WO2022019005A1 - モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法 - Google Patents

モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法 Download PDF

Info

Publication number
WO2022019005A1
WO2022019005A1 PCT/JP2021/022607 JP2021022607W WO2022019005A1 WO 2022019005 A1 WO2022019005 A1 WO 2022019005A1 JP 2021022607 W JP2021022607 W JP 2021022607W WO 2022019005 A1 WO2022019005 A1 WO 2022019005A1
Authority
WO
WIPO (PCT)
Prior art keywords
moire
image
periodic structure
occurrence
occurrence prediction
Prior art date
Application number
PCT/JP2021/022607
Other languages
English (en)
French (fr)
Inventor
陽太 長谷
Original Assignee
凸版印刷株式会社
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 凸版印刷株式会社 filed Critical 凸版印刷株式会社
Priority to CN202180060098.8A priority Critical patent/CN116137842B/zh
Priority to EP21846149.9A priority patent/EP4155089A4/en
Publication of WO2022019005A1 publication Critical patent/WO2022019005A1/ja
Priority to US18/099,256 priority patent/US20230164283A1/en

Links

Images

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
    • H04N1/409—Edge or detail enhancement; Noise or error suppression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • 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
    • H04N1/40068—Modification of image resolution, i.e. determining the values of picture elements at new relative positions
    • 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
    • H04N1/405—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels

Definitions

  • the embodiments of the present disclosure relate to a moire occurrence prediction device, a moire occurrence prediction system, and a moire occurrence prediction method.
  • Moiré is an interference fringe that is visually generated when a plurality of periodic patterns or structures are superimposed. Also, physically speaking, moire can be said to be a beat phenomenon of two spatial frequencies. Although this moiré may be used as useful, if unintended moiré occurs, the design of the image may be impaired and the quality of the printed matter may deteriorate.Therefore, there is a means to remove the moiré as undesired. Proposed.
  • a first halftone processing means for generating first halftone image data from image data input using a threshold value and the first half.
  • a first filter processing means for smoothing the tone image data using a first filter having a size corresponding to the period of the threshold, and a second filter having characteristics corresponding to the first filter. Then, the input image data is smoothed by the second filter processing means, the first halftone image data smoothed by the first filter processing means, and the second filter processing means.
  • a technique for evaluating moire generated in the first halftone image data based on the difference from the obtained image data is provided. ”The technique is described.
  • Patent Document 1 describes a means for detecting moire by taking the difference between two smoothing filters having different degrees and performing a process of removing the moire.
  • all the parts where the difference of the smoothing filter is large is converted from the AM screen to the FM screen, so that the region of the image where moire does not occur is combined with the region where moire occurs. It is processed.
  • the moire removing process is applied to the area of the image where moire does not occur, the texture of the object in the image may be impaired, the sharpness of the image may be lowered, and the print quality may be deteriorated.
  • a region where moire is generated is predicted, and moire suppressing treatment is applied only to the design including the region, thereby suppressing printing deterioration and suppressing the occurrence of moire, resulting in high quality. It is an object of the present invention to provide a means for predicting the occurrence of moire that enables printing.
  • one of the representative moire occurrence prediction systems of the present disclosure is a moire occurrence prediction system in which a client terminal and a moire occurrence prediction device are connected via a communication network.
  • the moire occurrence prediction device includes a periodic structure inclusion determination unit for determining a periodic structure region including a periodic structure that induces the occurrence of moire in the input image.
  • the risk of moire occurring in each periodic structure region is determined, and the moire occurrence notice indicating the danger level for each periodic structure region is given. It includes a moire prediction unit that is generated and transmitted to the client terminal.
  • FIG. 1 is a diagram showing a computer system for implementing the embodiments of the present disclosure.
  • FIG. 2 is a diagram showing an example of the configuration of the occurrence prediction system according to the embodiment of the present disclosure.
  • FIG. 3 is a diagram showing the overall flow of the printing process including the moire occurrence prediction process according to the embodiment of the present disclosure.
  • FIG. 4 is a diagram showing an example of a GUI according to the embodiment of the present disclosure.
  • FIG. 5 is a diagram showing an example of moire occurrence prediction processing according to the embodiment of the present disclosure.
  • FIG. 6 is a diagram showing an example of the flow of the periodic structure content determination process according to the embodiment of the present disclosure.
  • FIG. 7 is a diagram showing an example of frequency analysis according to the embodiment of the present disclosure.
  • FIG. 1 is a diagram showing a computer system for implementing the embodiments of the present disclosure.
  • FIG. 2 is a diagram showing an example of the configuration of the occurrence prediction system according to the embodiment of the present disclosure.
  • FIG. 8 is a diagram showing an example of a flow of moire prediction processing according to the embodiment of the present disclosure.
  • FIG. 9 is a diagram showing an example of a case where frequency analysis is performed on the difference-extracted image according to the embodiment of the present disclosure.
  • FIG. 10 is a diagram showing an example of a case where moire is determined using a threshold value after frequency analysis is performed on the difference-extracted image according to the embodiment of the present disclosure.
  • FIG. 11 is a diagram showing an example of a mask used in the frequency analysis process according to the embodiment of the present disclosure.
  • FIG. 12 is a diagram showing an example of a flow of narrowing down processing of the suppression processing region according to the embodiment of the present disclosure.
  • FIG. 13 is a diagram showing an example of a moire occurrence notice according to the embodiment of the present disclosure.
  • FIG. 14 is a diagram showing an example of a processing block according to an embodiment of the present disclosure.
  • the image is converted into a halftone dot image for printing, and this pattern is converted.
  • the period of the pattern and the period of the halftone dots interfere with each other, and a texture called moire, which does not exist in the original image, may appear.
  • moire with a large cycle occurs, and when it is visually recognized, it gives a sense of discomfort to the user and causes quality deterioration.
  • the main components of the computer system 300 include one or more processors 302, memory 304, terminal interface 312, storage interface 314, I / O (input / output) device interface 316, and network interface 318. These components may be interconnected via a memory bus 306, an I / O bus 308, a bus interface unit 309, and an I / O bus interface unit 310.
  • the computer system 300 may include one or more general purpose programmable central processing units (CPUs) 302A and 302B collectively referred to as processors 302.
  • processors 302. the computer system 300 may include a plurality of processors, and in another embodiment, the computer system 300 may be a single CPU system.
  • Each processor 302 may execute an instruction stored in memory 304 and include an onboard cache.
  • the memory 304 may include a random access semiconductor memory, a storage device, or a storage medium (either volatile or non-volatile) for storing data and programs.
  • the memory 304 may store all or part of the programs, modules, and data structures that perform the functions described herein.
  • the memory 304 may store the moire prediction application 350.
  • the moire prediction application 350 may include instructions or descriptions that perform the functions described below on the processor 302.
  • the Moire Prediction Application 350 replaces or in addition to a processor-based system a semiconductor device, chip, logic gate, circuit, circuit card, and / or other physical hardware device. It may be implemented in hardware via.
  • the moire prediction application 350 may include data other than instructions or descriptions.
  • a camera, sensor, or other data input device (not shown) may be provided to communicate directly with the bus interface unit 309, processor 302, or other hardware of the computer system 300. ..
  • the computer system 300 may include a processor 302, a memory 304, a display system 324, and a bus interface unit 309 that communicates between the I / O bus interface units 310.
  • the I / O bus interface unit 310 may be coupled to an I / O bus 308 for transferring data to and from various I / O units.
  • the I / O bus interface unit 310, via the I / O bus 308, is a plurality of I / O interface units 312, 314, 316, also known as I / O processors (IOPs) or I / O adapters (IOAs). And 318 may be communicated.
  • IOPs I / O processors
  • IOAs I / O adapters
  • the display system 324 may include a display controller, display memory, or both.
  • the display controller can provide video, audio, or both data to the display device 326.
  • the computer system 300 may also include devices such as one or more sensors configured to collect the data and provide the data to the processor 302.
  • the computer system 300 includes a biometric sensor that collects heart rate data, stress level data, etc., an environment sensor that collects humidity data, temperature data, pressure data, etc., and a motion sensor that collects acceleration data, exercise data, etc. May include. Other types of sensors can also be used.
  • the display system 324 may be connected to a stand-alone display screen, a television, a tablet, or a display device 326 such as a portable device.
  • the I / O interface unit has a function of communicating with various storages or I / O devices.
  • the terminal interface unit 312 may be a user output device such as a video display device or a speaker TV, or a user input device such as a keyboard, mouse, keypad, touchpad, trackball, button, light pen, or other pointing device. It is possible to attach such a user I / O device 320.
  • the user inputs input data and instructions to the user I / O device 320 and the computer system 300 by operating the user input device using the user interface, and receives output data from the computer system 300. May be good.
  • the user interface may be displayed on the display device via the user I / O device 320, reproduced by the speaker, or printed via the printer, for example.
  • the storage interface 314 is one or more disk drives or an array of disk drives or other storage devices configured to appear as a single disk drive, usually a magnetic disk drive storage device, but a direct access storage device 322. It may be). In certain embodiments, the storage device 322 may be implemented as any secondary storage device. The contents of the memory 304 are stored in the storage device 322 and may be read out from the storage device 322 as needed.
  • the I / O device interface 316 may provide an interface to other I / O devices such as printers and fax machines.
  • the network interface 318 may provide a communication path so that the computer system 300 and other devices can communicate with each other. This communication path may be, for example, network 330.
  • the computer system 300 is a device that receives a request from another computer system (client) that does not have a direct user interface, such as a multi-user mainframe computer system, a single user system, or a server computer. There may be.
  • the computer system 300 may be a desktop computer, a portable computer, a laptop computer, a tablet computer, a pocket computer, a telephone, a smartphone, or any other suitable electronic device.
  • FIG. 2 is a diagram showing an example of the configuration of the occurrence prediction system 200 according to the embodiment of the present disclosure.
  • the generation prediction system 200 includes a client terminal 205, a printing unit 210, and a moire generation prediction device 230. Further, the client terminal 205, the printing unit 210, and the moire occurrence prediction device 230 are connected to each other via, for example, a communication network 225.
  • the communication network 225 may be, for example, the Internet or a LAN (Local Area Network).
  • the client terminal 205 is a terminal that transmits an input image that is a target of the moire occurrence prediction process described later to the moire occurrence prediction via the communication network 225.
  • the client terminal 205 may be a terminal used by an individual or a shared terminal in an organization such as a private company. Further, the client terminal 205 may be any device such as a desktop personal computer, a notebook personal computer, a tablet, or a smartphone.
  • the user of the client terminal 205 may input an input image, printing conditions of the input image, and the like via, for example, a GUI (Graphical User Interface) of the client terminal 205. The details of the GUI of the client terminal 205 will be described later (see FIG. 4).
  • the printing unit 210 is a printing unit for printing image data after moire is suppressed, which is generated by the moire occurrence prediction device 230.
  • the printing unit 210 may print an image output from the moire suppressing unit 236 of the moire generation prediction device 230, or may print an image received from the client terminal.
  • the moire occurrence prediction device 230 is a device for carrying out the processing in the moire occurrence prediction method according to the embodiment of the present disclosure. As shown in FIG. 2, the moire generation prediction device 230 includes a communication unit 231, a preprocessing unit 232, a periodic structure content determination unit 233, a moire prediction unit 234, an area extraction unit 235, a moire suppression unit 236, and a storage unit 240. include.
  • the moire occurrence prediction device 230 predicts the risk of moire occurring in each of a plurality of regions constituting the input image by processing the input image received from the client terminal 205, for example, by using these functional units.
  • the communication unit 231 is a functional unit for transmitting and receiving various information communicated between the moire occurrence prediction device 230, the client terminal 205, and the printing unit 210.
  • the communication unit 231 may receive an input image received from the client terminal 205, or may transmit an image generated by the moire prediction unit 234 or the moire suppression unit 236 to the client terminal 205 or the printing unit 210. ..
  • the preprocessing unit 232 is a functional unit for performing preprocessing on an image that is the target of moire occurrence prediction processing by the moire occurrence prediction device. For example, the preprocessing unit 232 performs RIP (Raster Image Processor) processing on the original image, which is a vector data format, received from the client terminal 205 to generate a halftone dot image, which is a raster data format, or a plurality of input images. Any preprocessing may be performed, such as dividing into blocks for processing.
  • RIP Raster Image Processor
  • the periodic structure content determination unit 233 is a functional unit for determining a periodic structure region including a periodic structure that induces the occurrence of moire in the original image. As will be described later, the periodic structure content determination unit 233 performs a color conversion process for converting the original image into a predetermined color space, performs a contour component extraction process for extracting the contour component, and smoothes the original image. Moire is generated based on either the frequency peak, the frequency peak intensity, or the intensity dispersion in the original image by performing processing, normalizing the maximum and minimum values of the pixels, and performing a predetermined frequency analysis process. The periodic structure region containing the periodic structure that induces the above may be determined. The details of the processing of the periodic structure content determination unit 233 will be described later with reference to FIG.
  • the moire prediction unit 234 determines the risk level of moire in each periodic structure region by performing a predetermined frequency analysis process on each periodic structure region determined by the periodic structure content determination unit 233, and determines the risk level. Is a functional unit that generates and outputs a moire occurrence notice that indicates each periodic structure area. More specifically, the moire prediction unit 234 performs a color conversion process for converting the original image into a predetermined color space, a contour component extraction process for extracting the contour component, and a smoothing process. The halftone dot image is subjected to color conversion processing for conversion to a predetermined color space, resolution conversion processing for matching with the resolution of the original image, smoothing processing, and then the original image.
  • a moire occurrence notice may be generated by determining the risk level at which moire occurs based on any of the dispersions and indicating the risk level for each processing block.
  • the moire occurrence notice may be transmitted to the client terminal 205, and in another embodiment, the area extraction unit 235 and the moire suppression unit 236, which will be described later, perform moire suppression processing based on the moire suppression process. May be applied. The details of the processing of the moire prediction unit 234 will be described later with reference to FIG.
  • the area extraction unit 235 is a functional unit for performing a color conversion process for converting the original image into a predetermined color space and generating an element similarity map showing similar regions having similar pixel values. The details of the processing of the region extraction unit 235 will be described later with reference to FIG.
  • the moire suppression unit 236 is a functional unit for performing a predetermined moire suppression process for each similar region in the halftone dot image. As the moire suppression process performed by the moiré suppression unit 236, the tone size is adjusted so that the individual tone densities of the halftone dot images match the original image densities at the same position, and the tone shape of the halftone dot images is beautiful. Although a means for converting the tone into a single tone can be considered, the moire suppressing unit 236 according to the embodiment of the present disclosure is not limited to this, and any moire suppressing treatment may be performed.
  • the storage unit 240 is a storage area for storing various information used by each of the above-mentioned functional units. For example, as shown in FIG. 2, the storage unit 240 is generated by performing RIP (Raster Image Processor) processing on the original image 241 which is a vector data format received from the client terminal 205 and the original image. , The halftone dot image 242 which is a raster data format may be stored.
  • the storage unit 240 may be, for example, a storage device such as a hard disk drive or a solid state drive, or may be a cloud-type storage area.
  • the moire generation prediction device 230 configured as described above predicts the area where moire occurs, and by performing the moire suppression process only on the symbol including the area, printing deterioration is suppressed and moire is generated. It is possible to provide a moire occurrence prediction means that suppresses and enables high-quality printing.
  • FIG. 3 is a diagram showing the overall flow of the printing process 360 including the moire occurrence prediction process according to the embodiment of the present disclosure. Except for the moire occurrence prediction process 368 and 374, the printing step 360 shown in FIG. 3 is substantially the same as the so-called offset printing. Therefore, in the present specification, the detailed description of the existing printing process will be omitted, and the moire occurrence prediction process according to the embodiment of the present disclosure will be mainly described.
  • step 362 first, data submission is performed.
  • the user who wants to request printing may input the original image to be printed, the printing conditions, and the like by using, for example, the client terminal shown in FIG.
  • step 364 the original image input in step 362 is modified for printing.
  • the original image in the vector data format may be converted into a halftone dot image in the raster data format by RIP processing, or the resolution and size may be adjusted.
  • step 366 the arrangement of characters, illustrations, photographs, etc. in the image to be printed is adjusted based on, for example, the printing conditions input in step 362.
  • step 368 the moire occurrence prediction process according to the embodiment of the present disclosure is performed.
  • the moire occurrence prediction process is performed for each part of the image to be printed. The details of this moire occurrence prediction process will be described later with reference to FIG. 5 and the like.
  • step 370 a DDCP (Direct Digital Color Proof) of the image to be printed is generated, and digital data that can be directly output to the printing machine is prepared.
  • DDCP Direct Digital Color Proof
  • step 372 the digital data prepared in step 370 is transferred to the printing execution stage after the confirmation is completed (so-called "posting” or “lower edition”).
  • step 374 the moire occurrence prediction process according to the embodiment of the present disclosure is performed.
  • the moire occurrence prediction process performed in step 374 is substantially the same as the moire occurrence prediction process in step 368 described above, but the moire occurrence prediction process performed in step 374 is performed on the entire page for printing. It differs in that.
  • a printing plate for printing is manufactured by printing a printing film (plate making film) created based on the digital data prepared in step 370 onto the plate material.
  • step 377 the printing machine prints using the printing plate manufactured in step 376.
  • the moire occurrence prediction process according to the embodiment of the present disclosure is a process performed in the middle of the existing general offset printing process. Further, in the example shown in FIG. 3, the moire occurrence prediction process according to the embodiment of the present disclosure is executed twice, after the completion of the typesetting process of step 366 and after the completion of the posting / drafting process 372.
  • the present disclosure is not limited to this, and a configuration in which the moire occurrence prediction process is performed only once or a configuration in which the moire occurrence prediction process is performed three times or more is also possible. However, from the viewpoint of maintaining the overall efficiency of the printing process while accurately predicting and suppressing moire, it is desirable to perform the moire occurrence prediction process twice as shown in FIG.
  • FIG. 4 is a diagram showing an example of a GUI 400 for inputting an input image according to the embodiment of the present disclosure.
  • the GUI 400 is an interface for inputting an input image to be printed and moire occurrence prediction analysis according to the embodiment of the present disclosure and printing conditions of the input image.
  • the input image and print conditions input via the GUI 400 are transmitted to the moire generation prediction device.
  • the GUI 400 may be, for example, an interface on a web or an interface on an application provided to a client terminal by a moire generation prediction device via a communication network.
  • the user of GUI400 inputs user information such as department / department 402 and employee number 403.
  • the user of the GUI 400 may select a desired preset from the presets prepared in advance for each department / department and saved.
  • the print / moire occurrence prediction job requested by the user via the GUI 400 is associated with the employee number of the user, and in the job result list, the result of the job corresponding to the predetermined employee number. Can only be displayed. As a result, for example, only the person who requested the job can check the result of the job, so that the security can be improved.
  • the user can specify the preset 404 of the setting items registered in advance, the network type 405, the RIP processing machine specification 406 that specifies the storage location and the number of the RIP processing algorithm, and the profile conversion conditions (in the printing plate).
  • the printer 408 that specifies the setting of the automatic printout destination of the result, and a plate to be used for printing (for example, unnecessary for two-color printing). You may enter the version 409 to be used (delete the version).
  • the contents set by the mesh type 405 are, for example, the shape of the mesh (square dots, chain dots, etc.), the mesh angle / number of lines for each ink, the resolution of the 1-bit data to be written (2400dpi / 4000dpi), and the automatic overprint (2400dpi / 4000dpi). Nukinose) settings may be included. Further, here, it is possible to prepare recommended setting items in advance and automatically select the recommended setting when the user selects a specific setting item.
  • the user may input the input image to be printed and the moire occurrence prediction according to the embodiment of the present disclosure, and the printing conditions of the input image.
  • the user may set the plurality of input images and the print conditions corresponding to the respective input images at once.
  • the input image here includes at least an image in a vector data format (hereinafter, an original image), but may include a halftone dot image for printing.
  • an original image may include a halftone dot image for printing.
  • the original image and the RIP-processed halftone dot image corresponding to the original image may be created on the client terminal side and both may be input via the GUI 400.
  • the RIP-processed halftone dot image corresponding to the original image may be created on the moire generation prediction device side.
  • the format of the input image may be any format such as PDF, RAW, JPEG and the like.
  • the printing conditions here may include, for example, the number of colors, the designation of colors, the presence / absence of special colors, the net type (halftone dot angle, the number of lines), and the like. These print conditions may be input as specific numerical values, may be input as a range, or may be selected from a template prepared in advance. In certain embodiments, each of these pre-prepared templates corresponds to a different print line and may include print conditions for that print line.
  • Information on the setting items, input images, and print conditions described above is transmitted to the moire occurrence prediction device via the communication network.
  • the input image is analyzed by the moire occurrence prediction process described later, and the moire suppression process is applied only to the area where the moire is predicted to occur, thereby suppressing the printing deterioration and suppressing the occurrence of moire, and the quality is good. Printing can be performed.
  • FIG. 5 is a diagram showing an example of the moire occurrence prediction process 500 according to the embodiment of the present disclosure.
  • the moire occurrence prediction process 500 shown in FIG. 5 is, for example, a process performed by the moire occurrence prediction device 230 shown in FIG. 2, predicts a region where moire occurs, and performs moire suppression processing only on a symbol including the region. It is a process for applying.
  • the moire occurrence prediction process 500 here is a process corresponding to the moire occurrence prediction process 368 and 374 described with reference to FIG.
  • the moire occurrence prediction device inputs an input image to be printed and moire occurrence prediction processing.
  • the moire occurrence prediction device may receive the input image and the print conditions set via the GUI 400 described with reference to FIG. 4, for example.
  • the file format of the input image received here may be any file format such as JPEG, GIF, TIFF, BMP, PNG and the like.
  • the size of the input image ranges from 10,000 x 10,000 pixels to 1,000,000 x 1,000,000 pixels, and may be large image data.
  • the moire generation prediction device may input both an image in the vector data format and a RIP-processed halftone dot image corresponding to the original image as the input image, but the vector data format.
  • the original image may be subjected to RIP processing to generate a halftone dot image in raster data format.
  • the preprocessing unit 232 of the moire occurrence prediction device may divide the received input image into a processing area which is a fixed size section.
  • the size of the processing block is preferably, for example, a power of 2 size, but is not particularly limited. Further, it is preferable that the processing blocks have the same vertical and horizontal sizes. As an example of the size of the processing block, for example, 128x128, 256x256, 512x512, 1024x1024, 2048x2048 and the like can be used.
  • the actual size of the processing block may be 2 mm or more and 50 mm or less.
  • the preprocessing unit may convert the resolution of the input image and set it as 600 dpi or more and 2400 dpi or less.
  • the determination of the presence or absence of the periodic structure that induces moire and the determination of the moire detection are performed for each processing block. More specifically, it is possible to determine the presence or absence of a periodic structure that induces moire by determining whether or not a peculiar peak exists from the two-dimensional data obtained by the discrete Fourier transform.
  • the reason for dividing into processing blocks is that it is preferable to perform block division because it is easier to reflect arbitrary pattern information by dividing into small areas and analyzing it rather than making a judgment in a state that includes various periodic structures. Is.
  • the periodic structure content determination unit of the moire generation prediction device determines the periodic structure region including the periodic structure that induces the generation of moire with respect to the original image in the vector data format. The details of the periodic structure content determination process will be described later with reference to FIG.
  • the moire prediction unit of the moire generation prediction device performs a predetermined frequency analysis process on each periodic structure region determined by the periodic structure content determination unit, so that moire is generated in each periodic structure region.
  • the degree of danger that occurs is determined, and a moire occurrence notice that indicates the degree of danger for each periodic structural area is generated.
  • step 540 the area extraction unit of the moire generation prediction device performs a color conversion process for converting the original image into a predetermined color space, and the element similarity showing a similar region having similar pixel values.
  • a similar region which is a region of the same symbol as the region targeted for the moire prediction process in step 530, is extracted. The process of narrowing down the suppression processing area will be described later with reference to FIG.
  • the moire suppression unit of the moire generation prediction device performs a predetermined moire suppression process on the similar region extracted in step 540.
  • moire suppression processing performed by the moiré prediction unit a method of adjusting the tone size so that the individual tone densities of the halftone dot image match the original image densities at the same position, and the tone shape of the halftone dot image are beautiful.
  • the moire prediction process according to the embodiment of the present disclosure is not limited to this, and any moire suppression process may be performed.
  • step 560 the moire-suppressed image processed by the moire-suppressing unit of the moire occurrence prediction device is output to the client terminal or the printing unit.
  • the area where moire occurs is predicted, and the moire suppression process is applied only to the design including the area, thereby suppressing the printing deterioration and suppressing the occurrence of moire. Good quality printing can be performed.
  • FIG. 6 is a diagram showing an example of the flow of the periodic structure content determination process 520 according to the embodiment of the present disclosure.
  • the periodic structure content determination process 520 shown in FIG. 6 is a process performed by the periodic structure content determination unit 233 shown in FIG. 2 to determine a periodic structure region including a periodic structure that induces the occurrence of moire in the original image. It is a process of.
  • moire is generated by the interference between the periodic structure contained in the original image and the pitch and angle of the halftone dots. Therefore, as described above, by performing the periodic structure content determination process 520 according to the embodiment of the present disclosure on each of the processing blocks constituting the original image, the generation of moire is induced in the original image.
  • the periodic structure region including the periodic structure can be determined. Further, as will be described later, by performing a predetermined frequency analysis process on the periodic structure region determined in this way, the risk of moire occurring in each periodic structure region is determined, and the risk is determined by each periodic structure. It is possible to generate a moire occurrence notice shown for each area.
  • the moire prediction process and the moire suppression process are not performed.
  • the processing speed is increased as compared with the conventional moire suppression means. It is possible to suppress quality deterioration caused by performing moire suppressing treatment on an extra area that does not contain moire.
  • the periodic structure content determination unit inputs the original image.
  • the periodic structure inclusion determination unit may acquire the original image received from the client terminal using, for example, the communication unit and preprocessed by the preprocessing unit from the storage unit.
  • the periodic structure inclusion determination unit performs a color conversion process for converting the original image into an arbitrary color space.
  • the original image composed of RGB colors may be converted into an LUV color space or a LAB space.
  • a luminance component having high luminosity factor can be used.
  • weighting may be performed according to the difference. Further, only one of a * and b * may be used.
  • the periodic structure content determination unit generates a mask from which the contour component of the original image is extracted (that is, removed / excluded). More specifically, when determining the presence or absence of a periodic structure in the original image, if there is a boundary in the processing block where the brightness changes rapidly, such as near the contour of the object, the height due to the boundary portion. The frequency component becomes noise, and the S / N ratio (Signal / Noise) at the time of judgment Ratio) may decrease. Therefore, it is desirable to perform frequency analysis after performing pretreatment to remove the boundary where a sudden change in brightness exists. Therefore, the periodic structure content determination unit can avoid the S / N ratio and improve the accuracy of the periodic structure content determination by generating a mask from which the contour component is extracted from the original image after color conversion. can.
  • the periodic structure inclusion determination unit performs a process of normalizing the maximum value and the minimum value of the pixels in the original image. More specifically, in the frequency analysis described later, it is possible to determine the periodic structure that induces the occurrence of moire by determining whether or not a peculiar peak is included from the two-dimensional data obtained by the discrete Fourier transform. .. When determining the presence or absence of a periodic structure in the original image, the accuracy of the periodic structure content determination can be further improved by removing the above-mentioned contour component and normalizing the density information (color / brightness information) of the structure. can.
  • the periodic structure inclusion determination unit performs frequency analysis processing on the original image that has undergone the above-mentioned color conversion processing, contour mask generation processing, and normalization processing.
  • FFT Fast Fourier Transform
  • DFT Discrete Fourier Transform
  • the characteristics of the frequency distribution of the image including the periodic structure that induces the occurrence of moiré are that the high-intensity frequency components are concentrated in a specific region, the maximum peak intensity is high, and the high-intensity frequency components are also taken in the high-frequency region. To get.
  • high-intensity frequency components are dispersed in a low-frequency region.
  • the periodic structure content determination unit determines the peak position, the peak intensity, and the intensity dispersion when the frequency distribution is divided into arbitrary angle steps. Is quantitatively calculated as a feature value. After that, the feature values obtained by this can be evaluated, and the risk of moire occurring can be determined for each block.
  • a method for evaluating feature values there are a method of evaluating each feature value by setting a threshold, a method of evaluating by likelihood after regression analysis, a method of classifying the presence or absence of moire by cluster analysis, or a method of combining the above. Can be mentioned.
  • step 526 the information of the periodic structure region including the periodic structure determined by the above processing is output to the moire prediction unit.
  • FIG. 7 is a diagram showing an example of frequency analysis according to the embodiment of the present disclosure.
  • the occurrence of moire is induced in the input image by performing frequency analysis processing on the input image (original image and / or halftone dot image).
  • the periodic structure can be determined and the risk of moire can be predicted.
  • FIG. 7 is a diagram showing frequency-analyzed images 715 and 725 obtained by applying frequency analysis processing to the input images 710 and 720, respectively.
  • moiré has a light-dark periodic structure
  • the characteristic of the frequency distribution of the image including the periodic structure that induces the occurrence of moiré is that the high-intensity frequency components are concentrated in a specific region and the maximum peak intensity.
  • a frequency-analyzed image 715 having a spectral component having a high peak intensity and separated at regular intervals can be obtained. From the periodic distribution of the spectral components appearing in the frequency-analyzed image 715 and the intensity of the peak, the input image 710 is determined to have a periodic structure that induces moire.
  • a frequency-analyzed image 720 having a frequency distribution in which high-intensity spectral components are dispersed in a low frequency region can be obtained. From the dispersion of the spectral components of the frequency-analyzed image 720, it is determined that the input image 720 does not have a periodic structure that induces moire.
  • FIG. 8 is a diagram showing an example of the flow of the moire prediction process 530 according to the embodiment of the present disclosure.
  • the moire prediction process 530 shown in FIG. 6 is a process performed by the moire prediction unit 234 shown in FIG. 2, and predicts moire for each processing block of the periodic structure region determined to include the periodic structure that induces moire. , This is a process for determining the degree of risk of moire.
  • the halftone dot image obtained from RIP processing and the original image differ in resolution and depiction method, but the components other than moire such as color, brightness, and pattern information are the same. Therefore, in the moire prediction process 530, the moire component can be extracted by comparing the resolutions and depictions of both images in the same manner. After that, by performing frequency analysis on this moire component, it is possible to predict the occurrence of moire for each processing block in the periodic structure region and determine the degree of risk of moire occurring.
  • the moire prediction unit may acquire the original image to which the periodic structure inclusion determination processing has been performed and the halftone dot image corresponding to the original image from the storage unit.
  • the moire prediction unit performs a color conversion process for converting the original image and the halftone dot image into a predetermined color space.
  • the original image and the halftone dot image are image data separated as in CMYK (Cyan Magenta Yellow Black), but there are cases where moire appears when a plurality of plates are overlapped. Therefore, since there are moire that cannot be extracted even if the images of each plate are compared with each other, in order to detect the moire generated by overlapping multiple plates, it is necessary to combine the plate information and perform color conversion. desirable.
  • Examples of color conversion include Lab and LUV space.
  • the subsequent processing is performed on the obtained brightness image (for example, L) and color image (for example, a and b). Further, here, the color conversion result of the original image generated by the above-mentioned periodic structure content determination may be used.
  • the moire prediction unit generates a mask for extracting (that is, removing / eliminating) the contour component of the original image.
  • the outline of the halftone dot image may be deviated from the original image, or the outline may be thickened or thinned. Therefore, when performing the difference extraction process described later, if the halftone dot image and the original image are compared and the density difference is obtained between the images, it may not be possible to extract an accurate difference.
  • a contour component is extracted from the original image, and a contour mask is created to exclude the contour region from the analysis target.
  • the contour mask generated by the above-mentioned periodic structure content determination may be used.
  • the moire prediction unit performs smoothing processing on the original image.
  • This smoothing process is a process of applying a filter process to the original image and smoothing the pixel of interest while including information on the pixel value in the vicinity.
  • the smoothing filter include a moving average filter in which the weights for peripheral pixels are uniform, and a Gaussian filter in which the weight is larger as the pixel is closer to the pixel of interest, and either of them may be used.
  • the degree of smoothing depends on the size of the smoothing filter, and it is desirable to reduce the size of the filter as the number of lines increases. If the number of lines is small, the halftone dots are large, so it is necessary to apply strong smoothing in order to erase the halftone dots. If the number of lines is large, strong smoothing may cause new moire. be.
  • the moire prediction unit performs a resolution conversion process for matching the resolution of the halftone dot image with the resolution of the original image and a smoothing process on the halftone dot image.
  • the halftone dot image is 1-bit data and has a high resolution.
  • the original image is depicted in 8-bit gray scale, and the resolution is lower than that of the halftone dot image (for example, the halftone dot image may be 2400 dpi, the original image may be 600 dpi, etc.). Therefore, in order to extract a better quality difference, it is desirable to perform resolution conversion for the halftone dot image and smoothing for aligning the depiction.
  • Typical methods for resolution conversion include the nearest neighbor method, the bicubic method, and the bilinear method.
  • the smoothing process applied to the halftone dot image in step 534b is substantially the same as the smoothing process applied to the original image in step 534a, the description thereof will be omitted here.
  • the order of processing for the halftone dot image it is desirable to perform resolution conversion / smoothing after color conversion. This is because the strength component of the moire that is developed by stacking the above-mentioned plates is weakened.
  • the moire prediction unit generates a difference extraction image representing the pixel difference between the halftone dot image and the original image that has undergone the color conversion process, the smoothing process, and / or the resolution conversion process described above.
  • the moire component is extracted by multiplying the difference extraction image by the contour mask described above.
  • the moire prediction unit performs frequency analysis processing on the image data that has undergone the above processing. Since the frequency analysis process here is substantially the same as the frequency analysis process in the structure content determination process described with reference to FIG. 4, for example, the detailed description thereof will be omitted here.
  • the frequency analysis process here, the peak position and peak intensity of the frequency component and the intensity dispersion when the frequency distribution is divided into arbitrary angle steps are quantitatively calculated as feature values. After that, evaluation is performed based on the feature values obtained by this, and the risk of moire occurring can be determined for each block. Further, in order to mitigate the influence of high frequency noise including the rosette pattern on the determination and reflect the human visual sensitivity, it is desired to improve the accuracy through a low-pass filter.
  • the low-pass filter As the low-pass filter, a Gaussian filter or a Welch filter whose intensity decreases as the distance from the DC component increases is desirable.
  • the size of the low-pass filter should be similar to the human visual sensitivity according to the grid size.
  • the feature values are extracted separately for the low frequency and high frequency regions using two types of masks, which will be described later with reference to FIG. 9, in order to deeply reflect the peak position information. It is desired to improve the evaluation accuracy.
  • the boundary between the low frequency and high frequency regions may be a fixed value or a function of the number of lines.
  • the function may be a monotonic function.
  • the feature values obtained by performing the frequency analysis processing are evaluated, and the degree of risk of moire occurring for each processing block is determined.
  • the degree of risk of moiré is a measure indicating the possibility of moiré, and may be expressed in any number of stages.
  • the risk of moiré is 3: there is no possibility of moiré, 2: there is a possibility of moiré, 1: there is a high possibility of moiré, and so on. It may be expressed in stages.
  • each of the processing blocks may be colored with a predetermined pseudo color depending on the possibility of moire occurring in the block (gray: no possibility of moire, yellow: Moire may occur, red: Moire is likely to occur).
  • each of the processing blocks may express the probability of moiré occurring in the block as a percentage.
  • the above-mentioned evaluation method include a method of evaluating each feature value by setting a threshold value, a method of evaluating by likelihood after regression analysis, a method of classifying the presence or absence of moire by cluster analysis, and a method of combining the above. ..
  • the threshold value for determination may be set in two stages. For example, when a loose condition is set as "moire warning" and a strict condition is set as "moire warning", the image correction process makes a judgment based on the moire warning, and the printing plate process makes a judgment based on the moire warning. It will be possible.
  • the moire prediction unit may generate and output a moire occurrence notice indicating the degree of risk of moire occurrence for each processing block.
  • the moire occurrence notice may be, for example, an image showing the risk of moire occurrence for each processing block (see FIG. 12).
  • the moire prediction unit may transmit the generated moire occurrence notice to the client terminal, and then the client terminal receiving the moire occurrence notice may perform the moire suppression process on the client terminal side.
  • the moire prediction unit may output the generated moire occurrence notice to the region extraction unit 235, and then the moire suppression process may be performed on the moire generation prediction device side.
  • the communication unit may transmit both the moire occurrence notice and the image subjected to the moire suppression process to the client terminal.
  • the moire prediction unit may extract only processing blocks that meet a predetermined risk criterion (for example, have a high risk of moire) and transmit them to the client terminal. As a result, the amount of data to be transmitted can be suppressed.
  • the risk of moire can be predicted for each of a plurality of processing blocks constituting the original image.
  • the degree of risk by performing moire suppression processing only on the processing block where moire is predicted to occur, print deterioration is suppressed, moire is suppressed, and high-quality printing is performed. Can be done.
  • FIG. 9 is a diagram showing an example of a case where frequency analysis is performed on the difference-extracted image according to the embodiment of the present disclosure.
  • the peak of the frequency component is peaked by performing the frequency analysis process on the difference-extracted image generated by comparing the original image and the halftone dot image.
  • the position, peak intensity, and intensity dispersion when the frequency distribution is divided into arbitrary angle increments can be quantitatively calculated as feature values, and the risk of moire is predicted based on these feature values. be able to.
  • FIG. 9 is a diagram showing frequency-analyzed images 915 and 925 obtained by applying frequency analysis processing to the difference-extracted images 910 and 920, respectively.
  • a frequency analysis completed image 915 having a spectral component having a high peak intensity and separated at regular intervals can be obtained.
  • a frequency-analyzed image 925 having a frequency distribution in which high-intensity frequency components are dispersed in a low frequency region can be obtained.
  • FIG. 10 is a diagram showing an example of a case where moire is determined using a threshold value after performing frequency analysis on the difference-extracted image according to the embodiment of the present disclosure. More specifically, FIG. 10 applies two filters (here, a narrow range filter and a wide range filter) to each of the frequency-analyzed images 915 and 925 shown in FIG. An example of setting the ratio of values as a threshold value for determining moire is shown. By using this threshold value, noise and moire can be discriminated.
  • the ratio of the total Enarrow of the spectral components in the narrow-range filter to the total Ewide of the spectral components in the wide-range filter becomes Enarrow / Ewide. It is calculated as 0.7.
  • the ratio of the total Enarrow of the spectral components in the narrow-range filter to the total Ewide of the spectral components in the wide-range filter becomes Enarrow / Ewide. It is calculated as 0.3.
  • 0.5 ⁇ Enarrow / Ewide ⁇ 0.99 is set as the threshold value for determining moiré. That is, if Enarrow / Ewide, which is the ratio of the sum of the spectral components in the narrow filter to the sum of the spectral components Ewide in the wide filter, satisfies 0.5 ⁇ Enarrow / Ewide ⁇ 0.99, the image will have moire. If it is determined to exist and Enarrow / Ewide is less than 0.5, it is determined that the image is noise.
  • two filters here, a narrow range filter and a wide range filter
  • the ratio of the values in these two filters is used to determine moire.
  • it is possible to predict whether moire will occur in the target image based on this threshold value.
  • the absolute values of Enarrow and Ewide may be used as an index of the strength of moire.
  • the threshold value at that time may be set by the operator according to the type of image or printing.
  • FIG. 11 is a diagram showing an example of a mask used in the frequency analysis process according to the embodiment of the present disclosure.
  • the peak position and peak intensity of the frequency component and the intensity dispersion when the frequency distribution is divided into arbitrary angle steps are quantitatively calculated as feature values. be able to.
  • the mask used here include the low frequency mask 1110 shown in FIG. 11 and the high frequency mask 1120.
  • the feature values can be calculated individually for each of the low frequency region and the high frequency region.
  • the boundary between the low frequency region and the high frequency region may be a fixed value or a function of the number of lines. This function may be a monotonic function.
  • white areas indicate effective pixels.
  • FIG. 12 is a diagram showing an example of the flow of the suppression processing region narrowing processing 540 according to the embodiment of the present disclosure.
  • the suppression processing area narrowing process 540 shown in FIG. 12 is a process performed by the area extraction unit 235 shown in FIG. 2 and is a process for extracting a similar region having similar elements.
  • a moire occurrence notice indicating the risk of moire occurrence in units of processing blocks of arbitrary size can be obtained.
  • Moire can be removed by performing moire suppression processing on the processing block in which moire is expected to occur.
  • the suppression process is applied to each processing block, the presence or absence of the moire suppression process may be visually recognized in a block shape. That is, there are blocks for processing similar depictions and patterns in the image, and if moire suppression processing is applied to only a part of these processing blocks, the moire suppression processing is applied for processing. A visual difference may occur between the block and the processing block to which the moire suppression processing is not applied, which may give the user a sense of discomfort.
  • the original image is divided into similar regions having common depictions and patterns, and the moire suppression processing is performed in units of similar regions. It is possible to solve the problem that the presence or absence of the moire suppression process is visually confirmed.
  • the narrowing down process 540 of the suppression processing area is a process performed on the original image that is not divided into the processing blocks.
  • the area extraction unit 235 inputs the original image.
  • the area extraction unit 235 may acquire the original image from the storage unit of the moire occurrence prediction device.
  • the area extraction unit 235 performs a color conversion process for converting the original image into an arbitrary color space.
  • the original image composed of RGB colors may be converted into an LUV color space or a LAB space.
  • the region extraction unit 235 may use, for example, the color conversion result of the original image generated in the above-mentioned periodic structure content determination process 520.
  • the region extraction unit 235 divides the original image into similar regions having common depictions and patterns, and generates an element similarity map showing similar regions having these similar pixel values.
  • a method of separating the original image into similar areas having a common depiction or pattern it is conceivable to calculate the Sobel value for the original image and perform smoothing processing. By this processing, an element similarity map having similar pixel values for each depiction or symbol is generated.
  • the separation for each similar region it is desirable to divide the similar region according to the presence or absence of a fine periodic structure as in the above process. As described above, moire occurs only when a fine periodic structure is included, and if it is a similar region having the same pattern, uniform pixel values are distributed on one surface by the above processing. Therefore, the above method is used. There is no waste in the subsequent processing, and the method is in line with the intention.
  • a method for separating similar regions a method focusing on lightness and chromaticity, or image processing such as semantic segmentation may be used.
  • the region extraction unit 235 determines the region to be suppressed based on the boundary line information of the similar region obtained in step 543 and the moire occurrence notice obtained by the moire prediction processing 530 described above. Select.
  • the method of information combination Floodfill (filling algorithm) may be used, or other image processing methods may be used.
  • the original image can be divided into similar areas having common depictions and patterns, so that the moire suppression process can be performed in units of similar areas.
  • the similar region extracted by the narrowing down processing 540 of the suppression processing region proceeds to the moire suppression processing in the moire generation prediction processing 500 shown in FIG. 5, and receives the moire suppression processing.
  • FIG. 13 is a diagram showing an example of the moire occurrence notice 1300 according to the embodiment of the present disclosure.
  • the moire occurrence notice 1300 according to the embodiment of the present disclosure is information indicating the risk of moire occurrence for each processing block.
  • the moire occurrence notice 1300 may be an image showing the risk of moire occurrence for each processing block.
  • each of the processing blocks may be colored with a predetermined pseudo color depending on the possibility of moire occurring in the block.
  • the processing block 1330 where moire is not likely to occur is gray
  • the processing block 1320 (warning area) where moire may occur is yellow
  • moire is likely to occur may be red.
  • FIG. 14 is a diagram showing an example of a processing block according to the embodiment of the present disclosure.
  • the processing block here is a small area obtained by dividing the original image into fixed-sized sections, and is a unit to be processed.
  • the original image 1410 may be divided into 20 (4 ⁇ 5) fixed-size processing blocks 1415.
  • the size of the processing block 1415 is preferably, for example, a power of 2 size, but is not particularly limited. Further, it is preferable that the processing blocks have the same vertical and horizontal sizes. As an example of the size of the processing block, for example, 128x128, 256x256, 512x512, 1024x1024, 2048x2048 and the like can be used.
  • the actual size of the processing block may be 2 mm or more and 50 mm or less.
  • the processing according to the embodiment of the present disclosure is performed for each processing block.
  • the processing performed for each processing block is not only one processing block at a time, but is the same as a processing block that overlaps so as to straddle a plurality of adjacent processing blocks. It may be done for overlapping size areas 1430. For example, as shown in FIG. 14, this overlapping region 1430 may be a region shifted by half of the processing block.
  • the processing amount increases, but the moire in the portion straddling the processing block increases. It is possible to increase the prediction accuracy of.
  • processing block 1415 of a certain size as shown in FIG. 14 it is possible to speed up the calculation, reduce the processing memory, and improve the cache hit rate. Further, by using the overlapping region 1430 so as to straddle a plurality of adjacent processing blocks, it is possible to reduce the difference between the periodic structure straddling the boundary of the processing blocks and the processing block.
  • the processing block 1415 shown in FIG. 14 can be divided into smaller sub-blocks 1445. These sub-blocks 1445 may be, for example, half the size of the processing block 1415 or 1/4 the size. Further, since these sub-blocks 1445 can use the results of the sub-blocks that have already been calculated in the calculation of the Fourier transform of the overlapping region 1430, the processing efficiency can be improved. In this way, by using the sub-blocks to provide overlapping regions where the processing blocks overlap, it is possible to improve the determination accuracy of the periodic structure that induces moire.
  • the best mode for carrying out the present invention has been described above with reference to the accompanying drawings, but the scope of the present disclosure is not limited to the illustrated and described embodiments, and the present invention is intended. It can also include all embodiments that produce an effect equal to that of what they do. Furthermore, the scope of the present disclosure is not limited to the features of the invention defined by the claims, but includes all the disclosed features and any combination of the features thereof. ..
  • the terms "part”, “system”, and “network” used in this disclosure are physical entities.
  • the physical entity can be an electrical circuit, ancillary devices thereof, or a wired / wireless connection thereof. These can have specific functions. These combinations having specific functions can exhibit a synergistic effect depending on the combination of each function.
  • 200 Occurrence prediction system
  • 205 Client terminal
  • 210 Printing unit
  • 225 Communication network
  • 230 Moire generation prediction device
  • 231 Communication unit
  • 232 Preprocessing unit
  • 233 Periodic structure content determination unit
  • 234 Moire Prediction unit
  • 235 Area extraction unit
  • 236 Moire suppression unit
  • 240 Storage unit
  • 241 Original image
  • 242 Halftone dot image

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Color, Gradation (AREA)
  • Image Analysis (AREA)
  • Quality & Reliability (AREA)

Abstract

モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を可能にするモアレ発生予測手段を提供するため、モアレ発生予測の対象となる入力画像を受信する通信部と、入力画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定するための周期構造含有判定部と、判定した各周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、危険度を各周期構造領域毎に示すモアレ発生予告を生成し、出力するモアレ予測部とを含む。

Description

モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法
　本開示の実施形態は、モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法に関する。
　「モアレ（またはモワレ）」とは、周期的な模様や構造を複数重ね合わせたときに、視覚的に発生する干渉縞である。また、物理学的にいうと、モアレとは二つの空間周波数のうなり現象といえる。
　このモアレを有用なものとして利用する場合もあるものの、意図しないモアレが発生すると、画像のデザイン性が損なわれ、印刷物の品質の劣化に繋がることがあるため、モアレを望ましくないものとして取り除く手段が提案されている。
　例えば、特許文献１においては、モアレを除去する手段として、「閾値を用いて入力された画像データから第１のハーフトーン画像データを生成する第１のハーフトーン処理手段と、前記第１のハーフトーン画像データを、前記閾値の周期に対応したサイズを有する第１のフィルタを用いて平滑化する第１のフィルタ処理手段と、前記第１のフィルタに応じた特性を有する第２のフィルタを用いて、前記入力された画像データを平滑化する第２のフィルタ処理手段と、前記第１のフィルタ処理手段によって平滑化された第１のハーフトーン画像データと前記第２のフィルタ処理手段によって平滑化された画像データとの差分に基づき、前記第１のハーフトーン画像データに生じるモアレを評価する評価手段とを備える。」技術が記載されている。
特開２０１１－１５５３６２号公報
　特許文献１には、度合いが異なる２つの平滑化フィルタの差を取ることでモアレを検知し、モアレを除去する処理を行う手段が記載されている。
　しかし、特許文献１に記載されている手段では、平滑化フィルターの差分が大きいところを全て、ＡＭスクリーンから、ＦＭスクリーンへ変換するため、モアレが発生しない画像の領域は、モアレが発生する領域と共に処理される。ところが、モアレが発生しない画像の領域に対してモアレ除去処理を施すと、画像におけるオブジェクトの質感を損ねたり、画像のシャープさを低下させたり等、印刷品質の劣化を引き起こすことがある。そのため、特許文献１に記載の手段を適用した場合、モアレが発生しない画像の領域に対してもモアレ除去処理を施すことになるため、処理負荷が大きくなる上、過剰にモアレ防止処理をすることによる劣化が発生する。
　従って、モアレが発生する領域を予め予測し、当該領域に対してのみモアレ抑制処理を施す手段があれば望ましい。
　そこで、本開示の実施形態は、モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を可能にするモアレ発生予測手段を提供することを目的とする。
　上記の課題を解決するために、代表的な本開示のモアレ発生予測システムの一つは、クライアント端末と、モアレ発生予測装置とが通信ネットワークを介して接続されるモアレ発生予測システムであって、前記モアレ発生予測装置は、モアレ発生予測の対象となる入力画像を受信した場合、前記入力画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定するための周期構造含有判定部と、判定した各周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、前記危険度を各周期構造領域毎に示すモアレ発生予告を生成し、前記クライアント端末に送信するモアレ予測部とを含む。
　本開示によれば、モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を可能にするモアレ発生予測手段を提供することができる。
　上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
図１は、本開示の実施形態を実施するためのコンピュータシステムを示す図である。 図２は、本開示の実施形態に係る発生予測システムの構成の一例を示す図である。 図３は、本開示の実施形態に係るモアレ発生予測処理を含む印刷工程の全体のフローを示す図である。 図４は、本開示の実施形態に係るＧＵＩの一例を示す図である。 図５は、本開示の実施形態に係るモアレ発生予測処理の一例を示す図である。 図６は、本開示の実施形態に係る周期構造含有判定処理の流れの一例を示す図である。 図７は、本開示の実施形態に係る周波数解析の一例を示す図である。 図８は、本開示の実施形態に係るモアレ予測処理の流れの一例を示す図である。 図９は、本開示の実施形態に係る差分抽出画像に対して周波数解析を行う場合の一例を示す図である。 図１０は、本開示の実施形態に係る差分抽出画像に対して周波数解析を行った後、閾値を用いてモアレを判定する場合の一例を示す図である。 図１１は、本開示の実施形態に係る周波数解析処理に用いられるマスクの一例を示す図である。 図１２は、本開示の実施形態に係る抑制処理領域の絞り込み処理の流れの一例を示す図である。 図１３は、本開示の実施形態に係るモアレ発生予告の一例を示す図である。 図１４は、本開示の実施形態に係る処理用ブロックの一例を示す図である。
　以下、図面を参照して、本開示の実施形態について説明する。なお、この実施形態により本開示が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。
　（本開示の背景及び概要）
　上述したように、印刷の対象となる画像の中に、縞模様やメッシュ状の模様のような、周期的な模様が存在する場合、画像を印刷用の網点画像に変換し、この模様を網点により再現しようとすると、模様の周期と網点の周期とが干渉し、モアレと呼ばれる、元画像には存在しないテクスチャが現れることがある。特に、周期が大きいモアレが発生し、視認されると使用者に違和感を与え、品質低下の要因となる。
　例えば、印刷品位の要求特性が厳しいカタログ印刷の場合、モアレが発生すると、カタログの多くのページを再印刷しなければならず、大きなロスが生じる。
　また、コミックの印刷の場合にも、スクリーントーンを使用した領域が存在すると、このスクリーントーン領域にはモアレが発生しやすいため、大量の印刷ロスの原因となり得る。
　従来では、このようなモアレは、目視で画像を検査し、手作業でモアレを修正する作業を行っていたが、多くの画像やベージの検査、修正は作業員の労力を要し、負荷が大きい。
　一方、モアレを防止するために、例えば元画像の高周波成分をあらかじめ除去する手法が一般的であるが、カタログであればその服飾の質感を損ね、コミックであれば、印刷のシャープさを損ねてしまうため、印刷品質の低下と手作業による作業コストが高いことが課題である。
　従って、モアレが発生する領域を予め予測し、当該領域に対してのみモアレ抑制処理を施す手段があれば望ましい。
　そこで、上述したように、本開示によれば、モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を可能にするモアレ発生予測手段を提供することができる。
　（ハードウエア構成）
　まず、図１を参照して、本開示の実施形態を実施するためのコンピュータシステム３００について説明する。本明細書で開示される様々な実施形態の機構及び装置は、任意の適切なコンピューティングシステムに適用されてもよい。コンピュータシステム３００の主要コンポーネントは、１つ以上のプロセッサ３０２、メモリ３０４、端末インターフェース３１２、ストレージインタフェース３１４、Ｉ／Ｏ（入出力）デバイスインタフェース３１６、及びネットワークインターフェース３１８を含む。これらのコンポーネントは、メモリバス３０６、Ｉ／Ｏバス３０８、バスインターフェースユニット３０９、及びＩ／Ｏバスインターフェースユニット３１０を介して、相互的に接続されてもよい。
　コンピュータシステム３００は、プロセッサ３０２と総称される１つ又は複数の汎用プログラマブル中央処理装置（ＣＰＵ）３０２Ａ及び３０２Ｂを含んでもよい。ある実施形態では、コンピュータシステム３００は複数のプロセッサを備えてもよく、また別の実施形態では、コンピュータシステム３００は単一のＣＰＵシステムであってもよい。各プロセッサ３０２は、メモリ３０４に格納された命令を実行し、オンボードキャッシュを含んでもよい。
　ある実施形態では、メモリ３０４は、データ及びプログラムを記憶するためのランダムアクセス半導体メモリ、記憶装置、又は記憶媒体（揮発性又は不揮発性のいずれか）を含んでもよい。メモリ３０４は、本明細書で説明する機能を実施するプログラム、モジュール、及びデータ構造のすべて又は一部を格納してもよい。例えば、メモリ３０４は、モアレ予測アプリケーション３５０を格納していてもよい。ある実施形態では、モアレ予測アプリケーション３５０は、後述する機能をプロセッサ３０２上で実行する命令又は記述を含んでもよい。
　ある実施形態では、モアレ予測アプリケーション３５０は、プロセッサベースのシステムの代わりに、またはプロセッサベースのシステムに加えて、半導体デバイス、チップ、論理ゲート、回路、回路カード、および/または他の物理ハードウェアデバイスを介してハードウェアで実施されてもよい。ある実施形態では、モアレ予測アプリケーション３５０は、命令又は記述以外のデータを含んでもよい。ある実施形態では、カメラ、センサ、または他のデータ入力デバイス（図示せず）が、バスインターフェースユニット３０９、プロセッサ３０２、またはコンピュータシステム３００の他のハードウェアと直接通信するように提供されてもよい。
　コンピュータシステム３００は、プロセッサ３０２、メモリ３０４、表示システム３２４、及びＩ／Ｏバスインターフェースユニット３１０間の通信を行うバスインターフェースユニット３０９を含んでもよい。Ｉ／Ｏバスインターフェースユニット３１０は、様々なＩ／Ｏユニットとの間でデータを転送するためのＩ／Ｏバス３０８と連結していてもよい。Ｉ／Ｏバスインターフェースユニット３１０は、Ｉ／Ｏバス３０８を介して、Ｉ／Ｏプロセッサ（ＩＯＰ）又はＩ／Ｏアダプタ（ＩＯＡ）としても知られる複数のＩ／Ｏインタフェースユニット３１２，３１４，３１６、及び３１８と通信してもよい。
　表示システム３２４は、表示コントローラ、表示メモリ、又はその両方を含んでもよい。表示コントローラは、ビデオ、オーディオ、又はその両方のデータを表示装置３２６に提供することができる。また、コンピュータシステム３００は、データを収集し、プロセッサ３０２に当該データを提供するように構成された1つまたは複数のセンサ等のデバイスを含んでもよい。
　例えば、コンピュータシステム３００は、心拍数データやストレスレベルデータ等を収集するバイオメトリックセンサ、湿度データ、温度データ、圧力データ等を収集する環境センサ、及び加速度データ、運動データ等を収集するモーションセンサ等を含んでもよい。これ以外のタイプのセンサも使用可能である。表示システム３２４は、単独のディスプレイ画面、テレビ、タブレット、又は携帯型デバイスなどの表示装置３２６に接続されてもよい。
　Ｉ／Ｏインタフェースユニットは、様々なストレージ又はＩ／Ｏデバイスと通信する機能を備える。例えば、端末インタフェースユニット３１２は、ビデオ表示装置、スピーカテレビ等のユーザ出力デバイスや、キーボード、マウス、キーパッド、タッチパッド、トラックボール、ボタン、ライトペン、又は他のポインティングデバイス等のユーザ入力デバイスのようなユーザＩ／Ｏデバイス３２０の取り付けが可能である。ユーザは、ユーザインターフェースを使用して、ユーザ入力デバイスを操作することで、ユーザＩ／Ｏデバイス３２０及びコンピュータシステム３００に対して入力データや指示を入力し、コンピュータシステム３００からの出力データを受け取ってもよい。ユーザインターフェースは例えば、ユーザＩ／Ｏデバイス３２０を介して、表示装置に表示されたり、スピーカによって再生されたり、プリンタを介して印刷されてもよい。
　ストレージインタフェース３１４は、１つ又は複数のディスクドライブや直接アクセスストレージ装置３２２（通常は磁気ディスクドライブストレージ装置であるが、単一のディスクドライブとして見えるように構成されたディスクドライブのアレイ又は他のストレージ装置であってもよい）の取り付けが可能である。ある実施形態では、ストレージ装置３２２は、任意の二次記憶装置として実装されてもよい。メモリ３０４の内容は、ストレージ装置３２２に記憶され、必要に応じてストレージ装置３２２から読み出されてもよい。Ｉ／Ｏデバイスインタフェース３１６は、プリンタ、ファックスマシン等の他のＩ／Ｏデバイスに対するインターフェースを提供してもよい。ネットワークインターフェース３１８は、コンピュータシステム３００と他のデバイスが相互的に通信できるように、通信経路を提供してもよい。この通信経路は、例えば、ネットワーク３３０であってもよい。
　ある実施形態では、コンピュータシステム３００は、マルチユーザメインフレームコンピュータシステム、シングルユーザシステム、又はサーバコンピュータ等の、直接的ユーザインターフェースを有しない、他のコンピュータシステム（クライアント）からの要求を受信するデバイスであってもよい。他の実施形態では、コンピュータシステム３００は、デスクトップコンピュータ、携帯型コンピュータ、ノートパソコン、タブレットコンピュータ、ポケットコンピュータ、電話、スマートフォン、又は任意の他の適切な電子機器であってもよい。
　次に、図２を参照して、本開示の実施形態に係るモアレ発生予測システムについて説明する。
　図２は、本開示の実施形態に係る発生予測システム２００の構成の一例を示す図である。図２に示すように、発生予測システム２００は、クライアント端末２０５、印刷部２１０、及びモアレ発生予測装置２３０を含む。また、クライアント端末２０５、印刷部２１０、及びモアレ発生予測装置２３０は、例えば通信ネットワーク２２５を介して相互的に接続される。
　通信ネットワーク２２５は、例えばインターネットやＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）であってもよい。
　クライアント端末２０５は、後述するモアレ発生予測処理の対象となる入力画像を、通信ネットワーク２２５を介してモアレ発生予測に送信する端末である。このクライアント端末２０５は、個人に利用される端末であってもよく、民間企業等の組織における共有の端末であってもよい。また、このクライアント端末２０５は、例えば、デスクトップパソコン、ノートパソコン、タブレット、スマートフォン等、任意のデバイスであってもよい。
　クライアント端末２０５のユーザは、例えばクライアント端末２０５のＧＵＩ（Ｇｒａｐｈｉｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）を介して、入力画像と、当該入力画像の印刷条件等を入力してもよい。なお、クライアント端末２０５のＧＵＩの詳細については後述する（図４参照）。
　印刷部２１０は、モアレ発生予測装置２３０によって生成された、モアレが抑制された後の画像データを印刷するための印刷ユニットである。なお、この印刷部２１０は、モアレ発生予測装置２３０のモアレ抑制部２３６から出力される画像を印刷してもよく、クライアント端末から受信した画像を印刷してもよい。
　モアレ発生予測装置２３０は、本開示に実施形態に係るモアレ発生予測方法における処理を実施するための装置である。図２に示すように、モアレ発生予測装置２３０は、通信部２３１、前処理部２３２、周期構造含有判定部２３３、モアレ予測部２３４、領域抽出部２３５、モアレ抑制部２３６、及びストレージ部２４０を含む。モアレ発生予測装置２３０は、例えばクライアント端末２０５から受信した入力画像を、これらの機能部を用いて処理することにより、入力画像を構成する複数の領域毎に、モアレが発生する危険度を予測し、例えば危険度が高い領域に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を可能にするモアレ発生予測手段を提供することができる。
　通信部２３１は、モアレ発生予測装置２３０と、クライアント端末２０５と、印刷部２１０との間で通信される各種情報の送受信を行うための機能部である。例えば、通信部２３１は、クライアント端末２０５から受信する入力画像を受信したり、モアレ予測部２３４又はモアレ抑制部２３６によって生成される画像をクライアント端末２０５又は印刷部２１０に送信したりしてもよい。
　前処理部２３２は、モアレ発生予測装置によるモアレ発生予測処理の対象となる画像に対する前処理を行うための機能部である。例えば、前処理部２３２は、クライアント端末２０５から受信する、ベクターデータ形式である元画像に対するＲＩＰ（Ｒａｓｔｅｒ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｏｒ）処理を施し、ラスターデータ形式である網点画像を生成したり、入力画像を複数の処理用ブロックに分割したりする等、任意の前処理を行ってもよい。
　周期構造含有判定部２３３は、元画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定するための機能部である。後述するように、周期構造含有判定部２３３は、元画像に対して、所定の色空間へ変換するための色変換処理を施し、輪郭成分を抽出するための輪郭成分抽出処理を施し、平滑化処理を施し、画素の最大値及び最小値を正規化し、所定の周波数解析処理を施すことにより、元画像における周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、モアレの発生を誘発する周期構造を含む周期構造領域を判定してもよい。
　なお、周期構造含有判定部２３３の処理の詳細については、図６を参照して後述する。
　モアレ予測部２３４は、周期構造含有判定部２３３によって判定された各周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、危険度を各周期構造領域毎に示すモアレ発生予告を生成し、出力する機能部である。より具体的には、モアレ予測部２３４は、元画像に対して、所定の色空間へ変換するための色変換処理を施し、輪郭成分を抽出するための輪郭成分抽出処理を施し、平滑化処理を施し、網点画像に対して、所定の色空間へ変換するための色変換処理を施し、元画像の解像度に整合させるための解像度変換処理を施し、平滑化処理を施した後、元画像と前記網点画像とのピクセル差分を示す差分抽出画像を生成し、差分抽出画像に対して、所定の周波数解析処理を施すことにより、差分抽出画像の周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、モアレが発生する危険度を判定し、危険度を処理用ブロック毎に示すモアレ発生予告を生成してもよい。
　ある実施形態では、このモアレ発生予告はクライアント端末２０５に送信されてもよく、別の実施形態では、後述する領域抽出部２３５及びモアレ抑制部２３６は、当該モアレ発生予告に基づいて、モアレ抑制処理を施してもよい。
　なお、モアレ予測部２３４の処理の詳細については、図８を参照して後述する。
　領域抽出部２３５は、元画像に対して、所定の色空間へ変換するための色変換処理を施し、類似した画素値を有する類似領域を示す要素類似マップを生成するための機能部である。
　なお、領域抽出部２３５の処理の詳細については、図１２を参照して後述する。
　モアレ抑制部２３６は、網点画像における類似領域毎に、所定のモアレ抑制処理を施すための機能部である。モアレ抑制部２３６が行うモアレ抑制処理として、網点画像の個々のトーン濃度を、同位置の元画像濃度と合致するように、トーンのサイズを調整したり、網点画像のトーン形状を、綺麗なトーンへと変換したりする手段が考えられるが、本開示の実施形態に係るモアレ抑制部２３６はこれに限定されず、任意のモアレ抑制処理を施してもよい。
　ストレージ部２４０は、上述した各機能部によって用いられる各種情報を格納するための記憶領域である。例えば、図２に示すように、ストレージ部２４０は、クライアント端末２０５から受信する、ベクターデータ形式である元画像２４１や、当該元画像に対してＲＩＰ（Ｒａｓｔｅｒ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｏｒ）処理を施すことで生成した、ラスターデータ形式である網点画像２４２を格納してもよい。ストレージ部２４０は、例えば、ハードディスクドライブやソリッドステートドライブなどのストレージ装置であってもよく、クラウド型のストレージ領域であってもよい。
　以上説明したように構成したモアレ発生予測装置２３０により、モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を可能にするモアレ発生予測手段を提供することができる。
　次に、図３を参照して、本開示の実施形態に係るモアレ発生予測処理を含む印刷工程の全体のフローについて説明する。
　図３は、本開示の実施形態に係るモアレ発生予測処理を含む印刷工程３６０の全体のフローを示す図である。モアレ発生予測処理３６８、３７４を除いて、図３に示す印刷工程３６０は、いわゆるオフセット印刷と実質的に同様である。そのため、本明細書では、既存の印刷工程の詳細の説明を省略し、本開示の実施形態に係るモアレ発生予測処理を中心に説明する。
　ステップ３６２では、まず、データ入稿が行われる。ここでは、印刷を依頼したいユーザは、例えば図２に示すクライアント端末等を用いて、印刷の対象となる元画像や、印刷の条件等を入力してもよい。
　次に、ステップ３６４では、ステップ３６２で入力された元画像は、印刷用に修正される。例えば、ここでは、ベクターデータ形式である元画像は、ＲＩＰ処理により、ラスターデータ形式である網点画像に変換されたり、解像度や大きさを調整されたりしてもよい。
　次に、ステップ３６６では、印刷対象となる画像における文字・図版・写真などの配置が、例えばステップ３６２に入力された印刷条件に基づいて調整される。
　次に、ステップ３６８では、本開示の実施形態に係るモアレ発生予測処理が行われる。ここでは、モアレ発生予測処理は、印刷対象の画像のそれぞれのパーツ毎に行われる。
　なお、このモアレ発生予測処理の詳細については、図５等を参照して後述する。
　次に、ステップ３７０では、印刷対象となる画像のＤＤＣＰ（Ｄｉｒｅｃｔ　Ｄｉｇｉｔａｌ　Ｃｏｌｏｒ　Ｐｒｏｏｆ）が生成され、印刷機に直接的に出力可能なデジタルデータが用意される。
　次に、ステップ３７２では、ステップ３７０で用意されたデジタルデータは、確認が終了した後、印刷の実行段階に移行される（いわゆる「出稿」又は「下版」）。
　次に、ステップ３７４では、本開示の実施形態に係るモアレ発生予測処理が行われる。ステップ３７４で行われるモアレ発生予測処理は、上述したステップ３６８のモアレ発生予測処理と実質的に同様であるが、ステップ３７４で行われるモアレ発生予測処理は、印刷用のページ全体に対して行われる点において相違する。
　次に、ステップ３７６では、ステップ３７０で用意されたデジタルデータに基づいて作成された印刷用のフィルム（製版フィルム）を版材に焼き付けることにより、印刷用の刷版が製造される。
　次に、ステップ３７７では、印刷機は、ステップ３７６で製造された刷版を用いて、印刷を行う。
　以上説明したように、本開示の実施形態に係るモアレ発生予測処理は、既存の一般的なオフセット印刷工程の途中で行われる処理である。また、図３に示す例では、本開示の実施形態に係るモアレ発生予測処理は、ステップ３６６の組版工程の終了後と、出稿・下版工程３７２の終了後との２回実行されているが、本開示はこれに限定されず、モアレ発生予測処理を１回のみ行う構成や、３回以上行う構成も可能である。ただし、モアレを正確に予測・抑制しつつ、印刷工程の全体の効率を維持する観点から、図３に示すようにモアレ発生予測処理を２回行う構成が望ましい。
　次に、図４を参照して、本開示の実施形態に係る入力画像を入力するためのＧＵＩの一例について説明する。
　図４は、本開示の実施形態に係る入力画像を入力するためのＧＵＩ４００の一例を示す図である。ＧＵＩ４００は、印刷及び本開示の実施形態に係るモアレ発生予測解析の対象となる入力画像と、当該入力画像の印刷条件を入力するためのインターフェースである。ＧＵＩ４００を介して入力される入力画像及び印刷条件は、モアレ発生予測装置に送信される。また、ＧＵＩ４００は、例えば、モアレ発生予測装置が、通信ネットワークを介して、クライアント端末に提供するウエブ上のインターフェースやアプリ上のインターフェースであってもよい。
　まず、ＧＵＩ４００のユーザは、部署・部門４０２や社員番号４０３等のユーザ情報を入力する。ある実施形態では、ＧＵＩ４００のユーザは、部署・部門毎に予め用意し、保存されたプリセットの中から、所望のプリセットを選択してもよい。また、ある実施形態では、ユーザがＧＵＩ４００を介して依頼する印刷・モアレ発生予測のジョブは、当該ユーザの社員番号に対応付けられ、ジョブの結果一覧では、所定の社員番号に対応するジョブの結果のみを表示することができる。これにより、例えばジョブを依頼した本人のみが当該ジョブの結果を確認することができるため、セキュリティを向上させることができる。
　次に、ユーザは、事前に登録しておいた設定項目のプリセット４０４、網種４０５、ＲＩＰ処理のアルゴリズムの保存場所や号機を指定するRIP処理機の指定４０６、プロフィ
ール変換の条件（刷版で色変換をかける場合、指定された条件で網点を生成する）４０７、結果の自動プリントアウト先の設定を指定するプリンター４０８、印刷で使用する版を指定（例えば、２色刷りの場合には不要版を削除）する使用版４０９を入力してもよい。
　なお、網種４０５で設定される内容は、例えば網の形状（スクエアドット、チェーンドット等）、インキ毎の網角・線数、書き出す１ビットデータの解像度（２４００dpi/４０００dpi）、自動オーバープリント（ヌキノセ）の設定を含んでもよい。
　また、ここでは、推奨の設定項目を事前に用意しておき、ユーザが特定の設定項目を選ぶ際に、推奨の設定が自動的に選択される構成も可能である。
　次に、ユーザは、登録開始ボタン４１０を押すことで、印刷及び本開示の実施形態に係るモアレ発生予測の対象となる入力画像と、当該入力画像の印刷条件を入力してもよい。複数の入力画像がある場合には、ユーザはこれらの複数の入力画像と、それぞれの入力画像に対応する印刷条件を一度に設定してもよい。
　ここでの入力画像は、少なくともベクターデータ形式の画像（以下、元画像）を含むが、印刷用の網点画像を含んでもよい。例えば、ある実施形態では、元画像と、当該元画像に対応する、ＲＩＰ処理済みの網点画像とがクライアント端末側で作成され、共にＧＵＩ４００を介して入力されてもよい。また、別の実施形態では、元画像がＧＵＩ４００を介して入力された後、当該元画像に対応する、ＲＩＰ処理済みの網点画像はモアレ発生予測装置側で作成されてもよい。本明細書では、元画像と網点画像とを区別する必要がない場合には、「入力画像」と総称する。
　入力画像の形式は、例えばＰＤＦ，ＲＡＷ，ＪＰＥＧ等、任意の形式であってもよい。
　また、ここでの印刷条件は、例えば色数、色の指定、特色の有無、網種（網点角度、線数）等を含んでもよい。これらの印刷条件は、特定の数値として入力されてもよく、範囲として入力されてもよく、事前に用意されたテンプレートの中から選択されてもよい。ある実施形態では、これらの事前に用意されたテンプレートのそれぞれは、異なる印刷ラインに対応し、当該印刷ライン用の印刷条件を含むものであってもよい。
　以上説明した設定項目、入力画像、及び印刷条件の情報は、通信ネットワークを介してモアレ発生予測装置に送信される。その後、当該入力画像を後述するモアレ発生予測処理で解析し、モアレが発生すると予測される領域に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を行うことができる。
　次に、図５を参照して、本開示の実施形態に係るモアレ発生予測処理について説明する。
　図５は、本開示の実施形態に係るモアレ発生予測処理５００の一例を示す図である。図５に示すモアレ発生予測処理５００は、例えば図２に示すモアレ発生予測装置２３０によって行われる処理であり、モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すための処理である。
　なお、ここでのモアレ発生予測処理５００は、図３を参照して説明したモアレ発生予測処理３６８、３７４に対応する処理である。
　まず、ステップ５１０では、モアレ発生予測装置は、印刷及びモアレ発生予測処理の対象となる入力画像を入力する。ここでは、モアレ発生予測装置は、例えば図４を参照して説明したＧＵＩ４００を介して設定された入力画像及び印刷条件を受信してもよい。
　ここで受信する入力画像のファイル形式は、例えばＪＰＥＧ，ＧＩＦ，ＴＩＦＦ，ＢＭＰ，ＰＮＧ等、任意のファイル形式であってもよい。また、入力画像のサイズは、１０，０００ｘ１０，０００画素から、１，０００，０００ｘ１，０００，０００画素であり、大きな画像データであってもよい。
　この際には、モアレ発生予測装置は、入力画像として、ベクターデータ形式の画像と、当該元画像に対応する、ＲＩＰ処理済みの網点画像との両方を入力してもよいが、ベクターデータ形式の元画像のみがクライアント端末から送信される場合には、当該元画像に対してＲＩＰ処理を施し、ラスターデータ形式の網点画像を生成してもよい。
　また、入力画像を入力した後、モアレ発生予測装置の前処理部２３２は、受信した入力画像を固定サイズの区画である処理用領域に分割してもよい。処理用ブロックのサイズは、例えば、２のべき乗のサイズが好ましいが、特に限定されない。また、処理用ブロックは、縦横が同じサイズであることが好ましい。処理用ブロックのサイズの例として、例えば１２８ｘ１２８、２５６ｘ２５６、５１２ｘ５１２、１０２４ｘ１０２４、２０４８ｘ２０４８等を使用することができる。
　なお、処理用ブロックの実サイズは、２ｍｍ以上、５０ｍｍ以下であってもよい。
　また、前処理部は、入力画像の解像度を変換し、６００ｄｐｉ以上、２４００ｄｐｉ以下として設定してもよい。
　以降の処理（例えば構造含有エリアを抽出する処理５２０と、モアレ検知処理５３０）では、モアレを誘発する周期構造の有無の判定や、モアレ検知の判定は、処理用ブロック毎に行われる。より具体的には、離散フーリエ変換した２次元データから、特有のピークが存在するかを判定することで、モアレを誘発する周期構造の有無を判定することができる。処理用ブロックに分割する理由は、様々な周期構造を含んだ状態で判定するよりも、小領域に区切って解析した方が任意のパターン情報を反映しやすいため、ブロック分割を行うことが望ましいからである。
　次に、ステップ５２０では、モアレ発生予測装置の周期構造含有判定部は、ベクターデータ形式の元画像に対して、モアレの発生を誘発する周期構造を含む周期構造領域を判定する。
　なお、周期構造含有判定処理の詳細については図６を参照して後述する。
　次に、ステップ５３０では、モアレ発生予測装置のモアレ予測部は、周期構造含有判定部によって判定された各周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、危険度を各周期構造領域毎に示すモアレ発生予告を生成する。
　なお、モアレ予測処理の詳細については図８を参照して後述する。
　次に、ステップ５４０では、モアレ発生予測装置の領域抽出部は、元画像に対して、所定の色空間へ変換するための色変換処理を施し、類似した画素値を有する類似領域を示す要素類似マップを生成することで、ステップ５３０のモアレ予測処理の対象となった領域と同一の図柄の領域である類似領域を抽出する。
　なお、抑制処理領域の絞り込み処理については図１２を参照して後述する。
　次に、ステップ５５０では、モアレ発生予測装置のモアレ抑制部は、ステップ５４０で抽出された類似領域に対して、所定のモアレ抑制処理を実施する。モアレ予測部が行うモアレ抑制処理として、網点画像の個々のトーン濃度を、同位置の元画像濃度と合致するように、トーンのサイズを調整する方法や、網点画像のトーン形状を、綺麗なトーンへと変換したりする方法が考えられるが、本開示の実施形態に係るモアレ予測処理はこれに限定されず、任意のモアレ抑制処理を施してもよい。
　次に、ステップ５６０では、モアレ発生予測装置のモアレ抑制部によって処理された、モアレが抑制された画像をクライアント端末又は印刷部に出力する。
　以上説明したモアレ発生予測処理によれば、モアレが発生する領域を予測し、当該領域を含む図柄に対してのみモアレ抑制処理を施すことで、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を行うことができる。
　次に、図６を参照して、本開示の実施形態に係る周期構造含有判定処理について説明する。
　図６は、本開示の実施形態に係る周期構造含有判定処理５２０の流れの一例を示す図である。図６に示す周期構造含有判定処理５２０は、図２に示す周期構造含有判定部２３３によって行われる処理であり、元画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定するための処理である。
　原則として、モアレは、元画像に含まれる周期構造と、網点のピッチ・角度とが干渉することによって発生するものである。従って、上述したように、元画像を構成する処理用ブロックのそれぞれに対して、本開示の実施形態に係る周期構造含有判定処理５２０を施すことにより、当該元画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定することができる。また、後述するように、このように判定された周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、危険度を各周期構造領域毎に示すモアレ発生予告を生成することができる。
　なお、周期構造を含まないと判定された処理用ブロックについては、後述するモアレ予測処理、モアレ抑制処理等を行わない。このように、モアレの発生を誘発する周期構造を含むブロックに対してのみ、後述するモアレ予測処理、モアレ抑制処理等を行うことで、従来のモアレ抑制手段に比較して、処理速度が高速化し、モアレを含まない余分な領域に対してモアレ抑制処理を施すことにより生じる品質劣化を抑えることができる。
　まず、ステップ５２１では、周期構造含有判定部は、元画像を入力する。ここでは、周期構造含有判定部は、例えば通信部を用いてクライアント端末から受信され、前処理部によって前処理された元画像をストレージ部から取得してもよい。
　次に、ステップ５２２では、周期構造含有判定部は、元画像を任意の色空間へ変換するための色変換処理を施す。この色変換処理では、ＲＧＢの色からなる元画像を、ＬＵＶ色空間やＬＡＢ空間への変換してもよい。
　変換した色の成分の内、視感度が高い輝度成分を用いることができる。また、ａ*とｂ*でも視感度の違いあるため、その差に応じた重みづけを行ってもよい。更に、ａ*とｂ*のいずれか一方のみを用いてもよい。
　次に、ステップ５２３では、周期構造含有判定部は、元画像の輪郭成分を抽出した（すなわち、除去・排除した）マスクを生成する。
　より具体的には、元画像における周期構造の有無を判定する際、オブジェクトの輪郭付近等の、急激に輝度が変化する境界が処理用ブロック中に存在する場合には、その境界の部分による高周波数成分がノイズとなり、判定時のＳ／Ｎ比（Ｓｉｇｎａｌ／Ｎｏｉｓｅ
　Ｒａｔｉｏ）が低下することがある。そのため、急激な輝度変化が存在する境界を除去する前処理をした後、周波数分析をすることが望ましい。
　従って、周期構造含有判定部は、色変換後の元画像に対して、輪郭成分を抽出したマスクの生成を行うことで、Ｓ／Ｎ比を避け、周期構造含有判定の精度を向上させることができる。
　次に、ステップ５２４では、周期構造含有判定部は、元画像における画素の最大値及び最小値を正規化する処理を行う。
　より具体的には、後述する周波数解析では、離散フーリエ変換した２次元データから、特有のピークが含まれるか否かを判定することで、モアレの発生を誘発する周期構造を判定することができる。元画像における周期構造の有無を判定する際、前述の輪郭成分を除去した上、構造の濃度情報（色・明度情報）を正規化することにより、周期構造含有判定の精度を更に向上させることができる。一例としては、色変換後の元画像に対して平滑化処理を施し、平滑化前後の差分を抽出して、画素値の最大・最小値が特定値となるように正規化を行うことができるが、本開示はこれに限定されず、任意の正規化手段を用いてもよい。
　次に、ステップ５２５では、周期構造含有判定部は、上記した色変換処理、輪郭マスク生成処理、及び正規化処理を受けた元画像に対して、周波数解析処理を行う。この際の周波数解析処理としては、例えばＦＦＴ（高速フーリエ変換：Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）が代表的なアルゴリズムとして挙げられる。ＦＦＴとは、離散データに対するフーリエ変換であるＤＦＴ（離散フーリエ変換：Ｄｉｓｃｒｅｔｅ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）を高速化したアルゴリズムである。
　元画像に対するＦＦＴにより生成されるパワースペクトル画像は、中心位置を周波数ゼロとして、各方位の周波数成分を中心から離れるにつれて周波数が高くなるように分布させたものである。
　モアレの発生を誘発させる周期構造を含む画像の周波数分布の特徴として、強度の高い周波数成分が特定の領域に集中すること、最大ピーク強度が高いこと、高周波領域にも強度が高い周波数成分を取り得ることが挙げられる。
　一方、周期構造を含まない画像の周波数分布では、強度の高い周波数成分が低周波領域に分散される。
　よって、ステップ５２５では、周期構造含有判定部は、モアレの発生を誘発させる周期構造の有無を判定するためには、ピーク位置、ピーク強度および、周波数分布を任意角度刻みに分割した際の強度分散を、特徴値として定量的に算出する。その後、これで得られた特徴値に対して評価を行い、各ブロック毎にモアレが発生する危険度を判定することができる。
　なお、特徴値の評価方法として、それぞれの特徴値に閾値を設けて評価する手法や、回帰分析後に尤度で評価する手法、クラスター分析によりモアレ有無を分類する手法、又は上記を組み合わせた手法が挙げられる。
　次に、ステップ５２６では、上述した処理によって判定された周期構造を含む周期構造領域の情報は、モアレ予測部に出力される。
　次に、図７を参照して、本開示の実施形態に係る周波数解析について説明する。
　図７は、本開示の実施形態に係る周波数解析の一例を示す図である。上述したように、本開示の実施形態に係るモアレ発生予測処理において、入力画像（元画像及び／又は網点画像）に対して周波数解析処理を施すことにより、入力画像においてモアレの発生を誘発する周期構造を判定し、モアレが発生する危険度を予測することができる。
　図７は、入力画像７１０、７２０のそれぞれに対して周波数解析処理を施した周波数解析済み画像７１５、７２５を示す図である。上述したように、モアレは明暗の周期構造であるため、モアレの発生を誘発させる周期構造を含む画像の周波数分布の特徴として、強度の高い周波数成分が特定の領域に集中すること、最大ピーク強度が高いこと、高周波領域にも強度が高い周波数成分を取り得ることが挙げられる。
　一方、周期構造を含まない画像の周波数分布では、強度の高い周波数成分が低周波領域に分散される。
　従って、本開示の実施形態に係る周波数解析処理を入力画像に対して施すことにより、当該入力画像においてモアレを誘発させる周期構造が存在するか否かを判断することができる。
　一例として、入力画像７１０に対して上述した周波数解析処理を施すことにより、一定の間隔で離間している、ピーク強度が高いスペクトル成分を有する周波数解析済み画像７１５が得られる。この周波数解析済み画像７１５に現れるスペクトル成分の周期的な分布とピークの強度とから、入力画像７１０は、モアレを誘発する周期構造を有するものとして判定される。
　一方、別の一例として、入力画像７２０に対して上述した周波数解析処理を施すことにより、強度の高いスペクトル成分が低周波領域に分散される周波数分布を有する周波数解析済み画像７２０が得られる。この周波数解析済み画像７２０のスペクトル成分の分散から、入力画像７２０は、モアレを誘発する周期構造を有しないものとして判定される。
　従って、以下説明したように、任意の入力画像に対して本開示の実施形態に係る周波数解析処理を施すことにより、モアレを誘発する周期構造を含む領域を判定することができる。また、モアレを誘発する周期構造を含む領域のみに対してモアレ抑制処理を施すことにより、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷物を提供することができる。
　次に、図８を参照して、本開示の実施形態に係るモアレ予測処理について説明する。
　図８は、本開示の実施形態に係るモアレ予測処理５３０の流れの一例を示す図である。図６に示すモアレ予測処理５３０は、図２に示すモアレ予測部２３４によって行われる処理であり、モアレを誘発する周期構造を含むと判定された周期構造領域の処理用ブロック毎にモアレを予測し、モアレが発生する危険度を判定するための処理である。
　RIP処理から得られる網点画像と元画像は、解像度や描写方法に相違があるものの、色・明度・図柄情報といったモアレ以外の成分が等しい。従って、モアレ予測処理５３０では、両画像の解像度・描写を揃えて比較することで、モアレ成分の抽出が可能となる。その後、このモアレ成分に対する周波数解析を行うことで、周期構造領域の処理用ブロック毎にモアレの発生を予測し、モアレが発生する危険度を判定することができる。
　まず、ステップ５３１a及びステップ５３１ｂでは、元画像及び網点画像が入力される。ここでは、モアレ予測部は、周期構造含有判定処理が施された元画像と、当該元画像に対応する網点画像をストレージ部から取得してもよい。
　次に、ステップ５３２a及びステップ５３２bでは、モアレ予測部は、元画像及び網点画像に対して、所定の色空間へ変換するための色変換処理を施す。
　より具体的には、元画像及び網点画像は、CMYK（Ｃｙａｎ　Ｍａｇｅｎｔａ　Ｙｅｌｌｏｗ　Ｂｌａｃｋ）のように分版された画像データであるが、複数の版が重なることによってモアレが発現するケースもある。従って、各版の画像同士で比較しても抽出できないモアレが存在するため、複数の版が重なることによって発生するモアレを検知するためには、版の情報を結合し、色変換を行うことが望ましい。色変換の例としては、LabやLUV空間等があげられる。
　なお、以降の処理は得られた明度画像（例えばL）及び色画像（例えばa、ｂ）に対して行われる。また、ここでは、上述した周期構造含有判定で生成された元画像の色変換結果を用いてもよい。
　次に、ステップ５３３では、モアレ予測部は、元画像の輪郭成分を抽出した（すなわち、除去・排除するための）マスクを生成する。
　網点画像に対して後述する解像度変換を施す際、網点画像は、元画像に対して、図柄の輪郭がずれたり、輪郭に太り・細りが生じる可能性がある。そのため、後述する差分抽出処理を行う際、網点画像及び元画像を比較し、画像同士で濃度差を求めると、正確な差分を抽出できない可能性がる。また、画像内で細かい描写の領域では、マクロで見ると錯視効果により違和感がないものの、画素値のデータそのものを網点画像と元画像で比較すると、誤差が大きく生じる傾向がある。
　従って、上記のことを鑑み、より良質な差分を抽出するためには、元画像に対して輪郭成分の抽出を行い、輪郭領域を解析対象から排除する輪郭マスクの作成を行う。
　なお、ここでは、上述した周期構造含有判定で生成された輪郭マスクを用いてもよい。　
　次に、ステップ５３４aでは、モアレ予測部は、元画像に対する平滑化処理を行う。この平滑化処理は、元画像に対してフィルタ処理を施し、注目画素に対して近傍の画素値の情報を含めつつ平滑化する処理である。平滑化処理のフィルタとしては、周辺画素に対する重みが一律である移動平均フィルタや、注目画素に近いほど重みが大きいガウシアンフィルタが挙げられ、どちらを使用してもよい。
　なお、平滑化の度合いは平滑化フィルタのサイズに依存し、線数が大きい程、フィルタのサイズを小さくした方が望ましい。線数が小さいと、網点が大きい為、網点を消す為には強く平滑化をかける必要があり、線数が大きい時に強く平滑化をかけると、新たなモアレが発生してしまう恐れがある。
　次に、ステップ５３４ｂでは、モアレ予測部は、網点画像の解像度を元画像の解像度に整合させるための解像度変換処理と、平滑化処理とを網点画像に対して行う。
　解像度変換処理を行う前の状態では、網点画像は1bitのデータであり、解像度が高い。一方、元画像は8bitのグレースケールで描写され、網点画像に比べると解像度が低い（例えば、網点画像は2400dpi、元画像は600dpi等のようなケースが考えられる）。従って、より良質な差分を抽出するためには、網点画像に対する解像度変換と、描写を揃えるための平滑化を行うことが望ましい。
　解像度変換の代表的な方法としては、ニアレストネイバー法、バイキュービック法、バイリニア法等が挙げられる。ただし、ニアレストネイバー法で網点画像を圧縮すると、網点画像が粗くなりすぎてしまい、バイキュービック法で圧縮すると、補間時の平滑化が強すぎる為、後々の解析で不具合が生じることがある。その為、バイリニア法による解像度圧縮が望ましい。
　なお、ステップ５３４ｂで網点画像に対して施される平滑化処理は、ステップ５３４aで元画像に対して施される平滑化処理と実質的に同様であるため、ここではその説明を省略する。また、網点画像に対する処理の順序として、色変換後に解像度変換・平滑化をすることが望ましい。これは、前述の版を重ねることで発現するモアレの強度成分が弱まってしまうためである。
　次に、ステップ５３５では、モアレ予測部は、上述した色変換処理、平滑化処理、及び・又は解像度変換処理を受けた網点画像と元画像のピクセル差分を表す差分抽出画像を生成し、この差分抽出画像に対して上述した輪郭マスクを乗算させることで、モアレ成分を抽出する。
　次に、ステップ５３６では、モアレ予測部は、上記の処理を経た画像データに対し、周波数解析処理を行う。ここでの周波数解析処理は、例えば図４を参照して説明した構造含有判定処理における周波数解析処理と実質的に同様であるため、ここではその詳細の説明を省略する。
　ここでの周波数解析処理では、周波数成分のピーク位置、ピーク強度および、周波数分布を任意角度刻みに分割した際の強度分散を、特徴値として定量的に算出する。その後、これで得られた特徴値に基づいて評価を行い、各ブロック毎にモアレが発生する危険度を判定することができる。
　また、ロゼッタパターンを含む高周波ノイズが判定に与える影響を緩和させ、人の視感度を反映させるために、ローパスフィルタを介すと精度向上が望まれる。ローパスフィルタは直流成分から遠ざかるにつれて強度が減衰するGaussianフィルタやWelchフィルタが望ましい。ローパスフィルタのサイズはグリッドサイズに合わせて、人の視感度と類似するサイズとする。
　なお、特徴値の抽出において、ピーク位置の情報を色濃く反映させるために図９を参照して後述する２種類のマスクを用いて、低周波、高周波領域に関して別々で特徴値を抽出することで、評価精度の向上が望まれる。低周波、高周波領域の境界は、固定値としてもよく、線数の関数としてもよい。関数は、単調関数としてもよい。
　周波数解析処理を施すことにより得られた特徴値に対して評価を行い、各処理用ブロックに対してモアレが発生する危険度を判定する。ここでは、モアレが発生する危険度とは、モアレが発生する可能性を示す尺度であり、任意の数の段階で表現されてもよい。例えば、ある実施形態では、モアレが発生する危険度は、３：モアレが発生する可能性がない、２：モアレが発生する可能性がある、１：モアレが発生する可能性が高い等の３段階で表現されてもよい。また、ある実施形態では、処理用ブロックのそれぞれは、当該ブロックにおいてモアレが発生する可能性に応じて所定の疑似カラーで着色されてもよい（灰色：モアレが発生する可能性がない、黄色：モアレが発生する可能性がある、赤色：モアレが発生する可能性が高い）。また別の実施形態では、処理用ブロックのそれぞれは、当該ブロックにおいてモアレが発生する確率をパーセントとして表現してもよい。
　なお、上述した評価方法として、それぞれの特徴値に閾値を設けて評価する手法や、回帰分析後に尤度で評価する手法、クラスター分析によりモアレ有無を分類する手法、上記を組み合わせた手法が挙げられる。また、判定の閾値は２段階で設定しても良い。例えば、緩い条件を「モアレ注意報」、厳しい条件を「モアレ警報」とした時に、画像修正工程ではモアレ注意報を元に判断し、刷版工程ではモアレ警報を元に判断する等の使い分けが可能となる。
　次に、ステップ５３７では、モアレ予測部は、モアレが発生する危険度を各処理用ブロック毎に示すモアレ発生予告を生成し、出力してもよい。上述したように、このモアレ発生予告は、例えば、モアレが発生する危険度を各処理用ブロック毎に示す画像であってもよい（図１２参照）。
　ある実施形態では、モアレ予測部は、生成したモアレ発生予告をクライアント端末に送信した後、当該モアレ発生予告を受信したクライアント端末は、モアレ抑制処理をクライアント端末側で行ってもよい。
　また別の実施形態では、モアレ予測部は、生成したモアレ発生予告を領域抽出部２３５に出力した後、モアレ抑制処理がモアレ発生予測装置側で行われてもよい。その後、通信部は、モアレ発生予告と、モアレ抑制処理を施した画像とを共にクライアント端末に送信してもよい。
　また別の実施形態では、モアレ予測部は、所定の危険度基準を満たす（例えば、モアレが発生する危険度が高い）処理用ブロックのみを抽出して、クライアント端末に送信してもよい。これにより、送信するデータの容量を抑えることができる。
　以上説明した処理により、元画像を構成する複数の処理用ブロック毎に、モアレが発生する危険度を予測することができる。また、この危険度に基づいて、モアレが発生すると予測される処理用ブロックのみに対してモアレ抑制処理を施すことにより、印刷劣化を抑えると共に、モアレの発生を抑制し、良質な印刷を行うことができる。
　次に、図９～図１０を参照して、本開示の実施形態に係る差分抽出画像に対して周波数解析を行う場合の一例について説明する。
　図９は、本開示の実施形態に係る差分抽出画像に対して周波数解析を行う場合の一例を示す図である。上述したように、本開示の実施形態に係るモアレ発生予測処理において、元画像と網点画像とを比較することで生成した差分抽出画像に対して周波数解析処理を施すことにより、周波数成分のピーク位置、ピーク強度および、周波数分布を任意角度刻みに分割した際の強度分散を、特徴値として定量的に算出することができ、これらの特徴値に基づいて、モアレが発生する危険度を予測することができる。
　図９は、差分抽出画像９１０、９２０のそれぞれに対して周波数解析処理を施した周波数解析済み画像９１５、９２５を示す図である。
　一例として、差分抽出画像９１０に対して上述した周波数解析処理を施すことにより、一定の間隔で離間している、ピーク強度が高いスペクトル成分を有する周波数解析済み画像９１５が得られる。
　一方、別の一例として、差分抽出画像８２０に対して上述した周波数解析処理を施すことにより、強度の高い周波数成分が低周波領域に分散される周波数分布を有する周波数解析済み画像９２５が得られる。
　図１０は、本開示の実施形態に係る差分抽出画像に対して周波数解析を行った後、閾値を用いてモアレを判定する場合の一例を示す図である。より具体的には、図１０は、図９に示す周波数解析済み画像９１５、９２５のそれぞれに対して二つのフィルター（ここでは、狭域フィルター及び広域フィルター）を適用し、この二つのフィルター内の値の比を、モアレを判定するための閾値として設定する場合の一例を示す。この閾値を用いることで、ノイズとモアレとを判別することができる。
　例えば、周波数解析済み画像９１５に対して狭域フィルター及び広域フィルターを適用すると、狭域フィルター内のスペクトル成分の総和Enarrowと、広域フィルター内のスペクトル成分の総和Ewideとの比であるEnarrow/Ewideが０．７と算出される。
　一方、周波数解析済み画像９２５に対して狭域フィルター及び広域フィルターを適用すると、狭域フィルター内のスペクトル成分の総和Enarrowと、広域フィルター内のスペクトル成分の総和Ewideとの比であるEnarrow/Ewideが０．３と算出される。
　モアレを判定するための閾値として、0.5≦Enarrow/Ewide≦0.99を設定したとする。つまり、狭域フィルター内のスペクトル成分の総和Enarrowと、広域フィルター内のスペクトル成分の総和Ewideとの比であるEnarrow/Ewideが0.5≦Enarrow/Ewide≦0.99を満たす場合には、当該画像にモアレが存在すると判定し、Enarrow/Ewideが0.5未満の場合には、当該画像がノイズであると判定される。
　このように、対象の画像に対して周波数解析処理を施した後、二つのフィルター（ここでは、狭域フィルター及び広域フィルター）を適用し、この二つのフィルター内の値の比を、モアレを判定するための閾値として設定することで、この閾値に基づいて、対象の画像においてモアレが発生するかを予測することができる。
　また、上記の閾値に加えて、Enarrow、Ewideの絶対値をモアレの強さとの指標としてもよい。そのときの閾値は、画像や印刷の種別等に応じてオペレーターによって設定されてもよい。
　次に、図１１を参照して、本開示の実施形態に係る周波数解析処理に用いられるマスクについて説明する。
　図１１は、本開示の実施形態に係る周波数解析処理に用いられるマスクの一例を示す図である。上述したように、本開示の実施形態に係る周波数解析処理では、周波数成分のピーク位置、ピーク強度および、周波数分布を任意角度刻みに分割した際の強度分散を、特徴値として定量的に算出することができる。この特徴値の算出において、ピーク位置の情報を色濃く反映させるためには、マスクを用いることが望ましい。ここで用いるマスクの一例としては、例えば、図１１に示す低周波マスク１１１０と、高周波マスク１１２０とが挙げられる。図１１に示す低周波マスク１１１０と、高周波マスク１１２０との２種類のマスクを周波数解析処理において用いることで、低周波領域と高周波領域とのそれぞれについて、特徴値を個別に算出することができるため、上述したモアレの評価精度を向上させることができる。
　また、低周波領域及び高周波領域の境界は、固定値としてもよく、線数の関数としてもよい。この関数は、単調関数としてもよい。
　なお、図１１に示す低周波マスク１１１０と、高周波マスク１１２０において、白い領域は有効画素を示している。
　次に、図１２を参照して、本開示の実施形態に係る抑制処理領域の絞り込み処理について説明する。
　図１２は、本開示の実施形態に係る抑制処理領域の絞り込み処理５４０の流れの一例を示す図である。図１２に示す抑制処理領域の絞り込み処理５４０は、図２に示す領域抽出部２３５によって行われる処理であり、類似要素を有する類似領域を抽出するための処理である。
　より具体的には、上述したモアレ予測処理が終了した段階では、任意サイズの処理用ブロック単位でモアレが発生する危険度を示すモアレ発生予告が得られる。モアレが発生すると予測される処理用ブロックに対してモアレ抑制処理を行うことで、当該モアレを除去することができる。ただし、処理用ブロック毎に抑制処理を施すと、ブロック状にモアレ抑制処理有無が視認される可能性がある。つまり、画像において類似している描写や図柄の処理用ブロックが存在しており、これらの処理用ブロックの一部のみに対してモアレ抑制処理を施すと、モアレ抑制処理が施されている処理用ブロックと、モアレ抑制処理が施されていない処理用ブロックとで、視覚的な差異が発生し、ユーザに違和感を与える可能性がる。
　そこで、本開示の実施形態に係る抑制処理領域の絞り込み処理５４０では、元画像を、描写や図柄が共通している類似領域毎に分けて、モアレ抑制処理を類似領域単位で行うことで、上述したモアレ抑制処理の有無が視認される課題を解決することができる。
　以下では、抑制処理領域の絞り込み処理５４０の詳細について説明する。なお、抑制処理領域の絞り込み処理５４０は、処理用ブロックに分割されていない元画像に対して行われる処理である。
　まず、ステップ５４１では、領域抽出部２３５は、元画像を入力する。ここでは、領域抽出部２３５は、元画像をモアレ発生予測装置のストレージ部から取得してもよい。
　次に、ステップ５４２では、領域抽出部２３５は、元画像を任意の色空間へ変換するための色変換処理を施す。この色変換処理では、ＲＧＢの色からなる元画像を、ＬＵＶ色空間やＬＡＢ空間への変換してもよい。
　なお、ここでは、領域抽出部２３５は、例えば上述した周期構造含有判定処理５２０において生成された元画像の色変換結果を用いてもよい。
　次に、領域抽出部２３５は、元画像を描写や図柄が共通している類似領域毎に分けて、これらの類似した画素値を有する類似領域を示す要素類似マップを生成する。
　ここでは、元画像を描写や図柄が共通している類似領域毎に切り分ける手法として、元画像に対してSobel値を算出し、平滑化処理を行うことが考えられる。この処理により、描写や図柄毎に類似した画素値を有する要素類似マップが生成される。また、類似領域毎の切り分けに関しては、上記の処理のように微細な周期構造有無で類似領域を分ける方法が望ましい。
　上述の通り、モアレが発生するのは微細な周期構造を含む場合に限り、かつ同一な図柄を持つ類似領域であれば、上記処理により一面に均一な画素値が分布するため、上記の手法は以降の処理に無駄がなく、意図に即した手法となる。
　なお、類似領域を分ける方法は、明度や色度に着目した手法や、セマンティックセグメンテーション等の画像処理を用いてもよい。
　当処理で得られた要素類似マップに対して、輪郭抽出を施すことで、各類似領域の境界線の情報が得られる。
　次に、ステップ５４４では、領域抽出部２３５は、ステップ５４３で得られた類似領域の境界線情報と、上述したモアレ予測処理５３０によって得られたモアレ発生予告を基に、抑制処理を施す領域を選定する。ここでは、情報結合の方法はＦｌｏｏｄＦｉｌｌ（塗りつぶしアルゴリズム）を用いてもよいし、その他画像処理手法を用いてもよい。
　以上説明した抑制処理領域の絞り込み処理５４０により、元画像を、描写や図柄が共通している類似領域毎に分けることができるため、モアレ抑制処理を類似領域単位で行うことが可能となる。抑制処理領域の絞り込み処理５４０によって抽出された類似領域は、図５に示すモアレ発生予測処理５００におけるモアレ抑制処理へと進み、モアレ抑制処理を受ける。
　次に、図１３を参照して、本開示の実施形態に係るモアレ発生予告について説明する。
　図１３は、本開示の実施形態に係るモアレ発生予告１３００の一例を示す図である。上述したように、本開示の実施形態に係るモアレ発生予告１３００は、モアレが発生する危険度を各処理用ブロック毎に示す情報である。図１３に示すように、ある実施形態では、このモアレ発生予告１３００は、モアレが発生する危険度を各処理用ブロック毎に示す画像であってもよい。
　上述したように、図１３に示すモアレ発生予告１３００において、各処理用ブロックのそれぞれは、当該ブロックにおいてモアレが発生する可能性に応じて所定の疑似カラーで着色されてもよい。例えば、モアレ発生予告１３００においてモアレが発生する可能性がない処理用ブロック１３３０を灰色、モアレが発生する可能性がある処理用ブロック１３２０（注意報エリア）を黄色、モアレが発生する可能性が高い処理用ブロック１３１０を赤色としてもよい。
　次に、図１４を参照して、本開示の実施形態に係る処理用ブロックの一例について説明する。
　図１４は、本開示の実施形態に係る処理用ブロックの一例を示す図である。上述したように、ここでの処理用ブロックとは、元画像を固定サイズの区画に分割した小領域であり、処理の対象となる単位である。
　図１４に示すように、元画像１４１０は、２０個（４×５）の固定サイズの処理用ブロック１４１５に分割されてもよい。処理用ブロック１４１５のサイズは、例えば、２のべき乗のサイズが好ましいが、特に限定されない。また、処理用ブロックは、縦横が同じサイズであることが好ましい。処理用ブロックのサイズの例として、例えば１２８ｘ１２８、２５６ｘ２５６、５１２ｘ５１２、１０２４ｘ１０２４、２０４８ｘ２０４８等を使用することができる。
　なお、処理用ブロックの実サイズは、２ｍｍ以上、５０ｍｍ以下であってもよい。
　上述したように、本開示の実施形態に係る処理（例えば構造含有エリアを抽出する処理５２０と、モアレ検知処理５３０）は、処理用ブロック毎に行われる。また、ある実施形態では、処理用ブロック毎に対して行われる処理は、処理用ブロック１つずつのみならず、複数の隣接している処理用ブロックをまたぐように重複する、処理用ブロックと同一サイズの重複領域１４３０に対して行われてもよい。例えば、図１４に示すように、この重複領域１４３０は、処理用ブロックの半分だけずらした領域であってもよい。
　このように、処理用ブロックに対する処理に加えて、複数の隣接している処理用ブロックをまたぐように重複する重複領域１４３０を行うと、処理量が増加するが、処理用ブロックをまたぐ部分におけるモアレの予測確度を高めることができる。
　図１４に示すような一定サイズの処理用ブロック１４１５を用いることで、計算の高速化を図ることができる上、処理のメモリの削減やキャッシュヒット率を向上させることができる。また、複数の隣接している処理用ブロックをまたぐように重複する重複領域１４３０を用いることで、処理用ブロックの境界をまたぐ周期構造と、処理用ブロック内での差異を小さくすることができる。
　更に、図１４に示す処理用ブロック１４１５をより小さいサブブロック１４４５に分割することができる。これらのサブブロック１４４５は、例えば処理用ブロック１４１５の半分のサイズや、１／４のサイズであってもよい。また、これらのサブブロック１４４５は、重複領域１４３０のフーリエ変換の計算の際にすでに計算済みのサブブロックの結果を流用することができるため、処理の効率化を図ることができる。
　このように、サブブロックを用いて、処理用ブロックを重複する重複領域を設けることにより、モアレを誘発する周期構造の判定精度を向上させることができる。
　以上、本開示の実施の形態について説明したが、本開示は、上述した実施の形態に限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。
　以上、本発明を実施するための最良の形態について、添付図面を参照しながら説明したが、本開示の範囲は、図示され記載された実施形態に限定されるものではなく、本発明が目的とするものと均等な効果をもたらす全ての実施形態をも含むことができる。さらに、本開示の範囲は、請求項により画される発明の特徴（feature）に限定されるものではなく、全ての開示されたそれぞれの特徴（feature）、その特徴（feature）のあらゆる組み合わせも含む。
　本開示で用いられる「部」、「システム」、「ネットワーク」という用語は、物理的存在である。物理的存在は、電気回路、その付随デバイス、または、それらを有線／無線で接続したものとできる。これらは、特定の機能を有するものとできる。特定の機能を有したこれらの組合せは、各機能の組合せにより相乗的効果を発現できる。
　本開示および特に添付の請求の範囲内で使用される用語（例えば、添付の請求の範囲の本文）は、一般的に、「オープンな」用語として意図される（例えば、「有する」という用語は、「少なくとも有する」と解釈すべきであり、「含む」という用語は「含むがそれに限定されない」などと解釈されるべきである）。
　また、用語、構成、特徴（feature）、側面、実施形態を解釈する場合、必要に応じて図面を参照すべきである。図面により、直接的かつ一義的に導き出せる事項は、テキストと同等に、補正の根拠となるべきである。
　さらに、特定の数の導入された請求項の記載が意図される場合、そのような意図は、請求項に明示的に記載され、そのような記載がない場合、そのような意図は存在しない。例えば、理解を助けるために、以下の添付の請求の範囲は、「少なくとも１つ」および「１つまたは複数」の導入句の使用を含み、請求の列挙を導入することができる。しかしながら、そのような語句の使用は、不定冠詞「ａ」または「ａｎ」によるクレーム記載の導入が、そのようなクレームを含む特定のクレームを、そのような記載を１つだけ含む実施形態に限定することを意味すると解釈されるべきではない。「１つ以上」または「少なくとも１つ」の冒頭の語句および「ａ」または「ａｎ」などの不定冠詞（例えば、「ａ」および／または「ａｎ」）は、少なくとも「少なくとも」を意味すると解釈されるべきである。「１つ」または「１つ以上」）。請求項の記述を導入するために使用される明確な記事の使用についても同様である。
２００：発生予測システム、２０５：クライアント端末、２１０：印刷部、２２５：通信ネットワーク、２３０：モアレ発生予測装置、２３１：通信部、２３２：前処理部、２３３：周期構造含有判定部、２３４：モアレ予測部、２３５：領域抽出部、２３６：モアレ抑制部、２４０：ストレージ部、２４１：元画像、２４２：網点画像

Claims (15)

  1. 　入力画像を受信する通信部と、
    　前記入力画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定するための周期構造含有判定部と、
    　判定した各周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、前記危険度を各周期構造領域毎に示すモアレ発生予告を生成し、出力するモアレ予測部と、
    　を含むことを特徴とするモアレ発生予測装置。
  2. 　前記入力画像は、
    　ベクターデータ形式の元画像と、ラスターデータ形式の網点画像とを含む、
    　ことを特徴とする、請求項１に記載のモアレ発生予測装置。
  3. 　前記モアレ発生予測装置は、
    　前処理部を更に含み、
    　前記前処理部は、
    　前記入力画像を固定サイズの処理用ブロックに分割する、
    　ことを特徴とする、請求項２に記載のモアレ発生予測装置。
  4. 　前記周期構造含有判定部は、
    　前記元画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　輪郭成分を抽出するための輪郭成分抽出処理を施し、
    　平滑化処理を施し、
    　画素の最大値及び最小値を正規化し、
    　前記所定の周波数解析処理を施すことにより、
    　前記元画像における周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、モアレの発生を誘発する周期構造を含む周期構造領域を前記処理用ブロック毎に判定する、
    　ことを特徴とする、請求項３に記載のモアレ発生予測装置。
  5. 　前記モアレ予測部は、
    　前記元画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　輪郭成分を抽出するための輪郭成分抽出処理を施し、
    　平滑化処理を施し、
    　前記網点画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　前記元画像の解像度に整合させるための解像度変換処理を施し、
    平滑化処理を施した後、
    　前記元画像と前記網点画像とのピクセル差分を示す差分抽出画像を生成し、
    　前記差分抽出画像に対して、前記所定の周波数解析処理を施すことにより、
    　前記差分抽出画像の周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、
    　モアレが発生する危険度を判定し、前記危険度を前記処理用ブロック毎に示すモアレ発生予告を生成する、
    　ことを特徴とする、請求項４に記載のモアレ発生予測装置。
  6. 　前記周期構造含有判定部及び前記モアレ予測部は、
    　複数の隣接している処理用ブロックをまたぐように重複する重複領域に対して処理を行う、
    　ことを特徴とする、請求項５に記載のモアレ発生予測装置。
  7. 　前記モアレ発生予測装置は、
    　モアレ抑制処理の対象となる領域を抽出するための領域抽出部を更に含み、
    　前記領域抽出部は、
    　前記元画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　類似した画素値を有する類似領域を示す要素類似マップを生成する、
    　ことを特徴とする、請求項６に記載のモアレ発生予測装置。
  8. 　前記モアレ発生予測装置は、
    　モアレ抑制部を更に含み、
    　前記モアレ抑制部は、
    　前記モアレ発生予告に基づいて、前記網点画像における前記類似領域毎に、所定のモアレ抑制処理を施すことで、モアレ抑制済み画像を生成する、
    　ことを特徴とする、請求項７に記載のモアレ発生予測装置。
  9. 　クライアント端末と、モアレ発生予測装置とが通信ネットワークを介して接続されるモアレ発生予測システムであって、
    　前記モアレ発生予測装置は、
    　入力画像を受信する通信部と、
    　前記入力画像において、モアレの発生を誘発する周期構造を含む周期構造領域を判定するための周期構造含有判定部と、
    　判定した各周期構造領域に対して所定の周波数解析処理を施すことにより、各周期構造領域においてモアレが発生する危険度を判定し、前記危険度を各周期構造領域毎に示すモアレ発生予告を生成し、前記クライアント端末に送信するモアレ予測部と、
    　を含むことを特徴とするモアレ発生予測システム。
  10. 　前記入力画像は、
    　ベクターデータ形式の元画像と、ラスターデータ形式の網点画像とを含み、
    　前記モアレ発生予測装置は、
    　前処理部を更に含み、
    　前記前処理部は、
    　前記入力画像を固定サイズの処理用ブロックに分割する、
    　ことを特徴とする、請求項９に記載のモアレ発生予測システム。
  11. 　前記モアレ予測部は、
    　前記元画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　輪郭成分を抽出するための輪郭成分抽出処理を施し、
    　平滑化処理を施し、
    　前記網点画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　前記元画像の解像度に整合させるための解像度変換処理を施し、
    平滑化処理を施した後、
    　前記元画像と前記網点画像とのピクセル差分を示す差分抽出画像を生成し、
    　前記差分抽出画像に対して、前記所定の周波数解析処理を施すことにより、
    　前記差分抽出画像の周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、
    　モアレが発生する危険度を判定し、前記危険度を前記処理用ブロック毎に示すモアレ発生予告を生成する、
    　ことを特徴とする、請求項１０に記載のモアレ発生予測システム。
  12. 　前記通信部は、
    　所定の危険度基準を満たす前記処理用ブロックのみについて、前記モアレ発生予告を生成する、
    　ことを特徴とする、請求項１１に記載のモアレ発生予測システム。
  13. 　前記モアレ発生予測装置は、
    　モアレ抑制処理の対象となる領域を抽出するための領域抽出部と、
    　モアレ抑制部を更に含み
    　前記領域抽出部は、
    　前記元画像に対して、
    　所定の色空間へ変換するための色変換処理を施し、
    　類似した画素値を有する類似領域を示す要素類似マップを生成し、
    　前記モアレ抑制部は、
    　前記モアレ発生予告に基づいて、前記網点画像における前記類似領域毎に、所定のモアレ抑制処理を施すことで、モアレ抑制済み画像を生成する、
    　ことを特徴とする、請求項１１に記載のモアレ発生予測システム。
  14. 　前記通信部は、
    　前記モアレ発生予告と前記モアレ抑制済み画像とを共に前記クライアント端末に送信する、
    　ことを特徴とする、請求項１３に記載のモアレ発生予測システム。
  15. 　元画像を受信する工程と、
    　前記元画像を網点画像に変換する工程と、
    　前記元画像及び・又は前記網点画像を固定サイズの処理用ブロックに分割する工程と、
    　前記元画像に対して、所定の色空間へ変換するための色変換処理を施し、輪郭成分を抽出するための輪郭成分抽出処理を施し、平滑化処理を施し、画素の最大値及び最小値を正規化し、前記所定の周波数解析処理を施すことにより、前記元画像における周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、モアレの発生を誘発する周期構造を含む周期構造領域を、前記処理用ブロック毎に判定する工程と、
    　前記元画像に対して、所定の色空間へ変換するための色変換処理を施し、輪郭成分を抽出するための輪郭成分抽出処理を施し、平滑化処理を施し、前記網点画像に対して、所定の色空間へ変換するための色変換処理を施し、前記元画像の解像度に整合させるための解像度変換処理を施し、平滑化処理を施した後、前記元画像と前記網点画像とのピクセル差分を示す差分抽出画像を生成する工程と、
    　前記差分抽出画像に対して、前記所定の周波数解析処理を施すことにより、前記差分抽出画像の周波数のピーク、周波数のピーク強度、又は強度分散のいずれかに基づいて、モアレが発生する危険度を判定し、前記危険度を前記処理用ブロック毎に示すモアレ発生予告を生成する工程と、
    　前記元画像に対して、所定の色空間へ変換するための色変換処理を施し、類似した画素値を有する類似領域を示す要素類似マップを生成する工程と、
    　前記モアレ発生予告に基づいて、前記網点画像における前記類似領域毎に、所定のモアレ抑制処理を施すことで、モアレ抑制済み画像を生成し、出力する工程と、
    　を含むことを特徴とするモアレ発生予測方法。
PCT/JP2021/022607 2020-07-22 2021-06-15 モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法 WO2022019005A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202180060098.8A CN116137842B (zh) 2020-07-22 2021-06-15 莫尔条纹产生预测装置、莫尔条纹产生预测系统以及莫尔条纹产生预测方法
EP21846149.9A EP4155089A4 (en) 2020-07-22 2021-06-15 MOIRAGE APPEARANCE PREDICTION DEVICE, MOIRAGE APPEARANCE PREDICTION SYSTEM, AND MOIRAGE APPEARANCE PREDICTION METHOD
US18/099,256 US20230164283A1 (en) 2020-07-22 2023-01-19 Moiré occurrence prediction device, moiré occurrence prediction system, and moiré occurrence prediction method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020124988A JP7031701B2 (ja) 2020-07-22 2020-07-22 モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法
JP2020-124988 2020-07-22

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/099,256 Continuation US20230164283A1 (en) 2020-07-22 2023-01-19 Moiré occurrence prediction device, moiré occurrence prediction system, and moiré occurrence prediction method

Publications (1)

Publication Number Publication Date
WO2022019005A1 true WO2022019005A1 (ja) 2022-01-27

Family

ID=79729339

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/022607 WO2022019005A1 (ja) 2020-07-22 2021-06-15 モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法

Country Status (5)

Country Link
US (1) US20230164283A1 (ja)
EP (1) EP4155089A4 (ja)
JP (2) JP7031701B2 (ja)
CN (1) CN116137842B (ja)
WO (1) WO2022019005A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006254095A (ja) * 2005-03-10 2006-09-21 Fuji Xerox Co Ltd 画像処理装置および画像処理方法、画像形成装置
JP2007129558A (ja) * 2005-11-04 2007-05-24 Canon Inc 画像形成装置及び画像処理装置
JP2010010881A (ja) * 2008-06-25 2010-01-14 Olympus Imaging Corp 撮影装置および画像中のモアレ有無の告知方法
JP2011155362A (ja) 2010-01-26 2011-08-11 Sony Corp 撮像制御装置、撮像制御方法、プログラム
JP2015023378A (ja) * 2013-07-18 2015-02-02 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11275367A (ja) * 1998-03-26 1999-10-08 Toppan Printing Co Ltd モアレ縞抑圧方法
JP2001119575A (ja) * 1999-10-15 2001-04-27 Ricoh Co Ltd 画像処理装置
US8345311B2 (en) * 2004-05-13 2013-01-01 Hewlett-Packard Development Company, L.P. Reduction of harmonic artifacts in halftone screens
JP2010278924A (ja) * 2009-05-29 2010-12-09 Sharp Corp 画像処理装置、画像形成装置、画像処理方法、プログラムおよび記録媒体
US8174552B2 (en) * 2009-08-19 2012-05-08 Eastman Kodak Company Merging of image pixel arrangements
JP5675253B2 (ja) * 2009-12-28 2015-02-25 キヤノン株式会社 画像処理装置、画像処理方法及びコンピュータプログラム
JP5562163B2 (ja) * 2010-07-27 2014-07-30 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
JP6976824B2 (ja) * 2017-11-16 2021-12-08 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2020005117A (ja) * 2018-06-28 2020-01-09 富士ゼロックス株式会社 画像処理装置及びプログラム
CN111383186B (zh) * 2018-12-29 2023-08-01 Tcl科技集团股份有限公司 一种图像处理方法、装置及终端设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006254095A (ja) * 2005-03-10 2006-09-21 Fuji Xerox Co Ltd 画像処理装置および画像処理方法、画像形成装置
JP2007129558A (ja) * 2005-11-04 2007-05-24 Canon Inc 画像形成装置及び画像処理装置
JP2010010881A (ja) * 2008-06-25 2010-01-14 Olympus Imaging Corp 撮影装置および画像中のモアレ有無の告知方法
JP2011155362A (ja) 2010-01-26 2011-08-11 Sony Corp 撮像制御装置、撮像制御方法、プログラム
JP2015023378A (ja) * 2013-07-18 2015-02-02 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4155089A4

Also Published As

Publication number Publication date
JP2022065060A (ja) 2022-04-26
CN116137842A (zh) 2023-05-19
JP2022021439A (ja) 2022-02-03
US20230164283A1 (en) 2023-05-25
EP4155089A1 (en) 2023-03-29
JP7031701B2 (ja) 2022-03-08
EP4155089A4 (en) 2023-11-01
CN116137842B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
JP4548528B2 (ja) 画像処理装置及びエッジ分類方法
US9342898B2 (en) Image inspection system, image inspection method, and recording medium storing image inspection program
KR101140699B1 (ko) 디지털 포렌직 기술을 이용한 보안 인쇄물 위조식별 시스템 및 그 방법
EP2871829B1 (en) Image processing apparatus and image processing system
US8620081B2 (en) Image processing apparatus, method, and storage medium for determining attributes
JP3949931B2 (ja) 画像形成装置
KR101116682B1 (ko) 화상형성장치 및 그 제어방법
JP2016058879A (ja) 画像処理装置及び画像処理方法
US8804202B2 (en) Image processing apparatus, image processing method, and recording medium
JP2004336282A (ja) 画像処理装置、画像処理プログラム及び該プログラムを記録した記録媒体
US8340409B2 (en) Systems and methods for outlining image differences
JP7031701B2 (ja) モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法
JP4570534B2 (ja) 画像処理装置、画像形成装置、画像処理方法、及びコンピュータプログラム
JP6326768B2 (ja) 画像検査装置、画像検査システム及び画像検査方法
JP4687667B2 (ja) 画像処理プログラムおよび画像処理装置
US7586647B2 (en) Halftone detection and removal
JPH0856287A (ja) 画像識別装置
JP6765103B2 (ja) 画像処理装置、画像処理プログラム及び画像処理方法
JP6641982B2 (ja) 画像処理装置、画像処理方法およびプログラム
US20180063379A1 (en) Image processing apparatus, image processing method, and storage medium
US8482825B2 (en) Image processing apparatus and image processing method
US11785164B2 (en) Image processing apparatus, method and product that reinforces a portion of a predetermined pattern detected from a scanned image at which intensity has become low
Chen Laser scanner jitter characterization, page content analysis for optimal rendering, and understanding image graininess
JP4196599B2 (ja) 画像評価装置、画像評価方法、及びそのプログラム並びにそのプログラムを記録した記録媒体
RU2582065C1 (ru) Способ определения принадлежности страниц документа к одному акту печати

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21846149

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021846149

Country of ref document: EP

Effective date: 20221220

NENP Non-entry into the national phase

Ref country code: DE