JP7243376B2 - 色味検査装置、及び色味検査プログラム - Google Patents
色味検査装置、及び色味検査プログラム Download PDFInfo
- Publication number
- JP7243376B2 JP7243376B2 JP2019062496A JP2019062496A JP7243376B2 JP 7243376 B2 JP7243376 B2 JP 7243376B2 JP 2019062496 A JP2019062496 A JP 2019062496A JP 2019062496 A JP2019062496 A JP 2019062496A JP 7243376 B2 JP7243376 B2 JP 7243376B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- inspection target
- image
- feature information
- inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Description
この色味検査を目視によって行う場合、評価基準値を定めたカラーチャートが用いられて、評価者により製品の色が基準値と同じであるか、あるいはどの程度相違しているのかについての色差の評価が行われる。
例えば、ΔEの色差評価式を用いて算出する方法では、L*a*b*色空間における単純なユークリッド距離を用いて色味数値が算出される。
また、ΔE00(CIEDE2000)の色差評価式は、2001年に国際照明委員会(CIE)によって定められた評価式であり、ΔEで生じていた目視感覚との乖離を低減させたことに特徴がある(非特許文献1参照)。また、このΔE00は、ISO 11664-6:2014(E)/CIE S 014-6/E:2013として、2014年に国際標準に制定されている。
すなわち、複雑なデザインを有する製品の場合、局所的な色差を判定する際に、人間の目は周辺の影響を受けるが、ΔE00では、このような影響を考慮できないため、目視判定された色差と、ΔE00にもとづき機械によって測定された色差との間の相関が低く、目視判定を機械化や自動化することが難しいという問題があった。
特許文献1に記載の自動測色装置では、フィルターを較正することにより、精度の高い測色を行っているが、評価式は一般的なものであり、複雑なデザインを有する製品の評価に利用可能なものではなかった。
また、特許文献2の測色データ処理装置は、人間の目が受ける周辺の影響が考慮されたものではなく、同様に、複雑なデザインを有する製品の評価に利用可能なものではなかった。
すなわち、本発明は、目視による色味評価の結果と、機械で測定した色味(色差)の間の相関を高め、人間の目の特性を考慮した色味算出式を作成し、これを用いて色味の評価を行うことが可能な色味検査装置、及び色味検査プログラムの提供を目的とする。
本発明の第一実施形に係る色味検査装置は、検査対象画像と基準画像の色の違いを、特定の色味算出式(色差評価式、又は単に評価式と称する場合がある)にもとづき自動測定する装置であり、例えばパソコンやタブレットなどのコンピュータ(情報処理装置)により構成することができる。また、スマートフォンなどのコンピュータと同様の機能を有する装置によって構成することもできる。
基準画像記憶部111は、基準となる色が表現されている基準画像の情報を記憶する。この基準画像は、例えば基準品をカメラで撮影し、その画像データを入力することにより取得して、基準画像記憶部111に記憶させることができる。
検査対象画像記憶部112は、基準画像に対応する、検査対象画像の情報を記憶する。この検査対象画像は、例えば製品をカメラで撮影し、その画像データを入力することにより取得して、検査対象画像記憶部112に記憶させることができる。
検査対象領域抽出部121は、色味算出式を決定する場合に、複数の検査対象画像と、各検査対象画像にそれぞれ対応する複数の基準画像における全画素もしくはその一部を選択領域とし、該選択領域に内包される検査対象領域から複数の特徴情報を抽出する。
また、検査対象領域抽出部121は、ある検査対象画像の色味検査を行う場合、この検査対象画像と、この検査対象画像に対応する基準画像における全画素もしくはその一部を選択領域とし、該選択領域に内包される検査対象領域から複数の特徴情報を抽出する。
また、周辺領域抽出部122は、ある検査対象画像の色味検査を行う場合、この検査対象画像と、この検査対象画像に対応する基準画像における全画素もしくはその一部を選択領域とし、該選択領域に内包される周辺領域から複数の特徴情報を抽出する。
これにより、本実施形態の色味検査装置では、デザインの影響を考慮すると共に、人間の目の特性を考慮した総合的な色味算出式を利用することが可能になっている。
例えば、検査対象領域として青色の画素を選択し、周辺領域としてそれ以外の画素を選択することによって、検査対象領域と周辺領域の色空間(領域)を分けることができる。
また、周辺領域抽出部122は、周辺領域から同様にして、特徴情報を作成する。
すなわち、特徴情報記憶部13は、基準画像の検査対象領域における特徴情報、基準画像の周辺領域における特徴情報、検査対象画像の検査対象領域における特徴情報、及び、検査対象画像の周辺領域における特徴情報をそれぞれ記憶する。
まず、図3及び以下に示すように、画像の色情報を、デバイス依存性がなく目視感覚に近い色空間座標に変換する。
L*:特定画素におけるRGB値をL*a*b*色空間に変換したときのL*成分
a*:特定画素におけるRGB値をL*a*b*色空間に変換したときのa*成分
b*:特定画素におけるRGB値をL*a*b*色空間に変換したときのb*成分
※πは円周率
※atan2関数は座標(x,y)から角度を計算する公知の関数
(a*をx、b*をyとみなして色相角を計算している)
すなわち、学習処理部14は、各特徴情報の係数を決定することによって、色味算出式を作成する。このとき、学習処理部14は、機械学習(スパースモデリング)を行うことによって、少ないデータにもとづいて、色味算出式における重み付け係数の値を、最適化することができる。
まず、目視評価値を、以下に示す手順で取得する。
(手順1)図4に示すような目視評価基準値を定めたカラーチャートを評価者に見せる。
次に、得られた目視評価値を、重み付け係数・式記憶部15に記憶させる。
そして、学習処理部14は、これらの式を用いて、スパースモデリングによる学習処理を行い、定数項を含む562個の重み付け係数βを算出して、これらを色味算出式に代入して色味算出式を完成し、これを重み付け係数・式記憶部15に記憶させる。
したがって、上記の場合、396個の式のうちランダムに選ばれた376個(90%)を用いて「学習」処理が行われ、残りの20個で「検証」処理が行われて、562個の重み付け係数βを決定することができる。
「Regression Shrinkage and Selection via the Lasso」
また、この論文の具体的な数値計算を高速に行うためのアルゴリズム(FISTA)は、次の論文に記載されている。
「A Fast Iterative Shrinkage-Thresholding Algorithm for Linear Inverse Problems」
一方、学習処理部14による機械学習は、スパースモデルに限定されず、例えばベイズモデリングを用いることもできる。
ベイズモデリングを用いる場合、追加されたデータをもとにβの値を更新していくことが可能である。したがって、この場合には、例えば生産初期などでデータが不足する場合でも、色味算出式を運用しながら更新、修正することが可能である。
まず、画像記憶部11に基準画像と検査対象画像を記憶させる(ステップ10)。これらの画像は、カメラなどで撮影した画像を色味検査装置10に入力することにより、得ることができる。
上述の例では、396枚の基準シートと評価シートにそれぞれ表示されている基準画像、検査対象画像が、それぞれ画像記憶部11における基準画像記憶部111、検査対象画像記憶部112に記憶される。
次に、学習処理部14が、特徴情報記憶部13に記憶された特徴情報と、重み付け係数・式記憶部15に記憶された目視評価値を用いて、スパースモデルによる学習処理を行い(ステップ12)、重み付け係数を決定して、色味算出式を作成し、これらを重み付け係数・式記憶部15に記憶させる(ステップ13)。
まず、画像記憶部11に基準画像と検査対象画像を記憶させる(ステップ20)。これらの画像は、カメラなどで撮影した画像を色味検査装置10に入力することにより、得ることができる。
次に、色味算出部16が、特徴情報記憶部13に記憶された特徴情報を、色味算出式に代入して(ステップ22)、色味の数値を算出する(ステップ23)。
本発明の第二実施形態に係る色味検査装置は、第一実施形態の色味検査装置10が有する機能を2種類の別個の情報処理装置に分割し、色味算出式を作成するための色味算出式作成装置10aと、色味数値を算出するための色味算出装置10bとからなるものとしてある。
これらの各構成は、第一実施形態の色味検査装置10における同一符号の構成と同様の機能を備えており、これらによって、色味算出式を作成することが可能になっている。
これらの各構成も、第一実施形態の色味検査装置10における同一符号の構成と同様の機能を備えており、これらによって、検査の対象とする画像についての色味数値を算出することが可能になっている。
この出力部17としては、例えばディスプレイやモニタ、スピーカ、プリンタ等を用いることができる。また、この出力部17を第一実施形態における色味検査装置10に備えることも好ましい。
本発明の第三実施形態に係る色味検査装置は、第一実施形態に係る色味検査装置よりも選択領域をきめ細かに選択可能にした点で第一実施形態と相違する。その他の点については、第一実施形態と同様の構成とすることができる。
具体的には、図27に示すように、抽出部12cは、例えば画像の一部を格子状(グリッド状)に分割して9つの分割領域からなる選択領域とし、その中央の領域を検査対象領域にすると共に、この検査対象領域の周囲の領域を周辺領域とすることができる。
なお、抽出部12cによる選択領域の選択と、検査対象領域及び周辺領域の選択の順序は、特に限定されず、いずれを先に選択してもよい。
すなわち、抽出部12cが、検査対象画像と該検査対象画像に対応する基準画像の全部又は一部から、所定の選択領域として複数の異なる領域を選択し、当該所定の選択領域における検査対象領域及び周辺領域からそれぞれ複数の特徴情報を抽出する構成とすることも好ましい。
そして、学習処理部14cが、これらの複数の特徴情報、及びそれぞれの複数の特徴情報の組み合わせからなる特徴情報を色味算出式の変数として使用すると共に、これらの特徴情報に重み付けを行うことも好ましい。
そして、色味算出部16cにより、これらの色味評価値を総合評価することによって、検査対象画像の品質を判定することも好ましい。
具体的には、色味算出部16cが、複数の色味評価値の平均値,中央値,最大値,最小値,平均値との差分,中央値との差分等の代表値を計算し,この代表値を総合的な評価値として出力することも好ましい。
例えば、検査対象画像及び基準画像の全体を等間隔に分割して、各領域を検査対象領域とし、その周囲の領域を周辺領域とすることで、複数の選択領域を設定して、検査対象領域及び周辺領域からそれぞれ複数の特徴量を抽出して、これを用いて色味算出式を作成することができる。
このようにすれば、例えば印刷で固定色のある版が用いられる場合などにおいて、画像全体の評価の分布を見ることが可能となり、有用である。
また、プログラムを格納する記録媒体は、例えば半導体メモリ、磁気ディスク、光ディスク、その他任意のコンピュータで読取り可能な任意の記録手段により構成できる。
すなわち、本実施形態によれば、デザインの影響を考慮すると共に、人間の目の特性を考慮した総合的な色味算出式を利用することが可能になっている。
また、これによって、色味の評価の安定化と均質化を実現できると共に、省人化を行うことも可能になっている。
ここで、目視評価値の1はΔE00の1と同一ではなく、目視評価値とΔE00は直接対応付けできない。このため、目視評価との散布図から原点を通る回帰直線を求め、得られた直線の傾きで各値を割ることで、ΔE00を目視評価の幅に正規化した(図9参照)。以降の比較では、正規化後のΔE00を比較対象として扱う。
そして、抽出部12により、それぞれの画像から検査対象領域及び周辺領域を選択した。このとき、図10に示すように、上記66枚の評価シートの選択領域Uから各3種類の色が表示された正方形の検査対象領域Tを選択すると共に、各2種類の模様が表示された正方形の周辺領域Rを選択した。
そして、抽出部12により検査対象領域及び周辺領域から特徴情報を抽出して、特徴情報記憶部13に記憶させ、学習処理部14によりスパースモデルによる学習を行って、重み付け係数を決定し、色味算出式を完成させた。
(赤,無地)
(赤,市松)
(緑,無地)
(緑,市松)
(青,無地)
(青,市松)
(赤,無地+市松)
(緑,無地+市松)
(青,無地+市松)
(赤緑青混合,無地)
(赤緑青混合,市松)
(赤緑青混合,無地+市松)
また、無地+市松、及び赤緑青混合に示す混合データのグラフでは、その傾向がさらに大きくなっていることが分かる。
これは、様々な色や模様を有するデザインであればあるほど、ΔE00による色味算出に比較して、本実施形態の色味検査装置による色味算出が、より目視判定に近くなることを示している。
また、図24に本実施形態の色味検査装置による各評価条件における目視評価値と推定値(同図の提案手法)、ΔE00との相関係数を比較したグラフを示す。
また、図26に本実施形態の色味検査装置による各評価条件における目視評価値と推定値(同図の提案手法)、ΔE00との±1正解率を比較したグラフを示す。
例えば、機械学習手法をベイズモデリングとしたり、あるいは特徴情報の種類を変更したりすることができる。また、色味検査装置における機能を二以上の装置に分割して備えるなど適宜変更することが可能である。
10a 色味算出式作成装置
10b 色味算出装置
11 画像記憶部
111 基準画像記憶部
112 検査対象画像記憶部
12 抽出部
121 検査対象領域抽出部
122 周辺領域抽出部
13 特徴情報記憶部
14 学習処理部
15 重み付け係数・式記憶部
16 色味算出部
17 出力部
Claims (11)
- 検査対象画像と基準画像との色の違いを、特定の色味算出式にもとづき自動測定する色味検査装置であって、
前記色味算出式を決定するための複数の検査対象画像と該検査対象画像にそれぞれ対応する複数の基準画像における所定の選択領域内の検査対象領域及びその周辺領域から複数の特徴情報を抽出する抽出部と、
前記複数の特徴情報、及びその組み合わせからなる特徴情報を前記色味算出式の変数として使用すると共に、これらの特徴情報に重み付けを行う学習処理部と、
前記重み付けにより得られた係数及びこれらの係数を代入した前記色味算出式を記憶する記憶部と、を備え、
前記抽出部は、前記所定の選択領域から、検査対象とする所定の色から一定の色域内にある全画素を前記検査対象領域として選択すると共に、前記検査対象とする所定の色と異なる一定の色閾内にある全画素を前記周辺領域として選択して、前記複数の特徴情報を抽出する
ことを特徴とする色味検査装置。 - 検査対象画像と基準画像との色の違いを、特定の色味算出式にもとづき自動測定する色味検査装置であって、
前記色味算出式を決定するための複数の検査対象画像と該検査対象画像にそれぞれ対応する複数の基準画像における所定の選択領域内の検査対象領域及びその周辺領域から複数の特徴情報を抽出する抽出部と、
前記複数の特徴情報、及びその組み合わせからなる特徴情報を前記色味算出式の変数として使用すると共に、これらの特徴情報に重み付けを行う学習処理部と、
前記重み付けにより得られた係数及びこれらの係数を代入した前記色味算出式を記憶する記憶部と、を備え、
前記抽出部は、検査対象画像と該検査対象画像に対応する基準画像の全部又は一部を同一形状の各領域に分割し、前記検査対象画像と前記基準画像において対応する分割された一領域をそれぞれの前記検査対象領域にすると共に、前記検査対象領域の周囲に位置する分割領域をそれぞれの前記周辺領域とし、前記検査対象領域及び前記周辺領域を併せて前記所定の選択領域とし、前記検査対象領域及び前記周辺領域からそれぞれ前記複数の特徴情報を抽出する
ことを特徴とする色味検査装置。 - 前記抽出部が、検査対象画像と該検査対象画像に対応する基準画像における所定の選択領域内の検査対象領域及びその周辺領域から複数の特徴情報を抽出すると共に、
前記係数を代入した前記色味算出式に当該複数の特徴情報を代入し、前記検査対象画像の色味を算出する色味算出部をさらに備えた
ことを特徴とする請求項1又は2記載の色味検査装置。 - 前記複数の特徴情報が、前記検査対象領域及び前記周辺領域におけるそれぞれの画像の全画素を、L*a*b*色空間座標値に変換し、これらの座標値にもとづき計算されたものである
ことを特徴とする請求項1~3のいずれかに記載の色味検査装置。 - 前記複数の特徴情報が、
CIED2000の色差評価式を用いて算出された前記検査対象画像の前記検査対象領域と前記基準画像の前記検査対象領域との色差、
前記検査対象画像の前記検査対象領域における色情報の各成分の平均値、
前記検査対象画像の前記検査対象領域における色情報の各成分の標準偏差、
前記検査対象画像の前記検査対象領域における平均彩度、
前記検査対象画像の前記検査対象領域における平均色相角、
前記検査対象画像の前記周辺領域における色情報の各成分の平均値、
前記検査対象画像の前記周辺領域における色情報の各成分の標準偏差、
前記検査対象画像の前記周辺領域における平均彩度、
前記検査対象画像の前記周辺領域における平均色相角、
前記検査対象画像の前記検査対象領域における色情報の各成分の平均値と、前記基準画像の前記検査対象領域における色情報の各成分の平均値との差、
前記検査対象画像の前記検査対象領域における色情報の各成分の標準偏差と、前記基準画像の前記検査対象領域における色情報の各成分の標準偏差との比、
前記検査対象画像の前記検査対象領域における平均彩度と、前記基準画像の前記検査対象領域における平均彩度との差、
前記検査対象画像の前記検査対象領域における平均色相角と、前記基準画像の前記検査対象領域における平均色相角との差、
前記検査対象画像の前記周辺領域における色情報の各成分の平均値と、前記基準画像の前記周辺領域における色情報の各成分の平均値との差、
前記検査対象画像の前記周辺領域における色情報の各成分の標準偏差と、前記基準画像の前記周辺領域における色情報の各成分の標準偏差との比、
前記検査対象画像の前記周辺領域における平均彩度と、前記基準画像の前記周辺領域における平均彩度との差、
前記検査対象画像の前記周辺領域における平均色相角と、前記基準画像の前記周辺領域における平均色相角との差、及び、
これらの全ての特徴情報から選択された異なる2つの特徴情報の積である
ことを特徴とする請求項1~4のいずれかに記載の色味検査装置。 - 前記同一形状が格子形状であることを特徴とする請求項2記載の色味検査装置。
- 前記抽出部は、検査対象画像と該検査対象画像に対応する基準画像の全部又は一部から、前記所定の選択領域として複数の異なる領域を選択し、当該所定の選択領域における前記検査対象領域及び前記周辺領域からそれぞれ前記複数の特徴情報を抽出し、
前記学習処理部は、これらの複数の特徴情報、及びそれぞれの複数の特徴情報の組み合わせからなる特徴情報を前記色味算出式の変数として使用すると共に、これらの特徴情報に重み付けを行う
ことを特徴とする請求項1~6のいずれかに記載の色味検査装置。 - 検査対象画像と基準画像との色の違いを、特定の色味算出式にもとづき自動測定する色味検査プログラムであって、
コンピュータを、
前記色味算出式を決定するための複数のサンプル検査対象画像と該サンプル検査対象画像にそれぞれ対応する複数の基準画像における所定の選択領域内の検査対象領域及びその周辺領域から複数の特徴情報を抽出する抽出部、
前記複数の特徴情報、及びその組み合わせからなる特徴情報を前記色味算出式の変数として使用すると共に、これらの特徴情報に重み付けを行う学習処理部、及び
前記重み付けにより得られた係数及びこれらの係数を代入した前記色味算出式を記憶する記憶部として機能させ、
前記抽出部に、前記所定の選択領域から、検査対象とする所定の色から一定の色域内にある全画素を前記検査対象領域として選択させると共に、前記検査対象とする所定の色と異なる一定の色閾内にある全画素を前記周辺領域として選択させて、前記複数の特徴情報を抽出させる
ことを特徴とする色味検査プログラム。 - 検査対象画像と基準画像との色の違いを、特定の色味算出式にもとづき自動測定する色味検査プログラムであって、
コンピュータを、
前記色味算出式を決定するための複数のサンプル検査対象画像と該サンプル検査対象画像にそれぞれ対応する複数の基準画像における所定の選択領域内の検査対象領域及びその周辺領域から複数の特徴情報を抽出する抽出部、
前記複数の特徴情報、及びその組み合わせからなる特徴情報を前記色味算出式の変数として使用すると共に、これらの特徴情報に重み付けを行う学習処理部、及び
前記重み付けにより得られた係数及びこれらの係数を代入した前記色味算出式を記憶する記憶部として機能させ、
前記抽出部に、検査対象画像と該検査対象画像に対応する基準画像の全部又は一部を同一形状の各領域に分割させ、前記検査対象画像と前記基準画像において対応する分割された一領域をそれぞれの前記検査対象領域にさせると共に、前記検査対象領域の周囲に位置する分割領域をそれぞれの前記周辺領域とさせ、前記検査対象領域及び前記周辺領域を併せて前記所定の選択領域とさせ、前記検査対象領域及び前記周辺領域からそれぞれ前記複数の特徴情報を抽出させる
ことを特徴とする色味検査プログラム。 - 前記抽出部に、検査対象画像と該検査対象画像に対応する基準画像における所定の選択領域内の検査対象領域及びその周辺領域から複数の特徴情報を抽出させると共に、
前記コンピュータを、
前記係数を代入した前記色味算出式に当該複数の特徴情報を代入し、前記検査対象画像の色味を算出する色味算出部
としてさらに機能させることを特徴とする請求項8又は9記載の色味検査プログラム。 - 前記抽出部に、検査対象画像と該検査対象画像に対応する基準画像の全部又は一部から、前記所定の選択領域として複数の異なる領域を選択させ、当該所定の選択領域における前記検査対象領域及び前記周辺領域からそれぞれ前記複数の特徴情報を抽出させ、
前記学習処理部に、これらの複数の特徴情報、及びそれぞれの複数の特徴情報の組み合わせからなる特徴情報を前記色味算出式の変数として使用させると共に、これらの特徴情報に重み付けを行わせる
ことを特徴とする請求項8~10のいずれかに記載の色味検査プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018074275 | 2018-04-07 | ||
JP2018074275 | 2018-04-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019184597A JP2019184597A (ja) | 2019-10-24 |
JP7243376B2 true JP7243376B2 (ja) | 2023-03-22 |
Family
ID=68340065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019062496A Active JP7243376B2 (ja) | 2018-04-07 | 2019-03-28 | 色味検査装置、及び色味検査プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7243376B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7416650B2 (ja) * | 2020-03-24 | 2024-01-17 | 住友重機械工業株式会社 | 成形品検査装置及び、射出成形システム |
WO2023095490A1 (ja) * | 2021-11-26 | 2023-06-01 | 新興窯業株式会社 | プログラム、情報処理装置、情報処理方法、学習モデルの生成方法、および撮影システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007257469A (ja) | 2006-03-24 | 2007-10-04 | Fujifilm Corp | 類似判別装置および方法並びにプログラム |
JP2008013050A (ja) | 2006-07-06 | 2008-01-24 | Fujikura Ltd | 自動車用ドリンクホルダー |
JP2017107541A (ja) | 2015-12-01 | 2017-06-15 | 株式会社リコー | 情報処理装置、情報処理方法、プログラムおよび検査システム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1063859A (ja) * | 1996-08-22 | 1998-03-06 | Fuji Xerox Co Ltd | 画質評価方法および装置 |
WO2008013050A1 (fr) * | 2006-07-25 | 2008-01-31 | Nikon Corporation | Procédé de traitement d'image, programme de traitement d'image, et dispositif de traitement d'image |
-
2019
- 2019-03-28 JP JP2019062496A patent/JP7243376B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007257469A (ja) | 2006-03-24 | 2007-10-04 | Fujifilm Corp | 類似判別装置および方法並びにプログラム |
JP2008013050A (ja) | 2006-07-06 | 2008-01-24 | Fujikura Ltd | 自動車用ドリンクホルダー |
JP2017107541A (ja) | 2015-12-01 | 2017-06-15 | 株式会社リコー | 情報処理装置、情報処理方法、プログラムおよび検査システム |
Also Published As
Publication number | Publication date |
---|---|
JP2019184597A (ja) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | CID: IQ–a new image quality database | |
EP2713596B1 (en) | Image evaluation device, image evaluation method and program storage medium | |
EP2161555A1 (en) | Coating color database creating method, search method using the database, their system, program, and recording medium | |
KR20190014275A (ko) | 무라 검출 장치 및 무라 검출 장치의 검출 방법 | |
US20170079599A1 (en) | Moisture feeling evaluation device, moisture feeling evaluation method, and moisture feeling evaluation program | |
CN108593645B (zh) | 一种尿液试纸的检测结果确定方法及确定装置 | |
US20180184967A1 (en) | Skin gloss evaluation device, skin gloss evaluation method, and skin gloss evaluation program | |
JP7243376B2 (ja) | 色味検査装置、及び色味検査プログラム | |
JP2013065215A (ja) | 画像処理装置及び画像処理方法 | |
CN105913460A (zh) | 一种肤色检测方法及装置 | |
WO2018021114A1 (ja) | 印刷物検査装置及び印刷物検査方法 | |
EP2375719A1 (en) | Color gamut mapping method having one step preserving the lightness of the cusp colors | |
JP2008039525A (ja) | 顔料同定方法 | |
US11962949B2 (en) | Method of air pollution estimation based on spectral image processing | |
JP2020094985A (ja) | 分光画像推定システム、分光画像推定方法、及びプログラム | |
JP6285837B2 (ja) | 測定位置提示方法及び測定位置提示ガイドの製造方法並びに印刷物の測定方法 | |
JP6181025B2 (ja) | 印刷物の測定位置決定方法及び装置並びに測定方法 | |
JP7308443B2 (ja) | 評価装置、本物感評価方法およびプログラム | |
EP2743657B1 (en) | Method for controlling an image display device to allow an observer to perceive colours as another observer | |
EP3671754A1 (en) | Method for determining a coloration product recommendation | |
Guo et al. | Color difference matrix index for tone-mapped images quality assessment | |
Frackiewicz et al. | Outlier-based initialisation of k-means in colour image quantisation | |
WO2023157238A1 (ja) | 検査装置、検査方法、および記録媒体 | |
Chen et al. | Applying image‐based color palette for achieving high image quality of displays | |
KR20180027936A (ko) | 화장료의 색상 커버력 측정 시스템 및 커버력 측정 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220210 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230130 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7243376 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |