JPH09186877A - 画像処理装置 - Google Patents

画像処理装置

Info

Publication number
JPH09186877A
JPH09186877A JP7344239A JP34423995A JPH09186877A JP H09186877 A JPH09186877 A JP H09186877A JP 7344239 A JP7344239 A JP 7344239A JP 34423995 A JP34423995 A JP 34423995A JP H09186877 A JPH09186877 A JP H09186877A
Authority
JP
Japan
Prior art keywords
density
density correction
image
correction table
characteristic
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
Application number
JP7344239A
Other languages
English (en)
Other versions
JP3335830B2 (ja
Inventor
Yasushi Adachi
靖 安達
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sharp Corp filed Critical Sharp Corp
Priority to JP34423995A priority Critical patent/JP3335830B2/ja
Priority to US08/760,712 priority patent/US6078410A/en
Publication of JPH09186877A publication Critical patent/JPH09186877A/ja
Application granted granted Critical
Publication of JP3335830B2 publication Critical patent/JP3335830B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • 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
    • H04N1/40—Picture signal circuits
    • H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
    • H04N1/4072—Control or modification of tonal gradation or of extreme levels, e.g. background level dependent on the contents of the original
    • H04N1/4074—Control or modification of tonal gradation or of extreme levels, e.g. background level dependent on the contents of the original using histograms

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

(57)【要約】 【課題】 原稿の濃度特性を抽出し、抽出した濃度特性
に応じて濃度補正を行うことで、種々の原稿に応じた高
品位の記録画像を得ることができ、しかも濃度補正に神
経回路網を使用することで正確、且つ迅速に画像信号に
対する濃度補正を行うことが可能な画像処理装置を提供
する。 【解決手段】 入力端子１から入力された画像信号から
原稿の濃度特性を示す特徴データを検出する特徴データ
抽出回路３と、特徴データに基づいて画像特性を認識す
るように予め学習された神経回路網から構成される濃度
補正テーブル選択回路４と、上記濃度補正テーブル選択
回路４からの選択信号に基づいて画像特性に応じた濃度
補正テーブルを選択し、その濃度補正テーブルにより画
像信号の濃度補正を行う濃度補正回路５とを備える。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、ディジタル複写機
やスキャナ等に用いられ、記録画像の画質向上を図るた
め、原稿を走査して得られた画像信号に対し、原稿の特
性に応じた最適な濃度補正処理を行う画像処理装置に関
するものである。
【０００２】
【従来の技術】従来より、ディジタル複写機やスキャナ
では、原稿をＣＣＤ（Charge CoupledDevice ）イメー
ジセンサ等で読み取って得られた画像信号に対して、記
録画像の画質を向上させるために種々の画像処理が行わ
れている。
【０００３】上記の記録画像の画質向上のための画像処
理としては、読み取られた原稿の特徴に応じて最適な濃
度補正を行うもの、例えば、新聞等の原稿では下地や裏
写りを除去するように濃度補正を行い、鉛筆等で書かれ
た原稿では淡い文字を濃くするように濃度補正を行うも
のが一般に知られている。
【０００４】このような濃度補正の方法として、例え
ば、特公平１−５５７９６号公報の「バックグランド濃
度検出装置」には、同一画像濃度毎にそれらのランレン
グスを求め、その加算結果が最大となる画像濃度をバッ
クグランド濃度として求め、このバックグランド濃度に
応じて画像信号の濃度補正を行う方法が開示されてい
る。
【０００５】また、他の濃度補正の方法として、特開平
５−２３６２７７号公報の「画像処理装置」には、原稿
を表す電気信号のヒストグラムを作成し、このヒストグ
ラムの特徴点（最明レベル、最暗レベル、最大度数、最
大度数レベル）によって原稿の特徴を識別して、上記特
徴点の情報に応じて形成された変換テーブルにより上記
電気信号の信号レベルを変換することで、画像信号の濃
度補正を行う方法が開示されている。
【０００６】さらに、他の濃度補正の方法として、特開
平６−１８９１２８号公報の「画像処理装置」には、原
稿内の色地の部分の座標を座標入力手段により指定し、
次いで画像入力装置により原稿の画像を読み取り、指定
した座標における原稿の画像の濃度が下地濃度検出手段
により検出され、検出された濃度に基づいて下地除去の
ための閾値が設定され、この閾値に基づいて下地除去を
行うことで、画像信号の濃度補正を行う方法が開示され
ている。
【０００７】
【発明が解決しようとする課題】しかしながら、上記特
公平１−５５７９６号公報の「バックグランド濃度検出
装置」に開示されているような濃度補正方法では、ラン
レングスの加算結果が最大となる画像濃度をバックグラ
ンド濃度として、この濃度のバックグランド部（背景
部）を除去するようになっているので、例えば文字部が
白色で背景部が黒色である白抜き文字を有する反転原稿
や写真原稿の場合において、背景部を除去してしまうの
で、文字部と背景部との濃度差が小さくなり記録画像の
画質劣化を招くようになる。したがって、上記したよう
な反転原稿等に対応することができないので、このよう
な濃度補正の方法では、あらゆる種類の原稿に対応する
ことができないという問題が生じる。
【０００８】また、上記特開平５−２３６２７７号公報
の「画像処理装置」に開示されているような濃度補正方
法を、ディジタル複写機に用いた場合、画像データを読
み取る際、原稿を予め走査するプリスキャンを行う必要
があり、画像処理の速度が遅くなるという問題が生じ
る。尚、上記のプリスキャンを行わないで、精度良く原
稿を識別するためには、原稿の画像データを記憶するた
めに大容量の記憶装置が必要となる。
【０００９】また、上記特開平５−２３６２７７号公報
では、原稿の特徴データに対する閾値処理により原稿タ
イプを識別し、原稿タイプに応じて濃度変換テーブルの
作成を行うが、上記の閾値処理方法だけでは原稿のタイ
プの識別精度に問題があり、原稿の特徴データの特性を
細かく反映した濃度変換テーブルの作成が困難なものと
なっている。
【００１０】したがって、上記特開平５−２３６２７７
号公報においても、あらゆる種類の原稿を精度良く識別
し、この原稿の特性に応じて濃度補正を行うことができ
ず、原稿の種類によっては記録画像の画質を低下させる
虞がある。
【００１１】さらに、上記特開平６−１８９１２８号公
報の「画像処理装置」に開示されているような濃度補正
方法では、使用者が原稿内の座標を指定して下地領域を
特定する操作が必要となるので、多種の原稿をコピーす
るような場合には、原稿毎に座標指定の操作を行わなけ
ればならず、画像処理全体にかかる時間が長くなるとい
う問題が生じる。
【００１２】本発明は、上記の各問題点を解決するため
になされたもので、その目的は、原稿の濃度特性を抽出
し、抽出した濃度特性に応じて濃度補正を行うことで、
種々の原稿に応じた高品位の記録画像を得ることがで
き、しかも濃度補正に神経回路網を使用することで正確
且つ迅速に画像信号に対する濃度補正を行うことが可能
な画像処理装置を提供することにある。
【００１３】
【課題を解決するための手段】請求項１の画像処理装置
は、上記の課題を解決するために、原稿を走査して得ら
れた画像信号から原稿の濃度特性を示す特徴データを抽
出する特徴データ抽出手段と、上記特徴データが入力さ
れると、この特徴データに基づいて原稿の特性を認識す
るように予め学習された神経回路網から構成される画像
認識手段と、上記画像信号の濃度値を画像特性に応じて
補正濃度値に変換するための濃度補正テーブルを複数種
類有し、上記画像認識手段からの画像認識情報に基づい
て上記濃度補正テーブルの中から画像特性に応じた濃度
補正テーブルを選択し、その濃度補正テーブルにより画
像信号の濃度補正を行う濃度補正手段とを有することを
特徴としている。
【００１４】上記の構成によれば、画像信号の濃度補正
を行うための濃度補正テーブルが、原稿の濃度特性に応
じて選択されるので、画像信号の濃度補正を原稿の濃度
特性に応じて高精度に行うことができる。
【００１５】しかも、原稿の特徴の認識は、神経回路網
により認識された画像認識情報に基づいて行われている
ので、原稿の特徴を表す様々なパラメータを多次元的に
考慮して認識する必要がなく、比較的容易に、且つ高精
度に多次元的な画像の識別処理を行うことができる。こ
れにより、画像の濃度特性等の細かな原稿の特徴に対応
した濃度補正テーブルの選択が可能となるので、画像信
号の濃度補正を高精度に行うことができる。
【００１６】請求項２の画像処理装置は、上記の課題を
解決するために、請求項１の構成に加えて、特徴データ
抽出手段は、画像信号から１ライン単位で逐次特徴デー
タを抽出すると共に、濃度補正の対象となるラインより
前の数ライン分の特徴データを平均化して新たな特徴デ
ータとして出力し、画像認識手段は、平均化された特徴
データに基づいて１ライン単位で逐次画像認識情報を出
力することを特徴としている。
【００１７】上記の構成によれば、請求項１の作用に加
えて、画像信号の数ライン分の濃度特性情報に基づいて
原稿の特徴を認識するようになっているので、原稿の特
徴を認識するための予備走査が必要なくなる。これによ
り、原稿の特徴を予備走査により認識して原稿の特徴に
応じた濃度補正テーブルを選択する場合に比べて、原稿
の特徴に応じた濃度補正テーブルの選択に係る時間を短
縮することができるので、濃度補正処理の高速化を可能
にする。
【００１８】また、１ライン単位で濃度補正を行うよう
になっているので、１枚の原稿内で特徴が急激に変化す
る場合にも、その変化に追随することできる。これによ
り、１枚の原稿の各領域に含まれるそれぞれの特徴に応
じて、最適な濃度補正テーブルを選択することができ
る。
【００１９】請求項３の画像処理装置は、上記の課題を
解決するために、原稿を走査して得られた画像信号から
原稿の濃度特性を示す特徴データを抽出する特徴データ
抽出手段と、上記特徴データが入力されると、この特徴
データに基づいて原稿の濃度特性に応じた特性代表値を
出力するように予め学習された神経回路網から構成され
る特性代表値算出手段と、上記特性代表値算出手段から
の特性代表値に基づいて画像特性に応じた濃度補正テー
ブルを作成し、その濃度補正テーブルにより画像信号の
濃度補正を行う濃度補正手段とを有することを特徴とし
ている。
【００２０】上記の構成によれば、画像信号の濃度補正
を行うための濃度補正テーブルが、原稿の濃度特性に応
じて算出された特性代表値に基づいて作成されるので、
画像信号の濃度補正を原稿の濃度特性に応じて高精度に
行うことができる。
【００２１】しかも、原稿の特徴は、神経回路網により
認識された画像認識情報に基づいて行われているので、
原稿の特徴を表す様々なパラメータを多次元的に考慮し
て認識する必要がなく、比較的容易に、且つ高精度に多
次元的な画像の識別処理を行うことができる。これによ
り、画像の濃度特性等の細かな原稿の特徴に対応した濃
度補正テーブルの作成が可能となるので、画像信号の濃
度補正を高精度に行うことができる。
【００２２】請求項４の画像処理装置は、上記の課題を
解決するために、請求項３の構成に加えて、特徴データ
抽出手段は、画像信号を１ライン単位で逐次特徴データ
を抽出すると共に、濃度補正の対象となるラインより前
の数ライン分の特徴データを平均化して新たな特徴デー
タとして出力し、特性代表値算出手段は、平均化された
特徴データに基づいて１ライン単位で逐次特性代表値を
出力することを特徴としている。
【００２３】上記の構成によれば、画像信号の数ライン
分の濃度特性情報に基づいて原稿の特徴を認識するよう
になっているので、原稿の特徴を認識するための予備走
査が必要なくなる。これにより、原稿の特徴を予備走査
により認識して原稿の特徴に応じた濃度補正テーブルを
作成する場合に比べて、原稿の特徴に応じた濃度補正テ
ーブルの作成に係る時間を短縮することができるので、
濃度補正処理の高速化を可能にする。
【００２４】また、１ライン単位で濃度補正を行うよう
になっているので、１枚の原稿内で特徴が急激に変化す
る場合にも、その変化に追随することできる。これによ
り、１枚の原稿の各領域に含まれるそれぞれの特徴に応
じて、最適な濃度補正テーブルを作成することができ
る。
【００２５】請求項５の画像処理装置は、上記の課題を
解決するために、請求項２または４の構成に加えて、濃
度補正手段は、濃度補正の対象となるラインよりも前の
数ライン分の濃度補正テーブルの内容を記憶し、上記濃
度補正処理を、上記濃度補正の対象となるラインに対し
て選択した濃度補正テーブルの情報と、記憶した数ライ
ン分の濃度補正テーブルの情報とに基づいて行うことを
特徴としている。
【００２６】上記の構成によれば、請求項２または４の
作用に加えて、濃度補正を行うラインよりも前の数ライ
ンの濃度補正テーブルの内容を考慮して濃度補正処理、
即ち濃度補正テーブルを新たに選択あるいは作成するよ
うになっているので、原稿の特徴を適切に認識すること
ができる。これにより、１ラインのみの特徴データから
原稿の特徴を認識した場合に生じる虞のある原稿の誤認
識を無くすことができるので、誤認識により選択された
濃度補正テーブルによって濃度補正を行うような不適当
な濃度補正を回避することができる。
【００２７】したがって、画像信号の濃度補正を適切な
濃度補正テーブルによって行うことができるので、１ラ
イン毎に異なる濃度補正が行われた場合に生じ易い記録
画像のテキスチャ的な画質劣化を防ぐことができる。
【００２８】請求項６の画像処理装置は、上記の課題を
解決するために、請求項５の構成に加えて、濃度補正手
段は、濃度補正の対象となるラインより前の数ライン分
の特徴データを平均化した特徴データと、記憶した数ラ
イン分の濃度補正テーブルの情報とを入力することで、
上記濃度補正処理を行うように予め学習されている神経
回路網から構成されていることを特徴としている。
【００２９】上記の構成によれば、請求項５の作用に加
えて、原稿の特徴を認識するために、神経回路網が使用
されているので、濃度補正テーブルを新たに選択あるい
は作成する際に必要な各種のパラメータの設定を比較的
容易に行うことができる。これによって、画像の特性に
応じた濃度補正テーブルの選択を正確、且つ迅速に行う
ことができる。
【００３０】
【発明の実施の形態】
〔実施の形態１〕本発明の実施の一形態について図１な
いし図１２に基づいて説明すれば、以下の通りである。
【００３１】本実施の形態に係る画像処理装置は、ディ
ジタル複写機やスキャナ等に用いられ、図１に示すよう
に、入力端子１、メモリ２、特徴データ抽出手段として
の特徴データ抽出回路３、画像認識手段としての濃度補
正テーブル選択回路４、濃度補正手段としての濃度補正
回路５、出力端子６を備えている。
【００３２】入力端子１は、図示しないＣＣＤイメージ
センサ等の原稿を走査する走査手段に接続されており、
上記の走査手段によって原稿を１ライン毎に走査して得
られた画像信号が入力されるようになっている。入力端
子１に入力された画像信号は、走査ライン毎にメモリ２
に出力される。
【００３３】メモリ２は、上記入力端子１から入力され
る数ライン分の画像信号を、各画素２５６レベル (８bi
t)で格納する記憶領域を有している。例えば、このメモ
リ２には、注目画素とその近傍の複数の画素とからなる
局所ブロックの画像信号が格納される。そして、メモリ
２に格納された画像信号は、特徴データ抽出回路３およ
び濃度補正回路５に出力される。
【００３４】特徴データ抽出回路３は、上記メモリ２に
格納された画像信号から原稿の濃度分布等の画像特性を
示すデータ（以下、特徴データと称する）を抽出するよ
うになっている。
【００３５】この特徴データとしては、例えば、上記メ
モリ２内に格納された画像信号の最大信号レベル、最小
信号レベル、主走査方向に連続する２個の画素間の差分
値の総和、副走査方向に連続する２個の画素間の差分値
の総和の４つのパラメータに基づいて得られる識別デー
タがある。この識別データによって、メモリ２内に格納
された注目画素が原稿の文字領域、写真領域、或いは背
景領域の何れかに属するかを識別するようになってい
る。
【００３６】また、上記の特徴データとして、画像信号
から得られる濃度特性を示す濃度ヒストグラムを用いて
も良い。この場合、入力端子１からの１ライン毎の画像
信号に対して濃度ヒストグラムを作成するようになって
いるので、１ライン中の注目画素から原稿の特徴を得る
必要はなく、特にメモリ２に画像信号を格納する必要は
ない。したがって、画像処理装置においてメモリ２を省
略した構成とすることができる。上記の濃度ヒストグラ
ムの詳細は後述する。
【００３７】尚、本実施の形態では、特徴データとして
濃度ヒストグラムを用いて説明する。したがって、メモ
リ２を省略した構成とすることもできるが、メモリ２は
省略しないで説明する。
【００３８】上記特徴データ抽出回路３は、原稿の濃度
分布等の特性を顕著に示す特徴データとしての濃度ヒス
トグラムを画像信号から抽出して、この濃度ヒストグラ
ムを濃度補正テーブル選択回路４に出力するようになっ
ている。
【００３９】一方、メモリ２から出力された画像信号が
入力される濃度補正回路５では、濃度補正テーブルによ
って画像信号の濃度補正を行うようになっている。詳細
に述べると、濃度補正回路５は、画像信号の濃度値を画
像特性に応じて補正濃度値に変換するための濃度補正テ
ーブルを複数種類有しており、この複数の濃度補正テー
ブルの中から、後述する濃度補正テーブル選択回路４か
らの選択信号に基づいて原稿の濃度分布等の特性を考慮
して最適な濃度補正が行えるような濃度補正テーブルを
選択して、この濃度補正テーブルによって画像信号の濃
度補正を行うようになっている。尚、濃度補正回路５に
おける濃度補正処理の詳細は後述する。
【００４０】上記の濃度補正テーブル選択回路４は、特
徴データ抽出回路３からの特徴データに基づいて濃度補
正回路５にて原稿の特性に応じた濃度補正テーブルを選
択し得るための選択信号を作成し、濃度補正回路５にそ
の選択信号を出力するようになっている。即ち、濃度補
正テーブル選択回路４は、入力される特徴データに基づ
いて、原稿がどのような特徴を有しているのかを識別
し、この識別結果に基づいて、濃度補正回路５にて原稿
の特性に応じた濃度補正テーブルが選択できるような選
択信号を作成するようになっている。尚、濃度補正テー
ブル選択回路４における選択信号の作成の詳細は後述す
る。
【００４１】上記の構成において、記録画像の画質向上
を図るためになされる画像信号の濃度補正処理の流れに
ついて、図２に示すフローチャートおよび図１に示すブ
ロック図を参照しながら以下に説明する。
【００４２】先ず、ＣＣＤイメージセンサによって読み
取られた原稿の画像信号が、複数ライン分メモリ２に格
納され、この格納された画像信号から特徴データ抽出回
路３によって特徴データである濃度ヒストグラムを抽出
する（Ｓ１）。
【００４３】次いで、抽出された濃度ヒストグラムが濃
度補正テーブル選択回路４に出力される。そして、濃度
補正テーブル選択回路４では、原稿がどのような特性を
有しているのかを識別し、その識別結果に基づいて原稿
の特性に応じた濃度補正テーブルを選択し得る選択信号
を濃度補正回路５に出力する。そして、濃度補正回路５
では、この選択信号に基づいて原稿特性に応じた濃度補
正テーブルを選択する（Ｓ２）。
【００４４】次に、濃度補正回路５にて、選択した濃度
補正テーブルによってメモリ２から出力される原稿の画
像信号の濃度補正を行う（Ｓ３）。
【００４５】以上のように、本実施の形態に係る画像処
理装置は、上記の濃度補正処理を１ライン分の画像信号
毎に逐次行うようになっている。尚、上記のメモリ２で
は、格納された画像信号が１ライン分処理される毎に、
入力端子１から画像信号を１ライン分新たに格納するよ
うになっている。これにより、濃度補正回路５におい
て、連続して画像信号の濃度補正処理を行うことができ
る。
【００４６】ここで、特徴データ抽出回路３にて取り扱
う濃度ヒストグラムについて図３ないし図５に基づいて
以下に説明する。尚、図３は、背景部が白色で文字部が
黒色の文字原稿の濃度ヒストグラムを示し、図４は、写
真原稿の濃度ヒストグラムを示し、図５は、新聞等の下
地（背景部）が白色でない文字原稿の濃度ヒストグラム
を示す。
【００４７】濃度ヒストグラムとは、図３ないし図５に
おける各（ａ）に示すように、横軸に画像信号レベル
（濃度）、縦軸にその濃度の頻度を示す度数をとるこで
画像の１ライン分の特徴（濃度分布）を表すものであ
る。ここで、濃度値は１が最明レベルに、２５５が最暗
レベルに対応するようになっている。
【００４８】ところが、濃度ヒストグラムが図３ないし
図５における各（ａ）に示すような状態では、情報量が
非常に多くなっているので、濃度補正テーブル選択回路
４にて濃度ヒストグラムに基づいて行う処理に時間が係
るという問題が生じる。したがって、処理の簡易化等を
図るために、１ライン分の画像信号に対して以下の処理
を行うことで、画像の特徴を保持したまま、情報量を削
減した濃度ヒストグラムを作成する必要がある。
【００４９】上記情報量を削減した濃度ヒストグラムの
作成について以下に説明する。先ず、図３〜図５の各
（ｂ）に示すように、濃度値に対する閾値ＴＨ１、ＴＨ
２、ＴＨ３、ＴＨ４を設定する。ここで、ＴＨ１として
濃度値５０、ＴＨ２として濃度値１００、ＴＨ３として
濃度値１５０、ＴＨ４として濃度値２００と設定する。
尚、各ＴＨの値については、上記の値に限定するもので
はなく、任意の濃度値を設定しても良い。また、閾値の
数も４つに限定するものではなく、任意の数だけ閾値を
設定しても良い。
【００５０】次に、原稿を読み取って得られた画像信号
を上記の各閾値と比較することにより、その画像信号が
０〜ＴＨ１、ＴＨ１〜ＴＨ２、ＴＨ２〜ＴＨ３、ＴＨ３
〜ＴＨ４、ＴＨ４〜２５５のどの濃度値の範囲に属する
のかを識別し、識別結果に基づいて上記濃度範囲毎に画
素数を累算する。
【００５１】次いで、累算された画素数に対して、各濃
度範囲毎に閾値を７個に設定し、各画素数とこの閾値と
を比較することにより、画素数を３bit 信号（０〜７）
に変換する。尚、各濃度範囲における画素数に対する閾
値に関しては、７個に限定するものではなく、任意の数
値を設定しても良い。
【００５２】上記の処理により作成された情報量削減の
濃度ヒストグラムは、例えば図３（ａ）に示すような文
字部と背景部との濃度差が大きい文字原稿、即ち白地に
黒の文字が書かれた原稿の場合には、図３（ｂ）に示す
ように、最明部（濃度値０近傍）、最暗部（濃度値２５
５近傍）の度数が大きくなる双峰形の濃度分布となって
いる。
【００５３】また、図４（ａ）に示すような濃度変化の
緩やかな中間調部が多くを占めている写真原稿の場合に
は、図４（ｂ）に示すように、最明部と最暗部との中間
部（中間調部）の度数が大きくなっており、図３（ｂ）
に示す文字原稿より単峰形に近い濃度分布となってい
る。
【００５４】さらに、図５（ａ）に示すような新聞や
緑、青、黄色等の色地のある文字原稿、所謂下地が着色
された文字原稿の場合には、図５（ｂ）に示すように、
文字部と背景部との濃度差は図４に示す写真原稿よりも
大きいが、図３（ｂ）に示す文字原稿における文字部と
背景部との濃度差は大きくない。即ち、新聞等の原稿で
は、図３（ｂ）に示す文字原稿部に比べて背景部が薄い
濃度を有しているので、背景部に対応する度数が最明部
よりも中間調部側によった濃度分布となっている。
【００５５】以上のように、特徴データ抽出回路３で
は、画像の特徴を保持したまま、情報量を削減した濃度
ヒストグラムを、画像信号から抽出したその原稿の特徴
データとして濃度補正テーブル選択回路４に出力するよ
うになっている。
【００５６】ここで、濃度補正テーブル選択回路４につ
いて以下に説明するが、その前に、濃度補正回路５で使
用される濃度補正テーブルについて説明する。
【００５７】先ず、濃度補正テーブルとは、入力端子１
からの画像信号の濃度を補正するものである。したがっ
て、記録画像の画質向上を図るような濃度補正を行うた
めには、各原稿の特徴を考慮した上でそれぞれの画像に
適した濃度補正テーブルを使用する必要がある。
【００５８】そこで、図８〜図１０は、原稿の特性を考
慮して作成された濃度補正テーブルの一例を示したもの
である。図８は、図３（ｂ）に示す濃度ヒストグラムに
よって選択される文字原稿の記録画像の画質向上を目的
とした濃度補正テーブルを示したものである。この濃度
補正テーブルでは、文字部と背景部とのコントラストが
大きくなるように画像信号あの濃度変換、即ち入力濃度
と出力濃度との変換を行うことで、文字原稿に対して鮮
明な記録画像が得られるようになっている。
【００５９】また、図９は、図４（ｂ）に示す濃度ヒス
トグラムによって選択される写真原稿の記録画像の画質
向上を目的とした濃度補正テーブルを示したものであ
る。この濃度補正テーブルでは、画像の中間調の濃度を
強調して入力濃度と出力濃度とを変換することで、写真
原稿に対して鮮明な記録画像が得られるようになってい
る。
【００６０】さらに、図１０は、図５（ｂ）に示す濃度
ヒストグラムによって選択される新聞等の下地が白以外
に着色された文字原稿（下地着色原稿）の記録画像の画
質向上を目的とした濃度補正テーブルを示したものであ
る。この濃度補正テーブルでは、明部側で図８に示す濃
度補正テーブルよりも若干暗部側よりに濃度変換するこ
とで、上記新聞等の原稿に対して鮮明な記録画像が得ら
れるようになっている。
【００６１】次に、濃度補正テーブル選択回路４につい
て、図６および図７に基づいて以下に説明する。
【００６２】濃度補正テーブル選択回路４の構成を図６
に示す。ここでは、ｍ＝４、ｎ＝２とする。濃度補正テ
ーブル選択回路４の入力値には、上記特徴データ抽出回
路３で求められた特徴データであるヒストグラム度数Ｎ
0(0)に３bit 、同図ではI0が使用され、ヒストグラム度
数Ｎ0(1)に３bit 、同図ではI1が使用され、ヒストグラ
ム度数Ｎ0(2)に３bit 、同図ではI2が使用され、ヒスト
グラム度数Ｎ0(3)に３bit 、同図ではI3が使用され、ヒ
ストグラム度数Ｎ0(4)に３bit 、同図ではI4が使用され
る。
【００６３】また、濃度補正テーブル選択回路４の出力
値には、濃度補正の対象画像に対して濃度補正を行う場
合、図８に示す濃度補正テーブルによる濃度変換が適し
ていることを示す数値に２bit 、同図ではＯ0 が使用さ
れ、図９に示す濃度補正テーブルによる濃度変換が適し
ていることを示す数値に２bit 、同図ではＯ1 が使用さ
れ、図１０に示す濃度補正テーブルによる濃度変換が適
していることを示す数値に２bit 、同図ではＯ2 が使用
される。
【００６４】尚、上記濃度補正テーブル選択回路４の入
力のビット数は、上記に限定されるものではなく任意で
ある。但し、上記入力のビット数を多くすれば判定精度
が向上するが、処理速度の低下やコスト高を招来するこ
とになるので、これらの条件を考慮して最適なビット数
を選択することが望ましい。
【００６５】上記濃度補正テーブル選択回路４として
は、入出力特性が予め神経回路網により決められた二次
元ルックアップテーブル、もしくは神経回路網そのもの
を使用している。この場合の神経回路網の例としては、
図７（ａ）に示すような、４層パーセプトロンが挙げら
れる。ここで、ｍ＝４、ｎ＝２とする。
【００６６】入力層では、上記ヒストグラム度数Ｎ0(0)
を０〜１に正規化したものがI0に、ヒストグラム度数Ｎ
0(2)を０〜１に正規化したものがI2に、ヒストグラム度
数Ｎ0(3)を０〜１に正規化したものがI3に、ヒストグラ
ム度数Ｎ0(4)を０〜１に正規化したものがI4に入力され
る。
【００６７】出力層では、文字原稿らしさを表す数値が
Ｏ0 、写真原稿らしさを表す数値がＯ1 、新聞等の下地
着色原稿らしさを表す数値がＯ2 として出力される。即
ち、出力層からは、濃度補正の対象画像に対して濃度補
正テーブルを用いて濃度補正を行う場合、図８に示す文
字原稿に対応した濃度補正テーブルが適していることを
表す数値がＯ0 、図９に示す写真原稿に対応した濃度補
正テーブルが適していることを表す数値がＯ1 、図１０
に示す下地着色原稿に対応した濃度補正テーブルが適し
ていることを表す数値がＯ2 として出力される。
【００６８】各入力層は中間層の全ての神経素子の入力
に接続され、各中間層の出力は出力層の全ての神経素子
の入力に接続されている。
【００６９】各神経素子は、図７（ｂ）に示すように、
多入力１出力の素子であり、各神経素子への入力値をｘ
i 、各重み計数をｗij、出力値をｙj とすると、各神経
素子は、下記の（１）式の積和演算を行い、その積和演
算結果Ｘj を（２）式のシグモイド関数の入力として用
いて、ｙj を出力する。
【００７０】
【数１】
【００７１】すでによく学習された上記神経回路網で
は、入力層に、文字原稿の特徴データとして得られたヒ
ストグラム度数Ｎ0(0)、Ｎ0(1)、Ｎ0(2)、Ｎ0(3)、Ｎ
0(4)が入力された時、出力層では、Ｏ0 が１、Ｏ1 が
０、Ｏ2 が０にそれぞれ近い値を出力し、写真原稿の特
徴データとして得られたヒストグラム度数Ｎ0(0)、Ｎ
0(1)、Ｎ0(2)、Ｎ0(3)、Ｎ0(4)が入力された時、出力層
では、Ｏ0 が０、Ｏ1 が１、Ｏ2 が０にそれぞれ近い値
を出力し、新聞等の下地着色原稿の特徴データとして得
られたヒストグラム度数Ｎ0(0)、Ｎ0(1)、Ｎ0(2)、Ｎ
0(3)、Ｎ0(4)が入力された時、出力層では、Ｏ0 が０、
Ｏ1 が０、Ｏ2 が１にそれぞれ近い値を出力する。
【００７２】二次元ルックアップテーブルの入出力特性
を決めるための神経回路網では、入出力層の各神経素子
は８ｂｉｔを使用する。また、神経回路網そのものを濃
度補正テーブル選択回路４に使用する場合は、入出力層
の各神経素子のビット数は図６に示す濃度補正テーブル
選択回路４の各入出力のビット数に相当する。
【００７３】また、神経回路網の形態は、図７（ａ）に
示したものに限定されるものではない。即ち、神経回路
網の中間層数および中間層の神経素子数は任意であり、
他の形態の神経回路網を用いてもよい。
【００７４】以上のように、濃度補正テーブル選択回路
４では、入出力特性が予め神経回路網により決められた
二次元ルックアップテーブル、もしくは神経回路網その
ものを使用して得られた値を、濃度補正回路５における
濃度補正テーブルの選択信号として濃度補正回路５に出
力している。
【００７５】ここで、濃度補正テーブル選択回路４から
出力される選択信号に基づいた濃度補正回路５の濃度補
正例を以下に説明する。
【００７６】濃度補正回路５は、濃度補正テーブル選択
回路４からの選択信号が、文字原稿らしさを表す出力値
Ｏ0 が予め設定された値よりも大きく、写真原稿らしさ
を表す出力値Ｏ1 および新聞等の下地着色原稿らしさを
表す出力値Ｏ2 が予め設定された値よりも小さい状態を
示す信号の時には、図８に示すような文字原稿に対応し
た濃度補正テーブルを選択し、この濃度補正テーブルに
基づいて濃度補正処理を行うようになっている。
【００７７】また、濃度補正回路５は、濃度補正テーブ
ル選択回路４からの選択信号が、写真原稿らしさを表す
出力値Ｏ1 が予め設定された値よりも大きく、文字原稿
らしさを表す出力値Ｏ0 および新聞等の下地着色原稿ら
しさを表す出力値Ｏ2 が予め設定された値よりも小さい
状態を示す信号の時には、図９に示すような写真原稿に
対応した濃度補正テーブルを選択し、この濃度補正テー
ブルに基づいて濃度補正処理を行うようになっている。
【００７８】さらに、濃度補正回路５は、濃度補正テー
ブル選択回路４からの選択信号が、新聞等の下地着色原
稿らしさを表す出力値Ｏ2 が予め設定された値よりも大
きく、文字原稿らしさを表す出力値Ｏ0 および写真原稿
らしさを表す出力値Ｏ1 が予め設定された値よりも小さ
い状態を示す信号の時には、図１０に示すような新聞等
の下地着色原稿に対応した濃度補正テーブルを選択し、
この濃度補正テーブルに基づいて濃度補正処理を行うよ
うになっている。
【００７９】また、濃度補正回路５では、濃度補正テー
ブル選択回路４からの選択信号である出力値Ｏ0 、
Ｏ1 、Ｏ2 が何れも予め設定された値よりも大きくなら
ない場合、図１１および図１２に示す濃度補正テーブル
によって濃度補正処理を行うようになっている。
【００８０】例えば、濃度補正回路５では、濃度補正テ
ーブル選択回路４からの選択信号によって文字原稿であ
るか写真原稿であるかを識別できない場合には、図８と
図９に示す濃度補正テーブルを考慮して作成された図１
１に示すような濃度補正テーブルに基づいて濃度補正処
理が行われ、濃度補正テーブル選択回路４からの選択信
号によって写真原稿であるか新聞等の下地着色原稿であ
るかを識別できない場合には、図９と図１０とを考慮し
て作成された図１２に示すような濃度補正テーブルに基
づいて濃度補正が行われる。
【００８１】また、濃度補正回路５では、上記した各濃
度補正テーブルの他に、図１１や図１２に示す濃度補正
テーブルのように図８、図９、図１０を考慮して作成さ
れた様々な濃度補正テーブルを予め用意しておき、濃度
補正テーブル選択回路４の出力値に応じてそれらを適宜
選択するようにしても良い。
【００８２】上記の構成によれば、画像信号の濃度補正
を行うための濃度補正テーブルが、原稿の濃度特性に応
じて選択されるので、画像信号の濃度補正を原稿の濃度
特性に応じて高精度に行うことができる。
【００８３】しかも、原稿の特徴の認識は、神経回路網
からなる濃度補正テーブル選択回路４により認識された
画像認識情報に基づいて行われているので、原稿の特徴
を表す様々なパラメータを多次元的に考慮して認識する
必要がなく、比較的容易に、且つ高精度に多次元的な画
像の識別処理を行うことができる。これにより、画像の
濃度特性等の細かな原稿の特徴に対応した濃度補正テー
ブルの選択が可能となるので、画像信号の濃度補正を高
精度に行うことができる。
【００８４】以上の説明では、画像信号の１ライン毎の
特徴データに基づいて、その特徴データに応じて選択さ
れた濃度補正テーブルによって濃度補正処理が行われて
いる。尚、画像信号から原稿の特徴データを抽出する場
合、上記のように画像信号の１ライン毎に抽出する必要
はなく、連続した複数ライン分の画像信号から特徴デー
タを抽出しても良い。
【００８５】しかしながら、画像信号から抽出された特
徴データに基づいて濃度補正を行う場合、１ライン分の
特徴データでは、原稿全体の特徴とそのライン分の特徴
とがずれる虞がある。このため、原稿の特徴を誤認識し
たまま画像信号の濃度補正を行えば、記録画像において
テキスチャ的な画質劣化を招く虞がある。
【００８６】そこで、特に１ライン分の画像信号から濃
度ヒストグラムを作成して、原稿の特徴を識別する場合
には、画像信号の現ラインの周辺のラインを考慮して濃
度補正処理を行えば、上記した原稿の特徴を誤認識する
ことがなくなり、良好に濃度補正処理を行うことができ
る。
【００８７】このような、画像信号の処理対象となる現
ラインの周辺ラインに対する濃度補正処理を考慮した場
合の画像処理装置について、以下の実施の形態２で説明
する。
【００８８】〔実施の形態２〕本発明の他の実施の形態
について図１３および図１４に基づいて説明すれば、以
下の通りである。尚、説明の便宜上、前記の実施の形態
で使用された部材と同一の機能を有するものには、同一
の符号を付記し、その説明は省略する。
【００８９】本実施の形態に係る画像処理装置は、図１
３に示すように、前記実施の形態１の図１に示す画像処
理装置の特徴データ抽出回路３と濃度補正テーブル選択
回路４との間に、上記特徴データ抽出回路３と共に特徴
データ抽出手段を構成する特徴データ平均化回路７が設
けられた構成となっている。
【００９０】特徴データ平均化回路７は、画像信号の処
理対象となっている現ラインより前の数ラインの濃度ヒ
ストグラムの平均、もしくは重み平均をとり、その結果
を特徴データとして濃度補正テーブル選択回路４に出力
するようになっている。
【００９１】特徴データ平均化回路７における濃度ヒス
トグラムの重み平均の求め方を以下に説明する。画像信
号の現ラインの濃度ヒストグラムにおける濃度値０〜Ｔ
Ｈ１の範囲の度数をＮ0(0)、濃度値ＴＨ１〜ＴＨ２の範
囲の度数をＮ0(1)、濃度値ＴＨ２〜ＴＨ３の範囲の度数
をＮ0(2)、濃度値ＴＨ３〜ＴＨ４の範囲の度数をＮ
0(3)、濃度値ＴＨ４〜２５５の範囲の度数をＮ0(4)とす
る。
【００９２】また、画像信号の現ラインより１ライン前
の濃度ヒストグラムにおける濃度値０〜ＴＨ１の範囲の
度数をＮ1(0)、濃度値ＴＨ１〜ＴＨ２の範囲の度数をＮ
1(1)、濃度値ＴＨ２〜ＴＨ３の範囲の度数をＮ1(2)、濃
度値ＴＨ３〜ＴＨ４の範囲の度数をＮ1(3)、濃度値ＴＨ
４〜２５５の範囲の度数をＮ1(4)とする。
【００９３】また、画像信号の現ラインより２ライン前
の濃度ヒストグラムにおける濃度値０〜ＴＨ１の範囲の
度数をＮ2(0)、濃度値ＴＨ１〜ＴＨ２の範囲の度数をＮ
2(1)、濃度値ＴＨ２〜ＴＨ３の範囲の度数をＮ2(2)、濃
度値ＴＨ３〜ＴＨ４の範囲の度数をＮ2(3)、濃度値ＴＨ
４〜２５５の範囲の度数をＮ2(4)とする。
【００９４】そして、新たに特徴データとする濃度ヒス
トグラムにおける濃度値０〜ＴＨ１の範囲の度数をＮ
(0) 、濃度値ＴＨ１〜ＴＨ２の範囲の度数をＮ(1) 、濃
度値ＴＨ２〜ＴＨ３の範囲の度数をＮ(2) 、濃度値ＴＨ
３〜ＴＨ４の範囲の度数をＮ(3) 、濃度値ＴＨ４〜２５
５の範囲の度数をＮ(4) とすれば、各度数Ｎ(n) は、以
下の（３）式〜（７）式によって求められる。
【００９５】
【数２】
【００９６】上記の各式によって求められた各度数から
濃度ヒストグラムを作成し、この濃度ヒストグラムを平
均化された濃度ヒストグラム情報として濃度補正テーブ
ル選択回路４に出力する。
【００９７】尚、上記（３）式〜（７）式において、重
み付けの比を、現ライン：１ライン前：２ライン前＝
４：２：１に設定しているが、この比に限定されるもの
ではなく、原稿の特徴を的確に表現する濃度ヒストグラ
ムを作成し得るような比であれば良い。
【００９８】ここで、上記の画像信号の処理対象となる
現ラインの周辺ラインに対する濃度補正処理を考慮する
場合について以下に具体的に説明する。この場合、濃度
補正回路５は、画像信号の現ラインより前の数ラインに
対する濃度補正に用いた濃度補正テーブルの情報を記憶
し、この記憶内容を考慮して、現ラインに対する濃度補
正テーブルを選択するようになっている。
【００９９】例えば、濃度補正回路５は、現ラインに対
する特徴データから図８に示すような写真原稿に対応す
る濃度補正テーブルを選択するとき、前ラインでは、新
聞等なお下地着色原稿に対応する濃度補正テーブルが選
択されていれば、現ラインに対しては図１１に示すよう
な図８と図１０との濃度補正テーブルを選択するように
なっている。
【０１００】そして、濃度補正回路５では、図１１に示
すような濃度補正テーブルを選択し、該濃度補正テーブ
ルよって現ラインの濃度補正処理を行うようになってい
る。
【０１０１】以上のことから、濃度補正を行うラインよ
りも前の数ラインの濃度補正テーブルの内容を考慮して
濃度補正テーブルを選択するようになっているので、原
稿の特徴を適切に認識することができる。これにより、
１ラインのみの特徴データから原稿の特徴を認識した場
合に生じる虞のある原稿の誤認識を無くすことができる
ので、誤認識により選択された濃度補正テーブルによっ
て濃度補正を行うような不適当な濃度補正を回避するこ
とができる。
【０１０２】したがって、画像信号の濃度補正を適切な
濃度補正テーブルによって行うことができるので、１ラ
イン毎に異なる濃度補正が行われた場合に生じ易い記録
画像のテキスチャ的な画質劣化を防ぐことができる。
【０１０３】さらに、他の画像信号の現ラインの周辺ラ
インに対する濃度補正処理を考慮する場合の処理につい
て説明する。濃度補正回路５は、特徴データ平均化回路
７によって画像信号の処理対象となっている現ラインよ
り前の数ラインの濃度ヒストグラムを平均化して得られ
た特徴データと、画像信号の現ラインより前の数ライン
に対する濃度補正に用いた濃度補正テーブルの情報を記
憶し、この記憶情報と現ラインの特徴データである濃度
ヒストグラムに基づいて入力された選択信号によって選
択される濃度補正テーブルの情報とを考慮して、現ライ
ンに対する濃度補正テーブルを選択するようになってい
る。
【０１０４】この場合、濃度補正回路５には、上述した
図７（ａ）に示すような神経回路網が使用される。ここ
で、ｍ＝５、ｎ＝４とする。
【０１０５】上記の神経回路網の入力層では、上記ヒス
トグラム度数Ｎ0(0)を０〜１に正規化したものがI0に、
ヒストグラム度数Ｎ0(2)を０〜１に正規化したものがI2
に、ヒストグラム度数Ｎ0(3)を０〜１に正規化したもの
がI3に、ヒストグラム度数Ｎ0(4)を０〜１に正規化した
ものがI4に入力されると共に、前ラインで選択された濃
度補正テーブルの選択信号に対応する識別信号がI5に入
力される。
【０１０６】出力層からは、対象画像に対して濃度補正
テーブルを用いて濃度補正を行う場合、図８に示す文字
原稿に対応した濃度補正テーブルが適していることを表
す数値がＯ0 、図１１に示す濃度補正テーブルが適して
いることを示す数値がＯ1 、図９に示す写真原稿に対応
した濃度補正テーブルが適していることを表す数値がＯ
2 、図１２に示す濃度補正テーブルが適していることを
示す数値がＯ3 、図１０に示す下地着色原稿に対応した
濃度補正テーブルが適していることを表す数値がＯ4 と
して出力される。
【０１０７】また、各入力層は中間層の全ての神経素子
の入力に接続され、各中間層の出力は出力層の全ての神
経素子の入力に接続されている。
【０１０８】上記の構成において、記録画像の画質向上
を図るためになされる画像信号の濃度補正処理の流れに
ついて、図１４に示すフローチャートおよび図１３に示
すブロック図を参照しながら以下に説明する。
【０１０９】先ず、ＣＣＤイメージセンサによって読み
取られた原稿の画像信号が、複数ライン分メモリ２に格
納され、この格納された画像信号から特徴データ抽出回
路３によって特徴データである濃度ヒストグラムを抽出
する（Ｓ１１）。
【０１１０】次いで、上記の濃度ヒストグラムの抽出が
１ライン分終了したか否かを判定する（Ｓ１２）。ここ
で、１ライン分の濃度ヒストグラムの抽出が完了すれ
ば、特徴データ平均化回路７にて特徴データの平均化を
行う（Ｓ１３）。即ち、特徴データ平均化回路７では、
現ラインの前の数ライン分の特徴データとから平均化し
て新たな特徴データを作成し、この特徴データを濃度補
正テーブル選択回路４に出力するようになる。
【０１１１】そして、濃度補正テーブル選択回路４で
は、上記の平均化された特徴データに基づいた選択信号
を濃度補正回路５に出力し、濃度補正回路５にて現時点
での最適な濃度補正を行い得る濃度補正テーブルを選択
する（Ｓ１４）。即ち、濃度補正回路５において、上記
のように平均化された特徴データと、現ラインよりも前
の数ライン分の濃度補正テーブルとを考慮することによ
って、濃度補正テーブルを新たに選択する。
【０１１２】そして、濃度補正回路５にて、選択された
濃度補正テーブルに基づいて画像信号の濃度補正を行う
（Ｓ１５）。
【０１１３】上記の構成によれば、画像信号の数ライン
分の濃度特性情報に基づいて原稿の特徴を認識するよう
になっているので、従来行っていた原稿の特徴を認識す
るための予備走査が必要なくなる。これにより、原稿の
特徴を予備走査により認識して原稿の特徴に応じた濃度
補正テーブルを選択する場合に比べて、原稿の特徴に応
じた濃度補正テーブルの選択に係る時間を短縮すること
ができるので、濃度補正処理の高速化を可能にする。
【０１１４】また、１ライン単位で濃度補正を行うよう
になっているので、１枚の原稿内で特徴が急激に変化す
る場合にも、その変化に追随することできる。これによ
り、１枚の原稿の各領域に含まれるそれぞれの特徴に応
じて、最適な濃度補正テーブルを選択することができ
る。
【０１１５】しかも、本実施の形態では、１ライン分の
画像信号から特徴データを抽出して濃度補正補正を行う
とき、その１ライン分の画像信号の前の数ライン分の画
像信号を考慮して特徴データである濃度ヒストグラムを
作成するようになっているので、画像信号の誤認識を無
くすことができる。これによって、原稿の特徴を誤認識
したときに生じる記録画像のテキスチャ的な画質劣化を
無くすことができるので、上記した原稿の特徴を誤認識
することがなくなり、良好に濃度補正処理を行うことが
できる。
【０１１６】〔実施の形態３〕本発明のさらに他の実施
の形態について図１５ないし図１８に基づいて説明すれ
ば、以下の通りである。
【０１１７】本実施の形態に係る画像処理装置は、図１
５に示すように、入力端子１１、メモリ１２、特徴デー
タ抽出手段としての特徴データ抽出回路１３、特性代表
値算出手段としての濃度補正テーブル特性代表値算出回
路１４、濃度補正手段としての濃度補正回路１５、出力
端子１６を備えている。尚、上記の濃度補正テーブル特
性代表値算出回路１４以外は、前記実施の形態１の図１
の回路と同一機能を有するの、その説明は省略する。
【０１１８】濃度補正テーブル特性代表値算出回路１４
は、特徴データ抽出回路３で求められた特徴データであ
る濃度ヒストグラム情報を基に、前記実施の形態１で説
明した図８〜図１０に示されるような各種の原稿に最適
な濃度補正テーブルの特性代表値を算出するようになっ
ている。ここで、特性代表値とは、濃度ヒストグラム情
報から、所定の入力濃度値に対応する度数値を示すもの
であり、後述する濃度補正回路１５にて濃度補正テーブ
ルを作成する際の基準となるものである。
【０１１９】そして、濃度補正テーブル特性代表値算出
回路１４は、算出した特性代表値を濃度補正回路１５に
出力するようになっている。
【０１２０】濃度補正回路１５では、上記の特性代表値
に基づいて濃度補正テーブルを作成するようになってい
る。尚、濃度補正回路１５における濃度補正テーブルの
作成の詳細は後述する。
【０１２１】濃度補正テーブル特性代表値算出回路１４
の構成を図１７に示す。ここでは、ｍ＝４、ｎ＝１６と
する。濃度補正テーブル特性代表値算出回路１４の入力
値には、上記特徴データ抽出回路１３で求められた特徴
データであるヒストグラム度数Ｎ0(0)に３bit 、同図で
はI0が使用され、ヒストグラム度数Ｎ0(1)に３bit 、同
図ではI1が使用され、ヒストグラム度数Ｎ0(2)に３bit
、同図ではI2が使用され、ヒストグラム度数Ｎ0(3)に
３bit 、同図ではI3が使用され、ヒストグラム度数Ｎ
0(4)に３bit 、同図ではI4が使用される。
【０１２２】また、濃度補正テーブル特性代表値算出回
路１４の出力値には、入力濃度値０に対する出力濃度値
に８bit 、同図ではＯ0 が使用され、入力濃度値１６に
対する出力濃度値に８bit 、同図ではＯ1 が使用され、
入力濃度値３２に対する出力濃度値に８bit 、同図では
Ｏ2 が使用され、入力濃度値４８に対する出力濃度値に
８bit 、同図ではＯ3 が使用され、入力濃度値６４に対
する出力濃度値に８bit 、同図ではＯ4 が使用され、入
力濃度値８０に対する出力濃度値に８bit 、同図ではＯ
5 が使用され、入力濃度値９６に対する出力濃度値に８
bit 、同図ではＯ6 が使用され、入力濃度値１１２に対
する出力濃度値に８bit 、同図ではＯ7が使用され、入
力濃度値１２８に対する出力濃度値に８bit 、同図では
Ｏ8 が使用され、入力濃度値１４４に対する出力濃度値
に８bit 、同図ではＯ9 が使用され、入力濃度値１６０
に対する出力濃度値に８bit 、同図ではＯ10が使用さ
れ、入力濃度値１７６に対する出力濃度値に８bit 、同
図ではＯ11が使用され、入力濃度値１９２に対する出力
濃度値に８bit 、同図ではＯ12が使用され、入力濃度値
２０８に対する出力濃度値に８bit 、同図ではＯ13が使
用され、入力濃度値２２４に対する出力濃度値に８bit
、同図ではＯ14が使用され、入力濃度値２４０に対す
る出力濃度値に８bit 、同図ではＯ15が使用され、入力
濃度値２５６に対する出力濃度値に８bit 、同図ではＯ
16が使用される。
【０１２３】上記濃度補正テーブル特性代表値算出回路
１４としては、入出力特性が予め神経回路網により決め
られた二次元ルックアップテーブル、もしくは神経回路
網そのものを使用している。この場合の神経回路網の例
としては、前記の実施の形態１で説明した図７（ａ）に
示すような、４層パーセプトロンが挙げられる。ここ
で、ｍ＝４、ｎ＝１６とする。
【０１２４】入力層では、上記ヒストグラム度数Ｎ0(0)
を０〜１に正規化したものがI0に、ヒストグラム度数Ｎ
0(2)を０〜１に正規化したものがI2に、ヒストグラム度
数Ｎ0(3)を０〜１に正規化したものがI3に、ヒストグラ
ム度数Ｎ0(4)を０〜１に正規化したものがI4に入力され
る。
【０１２５】出力層では、入力濃度値０に対する出力濃
度値を０〜１に正規化した数値がＯ0 、入力濃度値１６
に対する出力濃度値を０〜１に正規化した数値がＯ1 、
入力濃度値３２に対する出力濃度値を０〜１に正規化し
た数値がＯ2 、入力濃度値４８に対する出力濃度値を０
〜１に正規化した数値がＯ3 、入力濃度値６４に対する
出力濃度値を０〜１に正規化した数値がＯ4 、入力濃度
値８０に対する出力濃度値を０〜１に正規化した数値が
Ｏ5 、入力濃度値９６に対する出力濃度値を０〜１に正
規化した数値がＯ6 、入力濃度値１１２に対する出力濃
度値を０〜１に正規化した数値がＯ7 、入力濃度値１２
８に対する出力濃度値を０〜１に正規化した数値が
Ｏ8 、入力濃度値１４４に対する出力濃度値を０〜１に
正規化した数値がＯ9 、入力濃度値１６０に対する出力
濃度値を０〜１に正規化した数値がＯ10、入力濃度値１
７６に対する出力濃度値を０〜１に正規化した数値がＯ
11、入力濃度値１９２に対する出力濃度値を０〜１に正
規化した数値がＯ12、入力濃度値２０８に対する出力濃
度値を０〜１に正規化した数値がＯ13、入力濃度値２２
４に対する出力濃度値を０〜１に正規化した数値が
Ｏ14、入力濃度値２４０に対する出力濃度値を０〜１に
正規化した数値がＯ15、入力濃度値２５６に対する出力
濃度値を０〜１に正規化した数値がＯ16として出力され
る。
【０１２６】各入力層は中間層の全ての神経素子の入力
に接続され、各中間層の出力は出力層の全ての神経素子
の入力に接続されている。
【０１２７】各神経素子は、前記実施の形態１と同様に
図７（ｂ）に示すように、多入力１出力の素子であり、
各神経素子への入力値をｘi 、各重み計数をｗij、出力
値をｙj とすると、各神経素子は、下記の（８）式の積
和演算を行い、その積和演算結果Ｘj を（９）式のシグ
モイド関数の入力として用いて、ｙj を出力する。
【０１２８】
【数３】
【０１２９】すでによく学習された上記神経回路網で
は、入力層に、文字原稿の特徴データとして得られたヒ
ストグラム度数Ｎ0(0)、Ｎ0(1)、Ｎ0(2)、Ｎ0(3)、Ｎ
0(4)が入力された時、出力層から、図８に示すような濃
度補正テーブルとなり得る特性値が出力され、写真原稿
の特徴データとして得られたヒストグラム度数Ｎ0(0)、
Ｎ0(1)、Ｎ0(2)、Ｎ0(3)、Ｎ0(4)が入力された時、出力
層から、図９に示すような濃度補正テーブルとなり得る
特性値が出力され、新聞等の下地着色原稿の特徴データ
として得られたヒストグラム度数Ｎ0(0)、Ｎ0(1)、Ｎ
0(2)、Ｎ0(3)、Ｎ0(4)が入力された時、出力層から、図
１０に示すような濃度補正テーブルとなり得る特性値が
出力される。
【０１３０】二次元ルックアップテーブルの入出力特性
を決めるための神経回路網では、入出力層の各神経素子
は８ｂｉｔを使用する。また、神経回路網そのものを濃
度補正テーブル特性代表値算出回路１４に使用する場合
は、入出力層の各神経素子のビット数は図１７に示す濃
度補正テーブル特性代表値算出回路１４の各入出力のビ
ット数に相当する。
【０１３１】また、神経回路網の形態は、図７（ａ）に
示したものに限定されるものではない。即ち、神経回路
網の中間層数および中間層の神経素子数は任意であり、
他の形態の神経回路網を用いてもよい。
【０１３２】以上のように、濃度補正テーブル特性代表
値算出回路１４では、入出力特性が予め神経回路網によ
り決められた二次元ルックアップテーブル、もしくは神
経回路網そのものを使用して得られた画像信号の特性代
表値を、濃度補正テーブルを作成するために使用される
特性代表値を含む基準信号として濃度補正回路５に出力
している。
【０１３３】ここで、上記濃度補正テーブル特性代表値
算出回路１４から出力される特性代表値に基づいた濃度
補正回路１５での濃度補正例を以下に説明する。
【０１３４】濃度補正回路１５では、濃度補正テーブル
特性代表値算出回路１４から出力される特性代表値に基
づいて、例えば、図１８に示すような、０〜２５５まで
の１刻みずつの濃度値に対する入出力特性を有する濃度
補正テーブルが作成される。そして、上記の濃度補正テ
ーブルに対して、線形補間、スプライン補間等により０
〜２５５までの１刻みずつの濃度値に対する入出力特性
を有する濃度補正テーブルを作成するようになってい
る。そして、濃度補正回路１５では、この作成した濃度
補正テーブルによって、画像信号の濃度補正処理が行わ
れる。
【０１３５】上記の構成において、記録画像の画質向上
を図るためになされる画像信号の濃度補正処理の流れに
ついて、図１６に示すフローチャートおよび図１５に示
すブロック図を参照しながら以下に説明する。
【０１３６】先ず、ＣＣＤイメージセンサによって読み
取られた原稿の画像信号が、複数ライン分メモリ１２に
格納され、この格納された画像信号から特徴データ抽出
回路１３によって特徴データである濃度ヒストグラムを
抽出する（Ｓ２１）。
【０１３７】次いで、抽出された濃度ヒストグラムが濃
度補正テーブル特性代表値算出回路１４に出力される。
そして、濃度補正テーブル特性代表値算出回路１４で
は、原稿がどのような特性を有しているのかを識別し、
その識別結果を特性代表値として濃度補正回路１５に出
力する（Ｓ２２）。
【０１３８】次に、濃度補正回路１５では、この特性代
表値に基づいて濃度補正テーブルを作成し（Ｓ２３）、
この作成した濃度補正テーブルによって画像信号の濃度
補正を行う（Ｓ２４）。
【０１３９】以上のように、本実施の形態に係る画像処
理装置は、算出された画像信号の特性代表値に基づいて
濃度補正テーブルが作成され、この濃度補正テーブルに
よって画像信号の濃度補正を行うようになっているの
で、画像信号の特性に応じた濃度補正テーブルを作成す
ることが可能となる。これにより、より正確に画像信号
の濃度補正を行うことができるので、記録画像の画質を
向上させることができる。
【０１４０】しかも、濃度補正テーブル特性代表値算出
回路１４には、神経回路網が使用されているので、複雑
な計算を行うことなく容易に画像信号から特性代表値を
正確、且つ迅速に算出することができる。
【０１４１】本実施の形態において、画像信号の１ライ
ン毎の特徴データに基づいて、特性代表値を算出し、こ
の特性代表値に基づいて濃度補正テーブルを作成するよ
うになっている。尚、画像信号から原稿の特徴データを
抽出する場合、上記のように画像信号の１ライン毎に抽
出する必要はなく、連続した複数ライン分の画像信号か
ら特徴データを抽出しても良い。
【０１４２】しかしながら、画像信号から抽出された特
徴データに基づいて濃度補正を行う場合、１ライン分の
特徴データでは、原稿全体の特徴とそのライン分の特徴
とがずれる虞がある。このため、原稿の特徴を誤認識し
たまま画像信号の濃度補正を行えば、記録画像において
テキスチャ的な画質劣化を招く虞がある。
【０１４３】そこで、特に１ライン分の画像信号から濃
度ヒストグラムを作成して、原稿の特徴を識別する場合
には、画像信号の現ラインの周辺のラインを考慮して濃
度補正処理を行えば、上記した原稿の特性を誤認識する
ことがなくなり、良好に濃度補正処理を行うことができ
る。
【０１４４】このような、画像信号の処理対象となる現
ラインの周辺ラインに対する濃度補正処理を考慮した場
合の画像処理装置について、以下の実施の形態４で説明
する。
【０１４５】〔実施の形態４〕本発明のさらに他の実施
の形態について図１９および図２０に基づいて説明すれ
ば、以下の通りである。尚、説明の便宜上、前記実施の
形態３と同一の機能を有する部材には同一の記号を付記
し、その説明は省略する。
【０１４６】本実施の形態に係る画像処理装置は、図１
９に示すように、前記実施の形態３の図１５に示す画像
処理装置の特徴データ抽出回路１３と濃度補正テーブル
特性代表値算出回路１４との間に、上記特徴データ抽出
回路１３と共に特徴データ抽出手段を構成する特徴デー
タ平均化回路１７が設けられた構成となっている。
【０１４７】特徴データ平均化回路１７は、前記実施の
形態２の特徴データ平均化回路７と同一の機能を有し、
画像信号の処理対象となっている現ラインより前の数ラ
インの濃度ヒストグラムの平均、もしくは重み平均をと
り、その結果を特徴データとして濃度補正テーブル特性
代表値算出回路１４に出力するようになっている。
【０１４８】したがって、特徴データ平均化回路１７に
おける濃度ヒストグラムの重み平均の求め方も前記実施
の形態２と同じであるので、ここでは説明を省略する。
【０１４９】ここで、上記の画像信号の処理対象となる
現ラインの周辺ラインに対する濃度補正処理を考慮する
場合について以下に具体的に説明する。この場合、濃度
補正回路１５は、画像信号の現ラインより前の数ライン
に対する濃度補正に用いた濃度補正テーブルの内容を記
憶し、この記憶内容を考慮して、現ラインに対する濃度
補正テーブルを作成するようになっている。
【０１５０】例えば、濃度補正回路１５は、現ラインに
対する特徴データから図８に示すような写真原稿に対応
する濃度補正テーブルを作成するとき、前ラインでは、
新聞等の下地着色原稿に対応する濃度補正テーブルが作
成されていれば、現ラインに対しては図１１に示すよう
な図８と図１０との濃度補正テーブルを考慮した濃度補
正テーブルを作成するようになっている。
【０１５１】そして、濃度補正回路１５では、図１１に
示すような濃度補正テーブルによって現ラインの濃度補
正処理を行うようになっている。
【０１５２】上記の構成によれば、濃度補正を行うライ
ンよりも前の数ラインの濃度補正テーブルの内容を考慮
して濃度補正テーブルを作成するようになっているの
で、原稿の特徴を適切に認識することができる。これに
より、１ラインのみの特徴データから原稿の特徴を認識
した場合に生じる虞のある原稿の誤認識を無くすことが
できるので、誤認識により選択された濃度補正テーブル
によって濃度補正を行うような不適当な濃度補正を回避
することができる。
【０１５３】したがって、画像信号の濃度補正を適切な
濃度補正テーブルによって行うことができるので、１ラ
イン毎に異なる濃度補正が行われた場合に生じ易い記録
画像のテキスチャ的な画質劣化を防ぐことができる。
【０１５４】さらに、他の画像信号の現ラインの周辺ラ
インに対する濃度補正処理を考慮する場合の処理につい
て説明する。濃度補正回路１５は、画像信号の現ライン
より前の数ラインに対する濃度補正に用いた濃度補正テ
ーブルの内容を記憶し、この記憶内容と現ラインの特徴
データである濃度ヒストグラムから得られた特性代表値
に基づいて作成されるべき濃度補正テーブルの内容とを
考慮して、現ラインに対する濃度補正テーブルを作成す
るようになっている。
【０１５５】この場合、濃度補正回路１５には、上述し
た図７（ａ）に示すような神経回路網が使用される。こ
こで、ｍ＝４、ｎ＝１６とする。ここでの神経回路網に
おける説明も、前記実施の形態３と同様であるので、そ
の説明は省略する。
【０１５６】上記の構成によれば、原稿の特徴を認識す
るために、神経回路網が使用されているので、濃度補正
テーブルを作成する際に必要な各種のパラメータの設定
を比較的容易に行うことができる。これによって、画像
の特性に応じた濃度補正テーブルの選択を正確、且つ迅
速に行うことができる。
【０１５７】ここで、上記構成の画像処理装置におい
て、記録画像の画質向上を図るためになされる画像信号
の濃度補正処理の流れについて、図２０に示すフローチ
ャートおよび図１９に示すブロック図を参照しながら以
下に説明する。
【０１５８】先ず、ＣＣＤイメージセンサによって読み
取られた原稿の画像信号が、複数ライン分メモリ１２に
格納され、この格納された画像信号から特徴データ抽出
回路１３によって特徴データである濃度ヒストグラムを
抽出する（Ｓ３１）。
【０１５９】次いで、上記の濃度ヒストグラムの抽出が
１ライン分終了したか否かを判定する（Ｓ３２）。ここ
で、１ライン分の濃度ヒストグラムの抽出が完了すれ
ば、特徴データ平均化回路１７にて特徴データの平均化
を行う（Ｓ３３）。即ち、特徴データ平均化回路１７で
は、濃度補正の対象となるラインより前の数ライン分の
特徴データを平均化して新たな特徴データを作成し、こ
の特徴データを濃度補正テーブル特性代表値算出回路１
４に出力するようになる。
【０１６０】そして、濃度補正テーブル特性代表値算出
回路１４では、上記の平均化された特徴データと、濃度
補正の対象となるラインより前の数ライン分の濃度補正
テーブルの情報とに基づいて特性代表値を算出し、この
特性代表値を濃度補正回路１５に出力する（Ｓ３４）。
【０１６１】次に、濃度補正回路１５では、上記特性代
表値に基づいて濃度補正テーブルを新たに作成し（Ｓ３
５）、この作成した濃度補正テーブルによって画像信号
の濃度補正を行う（Ｓ３６）。
【０１６２】上記の構成によれば、画像信号の数ライン
分の特徴データに基づいて原稿の特徴を認識するように
なっているので、原稿の特徴を認識するための予備走査
が必要なくなる。これにより、原稿の特徴を予備走査に
より認識して原稿の特徴に応じた濃度補正テーブルを作
成する場合に比べて、原稿の特徴に応じた濃度補正テー
ブルの作成に係る時間を短縮することができるので、濃
度補正処理の高速化を可能にする。
【０１６３】また、１ライン単位で濃度補正を行うよう
になっているので、１枚の原稿内で特徴が急激に変化す
る場合にも、その変化に追随することできる。これによ
り、１枚の原稿の各領域に含まれるそれぞれの特徴に応
じて、最適な濃度補正テーブルを作成することができ
る。
【０１６４】したがって、本実施の形態では、１ライン
分の画像信号から特徴データを抽出して濃度補正補正を
行うとき、その１ライン分の画像信号の前の数ライン分
の画像信号を考慮して特徴データである濃度ヒストグラ
ムを作成するようになっているので、画像信号の誤認識
を無くすことができる。これによって、原稿の特徴を誤
認識したときに生じる記録画像のテキスチャ的な画質劣
化を無くすことができるので、上記した原稿の特徴を誤
認識することがなくなり、良好に濃度補正処理を行うこ
とができる。
【０１６５】上記した実施の形態１〜実施の形態４に使
用された特徴データ抽出回路３および特徴データ抽出回
路１３は、特徴データとして用いる濃度ヒストグラムを
１ライン分の画像信号から得ているが、１ラインの任意
の範囲での画像信号に対する濃度ヒストグラムであって
もよい。
【０１６６】この場合、１ラインの任意の範囲での画像
信号をそのラインにおける特徴データとしているので、
１ライン分の全てを処理しする必要がなくなり、特徴デ
ータの抽出に係る時間を短縮することができる。また、
特徴データの抽出を１ライン内の任意の範囲で行うこと
で、原稿内の特定の領域の濃度に最適な濃度補正処理
を、迅速に、且つ正確に行うことができる。
【０１６７】また、実施の形態２および実施の形態４に
おいて、濃度ヒストグラムの重み平均をとる場合、例え
ば現ライン：１ライン前：２ライン前＝４：２：１に設
定しているが、これに限定しないことは前述した通りで
ある。しかしながら、実際に重み平均をとる場合には、
上記の比は、現ライン＞１ライン前＞２ライン前の順に
重みになるように設定することが望ましい。
【０１６８】これは、現ライン、即ち濃度補正するライ
ンに近いラインほど上記の重み平均の重みを大きくする
ことが望ましいからである。つまり、濃度補正されるラ
インに近いラインほど重みを大きくして平均をとること
により、濃度補正されるラインの局所てきな情報を残し
つつ、周辺の大局的な情報をも加味することができるの
で、より適切な特徴データを作成することができるから
である。
【０１６９】
【発明の効果】請求項１の発明の画像処理装置は、以上
のように、原稿を走査して得られた画像信号から原稿の
濃度特性を示す特徴データを抽出する特徴データ抽出手
段と、上記特徴データが入力されると、この特徴データ
に基づいて原稿の特性を認識するように予め学習された
神経回路網から構成される画像認識手段と、上記画像信
号の濃度値を画像特性に応じて補正濃度値に変換するた
めの濃度補正テーブルを複数種類有し、上記画像認識手
段からの画像認識情報に基づいて上記濃度補正テーブル
の中から画像特性に応じた濃度補正テーブルを選択し、
その濃度補正テーブルにより画像信号の濃度補正を行う
濃度補正手段とを有する構成である。
【０１７０】それゆえ、画像信号の濃度補正を行うため
の濃度補正テーブルが、原稿の濃度特性に応じて選択さ
れるので、画像信号の濃度補正を原稿の濃度特性に応じ
て高精度に行うことができる。
【０１７１】しかも、原稿の特徴の認識は、神経回路網
により認識された画像認識情報に基づいて行われている
ので、原稿の特徴を表す様々なパラメータを多次元的に
考慮して認識する必要がなく、比較的容易に、且つ高精
度に多次元的な画像の識別処理を行うことができる。こ
れにより、画像の濃度特性等の細かな原稿の特徴に対応
した濃度補正テーブルの選択が可能となるので、画像信
号の濃度補正を高精度に行うことができるという効果を
奏する。
【０１７２】請求項２の発明の画像処理装置は、以上の
ように、請求項１の構成に加えて、特徴データ抽出手段
は、画像信号から１ライン単位で逐次特徴データを抽出
すると共に、濃度補正の対象となるラインより前の数ラ
イン分の特徴データを平均化して新たな特徴データとし
て出力し、画像認識手段は、平均化された特徴データに
基づいて１ライン単位で逐次画像認識情報を出力する構
成である。
【０１７３】それゆえ、請求項１の構成による効果に加
えて、原稿の特徴を予備走査により認識して原稿の特徴
に応じた濃度補正テーブルを選択する場合に比べて、原
稿の特徴に応じた濃度補正テーブルの選択に係る時間を
短縮することができるので、濃度補正処理の高速化を可
能にする。
【０１７４】また、１ライン単位で濃度補正を行うよう
になっているので、１枚の原稿内で特徴が急激に変化す
る場合にも、その変化に追随することできる。これによ
り、１枚の原稿の各領域に含まれるそれぞれの特徴に応
じて、最適な濃度補正テーブルを選択することができる
という効果を奏する。
【０１７５】請求項３の発明の画像処理装置は、以上の
ように、原稿を走査して得られた画像信号から原稿の濃
度特性を示す特徴データを抽出する特徴データ抽出手段
と、上記特徴データが入力されると、この特徴データに
基づいて原稿の濃度特性に応じた特性代表値を出力する
ように予め学習された神経回路網から構成される特性代
表値算出手段と、上記特性代表値算出手段からの特性代
表値に基づいて画像特性に応じた濃度補正テーブルを作
成し、その濃度補正テーブルにより画像信号の濃度補正
を行う濃度補正手段とを有する構成である。
【０１７６】それゆえ、画像信号の濃度補正を行うため
の濃度補正テーブルが、原稿の濃度特性に応じて算出さ
れた特性代表値に基づいて作成されるので、画像信号の
濃度補正を原稿の濃度特性に応じて高精度に行うことが
できる。
【０１７７】しかも、原稿の特徴は、神経回路網により
認識された画像認識情報に基づいて行われているので、
原稿の特徴を表す様々なパラメータを多次元的に考慮し
て認識する必要がなく、比較的容易に、且つ高精度に多
次元的な画像の識別処理を行うことができる。これによ
り、画像の濃度特性等の細かな原稿の特徴に対応した濃
度補正テーブルの作成が可能となるので、画像信号の濃
度補正を高精度に行うことができるという効果を奏す
る。
【０１７８】請求項４の発明の画像処理装置は、以上の
ように、請求項３の構成に加えて、特徴データ抽出手段
は、画像信号を１ライン単位で逐次特徴データを抽出す
ると共に、濃度補正の対象となるラインより前の数ライ
ン分の特徴データを平均化して新たな特徴データとして
出力し、特性代表値算出手段は、平均化された特徴デー
タに基づいて１ライン単位で逐次特性代表値を出力する
構成である。
【０１７９】それゆえ、請求項３の効果に加えて、原稿
の特徴を予備走査により認識して原稿の特徴に応じた濃
度補正テーブルを作成する場合に比べて、原稿の特徴に
応じた濃度補正テーブルの作成に係る時間を短縮するこ
とができるので、濃度補正処理の高速化を可能にする。
【０１８０】また、１ライン単位で濃度補正を行うよう
になっているので、１枚の原稿内で特徴が急激に変化す
る場合にも、その変化に追随することできる。これによ
り、１枚の原稿の各領域に含まれるそれぞれの特徴に応
じて、最適な濃度補正テーブルを作成することができる
という効果を奏する。
【０１８１】請求項５の発明の画像処理装置は、以上の
ように、請求項２または４の構成に加えて、濃度補正手
段は、濃度補正の対象となるラインよりも前の数ライン
分の濃度補正テーブルの内容を記憶し、上記濃度補正処
理を、上記濃度補正の対象となるラインに対して選択し
た濃度補正テーブルの情報と、記憶した数ライン分の濃
度補正テーブルの情報とに基づいて行う構成である。
【０１８２】それゆえ、請求項２または４の効果に加え
て、１ラインのみの濃度特性情報から原稿の特徴を認識
した場合に生じる虞のある原稿の誤認識を無くすことが
できるので、誤認識により選択された濃度補正テーブル
によって濃度補正を行うような不適当な濃度補正を回避
することができる。
【０１８３】したがって、画像信号の濃度補正を適切な
濃度補正テーブルによって行うことができるので、１ラ
イン毎に異なる濃度補正が行われた場合に生じ易い記録
画像のテキスチャ的な画質劣化を防ぐことができるとい
う効果を奏する。
【０１８４】請求項６の発明の画像処理装置は、以上の
ように、請求項５の構成に加えて、濃度補正手段は、濃
度補正の対象となるラインより前の数ライン分の特徴デ
ータを平均化した特徴データと、記憶した数ライン分の
濃度補正テーブルの情報とを入力することで、上記濃度
補正処理を行うように予め学習されている神経回路網か
ら構成されている構成である。
【０１８５】それゆえ、請求項５の効果に加えて、画像
の特性に応じた濃度補正テーブルの選択を正確、且つ迅
速に行うことができるという効果を奏する。
【図面の簡単な説明】
【図１】本発明の一実施の形態に係る画像処理装置の概
略構成ブロック図である。
【図２】図１に示す画像処理装置における濃度補正処理
の流れを示すフローチャートである。
【図３】濃度ヒストグラムの一例を示す説明図である。
【図４】濃度ヒストグラムの一例を示す説明図である。
【図５】濃度ヒストグラムの一例を示す説明図である。
【図６】図１に示す画像処理装置に備えられている濃度
補正テーブル選択回路の概略構成図である。
【図７】図６に示す濃度補正テーブル選択回路に使用さ
れる神経回路網を示す説明図である。
【図８】図１に示す画像処理装置に備えられている濃度
補正回路で使用される濃度補正テーブルを示すグラフで
ある。
【図９】図１に示す画像処理装置に備えられている濃度
補正回路で使用される濃度補正テーブルを示すグラフで
ある。
【図１０】図１に示す画像処理装置に備えられている濃
度補正回路で使用される濃度補正テーブルを示すグラフ
である。
【図１１】図１に示す画像処理装置に備えられている濃
度補正回路で使用される濃度補正テーブルを示すグラフ
である。
【図１２】図１に示す画像処理装置に備えられている濃
度補正回路で使用される濃度補正テーブルを示すグラフ
である。
【図１３】本発明の他の実施の形態に係る画像処理装置
の概略構成ブロック図である。
【図１４】図１３に示す画像処理装置における濃度補正
処理の流れを示すフローチャートである。
【図１５】本発明のさらに他の実施の形態に係る画像処
理装置の概略構成ブロック図である。
【図１６】図１５に示す画像処理装置における濃度補正
処理の流れを示すフローチャートである。
【図１７】図１５に示す画像処理装置に備えられている
濃度補正テーブル特性代表値算出回路の概略構成図であ
る。
【図１８】図１７に示す濃度補正テーブル特性代表値算
出回路から出力される特性代表値における入力濃度と出
力濃度との関係を表すグラフである。
【図１９】本発明のさらに他の実施の形態に係る画像処
理装置の概略構成ブロック図である。
【図２０】図１９に示す画像処理装置における濃度補正
処理の流れを示すフローチャートである。
【符号の説明】
１ 入力端子 ３ 特徴データ抽出回路（特徴データ抽出手段） ４ 濃度補正テーブル選択回路（画像認識手段） ５ 濃度補正回路（濃度補正手段） ６ 出力端子 ７ 特徴データ平均化回路（特徴データ抽出手段） １１ 入力端子 １３ 特徴データ抽出回路（特徴データ抽出手段） １４ 濃度補正テーブル特性代表値算出回路（特性代
表値算出手段） １５ 濃度補正回路（濃度補正手段） １６ 出力端子 １７ 特徴データ平均化回路（特徴データ抽出手段）

Claims (6)

    【特許請求の範囲】
  1. 【請求項１】原稿を走査して得られた画像信号から原稿
    の濃度特性を示す特徴データを抽出する特徴データ抽出
    手段と、 上記特徴データが入力されると、この特徴データに基づ
    いて原稿の特性を認識するように予め学習された神経回
    路網から構成される画像認識手段と、 上記画像信号の濃度値を画像特性に応じて補正濃度値に
    変換するための濃度補正テーブルを複数種類有し、上記
    画像認識手段からの画像認識情報に基づいて上記濃度補
    正テーブルの中から画像特性に応じた濃度補正テーブル
    を新たに選択し、その濃度補正テーブルにより画像信号
    の濃度補正を行う濃度補正手段とを有することを特徴と
    する画像処理装置。
  2. 【請求項２】上記特徴データ抽出手段は、画像信号から
    １ライン単位で逐次特徴データを抽出すると共に、濃度
    補正の対象となるラインより前の数ライン分の特徴デー
    タを平均化して新たな特徴データとして出力し、上記画
    像認識手段は、平均化された特徴データに基づいて１ラ
    イン単位で逐次画像認識情報を出力することを特徴とす
    る請求項１記載の画像処理装置。
  3. 【請求項３】原稿を走査して得られた画像信号から原稿
    の濃度特性を示す特徴データを抽出する特徴データ抽出
    手段と、 上記特徴データが入力されると、この特徴データに基づ
    いて原稿の濃度特性に応じた特性代表値を出力するよう
    に予め学習された神経回路網から構成される特性代表値
    算出手段と、 上記特性代表値算出手段からの特性代表値に基づいて画
    像特性に応じた濃度補正テーブルを新たに作成し、その
    濃度補正テーブルにより画像信号の濃度補正を行う濃度
    補正手段とを有することを特徴とする画像処理装置。
  4. 【請求項４】上記特徴データ抽出手段は、画像信号を１
    ライン単位で逐次特徴データを抽出すると共に、濃度補
    正の対象となるラインより前の数ライン分の特徴データ
    を平均化して新たな特徴データとして出力し、上記特性
    代表値算出手段は、平均化された特徴データに基づいて
    １ライン単位で逐次特性代表値を出力することを特徴と
    する請求項３記載の画像処理装置。
  5. 【請求項５】上記濃度補正手段は、濃度補正の対象とな
    るラインよりも前の数ライン分の濃度補正テーブルの内
    容を記憶し、上記濃度補正処理を、上記濃度補正の対象
    となるラインに対して選択した濃度補正テーブルの情報
    と、記憶した数ライン分の濃度補正テーブルの情報とに
    基づいて行うことを特徴とする請求項２または４記載の
    画像処理装置。
  6. 【請求項６】上記濃度補正手段は、濃度補正の対象とな
    るラインより前の数ライン分の特徴データを平均化した
    特徴データと、記憶した数ライン分の濃度補正テーブル
    の情報とを入力することで、上記濃度補正処理を行うよ
    うに予め学習されている神経回路網から構成されている
    ことを特徴とする請求項５記載の画像処理装置。
JP34423995A 1995-12-28 1995-12-28 画像処理装置 Expired - Fee Related JP3335830B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP34423995A JP3335830B2 (ja) 1995-12-28 1995-12-28 画像処理装置
US08/760,712 US6078410A (en) 1995-12-28 1996-12-04 Image processing apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP34423995A JP3335830B2 (ja) 1995-12-28 1995-12-28 画像処理装置

Publications (2)

Publication Number Publication Date
JPH09186877A true JPH09186877A (ja) 1997-07-15
JP3335830B2 JP3335830B2 (ja) 2002-10-21

Family

ID=18367709

Family Applications (1)

Application Number Title Priority Date Filing Date
JP34423995A Expired - Fee Related JP3335830B2 (ja) 1995-12-28 1995-12-28 画像処理装置

Country Status (2)

Country Link
US (1) US6078410A (ja)
JP (1) JP3335830B2 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0925925A3 (en) * 1997-12-26 2000-01-19 Canon Kabushiki Kaisha Method for correcting a recording head, correction apparatus therefor, recording head corrected by use of such apparatus, and recording apparatus using such recording head
JP2003051944A (ja) * 2001-08-07 2003-02-21 Canon Inc 画像処理方法、画像処理システム、プログラム及び記憶媒体
JP2004193682A (ja) * 2002-12-06 2004-07-08 Sharp Corp 画像処理方法ならびに画像処理装置およびそれを備える画像形成装置
JP2008092541A (ja) * 2006-09-06 2008-04-17 Sharp Corp 画像処理方法、画像処理装置、画像形成装置、コンピュータプログラム及び記録媒体
JP2014007657A (ja) * 2012-06-26 2014-01-16 Oki Data Corp 画像処理装置
JP2019129485A (ja) * 2018-01-26 2019-08-01 株式会社沖データ 画像処理装置

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0998121B1 (en) * 1998-10-27 2008-01-16 Canon Kabushiki Kaisha Image processing device and image processing method
EP1091560A1 (en) 1999-10-05 2001-04-11 Hewlett-Packard Company Method and apparatus for scanning oversized documents
JP3988401B2 (ja) * 2001-03-28 2007-10-10 セイコーエプソン株式会社 印刷濃度補正プログラム、印刷濃度補正装置および印刷濃度補正方法
JP4150844B2 (ja) * 2001-07-05 2008-09-17 コニカミノルタビジネステクノロジーズ株式会社 画像処理装置および画像処理プログラム
US7016534B2 (en) * 2001-08-07 2006-03-21 Canon Kabushiki Kaisha Method, and apparatus for discriminating kind of image medium stored with program
US7221807B2 (en) * 2002-03-29 2007-05-22 Sharp Laboratories Of America, Inc. Methods and systems for digital image characteristic adjustment using a neural network
US7079686B2 (en) * 2002-08-20 2006-07-18 Lexmark International, Inc. Systems and methods for content-based document image enhancement
US20090279778A1 (en) * 2006-06-23 2009-11-12 Koninklijke Philips Electronics N.V. Method, a system and a computer program for determining a threshold in an image comprising image values
US8290293B2 (en) * 2006-10-17 2012-10-16 Samsung Electronics Co., Ltd. Image compensation in regions of low image contrast
JP4371322B2 (ja) * 2006-11-06 2009-11-25 株式会社沖データ 画像形成装置
US8559688B2 (en) * 2010-06-30 2013-10-15 General Electric Company System and method for processing data signals
US8693051B2 (en) * 2010-09-24 2014-04-08 Carestream Health, Inc. High density ink-jet printing on a transparency
US20190325567A1 (en) * 2018-04-18 2019-10-24 Microsoft Technology Licensing, Llc Dynamic image modification based on tonal profile

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60218181A (ja) * 1984-04-13 1985-10-31 Fujitsu Ltd 画像処理装置
JP2648151B2 (ja) * 1987-08-26 1997-08-27 日本電信電話株式会社 記憶素子
JP2761391B2 (ja) * 1988-10-04 1998-06-04 オリンパス光学工業株式会社 焦点検出装置
US5657395A (en) * 1989-03-02 1997-08-12 Minolta Camera Kabushiki Kaisha Image processing device providing improved image data processing by converting original image into a plurality of pixels and analyzing density data of each pixel
US5208663A (en) * 1989-03-22 1993-05-04 Konica Corporation Color image processing apparatus provided with an image discrimination means
EP0447252B1 (en) * 1990-03-15 1999-05-26 Canon Kabushiki Kaisha Image communication method and apparatus
JP3253117B2 (ja) * 1992-02-21 2002-02-04 キヤノン株式会社 画像処理装置および方法
DE69325527T2 (de) * 1992-02-21 1999-11-25 Canon K.K., Tokio/Tokyo Gerät und Verfahren zur Bildverarbeitung
JPH05252388A (ja) * 1992-03-05 1993-09-28 Matsushita Electric Ind Co Ltd ノイズ除去装置
JPH06189128A (ja) * 1992-12-15 1994-07-08 Fuji Xerox Co Ltd 画像処理装置
JPH0737087A (ja) * 1993-07-19 1995-02-07 Matsushita Electric Ind Co Ltd 画像処理装置
JP3359390B2 (ja) * 1993-09-27 2002-12-24 株式会社リコー 空間フィルタ装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0925925A3 (en) * 1997-12-26 2000-01-19 Canon Kabushiki Kaisha Method for correcting a recording head, correction apparatus therefor, recording head corrected by use of such apparatus, and recording apparatus using such recording head
US6377358B1 (en) 1997-12-26 2002-04-23 Canon Kabushiki Kaisha Method for correcting a recording head, correction apparatus therefor, recording head corrected by use of such apparatus, and recording apparatus using such recording head
JP2003051944A (ja) * 2001-08-07 2003-02-21 Canon Inc 画像処理方法、画像処理システム、プログラム及び記憶媒体
JP2004193682A (ja) * 2002-12-06 2004-07-08 Sharp Corp 画像処理方法ならびに画像処理装置およびそれを備える画像形成装置
JP2008092541A (ja) * 2006-09-06 2008-04-17 Sharp Corp 画像処理方法、画像処理装置、画像形成装置、コンピュータプログラム及び記録媒体
JP2014007657A (ja) * 2012-06-26 2014-01-16 Oki Data Corp 画像処理装置
JP2019129485A (ja) * 2018-01-26 2019-08-01 株式会社沖データ 画像処理装置

Also Published As

Publication number Publication date
US6078410A (en) 2000-06-20
JP3335830B2 (ja) 2002-10-21

Similar Documents

Publication Publication Date Title
JP4137890B2 (ja) 画像処理装置、画像形成装置、画像読取処理装置、画像処理方法、画像処理プログラムおよびコンピュータ読み取り可能な記録媒体
JP3335830B2 (ja) 画像処理装置
JP4197346B2 (ja) 画像処理装置、画像処理方法、画像形成装置、画像処理プログラムおよび記録媒体
JP2005094740A (ja) 画像処理装置、画像形成装置及び画像処理方法
JP3862374B2 (ja) 画像処理装置及び方法
JP2002232708A (ja) 画像処理装置及びそれを備えた画像形成装置並びに画像処理方法
JPH1056569A (ja) 画像処理方法および装置
JPH0435167A (ja) 線画分離方法および装置
JP2003219191A (ja) 画像処理装置およびそれを用いた画像形成装置
JP2008227625A (ja) 画像処理装置、画像処理方法、画像処理プログラム、記録媒体
JP3852998B2 (ja) 画像処理装置
EP0949801A2 (en) Image process apparatus, image process method and storage medium
US7034962B2 (en) Image processing apparatus
JP4228466B2 (ja) 画像処理装置、画像処理方法、および画像処理手順を記憶したコンピュータ読み取り可能な記憶媒体
JP4522978B2 (ja) 画像処理装置、画像処理方法、画像形成装置、画像処理プログラムおよび記録媒体
JP4787776B2 (ja) 画像処理装置およびこれを備えた画像形成装置、並びに画像処理方法
JP4260774B2 (ja) 画像処理装置、画像形成装置、画像処理方法、画像処理プログラムおよび記録媒体
JPH11346311A (ja) 階調再現方法
JPH10108012A (ja) 像域分離装置
JP2004236157A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP3330406B2 (ja) 画像処理装置
JPH0993438A (ja) 画像処理装置およびその方法
JP3587740B2 (ja) 画像処理装置
JP2003125198A (ja) 画像処理装置および画像処理方法、並びにそれを備えた画像形成装置、プログラム、記録媒体
JPH02199588A (ja) 像域識別装置

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20070802

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080802

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080802

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090802

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090802

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100802

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees