差）を算出し、これを所定回数繰返す（ステップ３０２、３０４）。なお、色差のΔＥは次式で算出する。
【数１０】

【００６７】
ユーザの履歴情報における出力枚数と前ステップ３０４で算出された色差を一次的に記憶する（ステップ３０５）。
【００６８】
ユーザの履歴情報の出力枚数に基づいて、基準データ群のサンプル数を更新する（ステップ３０６）。すなわち、色差と出力枚数の積を算出し、これを全体に対する比率（％）に変換する（図１３を参照）。この比率に応じてポイント代表色を出力枚数だけ増加させる。本実施例の場合、比率が４５：３５：１６：４であるので、これを「基準データ群」の比率に対応させて、図１４を得る。そして、これを「更新基準データ群」とする。
【００６９】
前記更新した「更新基準データ群」に基づき第２のマハラノビス空間を作成する（ステップ３０７）。
【００７０】
第２のマハラノビス空間の行列要素の算出方法は、第１のマハラノビス空間、基準データ群を記憶する記憶手段２０ｂで説明したマハラノビス空間生成方法と同様である。
【００７１】
本実施例によれば、構築手段が、基準データ群における代表色と、履歴情報における代表色との相対距離を算出する算出手段と、該算出結果と履歴情報における出力枚数に応じて、基準データ群のサンプル数を変更する変更手段を有するため、出力枚数が少ない場合でも、より好ましい色補正を施すことが可能となる。
【００７２】
なお、本発明は、上記した処理機能を実現するプログラムを記録した記録媒体をシステムや装置に供給し、システムや装置のコンピュータが記録媒体に記録されたプログラムを読み出し実行することによっても達成される。
【００７３】
【発明の効果】
以上、説明したように、本発明によれば、ユーザの負担を低減しつつ、ユーザの好ましい画像に補正処理することができる。
【図面の簡単な説明】
【図１】従来の画像処理方法を説明する図である。
【図２】従来の色変換パラメータの例を示す。
【図３】本発明が適用される構成例を示す。
【図４】本発明の実施例の構成を示す。
【図５】履歴情報における入力画像データの代表値の例を示す。
【図６】履歴情報の例を示す。
【図７】基準データ群の例を示す。
【図８】本発明の実施例に係る第２のマハラノビス空間作成方法を示す。
【図９】更新後の基準データ群の例を示す。
【図１０】マスキングパラメータ作成のフローチャートを示す。
【図１１】画像出力環境を選択する例を示す。
【図１２】実施例３に係る、第２のマハラノビス空間作成方法を示す。
【図１３】実施例３において、色差と出力枚数の積を、全体に対する比率に変換した例を示す。
【図１４】実施例３における更新後の基準データ群の例を示す。
【符号の説明】
１０画像入力手段
２０画像処理手段
２０ａ履歴情報取得手段
２０ｂ基準データ群、マハラノビス空間記憶手段
２０ｃマハラノビス空間構築手段
２０ｄ色補正パラメータ算出手段
２０ｅ色補正手段
３０画像出力手段[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an image processing apparatus, an image processing method, a program, and a recording medium that perform correction processing suitable for a user's preference.
[0002]
[Prior art]
In color conversion from the RGB format to the CMYK format, the value of CMYK is calculated as a result of image processing finely adjusted according to the mechanical process conditions of the output device and the content of the output image. Since this color conversion method is stored as a predetermined conversion formula or conversion coefficient in the printing apparatus, the output image is uniformly subjected to image processing.
[0003]
However, the impression of the output color varies depending on the user and depends on personal preference. In particular, specific colors that are likely to remain in human memory, such as human skin color, sky blue, and green vegetation, which are called memory colors, are sensitive to the user's eyes and are easily affected by user differences. . For example, when the user's race (region), age, gender, and preference are different, the user's favorite reproduction color for each memory color is greatly different.
[0004]
Further, when the output device is shared by a plurality of users, it has been difficult to perform image processing that satisfies the requirements of all users who share the output device. For this reason, various techniques for outputting memory colors according to user preferences have been proposed.
[0005]
For example, using the color conversion characteristics describing the color reproduction characteristics of the input device and the output device, the user correction information, and the history information, the color correction parameter is corrected so that the predetermined colors of the input image and the output image match. Techniques have been proposed (see, for example, Patent Document 1). In Patent Document 1, so-called color matching image processing is performed to match predetermined colors of an input image and an output image even with respect to memory colors having greatly different user races (regions), ages, genders, and preferences. . This outline will be described with reference to FIG.
[0006]
FIG. 1 is a plot of the relationship of the output value P1 (o) with respect to a certain input value P0 (x) of the input image in a six-hue division plane area at a certain lightness. When the user corrects the input value (×) to the output value (◯), correction processing is performed so that the input value (×) is output as the output value (◯) based on the correction amount and the correction history. .
[0007]
However, as a result of diligent research by the present inventors, even when the color shift of the image is large, for a specific color, the output is corrected to the position corresponding to the output value P2 (◎) with respect to the input value of FIG. This is perceived as a more preferable image. In view of the fact that this specific color is conspicuous in colors related to human memory colors, and that the preferable image correction processing is in a specific correction direction, the present invention has been achieved.
[0008]
Further, there is a technique for storing a profile relating to color adjustment for each user and adjusting the color or density of an input image according to the user's profile (see, for example, Patent Document 2). In Patent Document 2, since the storage unit of the image processing apparatus holds a profile relating to the user's color, it is useful as a technique that allows each user to adjust the color to a preferable color for the input image. In the profile creation method for each user in Patent Document 2, the user adjusts the correction amount and creates a profile based on the adjusted correction amount. For example, in the case where the blueness of a certain input image is increased and output, the R′G′B ′ signal obtained by adjusting the RGB signal of the input image by the following equation (1) is used. The correction amount (α in the following equation) is stored as a profile.
R ′ = RxαR, G ′ = G, B ′ = B (1)
Here, α is an adjustment amount adjusted by the user.
However, in the above technique, the user adjusts the correction amount for a certain image A, and creates a profile PA including the correction amount αA. Next, the user adjusts the correction amount for an image B, and creates a profile PB including the correction amount αB. Further, the user adjusts the correction amount for a certain image C, and creates a profile PC including the correction amount αC. In this case, it is conceivable to create and store a plurality of profiles for each image. However, when the image X is input, it is necessary for the user to specify the profile PA, PB, PC, etc., and the burden on the user is large. .
[0010]
Furthermore, as the color correction parameters, the color correction parameters for each of the memory colors of skin color, grass green, and sky blue are stored in association with each other according to the skin color adjustment degree, and when the skin color is adjusted, the skin color, grass Since color correction parameters for other memory colors such as green and sky blue are also set, there is a technique in which a user can reproduce a favorite memory color with a small number of operations (see, for example, Patent Document 3). This is useful as a technique that can be adjusted to a favorite color while reducing the burden on the user in Patent Document 2 described above.
[0011]
According to the above technique, color conversion parameters for users classified by region, age, gender, etc. are prepared in advance, and color correction is performed according to this.
[0012]
FIG. 2 shows color correction parameters corresponding to the user and the illumination light. For example, when the user selects the skin color adjustment 1 in FIG. 2 as the degree of adjustment of the preferred skin color, the color that the user would prefer is reproduced in addition to the skin color, as well as the green of grass and the blue of the sky. Conversion parameters are set.
[0013]
[Patent Document 1]
JP 2000-4369 A [Patent Document 2]
Japanese Patent Laid-Open No. 2001-202221 [Patent Document 3]
JP 2001-298629 A
[Problems to be solved by the invention]
However, the degree of user preference correction is determined in advance by color correction parameters. Therefore, the user strongly corrects the correction amount related to one memory color and corrects the correction amount related to another memory color to be weak (for example, the flesh color correction parameter P11 in FIG. 2 is increased and the grass green color correction parameter P12 is increased). It is difficult to make it smaller. If a solution based on the above technique is tried, a large number of color conversion parameters are prepared for each user, which cannot be a fundamental solution to the problem.
[0015]
The present invention has been made in view of the above problems,
An object of the present invention is to provide an image processing apparatus, an image processing method, a program, and a recording medium that perform color conversion preferable for each user, reduce the burden on the user, and perform color correction processing suitable for the user's preference. is there.
[0016]
[Means for Solving the Problems]
The present invention provides a first storage means for storing user history information, a second storage means for storing a first multidimensional reference space based on a plurality of input / output relationships in advance, the history information and the reference space, Generating means for generating a second multidimensional reference space based on the above, selecting means for selecting the first or second multidimensional reference space, calculating means for calculating a color correction parameter based on the selection result, and One feature is that it includes a correction unit that performs color correction processing according to the calculation result, thereby enabling image processing that can correct the user's preferred image while reducing the burden on the user.
[0017]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be specifically described below with reference to the drawings.
[0018]
(Example 1)
FIG. 3 shows a system configuration example to which the present invention is applied. In the apparatus configuration shown in FIG. 3, an information processing apparatus A, an information processing apparatus B, and an output apparatus A are connected via a network. Examples of the information processing apparatus include a personal computer, and examples of the output apparatus include devices such as a printer and a copying machine. The apparatus configuration to which the present invention is applied is not limited to the above-described example.
[0019]
FIG. 4 shows the configuration of an embodiment of the present invention. The image input unit 10 and the image processing unit 20 in FIG. 4 are mounted on the information processing apparatus A and the information processing apparatus B in FIG. 3, and the image output unit 30 corresponds to the output apparatus A.
[0020]
The input image data is input from the image input unit 10, corrected by the image processing unit 20, and then output by the image output unit 30. At this time, any color space can be applied as the color space. For example, a Lab perception space, a Luv perception space, a YCbCr space, and the like can be mentioned. In this embodiment, a case where the present invention is applied to a Lab perception space will be described.
[0021]
The image processing means 20 includes a history information acquisition means 20a for acquiring user history information, a storage means 20b for storing the first Mahalanobis space and its reference data group, and a second Mahalanobis from the reference data group and history information. Mahalanobis space construction means 20c for constructing a space, color correction parameter calculation means 20d for calculating a color correction parameter based on the second Mahalanobis space, and input image data based on the calculated color correction parameter And color correction means 20e for performing color correction.
[0022]
Hereinafter, each element constituting the image processing means 20 will be described in detail.
[0023]
The history information acquisition means 20a for acquiring user history information acquires an output history from output image data already output by the user. That is, a representative value of user output image data is calculated and stored as user history information together with the number of output images.
[0024]
A representative value calculation method for output image data and user history information will be described.
[0025]
The representative value of the output image data is plotted in a color space obtained by dividing the color information of one pixel of the output image data into predetermined regions, and the frequency distribution is calculated. A color related to the memory color at this time and having a high frequency distribution is set as a representative color. The stored color at this time is stored in advance as a predetermined color or color range, and it is determined whether or not the calculated representative color is included in the stored predetermined color or color range. This is possible. An example is shown in FIG. From the left of the figure, the RGB value of the input image data, the frequency, and whether or not the color corresponds to the memory color are stored. Here, the mode (R, G, B) = (224, 165, 145) which is a color related to the memory color and the frequency distribution is calculated as the representative color. In this embodiment, the mode value is used as the representative color of the input image data. However, it is possible to apply a value based on statistics such as an average value, a centroid value, and a kurtosis.
[0026]
The user history information is a representative value of the output image data and the number of output images. If this history information is managed and stored in a unified manner for each user, it is desirable that color correction processing described later according to the user can be performed. As user identification information, information such as TCP / IP, IPP, and NetBEUI, which are management information on the network, or a user name on the printer driver can be used. FIG. 6 shows an example, in which the user name acquired from the printer driver, the representative color of the input image data, and the number of output sheets are stored.
[0027]
The storage means 20b for storing the first Mahalanobis space and its reference data group stores a reference data group and a Mahalanobis space composed of the reference data group.
[0028]
The method of creating the reference data group will be described. A plurality of image samples are presented, and color correction processing is performed on the presented image samples so that a preferred color is felt. The first presented image is the original image, the image after color correction processing is the corrected image, and the obtained original image and the representative color of the corrected image are the reference data group.
[0029]
FIG. 7 shows an example of a reference data group, which is composed of Lab values (orgL, org_a, org_b) of the original image and Lab values (chg_L, chg_a, chg_b) of the corrected image. The representative color extraction method at this time plots the color information of one pixel of the image sample in a color space divided into predetermined areas, and calculates the frequency distribution. At this time, a color having a high frequency distribution and a color related to the memory color is set as a representative color (memory color), and a color not related to the memory color is set as a representative color (background color). A representative color (memory color) related to the memory color is set as a “reference data group”. In this embodiment, the mode value is used as the representative color of the image. However, it is possible to apply a value based on statistics such as an average value, a centroid value, and a kurtosis.
[0030]
A Mahalanobis space is created using the “reference data group”. The calculation method at this time is as follows.
1. Normalization of “reference data group” The Lab values of the original image and the corrected image are used as reference data. That is, for each variable of org_L, org_b, org_b, chg_L, chg_a, and chg_b, the average and standard deviation are calculated, and the data is normalized according to the following equation (2).
[0031]
[Expression 1]

At this time, Y, i, and j are a variable, the number of variables, and the number of samples, respectively.
[0032]
2. Calculation of correlation coefficient matrix between variables The correlation coefficient between each variable is calculated. That is, the correlation coefficient is calculated by the following equation (3) for the combination in which two are extracted from all the variables.
[Expression 2]

At this time, r is a correlation coefficient, and p and q are variables.
[0033]
3. Creation of Correlation Matrix A correlation matrix R is created with diagonal elements set to 1 and other elements in p rows and q columns set to rpq.
[Equation 3]

[0034]
4). Calculation of inverse matrix of correlation matrix Calculate inverse matrix matA of correlation matrix R

[0035]
5. Creation of “Mahalanobis space” The correlation matrix matA created as described above is referred to as a “Mahalanobis space”.
[0036]
The construction means 20c for constructing the second Mahalanobis space constructs the second Mahalanobis space from the reference data group and the history information.
[0037]
In the second Mahalanobis space creation method, first, the representative color of the reference data group is extracted from the relationship between the representative color of the “reference data group” in the first Mahalanobis space and the representative color in the user history information. Next, the representative color of the “reference data group” that minimizes the color difference between the two representative values is extracted. Then, the number of samples of the “reference data group” is increased in accordance with the number of output sheets in the user history information to create an “update reference data group”, and then the second Mahalanobis reference space is created based on this. Details will be described below.
[0038]
FIG. 8 shows a second Mahalanobis space creation method according to an embodiment of the present invention. In the present embodiment, an sRGB environment is assumed and converted to Lab according to the input profile.
[0039]
A representative value of the output image data is acquired from the user history information (step 101). In the embodiment, (R, G, B) = (224, 165, 145) is acquired and converted into Lab to obtain (L, a, b) = (73, 21, 19).
[0040]
Next, the representative color of the original image in the reference data group of the first Mahalanobis space is acquired (step 103). In the embodiment, (org_L, org_a, org_b) = (74, 29, 21) is acquired.
[0041]
Next, the relative distance (color difference) between the user representative color acquired in step 101 and the representative color of the original image in the reference data group acquired in step 103 is calculated, and this is repeated a predetermined number of times (steps 102 and 104). The color difference ΔE is calculated by the following equation.
[Equation 5]

[0042]
Subsequently, a representative color of the reference data group in the first Mahalanobis space that minimizes the color difference is extracted (step 105). In the embodiment, the first representative color of the reference data group is extracted. That is, (org_L, org_a, org_b, chg_L, chg_a, and chg_b) = (74, 29, 21, 83, 20, 24) is extracted.
[0043]
Subsequently, the number of samples in the reference data group is updated based on the number of output user history information (step 106). In the embodiment, the reference data group is updated as shown in FIG. That is, the first-th representative color is increased by the number of output sheets, to create a "update reference data group".
[0044]
Finally, a second Mahalanobis space is created based on the “update reference data group” (step 107). The calculation method of the matrix elements of the second Mahalanobis space is the same as the Mahalanobis space generation method described in the storage means 20b for storing the first Mahalanobis space and the reference data group.
[0045]
The color correction parameter calculation unit 20d calculates a relative distance between the input value and the output value based on the second Mahalanobis space, and a second calculation that calculates a color correction parameter that minimizes the relative distance. Means. Since an actual color correction method is determined in consideration of the processing method, memory capacity, or conversion accuracy, various known color conversion methods can be applied.
[0046]
As an application example of this embodiment, a method for calculating a masking parameter divided into six hues will be described. Note that the masking parameter is a coefficient of a color correction coefficient corresponding to each divided color space obtained by dividing the color space by a plane extending radially around the achromatic color axis.
[0047]
FIG. 10 shows a flowchart for creating a masking parameter. A color division space divided by six hues is selected (step 201). This is a color division space surrounded by two fixed control points Black (FFF) and White (000) and two control points P1 (P1R, P1G, P1B) and P2 (P2R, P2G, P2B). For example, P1 (F00), P2 (FF0), Bk (FFF), and W (000) are selected as the color division space close to the skin color of the memory color.
[0048]
The Mahalanobis distance when the input Lab values of the “update reference data group” are in_L, in_b, in_b and the corrected Lab values are out_L, out_a, out_b is calculated by the following equation (7) (step 203).
[Formula 6]

The input Lab values are in_L, in_a, in_b,
The average of the input Lab values is in_Lave, in_ave, in_bave
Output Lab values are out_L, out_a, out_b
The average of the output Lab values is out_Lave, out_ave, out_bavematA is the second Mahalanobis reference space,
[Expression 7]

Is a transposed matrix of the matrix Y.
[0049]
A masking parameter that minimizes the Mahalanobis distance is calculated (step 204). The masking parameters are elements P11, P12, P13, P21, P22, P23, P31, P32, and P33 that satisfy the relationship of Expression (8). At this time, various optimization methods can be applied to the calculation of the minimum value, but in this example, the Powell method was applied to obtain the masking parameter shown in Expression (9).
[Equation 8]

[0050]
The masking parameters are calculated in the divided color space, and trials are repeated a predetermined number of times to obtain masking parameters (step 202). That is, in this embodiment in which the RGB color space is divided into six hue planes of Red, Green, Blue, Cyan, Magenta, and Yellow, the hues on the six hue space are R (F00), G (0F0), Masking parameters are calculated for each of the two control points in B (00F), C (0FF), M (F0F), and Y (FF0).
[0051]
The color correction unit 20e and the image output unit 30 are a conversion unit that converts the input image data into a color signal unique to the output device based on the masking parameter, and an output unit that outputs the image data based on the obtained output value. It consists of. That is, after color correction is performed on the input image data based on the calculated masking parameter, the obtained output value is converted into a color signal unique to the output device, and the output signal is output by the output device. . At this time, the input image data (RGB data) is subjected to the above-described processing (out_R, out_G, and out_B), and then the color signal (Y, M, C, Bk) specific to the output device according to the following expression (10): ). In this embodiment, matrix conversion is used as a color conversion method, but a memory map method, a memory map interpolation method, or the like can also be used.
[0052]
[Equation 9]

[0053]
According to the first embodiment, an image that has been subjected to a correction process more suitable for the user's preference is obtained.
[0054]
(Example 2)
A second embodiment will be described with reference to FIG. The apparatus configuration to which the present embodiment is applied is not limited to FIG. Here, it is assumed that a certain user A outputs an image from the information processing apparatus A at any time, and then outputs an image from a different information processing apparatus B. Of course, the output tendency of the information processing apparatus B is different from the output tendency from the information processing apparatus A. At this time, it is possible to obtain an image preferred by the user A by the information processing apparatus B by performing the following steps.
[0055]
That is, the acquisition unit 20a that acquires user history information acquires the user output history from the information processing apparatus A, performs color correction processing based on the acquired information, and outputs input image data. The details will be described below.
[0056]
The acquisition unit 20a in the information processing apparatus B acquires the history information of the output apparatus A, and acquires the representative value of the output image data of the user A, the number of output sheets, and the like according to the following steps.
[0057]
(Step 1)
The information processing apparatus B presents a list of all information processing apparatuses existing in the network via a printer driver (not shown) or the like immediately before the image data is output from the information processing apparatus B.
[0058]
(Step 2)
The user selects a suitable image output environment in the conditions presented to the printer driver of the monitor. An example of this is shown in FIG. Since an information processing apparatus and an output apparatus existing on the network are presented, the user A designates a name Tam corresponding to the information processing apparatus A. The image output environment here is information obtained from a broadcast table or the like held by a DNS server, a printer server, or the like such as the name, TCP / IP address, and client name of the information processing apparatus used by the user. .
[0059]
(Step 3)
The acquisition unit 20a of the information processing apparatus B acquires history information corresponding to the selected condition. For example, when the information processing apparatus A and the output apparatus A are selected as the output environment, the representative color of the user and the number of output sheets output by the information processing apparatus A are acquired as history information. The subsequent steps are the same as in the case of the first embodiment, and description thereof is omitted.
[0060]
As a result, the user A can obtain a more preferable image in either the information processing apparatus A or the information processing apparatus B. In addition, the printer server analyzes input / output characteristics from the profiles of the image input device and output device in the information processing device, and provides a more preferable image and a matching color image in the information processing device A and the information processing device B. It is also possible to do.
[0061]
According to the present embodiment, since the user history information is centrally managed for each identification information and the identification information is either a network address or a user name, the user is related to the output device and the information processing device. Therefore, it is possible to obtain a preferable image always subjected to the same correction processing.
[0062]
(Example 3)
The construction means 20c for constructing the second Mahalanobis space according to the third embodiment constructs the second Mahalanobis space from the reference data group and the history information. That is, the representative color of the reference data group is extracted from the relationship between the representative color of the “reference data group” in the first Mahalanobis space and the representative color in the user history information. Next, the representative color of the “reference data group” that minimizes the color difference between the two representative values is extracted. Next, the second Mahalanobis space is created by increasing the number of samples of the reference data group according to the number of output sheets and the color difference in the user history information. Details will be described below.
[0063]
FIG. 12 shows a second Mahalanobis space creation method according to the third embodiment. In the present embodiment, an sRGB environment is assumed and converted to Lab according to the input profile.
[0064]
A representative value of the output image data is acquired from the user history information (step 301). In the embodiment, (R, G, B) = (224, 165, 145) is acquired and converted into Lab to obtain (L, a, b) = (73, 21, 19).
[0065]
A representative color of the original image in the reference data group of the first Mahalanobis space is acquired (step 303). In the embodiment, (org_L, org_a, org_b) = (74, 29, 21) is acquired. The Lab value at this time is the Lab value of the original image.
[0066]
The relative distance (color difference) between step 301 and step 303 is calculated, and this is repeated a predetermined number of times (steps 302 and 304). The color difference ΔE is calculated by the following equation.
[Expression 10]

[0067]
The number of output sheets in the user history information and the color difference calculated in the previous step 304 are temporarily stored (step 305).
[0068]
The number of samples in the reference data group is updated based on the number of output user history information (step 306). That is, the product of the color difference and the number of output sheets is calculated and converted into a ratio (%) to the whole (see FIG. 13). The point representative color is increased by the number of output sheets according to this ratio. In the case of the present embodiment, the ratio is 45: 35: 16: 4. Therefore, this is made to correspond to the ratio of the “reference data group” to obtain FIG. This is referred to as an “update reference data group”.
[0069]
A second Mahalanobis space is created based on the updated “update reference data group” (step 307).
[0070]
The matrix element calculation method of the second Mahalanobis space is the same as the Mahalanobis space generation method described in the first Mahalanobis space and the storage unit 20b that stores the reference data group.
[0071]
According to this embodiment, the construction means calculates the relative distance between the representative color in the reference data group and the representative color in the history information, and the reference data according to the calculation result and the number of output sheets in the history information. Since the changing means for changing the number of samples in the group is provided, even when the number of output sheets is small, more preferable color correction can be performed.
[0072]
The present invention can also be achieved by supplying a recording medium recording a program for realizing the processing functions described above to a system or apparatus, and reading and executing the program recorded on the recording medium by a computer of the system or apparatus. .
[0073]
【The invention's effect】
As described above, according to the present invention, it is possible to correct a user's preferable image while reducing the burden on the user.
[Brief description of the drawings]
FIG. 1 is a diagram illustrating a conventional image processing method.
FIG. 2 shows an example of a conventional color conversion parameter.
FIG. 3 shows a configuration example to which the present invention is applied.
FIG. 4 shows a configuration of an embodiment of the present invention.
FIG. 5 shows an example of representative values of input image data in history information.
FIG. 6 shows an example of history information.
FIG. 7 shows an example of a reference data group.
FIG. 8 shows a second Mahalanobis space creation method according to an embodiment of the present invention.
FIG. 9 shows an example of the updated reference data group.
FIG. 10 shows a flowchart for creating a masking parameter.
FIG. 11 shows an example of selecting an image output environment.
12 shows a second Mahalanobis space creation method according to Embodiment 3. FIG.
FIG. 13 shows an example in which the product of the color difference and the number of output sheets is converted into a ratio to the whole in the third embodiment.
FIG. 14 shows an example of the updated reference data group in the third embodiment.
[Explanation of symbols]
10 Image input means 20 Image processing means 20a History information acquisition means 20b Reference data group, Mahalanobis space storage means 20c Mahalanobis space construction means 20d Color correction parameter calculation means 20e Color correction means 30 Image output means

Claims

An image processing apparatus that performs correction processing suitable for a user's preference on an input image, performs color correction processing on a plurality of sample image data so as to feel a preferable color, For each of the sample image data after color correction, a value (hereinafter referred to as a representative color) based on a statistic of pixel color information relating to the memory color in the sample image data is calculated, and the calculated representative color data Storage means for storing a reference data group consisting of a set of and a first Mahalanobis space that is an inverse matrix of a correlation matrix calculated based on the reference data group;
A representative color is calculated for output image data that has been output obtained from user output history information, and the calculated representative color of the output image data and the number of output image data are stored for each user as history information. User history information storage means;
A representative color in the reference data group of the first Mahalanobis space, calculates the relative distance between the representative color in the history information of the user, the first Mahalanobis space that takes the smallest value among the relative distances issued the calculated A representative color in the reference data group, and for the data set of the reference data group having the representative color, an update reference data group is generated by increasing the number of the data sets according to the number of output sheets, Mahalanobis space construction means for constructing a second Mahalanobis space that is an inverse matrix of a correlation matrix based on the generated update reference data group;
Based on the second Mahalanobis space, the relative distance between the representative color of the sample image data before color correction and the representative color of the sample image data after color correction that the update reference data group has is calculated. Color correction parameter calculation means for calculating a variable parameter for color correction that minimizes the relative distance;
Color correction means for converting the input image data into color signals based on the variable parameters;
An image processing apparatus comprising:

The image processing apparatus according to claim 1, wherein the user history information is centrally managed by identification information of either a network address or a user name.

An image processing method for performing correction processing suitable for a user's preference on an input image, performing color correction processing on a plurality of sample image data so as to feel a preferable color, For each of the sample image data after color correction, a value (hereinafter referred to as a representative color) based on a statistic of pixel color information relating to the memory color in the sample image data is calculated, and the calculated representative color data A storage step of storing a reference data group consisting of a set of and a first Mahalanobis space that is an inverse matrix of a correlation matrix calculated based on the reference data group;
A representative color is calculated for output image data that has been output obtained from user output history information, and the calculated representative color of the output image data and the number of output image data are stored for each user as history information. A user history information storage step;
A representative color in the reference data group of the first Mahalanobis space, calculates the relative distance between the representative color in the history information of the user, the first Mahalanobis space that takes the smallest value among the relative distances issued the calculated A representative color in the reference data group, and for the data set of the reference data group having the representative color, an update reference data group is generated by increasing the number of the data sets according to the number of output sheets, A Mahalanobis space construction step of constructing a second Mahalanobis space that is an inverse matrix of a correlation matrix based on the generated update reference data group;
Based on the second Mahalanobis space, the relative distance between the representative color of the sample image data before color correction and the representative color of the sample image data after color correction that the update reference data group has is calculated. A color correction parameter calculating step for calculating a variable parameter for color correction that minimizes the relative distance;
A color correction step of converting the input image data into color signals based on the variable parameters;
An image processing method comprising:

A program for causing a computer to execute each step of the image processing method according to claim 3.

A computer-readable recording medium on which a program for causing a computer to execute each step of the image processing method according to claim 3 is recorded.