JPH03144435A - カラー画像形成装置 - Google Patents
カラー画像形成装置Info
- Publication number
- JPH03144435A JPH03144435A JP1282595A JP28259589A JPH03144435A JP H03144435 A JPH03144435 A JP H03144435A JP 1282595 A JP1282595 A JP 1282595A JP 28259589 A JP28259589 A JP 28259589A JP H03144435 A JPH03144435 A JP H03144435A
- Authority
- JP
- Japan
- Prior art keywords
- image forming
- original
- color
- image
- conditions
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000006870 function Effects 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 11
- 230000001678 irradiating effect Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 42
- 239000010410 layer Substances 0.000 description 29
- 238000000034 method Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 229910052709 silver Inorganic materials 0.000 description 4
- 239000004332 silver Substances 0.000 description 4
- -1 silver halide Chemical class 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000012850 discrimination method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004061 bleaching Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- JCCNYMKQOSZNPW-UHFFFAOYSA-N loratadine Chemical compound C1CN(C(=O)OCC)CCC1=C1C2=NC=CC=C2CCC2=CC(Cl)=CC=C21 JCCNYMKQOSZNPW-UHFFFAOYSA-N 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108091008695 photoreceptors Proteins 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B27/00—Photographic printing apparatus
- G03B27/72—Controlling or varying light intensity, spectral composition, or exposure time in photographic printing apparatus
- G03B27/73—Controlling exposure by variation of spectral composition, e.g. multicolor printers
- G03B27/735—Controlling exposure by variation of spectral composition, e.g. multicolor printers in dependence upon automatic analysis of the original
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B27/00—Photographic printing apparatus
- G03B27/32—Projection printing apparatus, e.g. enlarger, copying camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/603—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Control Of Exposure In Printing And Copying (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
- Processing Or Creating Images (AREA)
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。
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。
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。
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。
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。
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。
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62
19775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。
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。
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。
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62
19775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。
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63
243603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。
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。
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。
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
。
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。
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。
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。
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。
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。
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。
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
。
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。
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。
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。
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。
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
。
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。
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。
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。
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。
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
。
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。
、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、、B2
R2R1、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。
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。
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E7
E8.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。
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。
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。
(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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
。
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。
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。
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。
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。
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。
、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。
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。
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。
、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。
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。
、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。
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。
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。
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。
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
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 (1)
- (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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1282595A JP2575215B2 (ja) | 1989-10-30 | 1989-10-30 | カラー画像形成装置 |
US07/604,850 US5025282A (en) | 1989-10-30 | 1990-10-29 | Color image forming apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1282595A JP2575215B2 (ja) | 1989-10-30 | 1989-10-30 | カラー画像形成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH03144435A true JPH03144435A (ja) | 1991-06-19 |
JP2575215B2 JP2575215B2 (ja) | 1997-01-22 |
Family
ID=17654551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP1282595A Expired - Fee Related JP2575215B2 (ja) | 1989-10-30 | 1989-10-30 | カラー画像形成装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US5025282A (ja) |
JP (1) | JP2575215B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06295293A (ja) * | 1993-03-31 | 1994-10-21 | Matsushita Electric Ind Co Ltd | ニューラルネットワーク映像プロセッサ |
JP2020098453A (ja) * | 2018-12-18 | 2020-06-25 | セイコーエプソン株式会社 | 学習装置、印刷制御装置及び学習済モデル |
JP2021087202A (ja) * | 2019-11-29 | 2021-06-03 | キヤノン株式会社 | 画像処理装置および画像処理方法、プログラム |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2568710B2 (ja) * | 1989-12-29 | 1997-01-08 | 松下電器産業株式会社 | 描画制御方法 |
JPH0786433B2 (ja) * | 1990-05-22 | 1995-09-20 | 支朗 臼井 | 色覚情報変換方法及び装置 |
JPH0429494A (ja) * | 1990-05-23 | 1992-01-31 | Matsushita Electric Ind Co Ltd | 自動調整装置 |
JPH04211802A (ja) * | 1990-07-25 | 1992-08-03 | Toshiba Corp | ニュ−ラルネットワ−ク装置 |
JP2521843B2 (ja) * | 1990-10-04 | 1996-08-07 | 大日本スクリーン製造株式会社 | セットアップパラメ―タ決定特性を修正する方法及び自動セットアップ装置 |
US5386496A (en) * | 1991-02-15 | 1995-01-31 | Toyo Ink Mfg. Co., Ltd. | Method and device for nonlinear transformation of colour information by neural network |
JPH04320285A (ja) * | 1991-04-19 | 1992-11-11 | Ricoh Co Ltd | 電子写真プロセス制御装置 |
EP0518378B1 (en) * | 1991-06-14 | 1997-09-03 | Canon Kabushiki Kaisha | Image forming apparatus |
IL98622A (en) * | 1991-06-25 | 1996-10-31 | Scitex Corp Ltd | Method and device for using neural networks in figure work |
US5852817A (en) * | 1991-08-14 | 1998-12-22 | Kabushiki Kaisha Toshiba | Intelligent control apparatus |
JP3242950B2 (ja) * | 1991-08-14 | 2001-12-25 | 株式会社東芝 | 予測制御方法 |
JPH0583429A (ja) * | 1991-09-18 | 1993-04-02 | Sanyo Electric Co Ltd | 画像形成装置 |
JP2978615B2 (ja) * | 1991-11-21 | 1999-11-15 | 支朗 臼井 | カラーバランス調整装置及び方法 |
JP2809954B2 (ja) * | 1992-03-25 | 1998-10-15 | 三菱電機株式会社 | 画像感知および処理のための装置および方法 |
JP2863674B2 (ja) * | 1992-09-14 | 1999-03-03 | 富士写真フイルム株式会社 | 画像形成装置 |
EP0630150B1 (en) * | 1993-06-18 | 1998-08-05 | Hewlett-Packard Company | Neural network for color translations |
AU7603894A (en) * | 1993-08-27 | 1995-03-21 | Massachusetts Institute Of Technology | Example-based image analysis and synthesis using pixelwise correspondence |
US5508718A (en) * | 1994-04-25 | 1996-04-16 | Canon Information Systems, Inc. | Objective-based color selection system |
US5615320A (en) * | 1994-04-25 | 1997-03-25 | Canon Information Systems, Inc. | Computer-aided color selection and colorizing system using objective-based coloring criteria |
JP3417051B2 (ja) * | 1994-05-20 | 2003-06-16 | 東洋インキ製造株式会社 | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 |
WO1996004533A1 (de) * | 1994-08-02 | 1996-02-15 | Gerriet Hellwig | Verfahren zur erzeugung und erkennung bunter farbtöne |
US5699450A (en) * | 1995-02-28 | 1997-12-16 | Xerox Corporation | Detector array method and apparatus for real time in situ color control in printers and copiers |
US5884296A (en) * | 1995-03-13 | 1999-03-16 | Minolta Co., Ltd. | Network and image area attribute discriminating device and method for use with said neural network |
JP3115508B2 (ja) * | 1995-06-21 | 2000-12-11 | シャープ株式会社 | カラー画像処理装置 |
US6301440B1 (en) * | 2000-04-13 | 2001-10-09 | International Business Machines Corp. | System and method for automatically setting image acquisition controls |
US7154545B2 (en) * | 2001-04-30 | 2006-12-26 | Hewlett-Packard Development Company, L.P. | Image scanner photosensor assembly with improved spectral accuracy and increased bit-depth |
US11704518B1 (en) * | 2022-05-17 | 2023-07-18 | Amazon Technologies, Inc. | Per-image print setting optimization |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5967527A (ja) * | 1982-10-08 | 1984-04-17 | Fuji Photo Film Co Ltd | 写真焼付露光量制御装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5223936A (en) * | 1975-08-19 | 1977-02-23 | Fuji Photo Film Co Ltd | Exposure control process for photography printing |
JPS5428131A (en) * | 1977-08-03 | 1979-03-02 | Fuji Photo Film Co Ltd | Control method for light amount of exposure for photographic printing |
DE3802681C2 (de) * | 1987-01-30 | 1997-01-09 | Fuji Photo Film Co Ltd | Verfahren zur Klassifizierung von Farbvorlagen und Vorrichtung hierfür |
JPH0663971B2 (ja) * | 1987-01-30 | 1994-08-22 | 富士写真フイルム株式会社 | カラ−原稿種分類方法 |
JPS63187140A (ja) * | 1987-01-30 | 1988-08-02 | Fuji Photo Film Co Ltd | カラ−原稿種分類方法 |
-
1989
- 1989-10-30 JP JP1282595A patent/JP2575215B2/ja not_active Expired - Fee Related
-
1990
- 1990-10-29 US US07/604,850 patent/US5025282A/en not_active Expired - Lifetime
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5967527A (ja) * | 1982-10-08 | 1984-04-17 | Fuji Photo Film Co Ltd | 写真焼付露光量制御装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06295293A (ja) * | 1993-03-31 | 1994-10-21 | Matsushita Electric Ind Co Ltd | ニューラルネットワーク映像プロセッサ |
JP2020098453A (ja) * | 2018-12-18 | 2020-06-25 | セイコーエプソン株式会社 | 学習装置、印刷制御装置及び学習済モデル |
JP2021087202A (ja) * | 2019-11-29 | 2021-06-03 | キヤノン株式会社 | 画像処理装置および画像処理方法、プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2575215B2 (ja) | 1997-01-22 |
US5025282A (en) | 1991-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH03144435A (ja) | カラー画像形成装置 | |
US4830501A (en) | Method of classifying color originals and apparatus thereof | |
KR100890970B1 (ko) | 화상 처리 장치, 화상 판독 장치 및 화상 형성 장치 | |
JP2002305666A (ja) | 写真画像のカラーモデリング方法、ソフトウエア、記憶媒体、プリンタ、スキャナ、現像所、および画像再生システム用モデルの使用方法 | |
US20050141046A1 (en) | Image reading apparatus, image recording medium and image forming apparatus | |
US7821670B2 (en) | Image processing apparatus, image reading apparatus, image forming apparatus, and methods therefor | |
EP0361428A2 (en) | Image forming method | |
US20010026369A1 (en) | Light source device and device for reading original | |
JPS58145940A (ja) | 多色プリントの色平衡を改良する方法 | |
JP2511506B2 (ja) | 画像形成装置 | |
JP2511507B2 (ja) | 画像露光装置 | |
JPS63187140A (ja) | カラ−原稿種分類方法 | |
EP0682439B1 (en) | Line scanning colour image copier with automatic exposure control depending upon the type of light-sensitive material | |
JP2551542B2 (ja) | 複写方法 | |
JPH08321963A (ja) | 画像変換情報の作成方法及び画像形成方法 | |
KR930004062B1 (ko) | 더어멀프린터 | |
JPS63187139A (ja) | カラ−原稿種分類方法 | |
JPH0713726B2 (ja) | 複写機の測光装置 | |
JP2675852B2 (ja) | 画像形成装置 | |
JPH0490539A (ja) | 複写装置の露光量決定方法 | |
JP2003075922A (ja) | ハロゲン化銀カラー写真感光材料の画像形成方法及び装置 | |
JP2003066546A (ja) | フィルムチャート原版およびフィルムチャート | |
JP2791325B2 (ja) | サーマルプリンタ | |
JP2530703B2 (ja) | 画像形成装置 | |
JPS60163040A (ja) | 写真焼付露光における焼付条件設定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |