JPH03144435A

JPH03144435A - カラー画像形成装置

Info

Publication number: JPH03144435A
Application number: JP1282595A
Authority: JP
Inventors: Hiroaki Nakamura; 博明中村; Atsushi Takagi; 厚高木
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 1989-10-30
Filing date: 1989-10-30
Publication date: 1991-06-19
Anticipated expiration: 2012-01-22
Also published as: JP2575215B2; US5025282A

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】〈産業上の利用分野〉本発明は、原稿から読み取られた原画像情報から所定の
感光材料に対する条件などの画像形成条件を演算する際
に演算画像形成条件が適正でなかった場合に適正な画像
形成条件を人力することにより、前記原画像情報に応じ
た画像形成条件の適正値を学習する学習機能、例えば、
カラー写真原稿やカラー印刷原稿などの複写原稿の原稿
種の判別演算あるいは、カラーネガフィルムやカラーリ
バーサルフィルムや電気的に処理された画像などの原稿
に応じた露光条件の演算を行うバックプロパゲーション
学習アルゴリズムを持つニューラルネットを有するカラ
ー複写装置またはカラープリンタ等のカラー画像形成装
置に関する。

〈従来の技術〉近年、各種のカラー複写装置、カラープリンタ等のカラ
ー画像形成装置が普及しつつあるが、これらのカラー画
像形成装置において良好なカラー画像を得るためには、
色バランスや濃度を適正に仕上げる必要がある。

このようなカラー画像形成装置、例えば複写装置におい
ては、カラー原稿として写真や印刷物が多く用いられて
いるが、これらは色材が異なりまた視感度と複写用感光
材料の分光感度が異なるため、同一の複写露光条件で複
写を行うと色バランスの異なった可視再生画像となって
しまう。　例えば、カラー印刷原稿ではマゼンタインキ
とシアンインキとの分光濃度分布の重なりが大きく、マ
ゼンタ濃度が高くなるためカラー印刷！稿が良好に仕上
るように調整したカラー複写装置においては、マゼンタ
濃度形成を抑えた露光条件となっている。

従って、この画像露光条件のもとでカラー写真原稿を複
写するとマゼンタ色が不足してグリーン気味となったカ
ラー再生画像が形成されてしまう。

このため、従来多くの原ｆｉ！ｉ　ｆ、！判別方法およ
び判別手段が提案されているが、これらの従来法は、判
別社用いる手法が複雑で、用いられる判別式も多いため
、判別精度および判別手法の簡便さという点で充分とは
いえなかった。

従って、本出願人は、特願昭６２１９７７５号、同６２−１９７７６号および同６２−１
９７７７号明細書に１原色光の波長領域内の異なる波長
に感度ピークを有する２種類のセンサーを３原色それぞ
れにつき合計６種類有し、この６種類のセンサーの測定
値の一部あるいは全てを用いる複数の判別式によりカラ
ー原稿種を判別する方法を提案し、さらに、特願昭６３
−２４３６０３号および特願平０１−４０００７号明細
書に上記６種類の測定値を用いる１つの判別関数により
カラー原稿さらには白黒原稿の原稿種を判別する機能を
有する画像形成装置を提案している。

一方、ネガフィルムやりバーサルフィルムなどの透過原
稿から、所定の大きさの感光材料にポジ画像を焼き付け
てカラー写真などを得るプリンタにおいては、原稿とな
るネガフィルムやりバーサルフィルムなどは１つ１つの
フィルムの露光条件および処理条件等が同一ではなく、
色バランスおよび濃度が異なるため、前記原稿からカラ
ースキャナによって読み取られた原画像情報に応じた露
光条件を決定し、原稿（ネガフィルムやリバーフィルム
）の状態によらずプリント上で最適な色再現を得る必要
があった。

このような露光条件を決定する写真焼付露光量制御方法
として、本出願人は、特開昭５２−２３９３６号および
同５４−２８１３１号公報にネガフィルムの透過濃度を
前記ネガフィルムの複数の特定の画面から測定し、得ら
れた画像特徴量からネガフィルムを類別して露光補正量
を演算し、この補正を加えた露光量で写真焼付を行う方
法、さらにＡ　ＣＣＳ　（ＡｄｖａｎｃｅｄＣｏｍｐｕ
ｔｅｒｌｉｚａｄ　Ｃｏ１ｏｒ　５ｃａｎｎｅｒ　）と
呼ばれるシステムを提案している。

〈発明が解決しようとする課題〉ところで、本出願人が特願昭６２１９７７５号、同６２−１９７７６号および同６２−１
９７７７号明細書に提案した方法は、従来の原稿種判別
に比較して判別精度も高く、判別手法および制御は容易
であり、優れた利点を持つものであるが、複数の判別式
を用いる必要があった。

このために、本出願人が特願昭６３２４３６０３号および特願平０１−４０００７号明細書
に提案した画像形成装置は、自動釣に１つの判別関数を
用いて、少なくともカラー写真ｉ稿とカラー印刷原稿ま
たは白黒原稿とを判別し、そのカラー原稿種に応じて画
像形成条件（色フイルタ調節量、露光量等）や感光材料
を選択して、適正な可視再生画像を得ることができるも
のである。　判別精度としてはかなり高いものであるが
、まだ、１００％まで正確に判別できるものではないの
で、−旦前記判別関数を設定してしまうと、再設定には
多くのデータとそのデータを処理するための多くの時間
を要し、再設定が容易ではないという問題があった。　
このためさらなる判別精度の向上と、取り扱いの簡便さ
が求められていた。

また、本出願人が特開昭５２−２３９３６号および同５
４−２８１３１号公報などに開示した方法ざらにＡＣＣ
Ｓシステムでは、ネガフィルムやりバーサルフィルムな
どの透過原稿から読み取られた数百画素の３原色光の測
光データから複数の特定の画面の各種の特徴量を算出し
、所定の統計処理、例えば重回帰分析を用いる補正演算
処理によって自動的に前記透過原稿の状態によらずプリ
ント上で最適な色再現を行うための露光量あるいは露光
補正量などの露光条件を決定することができるが、一般
に前記透過原稿の状態はばらつきが大きく、完全に適正
な露光条件を１つ１つの原稿に応じて設定可能なものと
するには、莫大なデータの記憶とこれらのデータを用い
た複雑な補正量演算が必要となるという問題があった。

また、例え、ばらつきのある原稿の状態によらず一般的
に最適な色再現のための露光条件が設定されたとしても
、可視再生画像の色バランスや濃度の最適値は、個人に
よってまた好みによって異なるものであるし、また、対
象とする被写体、例えば、北国の雪景色のような白色が
多い景色、や、南国の海のように青色が多い景色などの
ように基調となる色調が異なる被写体によって異なるも
のであるので、標準的な設定では不十分であり、使用さ
れる場所などに応して変える必要があるが、これらの要
求に対し、設定値を変えていくことは極めて煩雑かつ困
難であるという問題もある。

本発明の目的は、上記従来技術の問題点を解消し、カラ
ー写真原稿、カラー印刷原稿および白黒原稿などの原稿
種の判別による適正画像形成条件の設定、あるいはネガ
フィルムやりバーサルフィルムなどの透過原稿の原画像
情報からの適正露光条件の設定などの原稿の原画像情報
に基づいた画像形成条件の設定を学習機能を有する画像
形成条件演算処理手段、例えばバックプロパゲーション
学習アルゴリズムを持つニューラルネットワークを用い
て最適値を自動生成し、自動設定する演算処理手段によ
り行い、原稿・に応じた判別結果や個人の好み、原稿（
例えば被写体）の種別および装置設置場所に応じた画像
形成条件を学習させることにより前記原稿種判別の精度
を向上させ、さらに可視再生画像の色再現を最適化する
ことができるカラー画像形成装置を提供することにある
。

く課題を解決するための手段〉上記目的を達成するために、本発明は、原稿が担持する
原画像情報を検出する画像情報検出手段と、学習機能を
有し、前記原画像情報に基づいて所望の再生画像を得る
ための所定の感光材料に応じた画像形成条件を演算する
画像形成条件演算処理手段と、該演算画像形成条件で前
記感光材料に露光し、さらにその露光済感光材料を処理
して可視再生画像として得るカラー画像形成手段と、前
記可視再生画像が適正な色および濃度に仕上っていない
時に適正な色および濃度を得るための修正画像形成条件
を前記画像形成条件演算処理手段に人力する修正画像形
成条件入力手段とを備え、前記画像形成条件演算処理手段が前記修正画像形成条件
の入力によって前記原画像情報に対する適正画像形成条
件を学習するよう構成したことを特徴とするカラー画像
形成装置を提供するものである。

前記画像形成条件演算処理手段は、前記原稿が反射原稿
である場合に、前記画像情報検出手段によって前記原稿
から検出された原画像情報に基づいて、前記原稿を少な
くともカラー写真原稿とカラー印刷原稿に判別するニュ
ーラルネットワークと、このニューラルネットワークに
より判別された原稿種および使用感光材料さらに必要に
応じて付加される条件に応じて前記画像形成条件を設定
する設定手段とを有するのが好ましい。

前記修正条件入力手段は、前記修正条件として正しい判
別結果を入力するものであるのが好ましい。

前記画像形成条件演算処理手段は、前記原稿が透過原稿
である場合に、前記画像情報検出手段によって、前記原
稿から検出された原画像情報から画像特徴量を算出し、
該画像特徴量から前記画像形成条件を決定するニューラ
ルネットワークを有するのが好ましい。

前記修正条件人力手段は、前記修正条件として前記画像
形成条件を入力するものであるのが好ましい。

前記ニューラルネットワークは、バックプロパゲーショ
ン学習アルゴリズムを持つのが好ましい。

前記ニューラルネットワークは、前記原画像情報から算
出されたパラメータの入力層、中間層および前記画像形
成条件を出力する出力層の３層構造であるのが好ましい
。

前記画像形成条件は、３原色および濃度の補正量である
のが好ましい。

前記画像形成条件の３原色は、イエロー（Ｙ）、マゼン
タ（Ｍ）およびシアン（Ｃ）であるのが好ましい。

前記画像情報検出手段は、３原色光にっき１原色光の波
長領域内の異なる波長に感度ピークを有する２種類のセ
ンサーを合計６ｆ！類のセンサーであるのが好ましい。

前記検出用３原色光は、赤色（Ｒ）、緑色（Ｇ）および
青色（Ｂ）であるのが好ましい。

〈発明の作用〉本発明のカラー画像形成装置は、使用されている所定の
感光材料に対して画像情報検出手段によって原稿の全領
域もしくはその一部から検出された原画像情報を用いて
適正な画像形成条件を演算する画像形成条件演算処理手
段に、複数の前記原画像情報に適正な画像形成条件を入
力して学習させて、演算ネットワークの各エレメントの
演算式を自動生成させ、これらの演算式を用いる画像形
成条件演算処理手段により、新たに検出された原画像情
報から常に適正な画像形成条件を演算させ、この画像形
成条件で前記感光材料に露光し、露光済感光材料を処理
して可視再生画像を得ることができ、例え、この可視再
生画像の色再現や濃度可視が不満足な場合が生じても、
最適な画像形成条件を前記画像形成条件演算処理手段に
外部から人力することにより学習させ、より正確な演算
処理式を自動生成させることにより、以後の原画像情報
に対する適正画像形成条件の演算効率（正確値、最適値
を算出する割合）を高めてゆくことができるものである
。

例えば、カラー写真原稿、カラー印刷原稿および白黒原
稿の原稿種を判別し、判別結果に従って使用感光材料に
対応する画像形成条件、例えば、３原色光それぞれの露
光量あるいは３原色のフィルタの補正量および露光量な
どの露光条件あるいは使用感光材料の帯電条件などおよ
び露光済感光材料の処理条件を決定することができるカ
ラー複写装置において、原稿種の判別をバックプロパゲ
ーション学習アルゴリズムを持つニューラルネットワー
クで行うよう構成することにより、原稿種の判別効率（
判別結果の正確率）を向上させることができる。

また、ネガフィルムやりバーサルフィルムなどの透過原
稿から検出された原画像情報から画像特徴量を算出し、
この画像特徴量から使用感光材料に対する画像形成条件
、例えば、上述したような露光条件あるいは帯電条件お
よび処理条件を決定することができるプリンターＣおい
て、画像形成条件の演算を直接上記ニューラルネットワ
ークで行うよう構成することにより、最適画像形成条件
の演算効率を向上させることができるし、前記画像形成
条件設定値を個人やラボの好み、設置場所などに応じて
容易に変更させてゆくことができる。

〈実施態様〉以下に、本発明に係るカラー画像形成装置を添付の図面
に示す好適実施例に基づいて詳細に説明する。

第１図は、本発明の画像形成条件演算処理系を含むカラ
ー画像形成装置の一実施例を示す原理的構成説明図であ
る。　ここに示す画像形成条件処理系は、本発明の画像
情報検出手段として赤色（Ｒ）光、緑色（Ｇ）光および
青色（Ｂ）光の各２種、合計６種類のフォトセンサを用
い、本発明の画像形成条件演算処理手段として、学習機
能を有する原稿種籾別装置と、その判別結果に応じて画
像形成条件を設定する設定装置と、前記原ｆＡ　ｆｆ１
判別装置に学習させる修正条件を入力する修正条件人力
装置とを有するものである。

同図に示すように、本発明の画像形成装置１０は画像形
成条件演算処理系１２と画像形成部本体５０とから構成
され、演算処理系１２は、相対的に矢印方向へ移動する
原ｇ４１４を照射する光源１６と、光源１６の照射光お
よびその原ｆ１４１４からの反射光の光束を定めるスリ
ット１８ａ、ｔａｂと、前記反射光を受光する赤光（Ｒ
）用センサ２０ａ、２０ｂ、緑光用センサ２０ｃ、２０
ｄおよび青光（Ｂ）用センサ２０ｅ、２０ｆの６種のフ
ォトセンサからなるイメージセンサ２０と、イメージセ
ンサ２０の各測光値を増幅する増幅器（ＡＭＰ）２２と
、増幅された各測光値をアナログ／デジタル変換するＡ
／Ｄ変換器（Ａ／Ｄ）２４と、デジタル画像信号から少
なくともカラー写真原稿とカラー印刷原稿とを判別し、
かつこの判別に際し学習機能を有する原稿種籾別装置２
６と、判別結果に応じて画像形成条件を設定する条件設
定部２８と、原稿種および使用感光材料さらに色濃度に
応じた画像形成条件を記憶しているＲＡＭ３０と、前記
判別結果が誤っており、画像形成が適正でない時に学習
するための修正条件、例えば正しい判別結果あるいは正
しい画像形成条件を入力する修正条件入力装置３２とか
ら構成され、この演算処理系１２によって求められた画
像形成条件は、これに応じて感光材料を露光し、処理し
て可視再生画像を得る画像形成部本体５０に伝送される
。

本発明の用いられるイメージセンサ２０の各色センサは
、少なくともカラー写真原稿とカラー印刷原稿を判別す
るパラメータとなり得るものであればよく、例えば、第
２図に示すようにＲ用センサ２０ａおよび２０ｂそれぞ
れとして感度ピークを７１５ｎｍおよび６５０ｎｍに有
するセンサ、Ｇ用センサ２０ｃ、２０ｄおよびＢ用セン
サ２０ｅ、２０ｆとしてそれぞれ感度ピークを５８０ｎ
ｍ、５５０ｎｍおよび４７０ｎｍ、４００ｎｍに有する
センサを用いるのが好ましい。

このようなセンサを用いる理由は、これらの波長におい
て第３ａ図に示すカラー写真画像の平均的分光濃度分布
と第３ｂ図に示すカラー印刷画像の平均的分光濃度分布
との相違が大きいからである。

第３ａ図および第３ｂ図から明らかなように、４００ｎ
ｍおよび４７０ｎｍ付近では共にカラー写真画像が最も
濃度が高い。

また、カラー写真画像に用いられているマゼンタ色素は
５３Ｏｎｍ付近に極大濃度（極大吸収波長）があり、シ
アン色素は６５０ｎｍｌ’を近に極大濃度がある。　さ
らに、シアン色素、マゼンタ色素共にこの極大吸収波長
を中心にして濃度が低下する特性がある。

一方、カラー印刷画像に用いられるマゼンタインクは、
５７Ｏｎｍ付近に極大濃度を有し、また、シアンインク
はは６００〜７１０ｎｍ付近まではほぼ平坦な濃度とな
っており、７１５ｎｍより長波長側ではカラー写真画像
よりも急激な濃度低下が見られる。

これに対し、図示されていないが、白黒画像は、白黒写
真画像でも、白黒印刷画像であっても、はぼ同じであり
イエロー４００〜４７０ｎｍ、マゼンタ５５０〜５８０
ｎｍおよびシアン６００〜７１０ｎｍのいずれの波長に
おいてもほぼ平坦な濃度を有している。

従って、Ｒ光の波長領域にある２つのセンサ２０ａおよ
び２０ｂによる測光値Ｒ８およびＲ３と、Ｇ光の波長領
域にある２つのセンサ２０ｃおよび２０ｄｅよる測光値
Ｇ２およびＧ、と、Ｂ光の波長領域にある２つのセンサ
２０ｅおよび２０ｆによる測光値Ｂ２およびＢ１とを用
いることで、少なくともカラー写真画像とカラー印刷画
像とははっきり区別できることがわかる。

本発明に用いられる学習機能を有する原稿種判別装置２
６は、ニューラルネットワーク３６と、ニューラルネッ
トワーク３６に入力するパラメータを演算するパラメー
タ演算器３４とを有する。

パラメータ演算器３４は、フォトサンサ２０ａ〜２０ｆ
により測定され、増幅器２２により増幅され、Ａ／Ｄ変
換器によりＡ／Ｄ変換された各測光値ＲＩ　　Ｒ，、Ｇ
２、Ｇ、　　Ｂ２およびＢ１からニューラルネットワー
ク３６の各プロセッシングエレメント（ＰＥ）に入力す
るパラメータを演算するもので、第１図に示す例では前
述の６つの測光値から６つのパラメータＲ２、Ｇ＋　、
Ｂ２　、Ｒ２−Ｒ＋Ｇ　２−　Ｇ　＋　　Ｂ　２　　Ｂ
　＋を演算するものである。　ここで本発明に用いられ
るパラメータは、この６種に限定されるわけではなく、
ニューラルネットワーク３６およびそれを構成する各エ
レメントに応じて適宜選択すればよい。

ニューラルネットワーク３６は、本発明の最も特徴的な
部分であって、第１図および第４ａ図に示す例では入力
層３８、中間層４０および出力層４２の３層構造を有し
、入力層３８は６個のプロセッシングエレメントＥ　＋
　　Ｅ　２Ｅｓ　、Ｂ４．ＥｓおよびＢ６から戒り、中
間層４０は３個のプロセッシングエレメントＥ７、Ｂ６
およびＥ、からなり、出力層４２は１個のプロセッシン
グエレメントＥＩＧから成り、入力層３８のエレメント
ＥＩ　ＮＨ３はすべて中間層４０の各エレメントＥ７〜
Ｅ９のそれぞれと結合され、中間層４０のエレメントＥ
７〜Ｅ、はすべて出力層４２のエレメントＥＩＯに結合
されており、エレメントＥ、とＥ、。にはエレメントＥ
ＩＯの判別出力値Ｚを所定量オフセットさせるためのバ
イアス４４が結合される。

ところで、一般に、ニューラルネットワークとは、人間
の脳を模倣した情報ネットワークであり、脳のニューロ
ンに対応した複数のプロセッシングエレメントを動的に
結合させることで高度な並列分散処理を行なわせること
ができるものである。

ニューラルネットワークの有する性質として以下のよう
なものを挙げることができる。

（１）各プロセッシングエレメントは、単純かつ均一な
処理を行う。

（２）各エレメントは、非同期な処理を行う。

（３）各エレメント間の結合強度変化によってネットワ
ークを構成していく。

ニューラルネットワークの構成は、第１図および第４図
に示すような一方向の信号伝達から成る階層構造であっ
てもよいし、各エレメント間のランダムな信号伝達から
なる相互結合構造であってもよい。

第４ｂ図に示すように、プロセッシングエレメントｉに
は、エレメントＩｔ、ｍ％　ｎ、・・・ｊ、・・・から
の出力信号ｏＱ　、ｏ、ａ、　ｏｏが人力され、エレメ
ントｉの出力信号Ｏｉを出力し、他の複数のエレメント
に入力される。　これらのエレメントｆｌ、ｍ、ｎ、・
・・　ｊｌ・・・とエレメントｉとの結合強度（重み係
数）　　”ＩＱ　、Ｗｌｍ、１１１ｍ、・・・　ＷＩＪ
　　・・・とすると、エレメントｉへの入力信号りとし
ては、１１＝”ｌＱ　Ｏａ　”ＷＩＩｌＩＯ＋ｅ”町１１０ｎ
”　””ＷＩＪｏＪ”　＋＋＝　Σ”ＩＪＯＪ」となる。　従って、エレメントｉの出力信号Ｏ１は、０１＝ｆ（ＩＩ）＝　ｆ（Σｌｌ１口０＞）となる。

ここで関数ｆ　（ｘ）は、しきい値開数であれば適宜選ぶことができるが、例えばシグモイド関数ｆ　（ｘ）＝　１　　／　　（１＋ｅ−×）を選ぶこと
ができる。

ここでニューラルネットワークにバックプロパゲーショ
ン（ＢＰ）を持たせることにより学習能力を持たせるこ
とができる。

このバックプロパゲーション（ＢＰ）は、以下の特徴を
有している。

（１）学習能力がある。

（２）判別分析等、従来の多重量回折との関連が強い。

（３）多入力、多出力の非線型システムが構成できる。

ニューラルネットワークにおける各エレメント間の結合
強度（重み係数）Ｗの学習による修正量ΔＷは、以下の
式で与えられる。

ΔＷ＝−ε　（δＥ／δ胃）、あるいは加速項を加えて Δ胃＝−ε　（ａ　Ｅ／ａ　ｗ）　　　αＷここでＥは
誤差評価関数であり、Ｅ　＝　（１／２）ΣΣ（０＋、
ｃ−ｄｌ、ｃ）２である。　また、εは定数、０．、ｃ
はｉ番目のユニット出力、ｄｌ、ｅはｉ番面のユニット
の望ましい出力、ＣはＣ番目の人出力ベアを示す、αは
スムージングファクターである。　第４ａ図に示す例に
おいて、入力層３８のエレメントＥ１〜Ｅ６への入力信
号をｘ１〜ｘ６とするとき、これらのＸ、〜Ｘ。

は、入力パラメータＲ，、Ｇ、、Ｂ２Ｒ２Ｒ１、Ｇ２−Ｇｒ　、　Ｂ２−１３＋である。

この時、入力層３８のエレメントＥ１〜Ｅ６の出力信号
Ｖ＋　（ｉ　＝　１〜６）は、ｙｌ＝　　ｋｘｌ（ｉ＝
１〜６）　ｋ　：スケーリング係数となり、これらが中
間層４０のエレメントＥ７、Ｂ６．Ｅｏに入力される。

　ここでエレメントＥＩＮＥ６とエレメントＥ、〜Ｅ、
との間の各エレメント間の重み係数（結合強度）をｗｌ
Ｊ　（ｉ＝１〜６、ｊ＝７〜９）とし、エレメントＥ７
〜Ｅ９の入力信号をｙ」（ｊ＝７〜９）、出力信号ｕ」
（ｊ＝７〜９）とすると、エレメントＥ、の入力信号ｙ
ｊは、従って、エレメントＥ」の出力信号Ｕ、は、となる。

さらに、中間層４０のエレメントＥ７Ｅ８．Ｅ９と出力層４２のエレメントＥＩＯとの間の重
み係数（結合強度）をＷ、　、ｗ、　、ｗ。

とし、エレメントＥＩＯへの入力信号をＵ、出力信号を
Ｚとすると、となり、Ｚの値によって、原稿種の判別を行うものであ
る。

ここで、閾値関数をシグモイド関数ｙ＝ｆ（ｘ）＝１／
（１◆ｅ−８）とすれば、例えば、Ｏに近いものを写真
原稿、１に近いものを印刷原稿とする判別出力値２とす
ることができる。

以上のように構成されるニューラルネットワーク３６に
は、上述のバックプロパゲーション（ＢＰ）学習アルゴ
リズムにより、予め多数のデータを学習させることによ
り、各エレメント間の重み係数（結合強度）およびオフ
セット量などを求めておくことにより、原稿種の判別を
正確に行うことができる。　　また、例え、判別結果が
適正でない場合が生じたとしても、正確な判別結果を修
正条件入力装置３２によりニューラルネットワーク３６
に人力して学習させることにより、さらに正確な判別を
行うことができるので、判別効率を大幅に向上させるこ
とができる。

第１図に示す例では、原稿種判別装置２６自身をニュー
ラルネットワーク３６で構成し、原積極の判別そのもの
をニューラルネットワーク３６で行っているけれども、
本発明はこれに限定されるわけではなく、原積極の判別
は、線型判別関数、２次以上の高次判別関数、あるいは
非線型判別関数で行い、これらの判別関数の係数をニュ
ーラルネットワークのパックプロパゲーション学習アル
ゴリズムで多数のデータおよび途中での適正値の入力か
ら学習させることによって決定するように構成してもよ
い。

また、原積極判別装置２６に付与する学習機能は、統計
分析に用いることができるものであれば、ニューラルネ
ットワークによるものに限定されない。

条件設定部２８は、原積極判別装置２６によって判別さ
れた原積極、例えば、カラー写真原稿、カラー印刷原稿
、白黒原稿（白黒写真原稿と白黒印刷原稿とを判別して
もよい）などと、使用感光材料、例えば、特願昭６３−
２４３６０３号および特願平０ｆ−４０００７号明細書
などに開示されているような銀塩写真式感光材料におけ
るカラー印刷原稿に適した硬調用（ノーマル）感光材料
、カラー写真原稿に適した軟調用（ソフト）感光材料お
よび○ＨＰ感光材料またはネガ用感光材料などとの組み
合わせに最適な画像形成条件、例えば露光条件および現
像、定着などの処理条件を決定するものである。

例えば、所定処理条件の下での露光条件としては、第１
図に示す光源１６の照射光の原稿１４からの反射光を直
接感光材料の露光に用いる直接露光の場合には、前記反
射光に作用させるＹ（イエロー）、Ｍ（マゼンタ）、Ｃ
（シアン）フィルタの挿入量および絞りＤの挿入量ある
いは原積極に適正な各色フィルタおよび絞りの挿入量か
らの補正量ΔＹ、ΔＭ、ΔＣ１ΔＤなどを挙げることが
できる。　　このような露光条件の設定方法の詳細につ
いては、本出願人の出願に係る特願昭６３−２４３６１
０号に提案されている。

また、−旦読み取った画像を読取光源とは別の光源例え
ば、各色Ｒ，Ｇ、Ｂの半導体レーザ（ＬＤ）光源または
発光ダイオード（ＬＥＤ）光源等を用いる場合の露光条
件としては、これらの光源の発光量（発光強度、発光時
間）の補正量なども挙げることができる。

さらに、上記露光条件とともに現像、漂白、定着などの
感光材料の処理条件などを設定することもできる。

この他、条件設定部２８は、電子写真式感光材料（感光
体）、感熱感光材料、感圧感光材料等の使用感光材料の
露光条件の他、それらの感光材料に特有の処理条件、例
えば電子写真式感光材料の印加電圧等を設定するもので
あってもよい。

ＲＡＭ３０は、上記の画像形成条件、すなわち露光条件
や処理条件が原積極と使用感光材料とに応じて記憶して
いるもので、条件設定部２８からの原積極および使用感
光材料の情報を受は取り、画像形成条件を条件設定部２
８に送り出す。

修正条件入力装置３２は、原積極判別装置２６および条
件設定部２８によるカラーバランスおよび濃度などの露
光条件や感光材料の処理条件によって画像形成された再
生可視像が適正な画像に仕上っていない時に、原ｇ４種
判別装置２６の適正判別結果または条件設定部２８によ
る適正な画像形成条件を人力するためのものであって、
原積極の適正な判別結果を直接原′ｇＪｆ！判別装置２
６に人力するように構成してもよいし、条件設定部２８
に適正な画像形成条件を入力し、この適正な画像形成条
件から適正な原積極を得て、この適正な原積極を条件設
定部２８から原８Ｉ種判別装置に人力するように構成し
てもよい。

いずれの場合も原積極判別装置２６は、適正な原積極を
学習し、判別結果の合格率を向上させることができる。

画像形成部本体５０は、条件設定部２８により設定され
た露光条件で感光材料を露光し、露光後設定処理条件で
現像、定着等のＩＡ理を行い、可視再生画像を得る部分
であって、用いられる感光材料に応じ適宜選択されるも
のである。

第５図に、本発明のカラー画像形成装置１０の画像形成
部本体５０として適用される銀塩写真式複写装置の一実
施例を示す。

同図に示す銀塩写真式複写装置５２（以下、複写装置５
２という）は、その右側に感光材料供給部５４、上方に
露光部５６およびその下方に処理部５８が設けられてい
る。

感光材料供給部５４は、感光材料の搬送路Ｂｏａ、６０
ｂを有し、上下に一対のマガジン６２ａ、６２ｂが着脱
自在に取り付けられ、これらの内部には感光材料６４ａ
、６４ｂがそれぞれロール状に収容され、先端部から感
光材料供給部５４へ取り出されるようになっている。　
−例として６４ａはカラー印刷原稿複写に最Ｊな（硬調
用）感光材料であり、６４ｂはカラー写真原稿の複写に
最適な軟調用感光材料となっている。

マガジン６２ａ、６２ｂの前方にはそれぞれ感光材料６
４ａ、６４ｂを引出ローラ対６６ａ、６６ｂが、次いで
感光材料６４ａ１６４ｂを所定の長さに切断するための
カッタ６８ａ、６８ｂがそれぞれ配置される。　切断後
の感光材料６４ａ、６４ｂは搬送路６０ａ、Ｓｏｂのガ
イドおよび搬送ローラ対により露光面部７０へと案内さ
れるようになっている。

露光面部７０は感光材料６４ａまたは８４ｂの露光位置
７０ａ　（露光面）を規定するガラス板７２が固定され
、このガラス板７２へ押圧板７４が圧着されている。

露光面部７０の上流側（上側）および下流側（下側）に
は、それぞれ搬送ローラ対７６ａおよび搬送ローラ対７
８ｂが設けられている。

露光面部７０の垂直下方には露光済感光材料６４ａ　（
６４ｂ）を−時保持する搬送路７８が配置され、その上
下方向中間部には、感光材料６４ａ　（６４ｂ）の搬送
路を処理部５８へと切換える切換ガイド７９が設けられ
る。

露光部５６は、原稿を載置するための透明なガラス板な
どからなる原稿台８０と、原稿台８０上に載置された原
ｇ４１４を固定するための１１］′稿押え８１と、原稿
台８０上の画像を露光面部７０の感光材料６４ａ　（６
４ｂ）にスリット走査露光するための光源移動型結像光
学系８２と、プレスキャン時に原稿１４の反射光の色濃
度を測定するイメージセンサ２０およびイメージセンサ
２０の測定値によって、原稿１４の原積極判別を行う原
ｇ４種判別装置２６を含む画像形成条件演算処理系１２
と、反射光の光路りに作用して露光面部７０側とイメー
ジセンサ２０側との光路りの切換えを行なうシャッタ８
４とを有している。　ここで、光源移動型結像光学系８
２は原稿台８０の下面部を走査する光源１６および反射
ミラー８６とを有する光源ユニットと、この光源ユニッ
トの１／２の速度で同方向に移動して光源１６からの光
を所定の方向に反射するミラー８８．９０と、レンズユ
ニット９２とで構成されている。

レンズユニット９２は、原稿１４の反射光を露光位置７
０ａに結像させるためのレンズの前群９４ａおよび後群
９４ｂと、反射光の色補正を行なうためのシアン、イエ
ロー　マゼンタノ各色に対応するシアンフィルタＣ１イ
エローフィルタＹおよびマゼンタフィルタＭと、反射光
の光量補正を行なうための可変絞りとしての絞り板９６
ａおよび９６ｂとを有する。

そして、本発明の複写装置５２においては、このレンズ
ユニット９２は、原積極判別装置２６の原積極判別信号
から条件設定部２８により設定された画像形成条件（露
光条件）に従って、反射光の光量および色バランスを調
整する。

この反射光の補正は、例えば硬調用感光材料６４ａをユ
ーザーが選択して原稿１４がカラー印刷原稿または白黒
原稿と判別された場合には、硬調用の標準設定条件で複
写を行うが、原稿１４がカラー写真原稿である場合には
イエローフィルタＹを抜き、光量を上げるように補正さ
れる。　また、軟調用感光材料６４ｂをユーザーが選択
して、原稿１４がカラー写真原稿である場合には、軟調
用の標準条件設定でコピーを行うが、カラー印刷原稿ま
たは白黒原稿である場合にはシアンフィルタＣを入れる
ように補正される。

なお、この複写装置５２に適用されている光源移動型結
像光学系８２は、倍率が０．５〜２．０までズーム複写
が可能なように構成される。

シャッタ８４はプレスキャン時と露光時とで反射光の光
路りを変更するためのもので、プレスキャン時には図中
実線で示す閉鎖状態となり、反射光の光路りをイメージ
センサ２０側に変更し、露光時には図中実線で示す開放
状態となり、反射光が感光材料６４ａ　（６４ｂ）を露
光するようにする。

処理部５８は処理槽部９８と乾燥部１００とから構成さ
れる。　処理槽部９８内に現像槽１０２、漂白・定着槽
１０４、水洗槽１０６゜１０８が連続して設けられ、こ
れらの内部へ充填される処理液によって現像、漂白、定
着、水洗が行なわれた感光材料６４ａ　（６４ｂ）が乾
燥部１００へと送られるようになっている。

乾燥部１００では水洗後の感光材料６４ａ（６４ｂ）を
乾燥して取出トレイ１１０上へ送り出すように構成され
る。

第１図に示すカラー画像形成装置１０を用いて、原積極
判別を行ない、その結果を本出願人が特願昭６３−２４
３６０３号および特願平０１−４０００７号明ＩＢ書に
提案した線型判別関数を用いて原ｆＡ　ｆＭ判別を行う
画像形成装置における原積極判別の結果とを比較した。

本発明装置による原積極判別は、カラー写真原稿サンプ
ル５０点、カラー印刷原稿サンプル５０点を用いて、予
めバックプロパゲーション学習アルゴリズムを持つニュ
ーラルネットワーク３６により学習させ、最適な非線形
判別関数（重み係数およびオフセット量など）を自動生
成し、これを用いる原ｙ４ｆ！１判別装置２６により、
先の１００点のサンプルを原ｇ４種判別した。　その結
果を第６図に示す。

一方、線型判別関数は、本出願人が特願昭６３−２４３
６０３号および特願平０１−４０００７号明細書に提案
したものを用い、上述の１００サンプルを判別した。

すなわち、線型判別関数ＺＬは以下のようなものであっ
た。

１、ｍ　Ｂ、＋Ｂ２ｈＲ２＊Ｂ３◆ＧＩ”Ｂ４”Ｂ２”
Ｂ５”　（Ｒ２−Ｒ＋）＋１１６１　（Ｇｚ−Ｇ＋）”
ａｔ”　（８２−Ｂｌ）ａｌｚ−１４Ｊ３、ａ２＝　−
０，１１、ａ、＝−０，３７、ａ、＝　０．４５、ａＢ
＝　１．１９、ａ６＝−０，６７、ａ７＝　−０，９８ここで、ＺしくＯはカラー印刷原稿、ＺＬ＞０はカラー
写真原稿と判断されるものである。

この結果を第７図に示す。

第６図および第７図から明らかなように、線型判別関数
を用いた装置の判別では誤判別されたり、ｚｔ、−０付
近にある両原稿の分離が不十分であったものが、本発明
装置の学習機能を有するニューラルネットワーク３６を
用いた判別では、誤判別は全くなく、両原稿の分離度も
極めて高いものであった。

以上は、画像形成条件を演算し、設定するために原８％
種を判別する原積極判別装置に例えばニューラルネット
ワークを構成して学習機能を保持させるものであるが、
原稿からイメージセンサ等の画像情報検出手段により検
出された原画像情報、例えば上述の６つのフォトセンサ
の測定値から直接画像形成条件、例えばＣ，Ｍ、Ｙの色
バランスおよび濃度（Ｄ）などの露光条件および処理条
件などを学習機能を有する条件演算処理手段により求め
るように構成してもよい。　例えば、複写装置の場合に
、熟練オペレータによる原稿と複写条件（色バランスお
よび濃度）の関係を各原稿のフォトセンサ出力と複写条
件の関係としてニューラルネットワークに学習させるこ
とによって、複写原稿に対する適正複写条件を高い合格
率（精度）で直接に得ることができる。

第８図に、このようなカラー画像形成装置を示す。

同図に示すカラー画像形成装置１２０は、光源１６、イ
メージセンサ２０．増幅器２２、Ａ／Ｄ変換器２４、修
正条件人力装置３２および学習機能を有する画像形成条
件演算装置１２２ならびに画像形成部本体５０を有し、
画像形成条件演算装置１２２以外は第１図に示すものと
同一のものを用いることができるので詳細な説明は省略
する。

ここで画像形成条件演算装置１２２は、第１図に示すも
のと同様なパラメータ演算器３４とニューラルネットワ
ーク１２４と出力ポート１２６とを有し、６個のフォト
センサ２０ａ〜２Ｏｆからの測光値ＲＩ　　Ｒ２、ＧＩ
　　Ｇ２、Ｂ、　　　Ｂ２から直接３色の色フイルタ条
件Ｙ、Ｍ、Ｃおよび濃度の絞り条件りを求めるものであ
る。　ニューラルネットワーク１２４は３層構造を有し
、人力層１２８は６個のエレメント、中間層１３０は５
個のエレメント、出力層１３２はＹ、Ｍ％Ｃ，Ｄに関す
る４つのエレメントから成るものである。

これらの各エレメントにおける信号の入出力の関係式お
よび各層間エレメントの結合強度（！！み係数）および
これらから構成されるバックプロパゲーション学習アル
ゴリズムによるニューラルネットワーク１２４の構成お
よび学習によりこのニューラルネットワーク１２４から
の非線型演算（判別）関数の自動生成については、第４
ａ図および第４ｂ図における例と同様に考えることがで
きるので、その説明の省略する。

上述の画像形成条件演算装置１２２は、ニューラルネッ
トワーク１２４の構造を変えることにより、ネガフィル
ムやりバーサルフィルムなどの透過原稿の画像形成条件
設定にも適用可能である。

第９図に、ネガフィルム１３６から最適なカラー写真１
３８を得るためのカラー写真プリンタ１４０を示す。

同図に示すカラー写真プリンタ１４０は、ネガフィルム
１３６を照射する光源１４２、光源１４２から照射され
、ネガフィルム１３６を透過する光を集光するレンズ１
４３、集光された透過光を検出する、例えば２５Ｘ２５
画素検出するカラーＭＯ３型センサ１４４、増幅器１４
６、Ａ／Ｄ変換器１４８、プリント条件演算装置１５０
、修正条件人力装置１５２およびプリンタ本体を構成す
る露光装置１５４と、露光済感光材料１３７を処理して
カラー写真１３８とする処理装置１５５を有する。

プリント条件演算装置１５０は、ネガフィルム１３６の
担持する原画像情報についてのイメージセンサ１４４の
多数のフォトセンサの測定値を基にして多数の画像特徴
量を算出する特徴量算出器１５６と、バックプロパゲー
ション学習アルゴリズムを持つニューラルネットワーク
１５８と、プリント条件例えば、Ｙ、Ｍ、Ｃの色バラン
スおよび濃度りの露光条件を出力する出力ポート１６０
からなる。　ニューラルネットワーク１５８は、多数の
エレメントからなる入力層１６２と多数のエレメントか
らなる１層あるいは多層構造を有する中間層１６４と上
記プリント条件例えばＹ、Ｍ、Ｃ，Ｄに関係する４つの
エレメントからなりプリント条件を決定する出力層１６
６とからなる多層構造のネットワークである。

ここに用いられるエレメントおよび非線型演算（判別）
関数の構成およびニューラルネットワークの構成の方法
については上述のものと同様に行うことができ、少なく
とも上記４つのプリント条件（Ｙ、Ｍ、Ｃ，Ｄ）を線型
演算関数であっても、非線型演算関数であっても自動生
成できるものである。

光源１４２は、プリント条件設定のためのカラーＭＯ５
型センサ１４４によるネガフィルム１３６の画像情報の
読取用と露光装置１５４により感光材料１３７への前記
画像情報の露光（焼付）用と共用できるのが好ましい。

　もちろん読取用と露光用とを別々の光源で行ってもよ
い。

カラーＭＯＳ型センサ１４４は、ネガフィルム１３６の
画像情報を多数の画素単位で読み取るものであるが、ネ
ガフィルムやりバーサルフィルムなどの透過原稿から多
数の画素の画像情報を検出することができるカラーセン
サであれば、何でもよ〈従来公知のカラーセンサを用い
ることができる。　読取画素数も、前述の２５Ｘ２５画
素に限定されず、ネガフィルム等のサイズに応じ、また
検出に必要な情報などに応じ適宜選択すればよく、例え
ば、２０Ｘ１３画素、７２Ｘ４８画素などであってよい
。

また、増幅器１４６およびＡ／Ｄ変換器１４８等は、従
来カラー写真プリンタに用いられている公知のものを用
いてよい。

さらに、修正条件入力装置１５２は、ユーザがプリント
条件演算処理装置１５０に予め学習させる学習データや
仕上ったカラー写真１３８が適正にプリントされていな
い場合に適正な修正条件を入力するものであり、入力方
法は何でもよく、従来の色バランスおよび濃度補正用の
マニュアルキーあるいは自動修正キーなどにより入力し
たものをプリント条件演算処理装置１５０にフィードバ
ックできるものであればよい。

露光装置１５４は、ネガプリント焼付用露光装置であっ
て、基本的に光源１４２、色フィルタ１７０、プリント
用レンズ１７２およびシャッタ１７４から構成され、色
フィルタ１７０およびシャッタ１７４はそれぞれその駆
動装置１７１および１７５を有し、プリント条件演算処
理装置１５０による４つのプリント条件（Ｙ、Ｍ、Ｃ，
Ｄ）に応じて自動調整が可能である。　色フィルタ１７
０は３色のフィルタ板１７０Ｙ１１７０Ｍ、および１７
０Ｃをから成り、上記プリント条件の７％Ｍ、Ｃのフィ
ルタ条件に従って駆動装置１７１により各色のフィルタ
板１７０Ｙ、１７０Ｍ、１７０Ｃを自動調整されるもの
である。　シャッタ１７４は、上記プリント条件の絞り
条件りに従って、駆動装置１７５によって所定の露光量
となるように所定時間開閉されるものである。　もちろ
ん、色フィルタ１７０およびシャッタ１７４のプリント
条件設定値（Ｙ、Ｍ、Ｃ，Ｄ）への調整は、手動で行う
ことも可能である。

露光装置１５４は、先に読み取られたネガフィルム１３
６の画像情報に基づいてプリント条件演算処理装置１５
０により設定されたプリント条件に色フィルタ１７０お
よびシャッタ１７４を設定し、プリント用レンズ１７２
により所定サイズに引き伸ばして、ネガフィルム１３６
の画像を感光材料１３７に露光する。

処理装置１５５は、露光済感光材料１３７を現像、漂白
、定着、水洗、乾燥してカラー写真（プリント）１３８
とするものであって、使用感光材料に応じた処理液、処
理剤および処理方法を用いるものである。

このカラー写真プリンタ１４０においては、従来、ネガ
フィルムやりバーサルフィルムなどの透過原稿からカラ
ーＭＯＳ型センサ１４４によって検出された測光値から
演算された画像特徴量から重回帰分析等の統計処理によ
るプリント条件の算出に比較して条件設定の精度を上げ
ることができ、プリント再生画像の合格率を上げること
ができる。

また、本発明のカラー写真プリンタ１４０は学習機能を
有しているので、平均的に設定されたプリント条件であ
っても、ネガフィルムやりバーサルフィルムなどが対象
とする被写体の種類、装置の設置場所、例えば北国、南
国、都市部、山間部およびラボさらにはユーザの好み等
を学習させることができるので、ユーザの要求に合格す
るプリント画像を合格率よく形成することができる。

本発明に係る画像形成装置は以上のように構成されるが
、本発明はこれに限定されるわけではなく、原画像情報
を検出し、読み取ることができるものであれば、反射原
稿、透過原稿および複写原稿の形態を取っていないテレ
ビ、ビデオ、コンピュータグラフィックおよび各種の画
像処理装置によって表示または合成される画像情報を原
画像情報とするものであってよく、またこれらの原画像
情報を銀塩写真式感光材料のみならず、感光感圧性感光
材料、感光材料性樹脂材料等各種の感光材料、電子写真
式感光材料（感光体）および感熱感光材料に、さらには
インクジェット、拡散転写等の方式により可視再生画像
を得るものにも適用できるなど、本発明の要旨を逸脱し
ない範囲において種々の改良並びに設計の変更が可能な
ことは勿論である。

〈発明の効果〉以上、詳述したように、本発明によれば、使用感光材料
に対して、原稿、あるいは原稿が担持する原画像情報に
適正な画像形式条件、例えば３原色の色バランスおよび
濃度などの露光条件および現像、定着などの感光材料処
理条件を学習機能を有する条件演算処理手段に予め学習
させておき、学習後の条件演算処理手段により算出され
た画像形成条件で画像形成を行うので、可視再生画像の
色バランスや画質を劣化させることがなく、また前記再
生画像が色味を帯びることがないので、常に良好な画像
を形成することができる。

例えば、原積極の判別をニューラルネットワークで行い
、原積極に応じた画像形成条件を設定するものでは、原
稿種判別の精度を向上させることができ、再生画像の合
格率を常に上げることができる。

また、ネガフィルムやりバーサルフィルム等の透過原稿
から画像特徴量を読み取り、この画像特徴量からニュー
ラルネットワークで直接画像形成条件を設定するもので
は、前記透過原稿の状態にかかわらず、常に最適の画像
形成条件を学習させることにより、適正画像形成条件の
算出の精度向上させることができ、再生画像の合格率を
常に向上させることができる。

従って、本発明のカラー画像形成装置は、原ｆｉ　ｆ１
原稿が対象とする原画像、例えば被写体に応じ、また設
置場所に応じ、またラボやユーザの好みに応じた画像形
成条件を学習させることができるので、例え、当初は平
均的な画像処理条件を算出するように設定されていたと
しても、上述の要求に応じた画像形成条件を精度よく算
出する装置とすることができる。

また、本発明のカラー画像形成装置は、特殊な専門的知
識を有していない者であっても、容易かつ簡単な操作で
、上述の効果を享受することができる。

【図面の簡単な説明】

第１図は、本発明に係るカラー画像形成装置の一実施例
の概略構成図である。第２図は、第１図に示すカラー画像形成装置に用いられ
るフォトセンサの感度特性を示すグラフである。第３ａ図および第３ｂ図は、それぞれカラー写真画像お
よびカラー印刷画像の分光反射濃度を示すグラフである
。第４ａ図は、第１図に示すカラー画像形成装置に用いら
れるニューラルネットワークの一実施例の原理的構成図
であり、第４ｂ図は、このニューラルネットワークを構
成するプロセッシングエレメントの一例の説明図である
。第５図は、本発明の画像形成装置の画像形成部本体とし
て用いられる銀塩写真式複写装置の一実施例の線図的断
面図である。第６図は、第１図に示すカラー画像形成装置における原
稿種判別の結果を示すグラフである。第７図は、従来のカラー画像形成装置における原ｇ４種
判別の結果を示すグラフである。第８図および第９図は、本発明に係るカラー画像形成装
置の別の実施例の概略構成図である。符号の説明１０．１２０・・・カラー画像形成装置、１６．１４２
・・・光源、２０・・・イメージセンサ、２６・・・原積極判別装置、２８・・・条件設定部、３２．１５２・・・修正条件人力装置、３４・・・パラ
メータ演算器、３６．１２４．１５８・・・ニューラルネットワーク、３８．１２８．１６２・・・人力層、４０．１３０．１６４・・・中間層、４２．１３２．１６６・・・出力層、５０・・・画像形成部本体、１２２・・・画像形成条件演算装置、１２６．１６０・・・出力ボート、１４０・・・カラー写真プリンタ、１４４・・・カラーＭＯ５型センサ、１５０・・・プリント条件演算装置、１５４・・・露光装置

Claims

【特許請求の範囲】

（１）原稿が担持する原画像情報を検出する画像情報検
出手段と、学習機能を有し、前記原画像情報に基づいて
所望の再生画像を得るための所定の感光材料に応じた画
像形成条件を演算する画像形成条件演算処理手段と、該
演算画像形成条件で前記感光材料に露光し、さらにその
露光済感光材料を処理して可視再生画像として得るカラ
ー画像形成手段と、前記可視再生画像が適正な色および
濃度に仕上っていない時に適正な色および濃度を得るた
めの修正条件を前記条件演算処理手段に入力する修正条
件入力手段とを備え、前記条件演算処理手段が前記修正条件の入力によって前
記原画像情報に対する適正画像形成条件を学習するよう
構成したことを特徴とするカラー画像形成装置。