JP6218643B2 - 画像処理装置、画像処理方法及びプログラム - Google Patents

Description

本発明は、画像形成処理に要する処理時間を予測する画像形成時間予測装置及び画像形成時間予測方法に関する。

従来、印刷処理を行うユーザに対して、印刷処理に要する時間を通知する技術が提案されている。印刷処理は、次の処理を含む。すなわち、印刷処理が指示された際に投入されるＰＤＬ（Ｐａｇｅ Ｄｅｓｃｒｉｐｔｉｏｎ Ｌａｎｇｕａｇｅ）データを解析して中間データを生成する。そして、生成した中間データからビットマップ画像データを生成し、ビットマップ画像データに基づいて印刷を行なう処理である。一般に、印刷処理に要する時間が長くなる処理は、中間データからビットマップ画像データを生成する処理である。以下では、この中間データからビットマップ画像データを生成する処理のことを画像形成処理に要する処理時間、または単に画像形成時間と称するものとする。

特許文献１ではＰＤＬデータが示すページの描画情報に含まれる描画オブジェクトの個数やサイズから前述の画像形成時間を予測する技術が提案されている。

特開２０１１−２３９０７１号公報

しかし、前述した画像形成時間予測技術を用いて画像形成時間の予測を行う場合、予測する画像形成処理の手法によっては正確な画像形成時間の予測が出来ない課題が有る。

例えば、一般的に知られるスキャンライン手法を用いた画像形成処理は、スキャンライン毎に陰面除去を行いながら画像形成を行う構成であり、前面に別オブジェクトが重なることで隠れるオブジェクトの領域の画像形成は行わない。しかし、特許文献１の技術では単純に描画オブジェクトの個数やサイズから予測を行なっているので、実際には画像形成されない背面のオブジェクトも画像形成されるものとして処理時間の予測が行われていることになる。このため、最終的に陰面に隠れて無関係な（描画処理をしない）データが予測時間に含まれるので、正確な画像形成時間が予測できないという課題が有る。例えば、実際の画像形成処理に要する時間よりも長い画像形成時間を予測してしまう場合がある。

本発明に係る画像処理装置は、複数のオブジェクトを含む画像データの描画時間を予測する画像処理装置であって、前記画像データを取得する取得手段と、前記複数のオブジェクトのうちのオブジェクトであって、別のオブジェクトの上に重なるオブジェクトを特定する特定手段と、前記特定されたオブジェクトと前記別のオブジェクトとの位置関係、および、前記特定されたオブジェクトが透過であるか否かに少なくとも基づいて、前記描画時間を予測する予測手段と、を有する。

本発明によれば、画像形成時間の予測精度を向上させることが可能となる。

実施例１に関わる、画像処理装置のコントローラ１１０を含む構成例を示すブロック図である。 実施例１に関わる、画像形成時間予測処理の一連の処理フローを示す図である。 実施例１に関わる、ＰＤＬデータ傾向抽出処理の詳細なフローを示す図である。 実施例１に関わる、オブジェクトの密集度を管理するテーブルの一例を示す図である。 実施例１に関わる、画像形成時間予測処理選択の詳細なフローを示す図である。 実施例１に関わる、描画オブジェクトが少ない場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。 実施例１に関わる、陰面除去後パラメータ判定処理の詳細なフローを示す図である。 実施例１に関わる、描画オブジェクトが多い場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。 実施例１に関わる、画像形成時間予測処理の詳細なフローを示す図である。 実施例１に関わる、”陰面除去後パラメータ”予測処理の詳細なフローを示す図である。 実施例１に関わる、”陰面除去後パラメータ”予測処理の詳細な内容を説明する図である。 実施例１に関わる、”陰面除去後パラメータ”予測処理の詳細な内容を説明する図である。 実施例１に関わる、”ソート回数パラメータ”予測処理の詳細なフローを示す図である。 実施例１に関わる、“ソート回数パラメータ”予測処理の詳細な内容を説明する図である。 実施例２に関わる、ページ画像に対する画像形成時間予測処理の一連の処理フローを示す図である。 実施例３に関わる、画像処理装置のコントローラ１６１０を含む構成例を示すブロック図である。 実施例３に関わる、描画オブジェクトが少ない場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。 実施例３に関わる、描画オブジェクトが多い場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。

以下、添付の図面を参照して、本発明の好適な実施例を説明する。なお、以下の実施例において示す構成は一例にすぎず、本発明は図示された構成に限定されるものではない。

以下、本発明を実施するための形態について図面を用いて説明する。図１は、本実施例の画像形成時間予測装置である画像処理装置が有するコントローラ１１０を含む構成例を示すブロック図である。本実施例の画像処理装置は、ＭＦＰ（Multi Function Printer）、ＳＦＰ（Single Function Printer）のうち、いずれのプリンタであってもよい。また、画像処理装置は、ＭＦＰ、ＳＦＰ以外のプリント方式のプリンタであってもよい。

図１を用いて、本実施例の画像処理装置の詳細なハードウェア構成について説明する。画像処理装置のコントローラ１１０は、ＣＰＵ１２０、ＲＯＭ１２１、ＲＡＭ１２２、記憶部１２３を有する。また、操作部Ｉ／Ｆ１２５、ネットワークＩ／Ｆ１２６、システムバス１２７、イメージバスＩ／Ｆ１２８、画像バス１３０、ＲＩＰ１３１、デバイスＩ／Ｆ１３２を有する。

コントローラ１１０は、画像出力デバイスであるプリンタ装置１１１と接続し、プリント出力のための制御を行う。また、コントローラ１１０は、ＬＡＮ３と接続することで、画像データやデバイス情報をＬＡＮ３経由で入出力するための制御を行う。プリンタ装置１１１はデバイスＩ／Ｆ１３２と結合され、コントローラ１１０で生成された画像データを紙に出力する処理を行う。

ＣＰＵ１２０は画像処理装置全体を制御するための中央処理装置である。ＲＡＭ１２２は、ＣＰＵ１２０が動作するためのシステムワークメモリであり、入力された画像データを一時記憶するための画像メモリでもある。ＲＯＭ１２１はブートＲＯＭであり、システムのブートプログラムが格納されている。記憶部１２３はハードディスクドライブであり、各種処理のためのシステムソフトウェア及び入力された画像データ等を格納する。操作部Ｉ／Ｆ１２５は、各種メニューや印刷データ情報等を表示可能な表示画面を有する操作部１１３に対するインタフェース部であり、操作部１１３に対して操作画面データを出力する。また、操作部Ｉ／Ｆ１２５は、操作部１１３から操作者が入力した情報をＣＰＵ１２０に伝える役割をする。ネットワークＩ／Ｆ１２６は、例えばＬＡＮカード等で実現され、ＬＡＮ３に接続して外部装置との間で情報の入出力を行う。以上のユニットがシステムバス１２７上に配置されている。

イメージバスＩ／Ｆ１２８は、システムバス１２７と画像データを高速で転送する画像バス１３０とを接続するためのインタフェースであり、データ構造を変換するバスブリッジである。画像バス１３０上には、ＲＩＰ（ラスタイメージプロセッサ）１３１、デバイスＩ／Ｆ１３２が接続される。ＲＩＰ１３１は、ページ記述言語（ＰＤＬ（Page Description Language））データや中間データ（ディスプレイリスト）を解析しイメージデータに展開する。デバイスＩ／Ｆ１３２は、プリンタ装置１１１とコントローラ１１０とを接続し、画像データの同期系／非同期系の変換を行う。

＜画像処理装置における画像形成時間予測処理＞
図２は、本実施例における画像形成時間予測処理の一連の処理フローを示す図である。図２に示す処理は、例えばＣＰＵ１２０によって実行される。ＣＰＵ１２０が図２の処理を実行するためのプログラムをＲＯＭ１２１からＲＡＭ１２２へロードし、実行することにより、コントローラ１１０はＣＰＵ１２０に対し、図２の処理を実行させることになる。

まず、ＰＤＬで示されたページ画像の印刷データ（以下、ＰＤＬデータという）が、ＰＣから画像処理装置に送信される。そしてＣＰＵ１２０は、受信したＰＤＬデータを、記憶部１２３に格納する。このように、図２の例では、ページ毎の画像形成時間を予測する。

まずＣＰＵ１２０は、ステップＳ２０１において、記憶部１２３に格納されたＰＤＬデータを取得する。次にステップＳ２０２においてＣＰＵ１２０は、取得したＰＤＬデータに含まれる描画オブジェクトの傾向を抽出するＰＤＬデータ傾向抽出処理を行う。詳細は後述する。次にステップＳ２０３においてＣＰＵ１２０は、ＰＤＬデータ傾向抽出処理で抽出したＰＤＬデータ傾向を元に、画像形成予測処理を選択する。詳細は後述する。次にステップＳ２０４においてＣＰＵ１２０は、ステップＳ２０３の選択処理で選択した画像形成時間予測処理を用いて、画像形成時間の予測処理を行う。ここで算出した画像形成時間をユーザに通知することにより、画像形成に必要な時間をユーザに認識させることを実現する。

次にステップＳ２０５においてＣＰＵ１２０は、ステップＳ２０４で予測した画像形成時間を表示する処理を行う。印刷データが複数ページからなる印刷データである場合には各ページに対する画像形成時間を表示してもよいし、全てのページの合計の画像形成時間を表示してもよい。ＣＰＵ１２０は操作部Ｉ／Ｆ１２５経由で操作部１１３に表示することにより、ユーザに画像形成処理に要する時間を通知する処理を行う。なお、ここでは画像形成装置の操作部１１３に表示する例を説明したが、ＰＣなどのドライバから印刷指示を受けた場合には、ネットワークＩ／Ｆ１２６を介してＰＣに画像形成時間を表示してもよい。また、図２で説明した画像形成時間予測処理に含まれる各処理はＣＰＵ１２０で行う例を説明したが、ハードウェアで実現する構成であっても構わない。

＜画像処理装置におけるＰＤＬデータ傾向抽出処理＞
図３は、本実施例における図２のステップＳ２０２で示したＰＤＬデータ傾向抽出処理の詳細なフローを示す図である。ＰＤＬデータ傾向抽出処理は、ＰＤＬデータを解析して、ＰＤＬデータに含まれる描画オブジェクトの種類や命令などの情報を取得してＰＤＬデータ傾向を抽出する処理である。以下では、描画オブジェクトのことを単にオブジェクトを称することがある。ＰＤＬデータ傾向とは、ＰＤＬデータに含まれるオブジェクトの種類、数、オブジェクト同士の関連性などの傾向のことである。具体的には、オブジェクト全体の数やサイズ、透過または合成の指示があるオブジェクトの数やサイズ、クリップの指示があるオブジェクトの数、オブジェクトの密集度などの傾向を示す情報である。ＰＤＬデータ傾向に応じて後述するように画像形成時間の予測処理が変更される。つまり、本実施例では、単純にオブジェクトの数やサイズから画像形成時間を予測するのではなく、オブジェクト同士の関連性を考慮した上で適切な画像形成時間の予測処理を選択する。図３の処理では、このような選択を行なうための判定基準となるＰＤＬデータ傾向をＰＤＬデータに基づいて抽出する。なお、図３は、ＰＤＬデータで示される1ページ分の印刷データにおける傾向を抽出する処理である。

ステップＳ３０１においてＣＰＵ１２０は、取得したＰＤＬデータを解析して描画オブジェクトを取得する。次にステップＳ３０２においてＣＰＵ１２０は、ステップＳ３０１で取得したオブジェクトのオブジェクト数とオブジェクトのサイズとを種別毎にカウントする。オブジェクトの種別としては、例えばグラフィック、イメージ、文字などが挙げられる。例えばステップＳ３０１で取得したオブジェクト種別がグラフィックの場合、グラフィックの数を示す変数（ｇｒａｐｈｉｃ＿ｎｕｍ）をインクリメントする。またグラフィックのサイズの合計値を示す変数（ｇｒａｐｈｉｃ＿ｓｉｚｅ）に、ステップＳ３０１で取得したグラフィックのサイズを加算する処理を行う。なお、これらの変数はＰＤＬデータ傾向抽出処理の開始時に０に初期化しているものとする。以下の属性の変数も同様に初期化されているものとする。

またステップＳ３０１で取得したオブジェクト種別がイメージの場合、イメージの数を示す変数（ｉｍａｇｅ＿ｎｕｍ）をインクリメントする。またイメージのサイズの合計値を示す変数（ｉｍａｇｅ＿ｓｉｚｅ）に、ステップＳ３０１で取得したイメージのサイズを加算する処理を行う。

またステップＳ３０１で取得したオブジェクトが文字の場合、文字の数を示す変数（ｆｏｎｔ＿ｎｕｍ）をインクリメントする。また文字のサイズの合計値を示す変数（ｆｏｎｔ＿ｓｉｚｅ）に、ステップＳ３０１で取得した文字のサイズを加算する処理を行う。

ここで、オブジェクトのサイズとは次のものが挙げられる。例えば、オブジェクト種別がイメージであればピクセル数、グラフィックであればパス点数、文字であれば文字の大きさ又はサイズ等である。またここではオブジェクトのサイズとして、オブジェクトの輪郭の情報を示すオブジェクトエッジ数を用いても構わない。またここではオブジェクトの種別としてグラフィック、イメージ、文字を例に挙げたが、このほかの種別を用いてもよい。

次にステップＳ３０３においてＣＰＵ１２０は、ステップＳ３０１で取得した描画オブジェクトは透過もしくは合成の指示がされた描画オブジェクトであるか否かを判定する。透過もしくは合成の指示がされた描画オブジェクトか否かは、ＰＤＬデータに含まれる描画命令に基づいて判定することができる。なお、各描画オブジェクトには、透過、合成、上書きのいずれかの指示が与えられているものとする。ここで透過または合成は、２つ以上のオブジェクトを重ね合わせる処理であり、各オブジェクトの色をブレンドして描画オブジェクトの色とする処理である。透過と合成との違いはこのブレンドの手法が異なるものであるが、本実施例における本質ではないのでここでは説明を省略する。上書きは、その描画オブジェクトを前面に表示する処理である。ステップＳ３０１で取得したオブジェクトが透過もしくは合成の指示がされた描画オブジェクトであった場合、Ｓ３０４に進み、透過もしくは合成の指示がされた描画オブジェクトで無かった場合、Ｓ３０５に進む。

ステップＳ３０４においてＣＰＵ１２０は、透過もしくは合成の指示がされた描画オブジェクトの数及び透過もしくは合成の指示がされた描画オブジェクトのピクセル数をカウントする。ここで行うカウント処理は透過もしくは合成の指示がされたオブジェクト数を示す変数（ｃｍｐｓｔ＿ｎｕｍ）をインクリメントする。さらに透過もしくは合成の指示がされたオブジェクトのサイズの合計値を示す変数（ｃｍｐｓｔ＿ｓｉｚｅ）にステップＳ３０１で取得した透過もしくは合成の指示がされたオブジェクトのサイズを加算する処理を行う。

一方、ステップＳ３０５においてＣＰＵ１２０は、上書きが指定されるオブジェクト数及びピクセル数をカウントする。ここで行うカウント処理は上書きのオブジェクト数を示す変数（ｃｏｐｙ＿ｎｕｍ）をインクリメントする処理である。また、上書きのオブジェクトのサイズの合計値を示す変数（ｃｏｐｙ＿ｓｉｚｅ）にステップＳ３０１で取得した上書きオブジェクトのサイズを加算する処理である。Ｓ６０５で透過及び合成の指示が無かった場合、上書きの指定と判定できるため、前述した処理を行う。

なお、透過もしくは合成、または上書きの描画オブジェクトのサイズについては、描画オブジェクトの種別がイメージでない場合には、描画オブジェクトのサイズをピクセル数に換算してカウントするものとする。

次にステップＳ３０８においてＣＰＵ１２０は、ＰＤＬデータに含まれる描画命令に基づいて、ステップＳ３０１で取得した描画オブジェクトの種別がＣｌｉｐであるか否かを判定する。Ｃｌｉｐとは描画領域を象る描画命令である。Ｃｌｉｐの描画命令がある場合、実際に描画する領域はＣｌｉｐで象られた領域内（以下、Ｃｌｉｐ領域内という）であり、Ｃｌｉｐ領域の外にあるオブジェクトについては描画がされない。単純にオブジェクトの数やサイズで描画時間を予測すると、このＣｌｉｐ領域の外にある描画されないオブジェクトの描画時間までも含めて予測することになる。したがって、本実施例では、Ｃｌｉｐ数をＰＤＬデータの傾向の１つとして抽出している。ステップＳ３０６において、描画オブジェクトはＣｌｉｐであった場合、ステップＳ３０７に進み、Ｃｌｉｐの数をカウントする。ここで行うカウント処理はＣｌｉｐを示す変数（ｃｌｉｐ＿ｎｕｍ）をインクリメントする処理を行い、ステップＳ３０８に進む。描画オブジェクトがＣｌｉｐでなかった場合、そのままステップＳ３０８に進む。

ステップＳ３０８においてＣＰＵ１２０は、オブジェクトの密集度を管理するオブジェクト密集度テーブルの更新処理を行う。オブジェクト密集度とは所定の単位領域に存在するオブジェクトの個数を示す情報である。そしてオブジェクト密集度テーブルで所定領域毎のオブジェクト数を管理する。図４は、オブジェクト密集度テーブルの一例を示す図である。ここではステップＳ３０１で取得した描画オブジェクトがどの領域に存在するかを判定し、オブジェクト密集度テーブルの更新を行うものとする。

次にステップＳ３０９においてＣＰＵ１２０は、ＰＤＬデータに未処理の描画オブジェクトが存在するか否かを判定し、存在する場合、ステップＳ３０１に進み、存在しない場合、本処理を終了する。

＜画像処理装置における画像形成時間予測処理選択処理＞
図５は、本実施例における図２のステップＳ２０３における画像形成時間予測処理選択の詳細なフローを示す図である。画像形成時間予測処理の選択処理は、ステップＳ２０２で抽出したＰＤＬデータ傾向に基づいて行なわれる。

ステップＳ５０１においてＣＰＵ１２０は、ステップＳ２０２の処理においてカウントした描画オブジェクトの個数があらかじめ定めた閾値（Ｔｈ０）以上であるか否かを判定する。描画オブジェクトの個数とはＳ３０２でカウントしたオブジェクト種別毎の個数（ｇｒａｐｈｉｃ＿ｎｕｍ，ｉｍａｇｅ＿ｎｕｍ，ｆｏｎｔ＿ｎｕｍ，ｃｌｉｐ＿ｎｕｍ）の合計値である。所定値未満であった場合、ステップＳ５０２に進み、描画オブジェクトの個数が少ない場合の画像形成時間の予測方法の選択処理を行なう。所定値以上であった場合、ステップＳ５０３に進み、描画オブジェクトの個数が多い場合の画像形成時間の予測方法の選択処理を行なう。なお、オブジェクト数の代わりにオブジェクトの輪郭の情報を示すエッジ情報を元に判定処理を行っても構わない。その際は、エッジ数があらかじめ定めた閾値（Ｔｈ０）以上であるかを判定してもよい。

＜描画オブジェクトが少ない場合の画像形成時間の予測方法の選択処理＞
図６は、本実施例における図５のステップＳ５０２における描画オブジェクトが少ない場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。

ステップＳ６０１においてＣＰＵ１２０は、画像形成時間の予測処理時に用いる中間データの解像度を決定する処理を行う。本フローにおける処理は、描画オブジェクトの数が少ない場合の処理なので画像形成時間の予測に要する時間が長くないと考えられる。そこでＣＰＵ１２０は印刷指示がされた際の解像度を示す通常解像度を選択する。

次にステップＳ６０２においてＣＰＵ１２０は、画像形成時間の予測処理時に用いるパラメータとして、陰面除去後のパラメータが必要であるかを判定する処理である陰面除去後パラメータ判定処理を行う。詳細は後述する。ステップＳ６０３においてＣＰＵ１２０は、ステップＳ６０２の処理の結果、陰面除去後のパラメータが必要でないと判定した場合、ステップＳ６０４に進み、必要であると判定した場合、ステップＳ６０５に進む。陰面除去後のパラメータが必要無いと判定した場合、ステップＳ６０４においてＣＰＵ１２０は、画像形成時間の予測処理の手法として、”オブジェクト数／サイズ”予測処理を選択する。”オブジェクト数／サイズ”予測処理は、オブジェクト数やサイズに対し係数を演算することにより、画像形成時間を算出する処理であり、例えば特許文献１で開示されている手法である。一方、陰面除去後のパラメータが必要であると判定した場合、ステップＳ６０５においてＣＰＵ１２０は画像形成時間の予測処理の手法として、”陰面除去後パラメータ”予測処理を選択する。”陰面除去後パラメータ”予測処理は、陰面除去後の各種パラメータに対し係数を演算することにより、画像形成時間を算出する処理である。

＜画像処理装置における陰面除去後パラメータ判定処理＞
図７は、本実施例における図６のステップＳ６０２における陰面除去後パラメータ判定処理の詳細なフローを示す図である。陰面除去後パラメータ判定処理は、ステップＳ２０２の処理において抽出したＰＤＬデータ傾向に基づいて処理を行なう。

ステップＳ７０１においてＣＰＵ１２０は、ステップＳ２０２においてカウントしたイメージ種別のオブジェクトの数及びイメージ種別のピクセル数のうちの少なくとも一方が予め定めたそれぞれの閾値以上であるか否かを判定する。すなわち、ｉｍａｇｅ＿ｎｕｍとｉｍａｇｅ＿ｓｉｚｅのうち少なくとも一方がそれぞれの閾値（Ｔｈ１，Ｔｈ２）以上であるか否かを判定する。どちらも閾値未満であった場合、ステップＳ７０２に進み、どちらかの閾値以上であった場合、ステップＳ７０３に進む。イメージ種別のオブジェクトの場合、一画素ずつ描画する処理となるので処理量が多い。このようなイメージ種別のオブジェクトの数またはサイズが多いほど、陰面除去後の描画オブジェクトを描画する際に必要な時間が大きく異なる場合が想定される。従って、イメージ種別のオブジェクトの数またはサイズが所定の閾値以上の場合、”陰面除去後パラメータ”が必要な処理の方向であるステップＳ７０３に処理を進める。

ステップＳ７０２においてＣＰＵ１２０は、ステップＳ３０２においてカウントした透過もしくは合成の指示がされた描画オブジェクトの数及びピクセル数のうちの少なくとも一方が予め定めたそれぞれの閾値以上であるか否かを判定する。すなわち、ｃｍｐｓｔ＿ｎｕｍ及びｃｍｐｓｔ＿ｓｉｚｅのうちの少なくとも一方がそれぞれの閾値Ｔｈ３，Ｔｈ４以上であるか否かを判定する。

どちらも閾値未満であった場合、ステップＳ７０４に進み、どちらかの閾値以上であった場合、ステップＳ７０３に進む。透過もしくは合成の指示がされた描画オブジェクトの場合、少なくとも一部のオブジェクトはスキャンライン上で重複することになるので陰面除去後の描画オブジェクトを描画する際に必要な時間が大きく異なる場合が想定される。従って、透過もしくは合成の指示がされた描画オブジェクトの数またはサイズが所定の閾値以上の場合、”陰面除去後パラメータ”が必要な処理の方向であるステップＳ７０３に処理を進める。

ステップＳ７０３においてＣＰＵ１２０は、ステップＳ３０２においてカウントした上書きオブジェクト数及びＣｌｉｐ数の少なくとも一方が予め定めたそれぞれの閾値以上であるか否かを判定する。すなわち、ｃｏｐｙ＿ｎｕｍ及びｃｌｉｐ＿ｎｕｍの少なくとも一方がそれぞれの閾値Ｔｈ５、Ｔｈ６以上であるか否かを判定する。どちらも閾値未満であった場合、ステップＳ７０４に進み、どちらかが閾値以上であった場合、ステップＳ７０５に進む。上書きオブジェクトの数もＣｌｉｐの数もどちらも所定の閾値未満である場合は、陰面除去による影響が少ないと考えられる。従って、ステップＳ７０１またはステップＳ７０２で肯定された場合であっても、ステップＳ７０３の判定結果によってはステップＳ７０４に進み、”陰面除去後パラメータ”が不必要と判定することになる。なお、ステップＳ７０３の処理は必要に応じて行なえばよく、ステップＳ７０３の処理を行なわなくてもよい。

ステップＳ７０４においてＣＰＵ１２０は、画像形成時間の予測処理時に陰面除去後のパラメータは不必要であると判定する処理を行う。一方、Ｓ７０５においてＣＰＵ１２０は、画像形成時間の予測処理時に陰面除去後のパラメータは必要であると判定する処理を行う。

＜描画オブジェクトが多い場合の画像形成時間の予測方法の選択処理＞
図８は、本実施例における図５のステップＳ５０３における描画オブジェクトが多い場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。

ステップＳ８０１においてＣＰＵ１２０は、画像形成時間の予測処理時に用いるパラメータの取得処理を、どの解像度で作成した中間データで取得するかを決定する処理を行う。具体的には、印刷指示がされた際の解像度より低い解像度を示す低解像度を選択する。選択する解像度は、例えば７２ｄｐｉ，１４４ｄｐｉ，２００ｄｐｉ，３００ｄｐｉとする。これはオブジェクト数が多い事により、通常の解像度で画像形成時間の予測のためのパラメータを取得するとその処理自体で遅くなる可能性が有り、パラメータの取得処理を簡易に抑えるための処理として行う。

ステップＳ８０２においてＣＰＵ１２０は、画像形成時間の予測処理時に用いるパラメータとして、陰面除去後のパラメータが必要であるかを判定する陰面除去後パラメータ判定処理を行なう。ステップＳ８０２の処理はステップＳ６０２の処理と同じであるので、ここでの説明は省略する。

ステップＳ８０３においてＣＰＵ１２０は、ステップＳ８０２の結果、陰面除去後のパラメータが必要無いと判定した場合、ステップＳ８０５に進む。一方、必要あると判定した場合、画像形成時間の予測処理の手法として、ステップＳ６０５と同様に”陰面除去後パラメータ”予測処理を選択する。

ステップＳ８０５においてＣＰＵ１２０は、オブジェクトの密集度テーブル内にあらかじめ定めた所定の閾値以上のオブジェクト個数が存在する領域が有るか否かを判定する。例えば閾値を３個とした場合、図４の例では矩形領域（Ｘ，Ｙ）（５００，０），（５００，５００）の領域が閾値以上であるので、存在すると判定される。存在すると判定した場合、ステップＳ８０７に進み、画像形成時間の予測処理の手法として、”ソート回数パラメータ”予測処理を選択する。”ソート回数パラメータ”予測処理は、オブジェクトの挿入箇所の探索処理の回数を示すソート回数パラメータを算出し、算出した値に係数を演算することにより、画像形成時間を算出する予測方法である。詳細は後述する。一方、オブジェクトの密集度テーブル内にあらかじめ定めた所定の閾値以上のオブジェクト個数が存在する領域が無いと判定した場合、画像形成時間の予測処理の手法として”低解像度ＲＩＰ”予測処理を選択する。”低解像度ＲＩＰ”予測処理は、低解像度の中間言語を実際に画像形成処理し、その実測時間に対し所定の係数を演算することにより、画像形成時間を算出する処理である。

＜画像処理装置における画像形成時間予測処理＞
図９は、本実施例における図２のステップＳ２０４における画像形成時間予測処理の詳細なフローを示す図である。

ステップＳ９０１においてＣＰＵ１２０は、ステップＳ２０３において選択された画像形成時間予測処理を示す情報の取得を行う。次にステップＳ９０２においてＣＰＵ１２０は、選択された画像形成時間予測処理が”オブジェクト数／サイズ”予測処理であるか否かを判定する処理を行う。”オブジェクト数／サイズ”予測処理であった場合、ステップＳ９０７に進み、”オブジェクト数／サイズ”予測処理で無かった場合、ステップＳ９０３に進む。

ステップＳ９０３においてＣＰＵ１２０は、ステップＳ６０１もしくはステップＳ８０１において指定される解像度を判定する処理を行う。”低解像度”が設定されている場合、ステップＳ９０４に進み、ＣＰＵ１２０は画像形成時間の予測処理に利用する中間データとして低解像度の中間データの生成を行う。ここで低解像度の中間データの生成を行うのは、オブジェクト数もしくはエッジ数が多い場合、画像形成時間の予測処理に必要なパラメータの取得処理に時間を要することになる。従って、予測処理をより高速に行うために低解像度でパラメータの取得を行い、解像度比の係数を用いて通常の解像度の際のパラメータの値に変換し、その変換後の値を元に予測処理を行う。例えば解像度比の係数とは６００ｄｐｉで印刷が指示された際、低解像度２００ｄｐｉで予測処理を行う場合、３倍という係数となる。一方、”通常解像度”が設定されている場合、ステップＳ９０５に進み、画像形成時間の予測処理に利用するパラメータの取得を行う中間データとして印刷指示のあった解像度と同等の解像度の中間データの生成を行う。

次にステップＳ９０６においてＣＰＵ１２０は、ステップＳ９０１で取得したパラメータの判定処理を行う。”低解像度ＲＩＰ”であった場合、ステップＳ９０８に進み、”陰面除去後パラメータ”であった場合、ステップＳ９０９に進み、”ソート回数パラメータ”であった場合、ステップＳ９１０に進む。

ステップＳ９０７においてＣＰＵ１２０は、”オブジェクト数／サイズ”を元に画像形成時間の予測処理を行う。予測方法の詳細としては、例えば以下のようにオブジェクトの種別毎の個数及びサイズとそれぞれに対応する係数を演算することにより算出する。このような処理は例えば特許文献１に記載されているような公知の手法を用いて行なうことができる。
＜＜“オブジェクト個数／サイズ”予測処理＞＞
画像形成時間＝
（グラフィック数×係数１）＋（イメージ数×係数２）＋（文字数×係数３）
＋（グラフィック点数×係数４）＋（イメージサイズ×係数５）＋（文字サイズ×係数６）

ステップＳ９０８においてＣＰＵ１２０は、”低解像度ＲＩＰ”を元に画像形成時間の予測処理を行う。この処理も公知の技術を用いて予測するものとする。予測方法の詳細としては、画像形成処理を実際に行ってしまい、その実測値を画像形成時間として認識する処理である。但し、通常の解像度で画像形成処理を行ってしまうと時間がかかってしまうことが有る。従って、低解像度で生成した中間データに基づいて実際に画像形成処理を行い、通常解像度と低解像度の比率の係数を実際の画像形成時間に演算することにより、画像形成時間を算出する処理を行う。

ステップＳ９０９においてＣＰＵ１２０は、”陰面除去後パラメータ”を元に画像形成時間の予測処理を行う。ここでは実際に陰面除去処理を行い、実際に前面に別オブジェクトが重なることで隠れ描画されない個所の情報を除去した後の描画情報を元に画像形成時間の予測を行う。詳細は後述する。

ステップＳ９１０においてＣＰＵ１２０は、”ソート回数パラメータ”を元に画像形成時間の予測処理を行う。ここでは実際に画像形成処理におけるオブジェクトの順番制御処理（ソート処理）を行い、順番制御処理時に行うソート処理の回数を算出し、算出したソート回数を元に画像形成時間の予測処理を行う。詳細は後述する。

＜画像処理装置における”陰面除去後パラメータ”予測処理＞
図１０は、本実施例における図９のステップＳ９０９における”陰面除去後パラメータ”予測処理の詳細なフローを示す図である。また図１１及び図１２は”陰面除去後パラメータ”予測処理において行う陰面除去処理及び陰面除去後パラメータの説明を行う図である。”陰面除去後パラメータ”予測処理は、陰面除去を考慮した画像形成処理時間の予測処理のことである。具体的には、陰面除去後のパラメータを用いて画像形成処理時間を予測する。

ステップＳ１００１においてＣＰＵ１２０は、ステップＳ９０４もしくはＳ９０５で生成した中間データに対して陰面除去処理を行う。ここで行う陰面除去処理は公知の技術を利用する構成をとる。図１１は、ページ画像１１０１を示している。ページ画像１１０１は、クリップ描画領域１１０２と矩形描画領域１１０３とが重なり合うページである。なお、ページ画像１１０１の点線は、クリップ前の矩形の形をしたイメージのオブジェクトを示している。クリップ描画領域１１０２は、この点線で示す矩形の形をしたイメージのオブジェクトをクリップ指示で表される三角形に象ったものであり、象った領域外の部分のイメージは描画されず、象った領域内の部分のイメージが描画される。また、ページ画像１１０１では、このクリップ描画領域１１０２の前面に矩形描画領域１１０３が部分的に重なっている（上書きされている）。

このようなオブジェクトが含まれているページ画像１１０１の陰面除去処理について説明する。まず、前述の点線で示す矩形の形をしたイメージデータを三角形状のクリップ描画で象ったクリップ描画領域１１０２を抽出する。次にクリップ描画領域１１０２のうち、矩形描画領域１１０３により陰面に隠れる箇所を削除する。これによりクリップや陰面に隠れて描画されない個所を削除し、描画が行われる箇所のみをスキャンラインごとに抽出した閉領域情報を生成する。図１１には、クリップ描画領域１１０２の陰面除去後の閉領域情報１１２０と、矩形描画領域１１０３の陰面除去後の閉領域情報１１３０も示している。このような陰面除去後の閉領域情報１１２０、１１３０と、白紙箇所の閉領域とによって、陰面除去後のページ情報１１１０が構成されることになる。陰面除去後のパラメータとは、このような閉領域情報が示す閉領域数、オブジェクト数、ピクセル数などのことである。

図１２は、透過の指示があるオブジェクトの場合の陰面除去の処理の例を示す図である。図１２は、図１１と同様にクリップ描画領域と矩形描画領域とが重なる例を示しているが、この矩形描画領域が透過の場合を例に示した図である。図１２に示すようなページ画像１２０１の陰面除去処理は、図１１の説明と同様に、点線で示す矩形の形をしたイメージデータを三角形状で象ったクリップ描画領域をまず抽出する。次にクリップ描画領域１２０２と透過矩形描画領域１２０３とが重なり合う透過重なり領域１２０４を抽出する。また、透過矩形描画１２０５が白紙と重なり合う透過重なり領域１２０５を抽出する。これによりクリップに隠れて描画されない個所を削除し、さらに透過箇所を考慮した箇所をスキャンラインごとに抽出した閉領域情報を生成する。図１２には、クリップ描画領域１２０２の陰面除去後の閉領域情報１２２０と、透過重なり領域１２０４の陰面除去後の閉領域情報１２３０と、透過重なり領域１２０５の陰面除去後の閉領域情報１２４０も示している。このような陰面除去後の閉領域情報１２２０、１２３０、１２４０と、白紙箇所の閉領域とによって、陰面除去後のページ情報１２１０が構成されることになる。

以上が陰面除去処理と陰面除去後のパラメータの説明である。次に、図１０のフローチャートに戻り”陰面除去後パラメータ”予測処理の説明を続ける。

ステップＳ１００２においてＣＰＵ１２０は、陰面除去後のパラメータの取得処理を行う。ここで取得する陰面除去後のパラメータとは前述した陰面除去処理で算出した閉領域情報（１１２０，１１３０，１２２０，１２３０，１２４０）で示されるページ内の描画対象の総閉領域数、総オブジェクト数、総ｐｉｘｅｌ数を示すものである。例えば、図１１に示すページ画像１１０１の場合、総閉領域数が９個、総オブジェクト数が９個、総閉領域ｐｉｘｅｌ数が４８ｐｉｘｅｌとなる。また、図１２に示すページ画像１２０１の場合、総閉領域数が１１個、総オブジェクト数が１３個、総閉領域ｐｉｘｅｌ数が５１ｐｉｘｅｌとなる。なお、図１２の透過重なり領域１２０４は、クリップ描画領域１２０２と透過矩形描画領域１２０３との２つのオブジェクトが重複しているので、オブジェクト数は２になっている。

ステップＳ１００３においてＣＰＵ１２０は、ステップＳ６０１もしくはステップＳ８０１で指定される解像度を判定する処理を行う。”低解像度”が設定されている場合、ステップＳ１００４に進み、”通常解像度”が設定されている場合、ステップＳ１００５に進む。

ステップＳ１００４においてＣＰＵ１２０は、ステップＳ１００２で取得した陰面除去後パラメータに解像度比の所定の係数を演算する処理を行う。このステップＳ１００４に来る場合、ステップＳ１００２で取得した陰面除去後パラメータは低解像度で生成した中間データを元に算出した値となる。従って、通常解像度での画像形成時間を算出するため、ステップＳ１００２で取得した陰面除去後パラメータに所定係数を演算し、通常解像度での陰面除去後パラメータに近づけた値を算出する。

ステップＳ１００５においてＣＰＵ１２０は、ステップＳ１００２で取得した、またはステップＳ１００４で算出した陰面除去後パラメータを用いて実際に画像形成時間の予測処理を行う。画像形成時間の予測方法としては、取得した各陰面除去後パラメータに所定の係数を演算し、その総和を画像形成時間として算出する方法が挙げられる。実際には例えば以下の演算式を利用し、画像形成時間の算出処理を行う。
＜＜“陰面除去後パラメータ”予測処理＞＞
画像形成時間＝
（総閉領域数×係数１１）＋（総閉領域オブジェクト数×係数１２）
＋（総閉領域ピクセル数×係数１３）＋（総オブジェクト数／エッジ数×係数１４）

ここで、総閉領域数、総閉領域オブジェクト数、総閉領域ピクセル数は、図１１や図１２で示したものである。これらに所定の係数をかけて加算したものに、総オブジェクト数またはエッジ数に所定の係数をかけたものを加算する。ここで、総オブジェクト数またはエッジ数に所定の係数をかけたものを加算するのは、陰面除去処理に要する時間を考慮するためである。すなわち、画像形成時間には、陰面除去後のパラメータを用いて描画を行なう処理に要する時間と、陰面除去後のパラメータを算出するために要する時間とが含まれる。総オブジェクト数またはエッジ数に所定の係数をかけることにより、陰面除去後のパラメータを算出するための時間を大まかに得ることができる。

＜”陰面除去後パラメータ”予測処理の変形例＞
次に、”陰面除去後パラメータ”予測処理の変形例を説明する。具体的には、図１０の処理のうち、ステップＳ１００２とステップＳ１００４とステップＳ１００５の処理を変更する。

変形例においては、ステップＳ１００２において陰面除去後のパラメータとともに、Ｓ１００１で行った陰面除去処理に要した陰面除去時間も取得する。また、ステップＳ１００４においては、ＣＰＵ１２０は、Ｓ１００２で取得した陰面除去後パラメータに解像度比の所定の係数を演算するとともに、さらにステップＳ１００２で取得した陰面除去時間に対しても所定の解像度比の係数を演算する処理を行う。

そして、ステップＳ１００５においてＣＰＵ１２０は、算出した陰面除去後パラメータと、陰面除去時間とを用いて実際に画像形成時間の予測処理を行う。算出方法としては、取得した各陰面除去後パラメータと陰面除去時間に所定の係数を演算し、その総和を画像形成時間として算出する。実際には例えば以下の演算式を利用し、画像形成時間の算出処理を行う。
＜＜”陰面除去後パラメータ”予測処理＞＞
画像形成時間＝
（総閉領域数×係数１１）＋（総閉領域オブジェクト数×係数１２）
＋（総閉領域ピクセル数×係数１３）＋（陰面除去時間×係数１５）

先の例と異なり、変形例においては、総オブジェクト数またはエッジ数に所定の係数をかけることにより陰面除去に要した時間を求めるのではなく、陰面除去処理に実際に要した時間を用いて画像形成時間を予測する。

＜画像処理装置における”ソート回転パラメータ”予測処理＞
図１３は、本実施例における図９のステップＳ９１０における”ソート回数パラメータ”予測処理の詳細なフローを示す図である。また図１４は”ソート回数パラメータ”予測処理において行うソート回数算出処理及びソート回数パラメータの説明を行う図である。

ステップＳ１３０１においてまずＣＰＵ１２０は、Ｓ９０４もしくはＳ９０５で生成した中間データに対してオブジェクト順番制御処理を行う。ここで行うオブジェクト順番制御処理は公知の技術を利用する構成をとる。

図１４はオブジェクト順番制御処理の具体例を示す図である。オブジェクト順番制御処理は、スキャンラインで描画処理をする際に、オブジェクトの並び順をソートする処理である。図１４の例では、奥行き方向（Ｚ軸方向）に向かって矩形が挿入される位置や削除される位置を探索する処理を示している。オブジェクトの順番制御処理は、特定の領域に多量のオブジェクトがあると、矩形が挿入される位置や削除される位置を探索する処理が多くなる。この矩形が挿入される位置や削除される位置を探索する処理は時間を要する処理である。陰面除去後のパラメータを用いない場合であっても、このオブジェクト順番制御処理が多く発生すると、やはり単純にオブジェクト数やサイズから予測される画像形成処理時間と、実際にかかる画像形成処理時間との乖離が大きくなってしまう。そこで、合成などのオブジェクト数が所定の閾値以下であり陰面除去後のパラメータを用いない場合であっても、オブジェクト順番制御処理が多く発生するような場合、図１４に示すような処理によって画像形成処理時間を予測する。なお、先の例で示した陰面除去後のパラメータを用いる処理の場合、陰面除去に要する時間としてこのオブジェクトの順番制御処理の時間も含まれている。

図１４の例を用いてオブジェクト順番制御処理を説明する。例えばページ画像１４００のように３つの矩形（１４０１，１４０２，１４０３）が重なり合うページのオブジェクト順番制御処理は、それぞれの矩形が初めて出現するライン及び矩形が無くなるラインに対して処理を行う。まずページ画像１４００を処理していくと、ラインＡ（１４０４）で矩形１が出現する。従って、図１４に示すラインＡの挿入処理を行う。この時、挿入箇所探索処理の回数は図の通り１回となる。次にラインＢ（１４０５）で矩形２が出現する。従って、図１４に示すラインＢの挿入処理を行う。この時、挿入箇所探索処理の回数は図の通り２回となる。次にラインＣ（１４０６）で矩形３が出現する。従って、図１４に示すラインＣの挿入処理を行う。この時、挿入箇所探索処理の回数は図の通り３回となる。

次にラインＸ（１４０７）で矩形３が消滅する。従って、図１４に示すラインＸの削除処理を行う。この時、削除オブジェクト探索処理の回数は図の通り３回となる。次にラインＹ（１４０８）で矩形２が消滅する。従って、図１４に示すラインＹの削除処理を行う。この時、削除オブジェクト探索処理の回数は図の通り２回となる。次にラインＺ（１４０９）で矩形１が消滅する。従って、図１４に示すラインＺの削除処理を行う。この時、削除オブジェクト探索処理の回数は図の通り１回となる。このようにオブジェクトの出現または消滅ラインで、挿入または削除の回数を算出する処理を行う。

次に、図１３のフローチャートに戻り説明を続ける。ステップＳ１３０２においてＣＰＵ１２０は、オブジェクト順番制御回数（ソート回数）のパラメータの取得処理を行う。ここで取得するオブジェクト順番制御回数（ソート回数）のパラメータとは前述したステップＳ１３０１におけるオブジェクト順番制御処理で算出した挿入箇所探索処理と削除オブジェクト探索回数が挙げられる。ページ画像１４００の場合、挿入箇所探索回数が６回、削除オブジェクト探索回数が６回となる。

ステップＳ１３０３においてＣＰＵ１２０は、ステップＳ６０１もしくはＳ８０１で指定される解像度を判定する処理を行う。”低解像度”が設定されている場合、ステップＳ１３０４に進み、”通常解像度”が設定されている場合、ステップＳ１３０５に進む。

ステップＳ１３０４においてＣＰＵ１２０は、ステップＳ１３０２で取得したオブジェクト順番制御回数（ソート回数）に解像度比の所定の係数を演算する処理を行う。Ｓ１３０４に来る場合、ステップＳ１３０２で取得した陰面除去後パラメータは低解像度で生成した中間データを元に算出した値となる。従って、通常解像度での画像形成時間を算出したいため、ステップＳ１３０２で取得した陰面除去後パラメータに所定係数を演算し、通常解像度での陰面除去後パラメータに近づけた値をここでは算出する処理を行う。低解像度に変換した場合には、オブジェクトが小さくなり過ぎて通常解像度ではソートされたものがソートされない場合もある。ステップＳ１３０４では、このような点を考慮して、低解像度で生成した中間データに所定の係数を演算したものを用いる。

ステップＳ１３０５においてＣＰＵ１２０は、算出したオブジェクト順番制御回数（ソート回数）を用いて実際に画像形成時間の予測処理を行う。予測方法としては、取得した挿入箇所探索回数と、削除オブジェクト探索回数と、にそれぞれ所定の係数を演算し、その総和を画像形成時間として算出する。実際には例えば以下の演算式を利用し、画像形成時間の算出処理を行う。
＜＜“ソート回数パラメータ”予測処理＞＞
画像形成時間＝
（（挿入箇所探索回数×係数２１）＋（削除オブジェクト探索回数×係数２２）
＋（総オブジェクト数／エッジ数×係数２３））

ここでは、ソート処理後にオブジェクトを描画する時間を考慮するために、総オブジェクト数またはエッジ数に所定の係数を演算したものを画像形成時間に含めている。

次に、ステップＳ１３０６においてＣＰＵ１２０はステップＳ１３０５で予測した画像形成時間にオブジェクト密集度係数を演算する。オブジェクトの順番制御処理は、ソート回数が増える毎にキャッシュの効率などが悪くなる傾向が有る。従って、ステップＳ１３０６はそのような場合にある程度のオーバヘッドを演算する処理を示す。オブジェクトの密集度は図４で示すように、所定の閾値以上のオブジェクトがある領域の個数を算出したものである。そして密集している領域の個数に応じてあらかじめ定めた係数をＳ１３０５で算出した画像形成時間に演算することにより、最終的な画像形成時間を算出する処理を行う。

＜効果＞
以上述べたように、本実施例によれば前述したスキャンライン手法の画像形成処理を用いた際でも、様々なデータ傾向の画像形成時間予測精度の向上が可能となる。

実施例１では、図２で示した画像形成時間の予測処理の選択は、ページ単位で行われる例を説明した。実施例２では、所定領域単位（ここではバンド単位での実施を説明）での処理を実現する例を説明する。図１５は、本実施例における画像処理装置の、ページ画像に対する画像形成時間予測処理の一連の処理フローであり、コントローラ１１０によって実行される。ＣＰＵ１２０が図２の処理を実行するためのプログラムをＲＯＭ１２１からＲＡＭ１２２へロードし、実行することにより、コントローラ１１０は図１５の処理を実行することになる。

ステップＳ１５０１においてＣＰＵ１２０は、印刷データとして投入されたＰＤＬデータの取得処理を行う。ステップＳ１５０２においてＣＰＵ１２０は、取得したＰＤＬデータから、さらに所定の領域内（ここではバンド内）に位置するＰＤＬデータを抽出する処理を行う。

ステップＳ１５０３においてＣＰＵ１２０は、所定領域内の取得したＰＤＬデータに含まれる所定領域内の描画オブジェクトの傾向を抽出するＰＤＬデータ傾向抽出処理を行う。本処理は、実施例１とは対象がページ単位か所定領域単位かが異なることを除いて同様の処理であるので、説明は省略する。

ステップＳ１５０４においてＣＰＵ１２０は、ステップＳ１５０３のＰＤＬデータ傾向抽出処理で抽出したＰＤＬデータ傾向を元に、所定領域内のＰＤＬデータに含まれる画像形成予測処理を選択する画像形成時間予測処理選択を行う。本処理は、実施例１とは対象がページ単位か所定領域単位かが異なることを除いて同様の処理であるので、説明は省略する。

ステップＳ１５０５においてＣＰＵ１２０は、ステップＳ１５０４で選択した画像形成時間予測処理を用いて、所定領域内のＰＤＬデータの画像形成時間の予測処理を行う。本処理は、実施例１とは対象がページ単位か所定領域単位かが異なることを除いて同様の処理であるので、説明は省略する。

ステップＳ１５０６においてＣＰＵ１２０は、ステップＳ１５０１で取得したページ範囲分のＰＤＬデータに対し、未処理のバンド領域が未だ存在するか否かを判定する。存在する場合、ステップＳ１５０２に進み、存在しない場合、Ｓ１５０７に進む。ステップＳ１５０７においてＣＰＵ１２０は、各々バンド単位で算出した画像形成時間の合計値を算出する。ステップＳ１５０８においてＣＰＵ１２０は、ステップＳ１５０７で予測した画像形成時間を表示する処理を行う。実際にはＣＰＵ１２０が操作部Ｉ／Ｆ１２５経由で操作部１１３に表示することにより、ユーザに画像形成処理に要する時間を通知する処理を行う。

以上のとおり、画像形成時間の予測する方法として、ページ全体を単位として予測を行なってもよいし、所定の領域毎にそれぞれの処理時間を算出して、合算する方法を用いても良い。

次に、実施例３について説明する。実施例１では、ＲＩＰが１つである場合を例に挙げて説明した。実施例３では、ＲＩＰを２つ用いる構成とし、陰面除去処理と陰面除去後のビットマップ画像データ生成処理とをそれぞれ別のＲＩＰで行なう例を説明する。

図１６は、実施例１のＲＩＰ１３１がＲＩＰ１（１６３１）とＲＩＰ２（１６３２）に置き換わっているほかは実施例１と同様である。ＲＩＰ１（１６３１）及びＲＩＰ２（１６３２）は、ページ画像に対する所定の画像形成処理を並列動作する。例えば一般的に知られるスキャンライン手法による画像形成処理は主に、ページの描画情報から描画する箇所のみを示す閉領域描画情報に変換する陰面除去処理と、この陰面除去後の情報を元にビットマップ画像を生成する処理との二つの大きな処理が有る。例えば本実施例では、ＲＩＰ１（１６３１）で陰面除去処理を行い、描画しない領域を削除する画像形成処理を行わせる構成を例として記載する。またＲＩＰ２（１６３２）に画像形成処理における陰面除去後の閉領域情報を元に、ビットマップ画像の生成を行わせる構成を例として記載する。

＜画像処理装置における画像形成時間予測処理＞
本実施例におけるページ画像に対する画像形成時間予測処理の流れについては、実施例１または２と同様の処理とすることができるので説明を省略する。

＜描画オブジェクトが少ない場合の画像形成時間の予測方法の選択処理＞
図１７は、本実施例における描画オブジェクトが少ない場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。なお、基本的に図６の処理と類似する処理が多いので異なる点のみ言及する。

ステップＳ１７０２においてＣＰＵ１６２０は、画像形成処理においてＲＩＰ２（１６３２）に行わせる画像形成処理の一部である、陰面除去後の情報からビットマップ画像を生成する処理が所定負荷以上かを判定する陰面除去後処理負荷判定処理を行う。図１７の処理は、描画オブジェクトが少ない場合に入る処理である。従って、本処理においては、陰面除去処理を行なうＲＩＰ１（１６３１）の負荷はオブジェクト数が小さいので、小さいと判定可能である。したがって、ここではＲＩＰ１（１６３１）の負荷は考慮せず、陰面除去後のビットマップ生成処理を行なうＲＩＰ２（１６３２）が所定負荷以上となり得る。そこで、ステップＳ１７０２においては陰面除去後のパラメータを用いて画像形成時間を見積もる必要が有るかを判定する。なお、このステップＳ１７０２の処理は、図７で説明した陰面除去後パラメータ判定処理と同じ処理である。図７において、陰面除去後パラメータが必要と判定される場合を、本実施例において所定負荷があると判定される場合に対応させることができるので、説明を省略する。

ステップＳ１７０３においてＣＰＵ１６２０は、陰面除去後のビットマップ生成処理が所定負荷以上で無いと判定した場合、ステップＳ１７０５に進み画像形成時間の予測処理の手法として、”オブジェクト数／サイズ”予測処理を選択する。

一方、陰面除去後のビットマップ生成処理が所定負荷以上であると判定した場合、ステップＳ１７０４に進み、画像形成時間の予測処理の手法として、”陰面除去後パラメータ”予測処理を選択する。

＜描画オブジェクトが多い場合の画像形成時間の予測方法の選択処理＞
図１８は、本実施例における描画オブジェクトが多い場合の画像形成時間の予測方法の選択処理の詳細なフローを示す図である。ステップＳ１８０１は実施例で説明したステップＳ８０１と同様であるので説明を省略する。

ステップＳ１８０２において、ＣＰＵ１６２０は、ＲＩＰ１（１６３１）で行う陰面除去処理と、ＲＩＰ２（１６３２）で行う陰面除去後の閉領域情報を元にビットマップ画像データの生成を行なう処理と、どちらが処理に時間を要するか判定する処理を行う。本実施例においては、画像形成処理は２つの処理を２つのＲＩＰで並列動作させるため、実際にはどちらか遅い時間が画像形成時間に近い時間となる。従って、ＲＩＰ１（１６３１）で行う陰面除去処理と、ＲＩＰ２（１６３１）のビットマップ画像データの生成処理とで遅い処理がどちらかを判定する処理を行う。ステップＳ１８０３においてビットマップ画像データの生成処理を行なうＲＩＰ２の方が処理が遅い、すなわち、律速ＣＰＵはＲＩＰ２であると判定した場合、ステップＳ１８０４に進み、遅くないと判定した場合、ステップＳ１８０５に進む。

ステップＳ１８０４においてＣＰＵ１６２０は、画像形成時間の予測処理に”陰面除去後パラメータ”予測処理を選択する。つまり、並列処理のうち、遅い方の処理であるビットマップ画像データの生成処理を行なうＲＩＰ２の処理を、画像形成時間の予測処理に用いる。

ステップＳ１８０５においてＣＰＵ１６２０は、オブジェクトの密集度テーブル内にあらかじめ定めた所定の閾値以上のオブジェクト個数が存在する領域が有るか否かを判定する処理を行う。存在すると判定した場合、ステップＳ１８０７に進み画像形成時間の予測処理の手法として、”ソート回数パラメータ”予測処理を選択する。ステップＳ１８０５においてオブジェクトの密集度テーブル内にあらかじめ定めた所定の閾値以上のオブジェクト個数が存在する領域が有ると判定した場合、”ソート回数パラメータ”予測処理を選択する。存在しない場合、ステップＳ１８０６に進み、”低解像度ＲＩＰ”予測処理を選択する。

＜画像処理装置における画像形成時間予測処理＞
画像形成処理の予測処理のフローチャートについては、実施例１で説明した図９の処理と同様であるので、説明は省略する。以下、異なる点について説明する。

”低解像度ＲＩＰ”を元に画像形成時間の予測処理を行う場合とは、陰面除去処理を行なうＲＩＰ１の方が処理が遅い場合である。そこで、”低解像度ＲＩＰ”予測処理の場合、ＲＩＰ１（１６３１）が行う画像形成処理を実際に行い、その実測値を画像形成時間として認識する。但し、通常の解像度でＲＩＰ１（１６３１）が行う画像形成処理を行ってしまうと時間がかかってしまうことが有る。従って、低解像度で実際にＲＩＰ１（１６３１）が行う画像形成処理を行い、通常解像度と低解像度の比率の係数を実際のＲＩＰ１（１６３１）が行う画像形成処理時間に演算する。これにより、ＲＩＰ１（１６３１）が行う画像形成処理に要する時間を算出し、実際の画像形成時間を算出する処理を行う。

“陰面除去後パラメータ”を元に画像形成時間の予測処理を行なう場合とは、陰面処理後のパラメータを用いてビットマップ画像データを生成するＲＩＰ２の方が処理が遅い場合である。そこで、“陰面除去後パラメータ”予測処理の場合、ＲＩＰ２が行う処理である”陰面除去後パラメータ”を元に画像形成時間の予測処理を行う。なお算出式は実施例１と異なり、ＲＩＰ２（１６３２）が行う処理だけを算出するので、以下の算出式を元に行う。
＜＜“陰面除去後パラメータ”予測処理＞＞
画像形成時間＝
（総閉領域数×係数１１）＋（総閉領域オブジェクト数×係数１２）
＋（総閉領域ピクセル数×係数１３）

つまり、実施例１では、陰面除去処理自体に要する時間も画像形成時間の予測に含めていたが、本実施例では並列処理が行なわれるので、陰面除去処理自体に要する時間を含めていない。

“ソート回数パラメータ”予測処理を行なう場合とは、陰面除去処理を行なうＲＩＰ１の方が処理が遅い場合である。そこで、”ソート回数パラメータ”を元に画像形成時間の予測処理を行う。ここでは実際に画像形成処理におけるオブジェクトの順番制御処理（ソート処理）を行い、順番制御処理時に行うソート処理の回数を算出し、算出したソート回数を元に画像形成時間の予測処理を行う。詳細は前記図１４を元に説明した処理を行う。但し算出式だけは、ＲＩＰ１（１６３１）が行う処理だけを算出するため、以下の算出式を元に行う。
“ソート回数パラメータ”予測処理
画像形成時間＝
（（挿入箇所探索回数×係数２１）＋（削除オブジェクト探索回数×係数２２）
＋（総オブジェクト数／エッジ数×係数２３））

＜効果＞
以上述べたように、本実施例によれば前述したスキャンライン手法の画像形成処理を用いた際でも、様々なデータ傾向の画像形成時間予測精度の向上が可能となる。

＜その他の実施例＞
以上の処理においては、ＰＤＬデータからビットマップ画像データを生成する際に要する時間を画像形成処理時間として説明し、この画像形成処理時間をユーザに通知することを説明した。しかしながら、画像形成処理時間は、ＰＤＬデータを解析するために要する時間や、ビットマップ画像データを用紙に出力するプリント処理に要する時間などの時間を含むものであってもよい。

また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

また、本実施形態の機能を実現するためのプログラムコードを、１つのコンピュータ（ＣＰＵ、ＭＰＵ）で実行する場合であってもよいし、複数のコンピュータが協働することによって実行する場合であってもよい。さらに、プログラムコードをコンピュータが実行する場合であってもよいし、プログラムコードの機能を実現するための回路等のハードウェアを設けてもよい。またはプログラムコードの一部をハードウェアで実現し、残りの部分をコンピュータが実行する場合であってもよい。

Claims (10)

1. 複数のオブジェクトを含む画像データの描画時間を予測する画像処理装置であって、
   前記画像データを取得する取得手段と、
   前記複数のオブジェクトのうちのオブジェクトであって、別のオブジェクトの上に重なるオブジェクトを特定する特定手段と、
   前記特定されたオブジェクトと前記別のオブジェクトとの位置関係、および、前記特定されたオブジェクトが透過であるか否かに少なくとも基づいて、前記描画時間を予測する予測手段と、
   を有することを特徴とする画像処理装置。
2. 前記予測手段は、前記特定されたオブジェクトの大きさにも基づいて、前記描画時間を予測することを特徴とする請求項１に記載の画像処理装置。
3. 前記予測手段は、
   前記特定されたオブジェクトと前記別のオブジェクトとの重なり部分に関して、前記位置関係および前記特定されたオブジェクトが透過であることに基づいて、前記特定されたオブジェクトが不透過である場合とは異なる、前記予測に用いられる情報を生成し、
   前記生成された情報を用いて、前記描画時間を予測することを特徴とする請求項１に記載の画像処理装置。
4. 前記予測手段は、前記特定されたオブジェクトの大きさにも基づいて、前記情報を生成することを特徴とする請求項３に記載の画像処理装置。
5. 前記描画時間に基づいて時間情報を表示手段に表示させる手段を有することを特徴とする請求項１乃至４の何れか１項に記載の画像処理装置。
6. 前記予測手段は、
   前記複数のオブジェクトのうちの所定の種類のオブジェクトの数が閾値以上であることに基づいて、前記特定されたオブジェクトと前記別のオブジェクトとの位置関係、および、前記特定されたオブジェクトが透過であるか否かに少なくとも基づいた前記予測を行い、
   前記複数のオブジェクトのうちの所定の種類のオブジェクトの数が閾値未満であることに基づいて、前記予測とは異なり、前記位置関係を考慮しないで前記描画時間を予測することを特徴とする請求項１に記載の画像処理装置。
7. 前記所定の種類のオブジェクトとは、少なくともクリップ指示されたオブジェクト、および、透過のオブジェクトのうちのいずれかを含むことを特徴とする請求項６に記載の画像処理装置。
8. 前記画像データはページ記述言語によって記述されていることを特徴とする請求項１乃至７の何れか１項に記載の画像処理装置。
9. 複数のオブジェクトを含む画像データの描画時間を予測するための画像処理方法であって、
   前記画像データを取得する取得工程と、
   前記複数のオブジェクトのうちのオブジェクトであって、別のオブジェクトの上に重なるオブジェクトを特定する特定工程と、
   前記特定されたオブジェクトと前記別のオブジェクトとの位置関係、および、前記特定されたオブジェクトが透過であるか否かに少なくとも基づいて、前記描画時間を予測する予測工程と、
   を有することを特徴とする画像処理方法。
10. 請求項１乃至８の何れか１項に記載の各手段としてコンピュータを機能させるためのプログラム。

Images