WO2022138684A1 - 画像処理方法、画像処理装置 - Google Patents

画像処理方法、画像処理装置 Download PDF

Info

Publication number
WO2022138684A1
WO2022138684A1 PCT/JP2021/047456 JP2021047456W WO2022138684A1 WO 2022138684 A1 WO2022138684 A1 WO 2022138684A1 JP 2021047456 W JP2021047456 W JP 2021047456W WO 2022138684 A1 WO2022138684 A1 WO 2022138684A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
feature
processing
preprocessed
test
Prior art date
Application number
PCT/JP2021/047456
Other languages
English (en)
French (fr)
Inventor
一徳 田中
卓哉 宮本
晃司 佐藤
留以 濱邊
加奈子 森本
Original Assignee
京セラドキュメントソリューションズ株式会社
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 京セラドキュメントソリューションズ株式会社 filed Critical 京セラドキュメントソリューションズ株式会社
Priority to CN202180069865.1A priority Critical patent/CN116390860A/zh
Priority to JP2022571528A priority patent/JPWO2022138684A1/ja
Priority to US18/031,578 priority patent/US20230384989A1/en
Publication of WO2022138684A1 publication Critical patent/WO2022138684A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
    • G06F3/121—Facilitating exception or error detection and recovery, e.g. fault, media or consumables depleted
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G03G15/01—Apparatus for electrographic processes using a charge pattern for producing multicoloured copies
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G21/00—Arrangements not provided for by groups G03G13/00 - G03G19/00, e.g. cleaning, elimination of residual charge
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
    • G06F3/1203—Improving or facilitating administration, e.g. print management
    • G06F3/1208—Improving or facilitating administration, e.g. print management resulting in improved quality of the output result, e.g. print layout, colours, workflows, print preview
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
    • G06F3/1229—Printer resources management or printer maintenance, e.g. device status, power levels
    • G06F3/1234—Errors handling and recovery, e.g. reprinting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation

Definitions

  • the primary transfer roller 441 urges the intermediate transfer belt 440 to the surface of the photoconductor 41 while rotating.
  • the primary transfer roller 441 transfers the toner image from the photoconductor 41 to the intermediate transfer belt 440.
  • a color image composed of the toner images of four colors is formed on the intermediate transfer belt 440.
  • the main control unit 8a processes the process S101 in the image defect determination process. Is executed by the feature image generation unit 8c.
  • the feature image generation unit 8c derives the first correction value corresponding to each pixel of the attention region Ax1 by multiplying each pixel value of the attention region Ax1 by the first correction coefficient K1 and derives the first correction value corresponding to each pixel of the attention region Ax1. By multiplying each pixel value by the second correction coefficient K2, the second correction value corresponding to each pixel of the two adjacent regions Ax2 is derived. Then, the feature image generation unit 8c derives a value obtained by integrating the first correction value and the second correction value as the conversion value of the pixel value of the pixel of interest Px1.
  • the feature image generation unit 8c generates the second preprocessed image g12 by correcting each pixel value of the second main map data with each pixel value of the corresponding vertical edge intensity map data. For example, the feature image generation unit 8c generates the second preprocessed image g12 by adding the absolute value of each pixel value of the vertical edge intensity map data to each pixel value of the second main map data.
  • the feature image generation unit 8c has a first pixel value Xi, which is a pixel value exceeding a predetermined reference value in the first preprocessed image g11, and a pixel value exceeding the reference value in the second preprocessed image g12.
  • the index value Zi is derived by applying the second pixel value Yi, which is the above, to the following equation (1).
  • the subscript i is an identification number of the position of each pixel.
  • the value of the index value Zi of the pixels constituting the vertical streaks Ps11 is a relatively large positive number. Further, the value of the index value Zi of the pixels constituting the horizontal stripes Ps12 is a relatively small negative number. Further, the value of the index value Zi of the pixels constituting the noise point Ps13 is 0 or a value close to 0.
  • the index value Zi is an example of an index value of the difference between the corresponding pixel values in the first preprocessed image g11 and the second preprocessed image g12.
  • the periodicity determination unit 8f performs frequency analysis such as Fourier transform on the periodicity determination target image including three or more singular portions Ps1 arranged in the sub-scanning direction D2 to determine the periodicity.
  • the singular part frequency which is the dominant frequency in the frequency distribution of the data string of the singular part Ps1 in the target image, is specified.
  • the learning model is a model in which a classification type machine learning algorithm called a random forest is adopted, a model in which a machine learning algorithm called SVM (Support Vector Machine) is applied, or a CNN (Convolutional Neural Network). )
  • SVM Small Vector Machine
  • CNN Convolutional Neural Network
  • the specific color is three of the four developed colors of the image forming apparatus 2.
  • the periodicity determination unit 8f converts the red, green, and blue image data constituting the test image g1 into cyan, yellow, and magenta image data.
  • the periodic singular part determination process in step S205 and the feature pattern recognition process in step S206 are examples of predetermined cause determination processes using the first feature image g21, the second feature image g22, and the third feature image g23. Is.
  • step S402 the feature image generation unit 8c generates the test image g1 by compressing the read image at the selected compression rate.
  • the processing of steps S401 and S402 is an example of compression processing. After that, the feature image generation unit 8c shifts the process to the step S403.
  • the feature image generation unit 8c executes the processes of steps S501 to S505, which are the same processes as those of steps S401 to S405. In step S505, the feature image generation unit 8c shifts the process to step S506 when the processes of steps S501 to S504 are executed for all of the plurality of compressibility candidates.
  • the feature image generation unit 8c specifies the singular portion Ps1 by the size of each pixel value of the first preprocessed image g11 and the second preprocessed image g12 in the singular portion extraction process.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Accessory Devices And Overall Control Thereof (AREA)

Abstract

本発明の目的は、画像形成装置において生じる画像不良の原因を、プロセッサーの演算量を抑制しつつ高い精度で判定することにある。プロセッサー（８０）は、画像形成装置（２）の出力シートから読み取られたテスト画像に基づいて画像不良の原因を判定する。前記プロセッサー（８０）は、前記テスト画像に対して特徴抽出処理を実行することにより複数の特徴画像を生成する。さらに、前記プロセッサー（８０）は、前記複数の特徴画像をそれぞれ入力画像とし、前記入力画像のパターン認識により、前記入力画像が前記画像不良に対応する複数の原因候補のいずれに対応するかを判定する。

Description

画像処理方法、画像処理装置
　本発明は、テスト画像に基づいて画像不良の原因を判定する画像処理方法および画像処理装置に関する。
　プリンターまたは複合機などの画像形成装置は、シートに画像を形成するプリント処理を実行する。前記プリント処理において、横スジ、ノイズ点または濃度ムラなどの画像不良が、出力シートに形成された画像に生じる場合がある。
　例えば、前記画像形成装置が電子写真方式で前記プリント処理を実行する装置である場合、前記画像不良の原因は、感光体、帯電部、現像部および転写部などの様々な部分が考えられる。そして、前記画像不良の原因の判定には熟練を要する。
　また、画像処理装置において、前記画像不良の一例である縦スジを引き起こす現象と、前記縦スジの色、濃度またはスクリーン線数などの特徴情報とが、予めテーブルデータとして対応付けられ、前記縦スジを引き起こす現象が、テスト画像における前記縦スジの画像の色、濃度またはスクリーン線数の情報と前記テーブルデータとに基づいて特定されることが知られている（例えば、特許文献１参照）。
　前記テーブルデータは、前記縦スジを引き起こす現象の種類ごとに、画像の色、濃度またはスクリーン線数などのパラメーターの範囲が閾値によって設定されたデータである。
特開２０１７－８３５４４号公報
　ところで、前記画像不良の原因が、画像の色、濃度またはスクリーン線数などの特定の画像パラメーターの値と予め定められた閾値との比較によって判定される場合、判定の漏れ、または、誤判定が生じやすい。
　一方、画像のパターン認識処理は、入力画像を高精度で多くの事象に分類することに適している。例えば、前記パターン認識処理は、複数の事象の候補に対応するサンプル画像を教師データとして学習された学習モデルによって入力画像が前記複数の事象の候補のいずれに対応する画像であるかを判定する処理などである。
　しかしながら、画像の情報量は多く、前記画像不良の種類は、横スジ、縦スジ、ノイズ点および濃度ムラなど複数存在する。さらに、前記画像不良の種類ごとに考えられる原因の候補も多い。
　従って、前記画像不良を含むテスト画像が前記パターン認識処理の入力画像として用いられる場合、前記パターン認識処理の演算量が非常に大きくなる。そのため、複合機などが備えるプロセッサーで前記パターン認識処理を実行することが難しい。
　また、前記画像不良の原因の判定精度を高めるために、膨大な前記教師データが前記学習モデルの学習のために必要となる。しかしながら、画像形成装置の機種ごとに、考え得る前記画像不良の種類および前記画像不良の原因の組み合わせに対応する膨大な数のテスト画像を用意することは多大な手間を要する。
　本発明の目的は、画像形成装置において生じる画像不良の原因を、プロセッサーの演算量を抑制しつつ高い精度で判定できる画像処理方法および画像処理装置を提供することにある。
　本発明の一の局面に係る画像処理方法は、プロセッサーが、画像形成装置の出力シートから画像読取装置によって読み取られたテスト画像に基づいて画像不良の原因を判定する方法である。前記画像処理方法は、前記プロセッサーが、前記テスト画像に対して予め定められた特徴抽出処理を実行することにより複数の特徴画像を生成することを含む。さらに、前記画像処理方法は、前記プロセッサーが、前記複数の特徴画像をそれぞれ入力画像とし、前記入力画像のパターン認識により、前記入力画像が前記画像不良に対応する予め定められた複数の原因候補のいずれに対応するかを判定する特徴パターン認識処理を実行することを含む。
　本発明の他の局面に係る画像処理装置は、前記画像処理方法の処理を実行するプロセッサーを備える。
　本発明によれば、画像形成装置において生じる画像不良の原因を、プロセッサーの演算量を抑制しつつ高い精度で判定できる画像処理方法および画像処理装置を提供することが可能になる。
図１は、実施形態に係る画像処理装置の構成図である。 図２は、実施形態に係る画像処理装置におけるデータ処理部の構成を示すブロック図である。 図３は、実施形態に係る画像処理装置における画像不良判定処理の手順の一例を示すフローチャートである。 図４は、実施形態に係る画像処理装置における特異不良判定処理の手順の一例を示すフローチャートである。 図５は、実施形態に係る画像処理装置における濃度ムラ判定処理の手順の一例を示すフローチャートである。 図６は、特異部を含むテスト画像の一例とそのテスト画像に基づき生成される前処理画像および特徴画像の一例とを示す図である。 図７は、実施形態に係る画像処理装置による主フィルター処理においてテスト画像から順次選択される注目領域および隣接領域の一例を示す図である。 図８は、周期的濃度ムラを含むテスト画像とそのテスト画像に基づき導出される縦波形データの一例を示す図である。 図９は、実施形態に係る画像処理装置の第１応用例における特徴画像生成処理の手順の一例を示すフローチャートである。 図１０は、実施形態に係る画像処理装置の第２応用例における特徴画像生成処理の手順の一例を示すフローチャートである。 図１１は、実施形態に係る画像処理装置の第３応用例における特徴画像生成処理の手順の一例を示すフローチャートである。 図１２は、実施形態に係る画像処理装置の第４応用例における特徴画像生成処理の手順の一例を示すフローチャートである。
　以下、図面を参照しながら、本発明の実施形態について説明する。なお、以下の実施形態は、本発明を具体化した一例であって、本発明の技術的範囲を限定するものではない。
　［画像処理装置１０の構成］
　実施形態に係る画像処理装置１０は、プリント処理を実行する画像形成装置２を備える。前記プリント処理は、シートに画像を形成する処理である。前記シートは、用紙またはシート状の樹脂部材などの画像形成媒体である。
　さらに、画像処理装置１０は、原稿から画像を読み取る読取処理を実行する画像読取装置１も備える。例えば、画像処理装置１０は、複写機、ファクシミリ装置または複合機などである。
　前記プリント処理の対象となる画像は、画像読取装置１によって前記原稿から読み取られる画像または不図示のホスト装置から受信されるプリントデータが表す画像などである。前記ホスト装置は、パーソナルコンピューターまたは携帯情報端末などの情報処理装置である。
　さらに、画像形成装置２は、前記プリント処理によって予め定められた原テスト画像ｇ０１を前記シートに形成する場合もある（図６参照）。原テスト画像ｇ０１は、画像形成装置２における画像不良の有無および原因の判定に用いられるテスト画像ｇ１の元になる画像である（図６参照）。テスト画像ｇ１については後述する。
　画像読取装置１の前記読取処理と、前記読取処理で得られる画像に基づく画像形成装置２の前記プリント処理とを含む処理はコピー処理である。
　図１に示されるように、画像形成装置２は、シート搬送機構３およびプリント部４を備える。シート搬送機構３は、シート送出機構３１および複数組のシート搬送ローラー対３２を含む。
　シート送出機構３１は、前記シートをシート収容部２１からシート搬送路３０へ送り出す。複数組のシート搬送ローラー対３２は、前記シートをシート搬送路３０に沿って搬送し、画像が形成された前記シートを排出トレイ２２へ排出する。
　プリント部４は、シート搬送機構３によって搬送される前記シートに対して前記プリント処理を実行する。本実施形態において、プリント部４は、電子写真方式で前記プリント処理を実行する。
　プリント部４は、作像部４ｘ、レーザースキャニングユニット４ｙ、転写装置４４および定着装置４６を備える。作像部４ｘは、ドラム状の感光体４１、帯電装置４２、現像装置４３およびドラムクリーニング装置４５を含む。
　作像部４ｘ各々において、感光体４１が回転し、帯電装置４２が感光体４１の表面を一様に帯電させる。帯電装置４２は、感光体４１の表面に接する状態で回転する帯電ローラー４２ａを含む。レーザースキャニングユニット４ｙは、レーザー光を走査することによって帯電した感光体４１の表面に静電潜像を書き込む。
　現像装置４３は、前記静電潜像をトナー像へ現像する。現像装置４３は、感光体４１にトナーを供給する現像ローラー４３ａを含む。転写装置４４は、感光体４１の表面の前記トナー像を前記シートに転写する。なお、前記トナーは、粒状の現像剤の一例である。
　定着装置４６は、前記シート上の前記トナー像を加熱することによって前記シートに定着させる。定着装置４６は、前記シートに接触し回転する定着回転体４６ａと、定着回転体４６ａを加熱する定着ヒーター４６ｂとを備える。
　図１に示される画像形成装置２は、タンデム式のカラープリント装置であり、カラー画像の前記プリント処理を実行可能である。そのため、プリント部４は、それぞれ異なる色のトナーに対応する４つの作像部４ｘを備える。
　また、タンデム式の画像形成装置２において、転写装置４４は、４つの感光体４１に対応する４つの一次転写ローラー４４１と、中間転写ベルト４４０と、二次転写ローラー４４２と、ベルトクリーニング装置４４３とを含む。
　４つの作像部４ｘは、それぞれシアン、マゼンタ、イエローおよびブラックの前記トナー像を感光体４１の表面に形成する。一次転写ローラー４４１各々は、作像部４ｘ各々の一部でもある。
　作像部４ｘ各々において、一次転写ローラー４４１は、回転しつつ中間転写ベルト４４０を感光体４１の表面へ付勢する。一次転写ローラー４４１は、前記トナー像を感光体４１から中間転写ベルト４４０へ転写する。これにより、４色の前記トナー像からなるカラー画像が中間転写ベルト４４０上に形成される。
　作像部４ｘ各々において、ドラムクリーニング装置４５は、中間転写ベルト４４０に転写されずに感光体４１上に残ったトナーを、感光体４１から除去し回収する。
　二次転写ローラー４４２は、中間転写ベルト４４０上の４色の前記トナー像を前記シートに転写する。なお、画像処理装置１０において、感光体４１および転写装置４４の中間転写ベルト４４０は、それぞれ前記トナー像を担持して回転する像担持体の一例である。
　ベルトクリーニング装置４４３は、前記シートに転写されずに中間転写ベルト４４０上に残ったトナーを、中間転写ベルト４４０から除去し回収する。
　図１に示されるように、画像処理装置１０は、画像形成装置２および画像読取装置１に加え、データ処理部８およびヒューマンインターフェイス装置８００を備える。ヒューマンインターフェイス装置８００は、操作部８０１および表示部８０２を含む。
　データ処理部８は、前記プリント処理または前記読取処理に関する各種のデータ処理を実行し、さらに、各種の電気機器を制御する。
　操作部８０１は、ユーザーの操作を受け付ける装置である。例えば、操作部８０１は、押しボタンおよびタッチパネルの一方または両方を含む。表示部８０２は、ユーザーに提供する情報を表示する表示パネルを含む。
　図２に示されるように、データ処理部８は、ＣＰＵ（Central Processing Unit）８０、ＲＡＭ（Random Access Memory）８１、二次記憶装置８２および通信装置８３を備える。
　ＣＰＵ８０は、通信装置８３の受信データの処理、各種の画像処理および画像形成装置２の制御を実行可能である。前記受信データは、前記プリントデータを含む場合がある。ＣＰＵ８０は、前記画像処理を含むデータ処理を実行するプロセッサーの一例である。なお、ＣＰＵ８０が、ＤＳＰ（Digital Signal Processor）などの他の種類のプロセッサーで実現されてもよい。
　通信装置８３は、ＬＡＮ（Local Area Network）などのネットワークを通じて前記ホスト装置などの他装置との間で通信を行う通信インターフェイスデバイスである。ＣＰＵ８０は、前記他装置との間のデータの送信および受信の全てを、通信装置８３を通じて行う。
　二次記憶装置８２は、コンピューター読み取り可能な不揮発性の記憶装置である。二次記憶装置８２は、ＣＰＵ８０により実行されるコンピュータープログラムおよびＣＰＵ８０により参照される各種のデータを記憶する。例えば、フラッシュメモリーまたはハードディスクドライブの一方または両方が、二次記憶装置８２として採用される。
　ＲＡＭ８１は、コンピューター読み取り可能な揮発性の記憶装置である。ＲＡＭ８１は、ＣＰＵ８０が実行する前記コンピュータープログラムおよびＣＰＵ８０が前記プログラムを実行する過程で出力および参照するデータを一次記憶する。
　ＣＰＵ８０は、前記コンピュータープログラムを実行することにより実現される複数の処理モジュールを含む。前記複数の処理モジュールは、主制御部８ａおよびジョブ制御部８ｂなどを含む。なお、前記複数の処理モジュールの一部または全部が、ＤＳＰなどのＣＰＵ８０とは別の独立したプロセッサーによって実現されてもよい。
　主制御部８ａは、操作部８０１に対する操作に応じたジョブの選択処理、表示部８０２に情報を表示させる処理および各種データを設定する処理などを実行する。さらに、主制御部８ａは、通信装置８３の受信データの内容を判別する処理も実行する。
　ジョブ制御部８ｂは、画像読取装置１および画像形成装置２を制御する。例えば、ジョブ制御部８ｂは、通信装置８３の受信データが前記プリントデータを含む場合に、画像形成装置２に前記受信データに基づく前記プリント処理を実行させる。
　また、主制御部８ａが操作部８０１に対するコピー要求操作を検出したときに、ジョブ制御部８ｂは、画像読取装置１に前記読取処理を実行させるとともに、画像形成装置２に前記読取処理で得られる画像に基づく前記プリント処理を実行させる。
　前記プリント処理において、縦スジＰｓ１１、横スジＰｓ１２、ノイズ点Ｐｓ１３または濃度ムラなどの画像不良が、出力シートに形成された画像に生じる場合がある（図６，８参照）。
　前述したように、画像形成装置２は、電子写真方式で前記プリント処理を実行する。この場合、前記画像不良の原因は、感光体４１、帯電装置４２、現像装置４３および転写装置４４などの様々な部分が考えられる。そして、前記画像不良の原因の判定には熟練を要する。
　本実施形態において、画像形成装置２は、予め定められた原テスト画像ｇ０１を前記シートに形成するテストプリント処理を実行する。
　例えば、主制御部８ａが操作部８０１に対するテスト出力操作を検出したときに、ジョブ制御部８ｂは、画像形成装置２に前記テストプリント処理を実行させる。以下の説明において、原テスト画像ｇ０１が形成された前記シートのことをテスト出力シート９と称する（図１参照）。
　さらに、主制御部８ａは、前記テストプリント処理が実行されたときに表示部８０２に予め定められた案内メッセージを表示させる。この案内メッセージは、画像読取装置１にテスト出力シート９をセットした上で操作部８０１に読み取り開始操作を行うことを促すメッセージである。
　そして、主制御部８ａが、前記案内メッセージが表示部８０２に表示された後に操作部８０１に対する読み取り開始操作を検出したときに、ジョブ制御部８ｂは、前記読取処理を画像読取装置１に実行させる。これにより、原テスト画像ｇ０１が、画像形成装置２により出力されたテスト出力シート９から画像読取装置１によって読み取られ、原テスト画像ｇ０１に対応する読取画像が得られる。
　そして、後述するように、ＣＰＵ８０は、前記読取画像または前記読取画像が圧縮された画像であるテスト画像ｇ１に基づいて、前記画像不良の有無および原因を判定する処理を実行する（図６参照）。ＣＰＵ８０は、前記画像不良の有無および原因を判定するための画像処理方法の処理を実行するプロセッサーの一例である。
　なお、テスト出力シート９から原テスト画像ｇ０１を読み取る装置が、例えばデジタルカメラであってもよい。なお、画像読取装置１または前記デジタルカメラがテスト出力シート９から原テスト画像ｇ０１を読み取る処理は、テスト出力シート９に対する画像読取処理の一例である。
　ところで、前記画像不良の原因が、画像の色、濃度またはスクリーン線数などの特定の画像パラメーターの値と予め定められた閾値との比較によって判定される場合、判定の漏れ、または、誤判定が生じやすい。
　一方、画像のパターン認識処理は、入力画像を高精度で多くの事象に分類することに適している。例えば、前記パターン認識処理は、複数の事象の候補に対応するサンプル画像を教師データとして学習された学習モデルによって入力画像が前記複数の事象の候補のいずれに対応する画像であるかを判定する処理などである。
　しかしながら、画像の情報量は多く、前記画像不良の種類は、縦スジＰｓ１１、横スジＰｓ１２、ノイズ点Ｐｓ１３および前記濃度ムラなど複数存在する（図６，８参照）。さらに、前記画像不良の種類ごとに考えられる原因の候補も多い。
　従って、前記画像不良を含むテスト画像ｇ１が前記パターン認識処理の入力画像として用いられる場合、前記パターン認識処理の演算量が非常に大きくなる。そのため、複合機などが備えるプロセッサーで前記パターン認識処理を実行することが難しい。
　また、前記画像不良の原因の判定精度を高めるために、膨大な前記教師データが前記学習モデルの学習のために必要となる。しかしながら、画像形成装置２の機種ごとに、考え得る前記画像不良の種類および前記画像不良の原因の組み合わせに対応する膨大な数のテスト画像ｇ１を用意することは多大な手間を要する。
　画像処理装置１０において、ＣＰＵ８０は、後述する画像不良判定処理を実行する（図３参照）。これにより、ＣＰＵ８０は、画像形成装置２において生じる前記画像不良の原因を、演算量を抑制しつつ高い精度で判定することができる。
　以下の説明において、ＣＰＵ８０による処理の対象となるテスト画像ｇ１などの画像は、デジタル画像データである。前記デジタル画像データは、３原色それぞれについて主走査方向Ｄ１および主走査方向Ｄ１に交差する副走査方向Ｄ２の二次元の座標領域に対応する複数の画素値を含むマップデータを構成する。前記３原色は、例えば赤、緑および青である。なお、副走査方向Ｄ２は主走査方向Ｄ１に直交する。なお、主走査方向Ｄ１はテスト画像ｇ１における横方向であり、副走査方向Ｄ２はテスト画像ｇ１における縦方向である。
　例えば、原テスト画像ｇ０１およびテスト画像ｇ１は、画像形成装置２における複数の現像色に対応するそれぞれ一様な複数の単色ハーフトーン画像が合成された混色ハーフトーン画像である。前記複数の単色ハーフトーン画像は、それぞれ予め定められた中間階調の基準濃度で一様に形成された画像である。
　本実施形態において、原テスト画像ｇ０１およびテスト画像ｇ１は、画像形成装置２における全ての現像色に対応するそれぞれ一様な４つの単色ハーフトーン画像が合成された混色ハーフトーン画像である。前記テストプリント処理において、１つの原テスト画像ｇ０１を含む１枚のテスト出力シート９が出力される。従って、原テスト画像ｇ０１に対応する１つのテスト画像ｇ１が、前記画像不良の特定の対象である。
　また、ＣＰＵ８０における前記複数の処理モジュールは、前記画像不良判定処理を実行するために、特徴画像生成部８ｃ、特異部特定部８ｄ、色ベクトル特定部８ｅ、周期性判定部８ｆ、パターン認識部８ｇおよびランダムムラ判定部８ｈをさらに含む（図２参照）。
　［画像不良判定処理］
　以下、図３に示されるフローチャートを参照しつつ、前記画像不良判定処理の手順の一例について説明する。以下の説明において、Ｓ１０１，Ｓ１０２，…は、前記画像不良判定処理における複数の工程の識別符号を表す。
　主制御部８ａは、前記案内メッセージが表示部８０２に表示された後に、操作部８０１に対する前記読み取り開始操作に応じて前記読取処理が実行されたときに、前記画像不良判定処理における工程Ｓ１０１の処理を特徴画像生成部８ｃに実行させる。
　＜工程Ｓ１０１＞
　工程Ｓ１０１において、特徴画像生成部８ｃは、テスト出力シート９に対する前記画像読取処理に得られた前記読取画像からテスト画像ｇ１を生成する。
　例えば、特徴画像生成部８ｃは、前記読取画像から外縁の余白領域および文字部を除いた前記原画像の部分をテスト画像ｇ１として抽出する。
　或いは、特徴画像生成部８ｃは、前記読取画像から外縁の余白領域を除いた前記原画像の部分を予め定められた基準解像度へ圧縮する圧縮処理によってテスト画像ｇ１を生成する。特徴画像生成部８ｃは、前記読取画像の解像度が前記基準解像度よりも高い場合に前記読取画像を圧縮する。主制御部８ａは、テスト画像ｇ１を生成した後、処理を工程Ｓ１０２へ移行させる。
　＜工程Ｓ１０２＞
　工程Ｓ１０２において、特徴画像生成部８ｃは、後述する特異不良判定処理を開始する。前記特異不良判定処理は、テスト画像ｇ１における縦スジＰｓ１１、横スジＰｓ１２またはノイズ点Ｐｓ１３などの特異部Ｐｓ１の有無および特異部Ｐｓ１の発生原因を判定する処理である（図６参照）。特異部Ｐｓ１は、前記画像不良の一例である。
　さらに、主制御部８ａは、前記特異不良判定処理が終了したときに、処理を工程Ｓ１０３へ移行させる。
　＜工程Ｓ１０３＞
　工程Ｓ１０３において、周期性判定部８ｆは、後述する濃度ムラ判定処理を開始する。さらに、主制御部８ａは、前記濃度ムラ判定処理が終了したときに、処理を工程Ｓ１０４へ移行させる。
　＜工程Ｓ１０４＞
　工程Ｓ１０４において、主制御部８ａは、工程Ｓ１０２または工程Ｓ１０３の処理によって前記画像不良が生じていると判定された場合に処理を工程Ｓ１０５へ移行させ、そうでない場合に処理を工程Ｓ１０６へ移行させる。
　＜工程Ｓ１０５＞
　工程Ｓ１０５において、主制御部８ａは、工程Ｓ１０２または工程Ｓ１０３の処理によって発生していると判定された前記画像不良の種類および原因に対し予め対応付けられた不良対応処理を実行する。
　例えば、前記不良対応処理は、以下に示される第１対応処理および第２対応処理の一方または両方を含む。前記第１対応処理は、前記画像不良の原因である部品の交換または清掃を促す対応メッセージを表示部８０２に表示させる処理である。
　前記対応メッセージは、前記特徴パターン認識処理の判定結果ごとに予め定められている。前記対応メッセージは、前記特徴パターン認識処理における判定結果に対応するメッセージの一例である。
　前記第２対応処理は、前記画像不良を解消または緩和するために作像パラメーターを補正する処理である。前記作像パラメーターは、作像部４ｘの制御に関するパラメーターである。
　前記第１対応処理において、主制御部８ａは、通信装置８３を通じて予め定められた端末へ前記対応メッセージを送信してもよい。これにより、前記対応メッセージが前記端末の表示部に表示される。前記端末は、例えばサービスマンまたは特定のユーザーなどによって利用される。
　主制御部８ａは、前記不良対応処理を実行した後、前記画像不良判定処理を終了させる。
　＜工程Ｓ１０６＞
　一方、工程Ｓ１０６において、主制御部８ａは、前記画像不良が特定されなかったことを表す正常通知を実行した上で、前記画像不良判定処理を終了させる。
　［特異不良判定処理］
　続いて、図４に示されるフローチャートを参照しつつ、工程Ｓ１０２の前記特異不良判定処理の手順の一例について説明する。以下の説明において、Ｓ２０１，Ｓ２０２，…は、前記特異不良判定処理における複数の工程の識別符号を表す。前記特異不良判定処理は、工程Ｓ２０１から開始される。
　＜工程Ｓ２０１＞
　まず、工程Ｓ２０１において、特徴画像生成部８ｃは、テスト画像ｇ１に対して予め定められた特徴抽出処理を実行することにより複数の特徴画像ｇ２１，ｇ２２，ｇ２３を生成する。特徴画像ｇ２１，ｇ２２，ｇ２３各々は、テスト画像ｇ１における予め定められた特定の種類の特異部Ｐｓ１が抽出された画像である。
　本実施形態において、複数の特徴画像ｇ２１，ｇ２２，ｇ２３は、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を含む（図６参照）。
　第１特徴画像ｇ２１は、テスト画像ｇ１における縦スジＰｓ１１が抽出された画像である。第２特徴画像ｇ２２は、テスト画像ｇ１における横スジＰｓ１２が抽出された画像である。第３特徴画像ｇ２３は、テスト画像ｇ１におけるノイズ点Ｐｓ１３が抽出された画像である。
　本実施形態において、前記特徴抽出処理は、第１前処理と、第２前処理と、特異部抽出処理と、を含む。以下の説明において、テスト画像ｇ１から順次選択される画素のことを注目画素Ｐｘ１と称する（図６，７参照）。
　特徴画像生成部８ｃは、テスト画像ｇ１に対する前記第１前処理を、主走査方向Ｄ１を処理方向Ｄｘ１として実行することによって第１前処理画像ｇ１１を生成する（図６参照）。
　さらに、特徴画像生成部８ｃは、テスト画像ｇ１に対する前記第２前処理を、副走査方向Ｄ２を処理方向Ｄｘ１として実行することによって第２前処理画像ｇ１２を生成する（図６参照）。
　さらに、特徴画像生成部８ｃは、第１前処理画像ｇ１１および第２前処理画像ｇ１２に対する前記特異部抽出処理を実行することによって３つの特徴画像ｇ２１，ｇ２２，ｇ２３を生成する。
　前記第１前処理は、主走査方向Ｄ１を処理方向Ｄｘ１とする主フィルター処理を含む。前記主フィルター処理は、テスト画像ｇ１から順次選択される注目画素Ｐｘ１の画素値を、注目領域Ａｘ１の画素値と２つの隣接領域Ａｘ２の画素値との差を強調する処理により得られる変換値へ変換する処理である（図６，７参照）。
　注目領域Ａｘ１は、注目画素Ｐｘ１を含む領域であり、２つの隣接領域Ａｘ２は、注目領域Ａｘ１に対し予め設定される処理方向Ｄｘ１において両側に隣接する領域である。注目領域Ａｘ１および隣接領域Ａｘ２は、それぞれ１つ以上の画素を含む領域である。
　注目領域Ａｘ１および隣接領域Ａｘ２のサイズは、抽出されるべき縦スジＰｓ１１もしくは横スジＰｓ１２の幅、または抽出されるべきノイズ点Ｐｓ１３の大きさに応じて設定される。
　注目領域Ａｘ１および隣接領域Ａｘ２各々は、処理方向Ｄｘ１に交差する方向において同じ範囲を占める。図７に示される例において、注目領域Ａｘ１は、注目画素Ｐｘ１を中心として３列および７行に亘る２１画素分の領域である。隣接領域Ａｘ２各々も、３列７行に亘る２１画素分の領域である。なお、注目領域Ａｘ１および隣接領域Ａｘ２各々において、行数は処理方向Ｄｘ１に沿うラインの数であり、列数は処理方向Ｄｘ１に交差する方向に沿うラインの数である。注目領域Ａｘ１および隣接領域Ａｘ２各々の大きさは予め設定される。
　前記主フィルター処理において、注目領域Ａｘ１の各画素値は、予め定められた第１補正係数Ｋ１を用いて第１補正値へ変換され、隣接領域Ａｘ２各々の各画素値は、予め定められた第２補正係数Ｋ２を用いて第２補正値へ変換される。
　例えば、第１補正係数Ｋ１は、注目領域Ａｘ１の各画素値に乗算される１以上位の係数であり、第２補正係数Ｋ２は、隣接領域Ａｘ２の各画素値に乗算される０未満の係数である。この場合、第１補正係数Ｋ１に注目領域Ａｘ１の画素数を乗算して得られる値と、第２補正係数Ｋ２に２つの隣接領域Ａｘ２の画素数を乗算して得られる値との合計がゼロになるように、第１補正係数Ｋ１および第２補正係数Ｋ２は設定される。
　特徴画像生成部８ｃは、注目領域Ａｘ１の各画素値に第１補正係数Ｋ１を乗算することにより、注目領域Ａｘ１の各画素に対応する前記第１補正値を導出し、２つの隣接領域Ａｘ２の各画素値に第２補正係数Ｋ２を乗算することにより、２つの隣接領域Ａｘ２の各画素に対応する第２補正値を導出する。そして、特徴画像生成部８ｃは、前記第１補正値および前記第２補正値を統合した値を注目画素Ｐｘ１の画素値の前記変換値として導出する。
　例えば、特徴画像生成部８ｃは、注目領域Ａｘ１の複数の画素に対応する複数の前記第１補正値の合計値または平均値と、２つの隣接領域Ａｘ２の複数の画素に対応する複数の前記第２補正値の合計値または平均値とを加算することにより、前記変換値を導出する。
　前記変換値の絶対値は、注目領域Ａｘ１の画素値と２つの隣接領域Ａｘ２の画素値との差の絶対値が増幅された値になる。前記第１補正値および前記第２補正値を統合した前記変換値を導出する処理は、注目領域Ａｘ１の画素値と２つの隣接領域Ａｘ２の画素値との差を強調する処理の一例である。
　なお、第１補正係数Ｋ１が負の数であり、第２補正係数Ｋ２が正の数である場合も考えられる。
　例えば、特徴画像生成部８ｃが、主走査方向Ｄ１を処理方向Ｄｘ１とする前記主フィルター処理により得られる複数の前記統合値を含む第１主マップデータを第１前処理画像ｇ１１として生成することが考えられる。
　図６に示されるように、テスト画像ｇ１が縦スジＰｓ１１およびノイズ点Ｐｓ１３の一方または両方を含む場合に、テスト画像ｇ１に含まれる縦スジＰｓ１１およびノイズ点Ｐｓ１３の一方または両方が抽出された前記第１主マップデータが、主走査方向Ｄ１を処理方向Ｄｘ１とする前記主フィルター処理によって生成される。
　また、テスト画像ｇ１が横スジＰｓ１２を含む場合に、テスト画像ｇ１に含まれる横スジＰｓ１２が除かれた前記第１主マップデータが、主走査方向Ｄ１を処理方向Ｄｘ１とする前記主フィルター処理によって生成される。
　なお、縦スジＰｓ１１は第１特異部に相当し、横スジＰｓ１２は第２特異部に相当し、ノイズ点Ｐｓ１３は第３特異部に相当する。
　一方、前記第２前処理は、副走査方向Ｄ２を処理方向Ｄｘ１とする前記主フィルター処理を含む。
　例えば、特徴画像生成部８ｃが、副走査方向Ｄ２を処理方向Ｄｘ１とする前記主フィルター処理により得られる複数の前記統合値を含む第２主マップデータを第２前処理画像ｇ１２として生成することが考えられる。
　図６に示されるように、テスト画像ｇ１が横スジＰｓ１２およびノイズ点Ｐｓ１３の一方または両方を含む場合に、テスト画像ｇ１に含まれる横スジＰｓ１２およびノイズ点Ｐｓ１３の一方または両方が抽出された前記第２主マップデータが、副走査方向Ｄ２を処理方向Ｄｘ１とする前記主フィルター処理によって生成される。
　また、テスト画像ｇ１が縦スジＰｓ１１を含む場合に、テスト画像ｇ１に含まれる縦スジＰｓ１１が除かれた前記第２主マップデータが、副走査方向Ｄ２を処理方向Ｄｘ１とする前記主フィルター処理によって生成される。
　しかしながら、前記主フィルター処理において、特異部Ｐｓ１における処理方向Ｄｘ１の両端のエッジ部において、本来の特異部Ｐｓ１の状態を表す前記統合値に対して正負が逆の誤った前記統合値が導出されてしまう場合がある。そのような誤った前記統合値は、特異部Ｐｓ１を表す画素値として処理された場合に、前記画像不良の判定に悪影響を及ぼすおそれがある。
　そこで、本実施形態において、前記第１前処理は、主走査方向Ｄ１を処理方向Ｄｘ１とする前記主フィルター処理に加え、主走査方向Ｄ１を処理方向Ｄｘ１とするエッジ強調フィルター処理をさらに含む。
　同様に、前記第２前処理は、副走査方向Ｄ２を処理方向Ｄｘ１とする前記主フィルター処理に加え、副走査方向Ｄ２を処理方向Ｄｘ１とする前記エッジ強調フィルター処理をさらに含む。
　前記エッジ強調フィルター処理は、注目領域Ａｘ１と２つの隣接領域Ａｘ２のうちの予め定められた一方とを対象としてエッジ強調を行う処理である。
　具体的には、前記エッジ強調フィルター処理は、テスト画像ｇ１から順次選択される注目画素Ｐｘ１の画素値を、注目領域Ａｘ１の画素値を正または負の第３補正係数Ｋ３で補正した第３補正値と、一方の隣接領域Ａｘ２の画素値を第３補正係数Ｋ３とは正負が逆の第４補正係数Ｋ４で補正した第４補正値とを統合したエッジ強度へ変換する処理である（図６参照）。
　図６に示される例において、第３補正係数Ｋ３は正の係数であり、第４補正係数Ｋ４は負の係数である。第３補正係数Ｋ３に注目領域Ａｘ１の画素数を乗算して得られる値と、第４補正係数Ｋ４に一方の隣接領域Ａｘ２の画素数を乗算して得られる値との合計がゼロになるように、第３補正係数Ｋ３および第４補正係数Ｋ４は設定される。
　前記エッジ強調フィルター処理が、主走査方向Ｄ１を処理方向Ｄｘ１として実行されることにより、テスト画像ｇ１の各画素値が前記エッジ強度へ変換された横エッジ強度マップデータが生成される。
　同様に、前記エッジ強調フィルター処理が、副走査方向Ｄ２を処理方向Ｄｘ１として実行されることにより、テスト画像ｇ１の各画素値が前記エッジ強度へ変換された縦エッジ強度マップデータが生成される。
　本実施形態において、特徴画像生成部８ｃは、主走査方向Ｄ１を処理方向Ｄｘ１とする前記主フィルター処理により生成される前記第１主マップデータを生成する。
　さらに、特徴画像生成部８ｃは、主走査方向Ｄ１を処理方向Ｄｘ１とする前記エッジ強調フィルター処理を実行することにより前記横エッジ強度マップデータを生成する。
　さらに、特徴画像生成部８ｃは、前記第１主マップデータの各画素値を対応する前記横エッジ強度マップデータの各画素値で補正することにより第１前処理画像ｇ１１を生成する。例えば、特徴画像生成部８ｃは、前記第１主マップデータの各画素値に、前記横エッジ強度マップデータの各画素値の絶対値を加算することにより、第１前処理画像ｇ１１を生成する。
　同様に、特徴画像生成部８ｃは、副走査方向Ｄ２を処理方向Ｄｘ１とする前記主フィルター処理を実行することにより前記第２主マップデータを生成する。
　さらに、特徴画像生成部８ｃは、副走査方向Ｄ２を処理方向Ｄｘ１とする前記エッジ強調フィルター処理を実行することにより前記縦エッジ強度マップデータを生成する。
　さらに、特徴画像生成部８ｃは、前記第２主マップデータの各画素値を対応する前記縦エッジ強度マップデータの各画素値で補正することにより第２前処理画像ｇ１２を生成する。例えば、特徴画像生成部８ｃは、前記第２主マップデータの各画素値に、前記縦エッジ強度マップデータの各画素値の絶対値を加算することにより、第２前処理画像ｇ１２を生成する。
　前記特異部抽出処理は、第１前処理画像ｇ１１または第２前処理画像ｇ１２に含まれる縦スジＰｓ１１、横スジＰｓ１２およびノイズ点Ｐｓ１３がそれぞれ個別に抽出された３つの特徴画像ｇ２１，ｇ２２，ｇ２３を生成する処理である。３つの特徴画像ｇ２１，ｇ２２，ｇ２３は、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３である。
　第１特徴画像ｇ２１は、第１前処理画像ｇ１１および第２前処理画像ｇ１２における１つ以上の有意な画素からなる特異部Ｐｓ１のうち、第１前処理画像ｇ１１に存在し第１前処理画像ｇ１１および第２前処理画像ｇ１２に共通しない特異部Ｐｓ１が抽出された画像である。第１特徴画像ｇ２１は、横スジＰｓ１２およびノイズ点Ｐｓ１３を含まず、第１前処理画像ｇ１１が縦スジＰｓ１１を含む場合にはその縦スジＰｓ１１を含む。
　なお、前記有意な画素は、テスト画像ｇ１における各画素値もしくは各画素値に基づく指標値と予め定められた閾値とを比較することによって他の画素と区別可能な画素である。
　第２特徴画像ｇ２２は、第１前処理画像ｇ１１および第２前処理画像ｇ１２における特異部Ｐｓ１のうち、第２前処理画像ｇ１２に存在し第１前処理画像ｇ１１および第２前処理画像ｇ１２に共通しない特異部Ｐｓ１が抽出された画像である。第２特徴画像ｇ２２は、縦スジＰｓ１１およびノイズ点Ｐｓ１３を含まず、第２前処理画像ｇ１２が横スジＰｓ１２を含む場合にはその横スジＰｓ１２を含む。
　第３特徴画像ｇ２３は、第１前処理画像ｇ１１および第２前処理画像ｇ１２に共通の特異部Ｐｓ１が抽出された画像である。第３特徴画像ｇ２３は、縦スジＰｓ１１および横スジＰｓ１２を含まず、第１前処理画像ｇ１１および第２前処理画像ｇ１２がノイズ点Ｐｓ１３を含む場合にはそのノイズ点Ｐｓ１３を含む。
　第１前処理画像ｇ１１および第２前処理画像ｇ１２から３つの特徴画像ｇ２１，ｇ２２，ｇ２３を生成する方法は各種考えられる。
　例えば、特徴画像生成部８ｃは、第１前処理画像ｇ１１における予め定められた基準値を超える各画素値である第１画素値Ｘｉと第２前処理画像ｇ１２における前記基準値を超える各画素値である第２画素値Ｙｉとを以下の（１）式に適用することによって指標値Ｚｉを導出する。ここで、添字ｉは各画素の位置の識別番号である。
Figure JPOXMLDOC01-appb-M000001
　縦スジＰｓ１１を構成する画素の指標値Ｚｉの値は、比較的大きな正の数となる。また、横スジＰｓ１２を構成する画素の指標値Ｚｉの値は、比較的小さな負の数となる。また、ノイズ点Ｐｓ１３を構成する画素の指標値Ｚｉの値は、０または０に近い値となる。指標値Ｚｉは、第１前処理画像ｇ１１および第２前処理画像ｇ１２における対応する各画素値の差の指標値の一例である。
　指標値Ｚｉの上記の性質は、第１前処理画像ｇ１１から縦スジＰｓ１１を抽出し、第２前処理画像ｇ１２から横スジＰｓ１２を抽出し、第１前処理画像ｇ１１または第２前処理画像ｇ１２からノイズ点Ｐｓ１３を抽出する処理を簡素化するために利用することができる。
　例えば、特徴画像生成部８ｃは、第１前処理画像ｇ１１における第１画素値Ｘｉを以下の（２）式により導出される第１特異度Ｐｉへ変換することによって第１特徴画像ｇ２１を生成する。これにより、第１前処理画像ｇ１１から縦スジＰｓ１１が抽出された第１特徴画像ｇ２１が生成される。
Figure JPOXMLDOC01-appb-M000002
　さらに、特徴画像生成部８ｃは、第２前処理画像ｇ１２における第２画素値Ｙｉを以下の（３）式により導出される第２特異度Ｑｉへ変換することによって第２特徴画像ｇ２２を生成する。これにより、第２前処理画像ｇ１２から横スジＰｓ１２が抽出された第２特徴画像ｇ２２が生成される。
Figure JPOXMLDOC01-appb-M000003
　さらに、特徴画像生成部８ｃは、第１前処理画像ｇ１１における第１画素値Ｘｉを以下の（４）式により導出される第３特異度Ｒｉへ変換することによって第３特徴画像ｇ２３を生成する。これにより、第１前処理画像ｇ１１からノイズ点Ｐｓ１３が抽出された第３特徴画像ｇ２３が生成される。
Figure JPOXMLDOC01-appb-M000004
　或いは、特徴画像生成部８ｃは、第２前処理画像ｇ１２における第２画素値Ｙｉを以下の（５）式により導出される第３特異度Ｒｉへ変換することによって第３特徴画像ｇ２３を生成してもよい。これにより、第２前処理画像ｇ１２からノイズ点Ｐｓ１３が抽出された第３特徴画像ｇ２３が生成される。
Figure JPOXMLDOC01-appb-M000005
　以上に示されるように、特徴画像生成部８ｃは、第１前処理画像ｇ１１の各画素値を指標値Ｚｉに基づく予め定められた（２）式で変換する処理により第１特徴画像ｇ２１を生成する。（２）式は第１変換式の一例である。
　さらに特徴画像生成部８ｃは、第２前処理画像ｇ１２の各画素値を指標値Ｚｉに基づく予め定められた（３）式で変換する処理により第２特徴画像ｇ２２を生成する。（３）式は第２変換式の一例である。
　さらに特徴画像生成部８ｃは、第１前処理画像ｇ１１または第２前処理画像ｇ１２の各画素値を指標値Ｚｉに基づく予め定められた（４）式または（５）式で変換する処理により第３特徴画像ｇ２３を生成する。（４）式および（５）式は、それぞれ第３変換式の一例である。
　工程Ｓ２０１における第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を生成する処理は、第１前処理画像ｇ１１および第２前処理画像ｇ１２における１つ以上の特異部Ｐｓ１のうち縦スジＰｓ１１、横スジＰｓ１２およびノイズ点Ｐｓ１３をそれぞれ前記画像不良として抽出する処理の一例である。
　特徴画像生成部８ｃは、特徴画像ｇ２１，ｇ２２，ｇ２３が生成された後、処理を工程Ｓ２０２へ移行させる。
　＜工程Ｓ２０２＞
　工程Ｓ２０２において、特異部特定部８ｄは、特徴画像ｇ２１，ｇ２２，ｇ２３それぞれにおける特異部Ｐｓ１の位置を特定する。
　例えば、特異部特定部８ｄは、特徴画像ｇ２１，ｇ２２，ｇ２３それぞれにおける予め定められた基準範囲から外れる画素値を有する部分を特異部Ｐｓ１であると判定する。
　また、特異部特定部８ｄは、特徴画像ｇ２１，ｇ２２，ｇ２３それぞれについて、複数の特異部Ｐｓ１が主走査方向Ｄ１および副走査方向Ｄ２のそれぞれにおいて予め定められた近接範囲内に存在する場合に、それら複数の特異部Ｐｓ１を一連の１つの特異部Ｐｓ１として結合する結合処理を実行する。
　例えば、第１特徴画像ｇ２１が、前記近接範囲内で副走査方向Ｄ２に間隔を空けて並ぶ２本の縦スジＰｓ１１を含む場合に、特異部特定部８ｄは、前記結合処理によってそれら２本の縦スジＰｓ１１を１本の縦スジＰｓ１１として結合する。
　同様に、第２特徴画像ｇ２２が、前記近接範囲内で主走査方向Ｄ１に間隔を空けて並ぶ２本の横スジＰｓ１２を含む場合に、特異部特定部８ｄは、前記結合処理によってそれら２本の横スジＰｓ１２を１本の横スジＰｓ１２として結合する。
　また、第３特徴画像ｇ２３が、前記近接範囲内で主走査方向Ｄ１または副走査方向Ｄ２に間隔を隔てて並ぶ複数のノイズ点Ｐｓ１３を含む場合に、特異部特定部８ｄは、前記結合処理によってそれら複数のノイズ点Ｐｓ１３を１つのノイズ点Ｐｓ１３として結合する。
　特異部特定部８ｄは、３つの特徴画像ｇ２１，ｇ２２，ｇ２３のいずれにおいても特異部Ｐｓ１の位置が特定されなかった場合に、前記特異不良判定処理を終了させる。一方、特異部特定部８ｄは、３つの特徴画像ｇ２１，ｇ２２，ｇ２３のうちの１つ以上について特異部Ｐｓ１の位置が特定された場合に、処理を工程Ｓ２０３へ移行させる。
　＜工程Ｓ２０３＞
　工程Ｓ２０３において、色ベクトル特定部８ｅは、テスト画像ｇ１における特異部Ｐｓ１の色および特異部Ｐｓ１の周辺を含む参照領域の色の一方から他方への色空間内のベクトルを表す色ベクトルを特定する。
　前記参照領域は、特異部Ｐｓ１を基準にして定まる予め定められた範囲の領域である。例えば、前記参照領域は、特異部Ｐｓ１に隣接する周辺領域を含み、特異部Ｐｓ１を含まない領域である。また、前記参照領域が、特異部Ｐｓ１と特異部Ｐｓ１に隣接する周辺領域とを含んでもよい。
　テスト画像ｇ１は、本来は一様なハーフトーン画像である。そのため、良好なテスト画像ｇ１がテスト出力シート９に形成された場合、特異部Ｐｓ１は特定されず、テスト画像ｇ１のいずれの位置の前記色ベクトルも概ねゼロベクトルである。
　一方、特異部Ｐｓ１が特定された場合、特異部Ｐｓ１とその特異部Ｐｓ１に対応する前記参照領域との間の前記色ベクトルの方向は、画像形成装置２における４つの現像色のうちのいずれかのトナー濃度の過剰または不足を表す。
　従って、前記色ベクトルの方向は、特異部Ｐｓ１が発生した原因が画像形成装置２における４つの作像部４ｘのうちのいずれであるかを表す。
　なお、色ベクトル特定部８ｅは、テスト画像ｇ１における特異部Ｐｓ１の色および予め定められた基準色の一方から他方への色空間内のベクトルを、前記色ベクトルとして特定してもよい。この場合、前記基準色は、テスト画像ｇ１の本来の色である。
　さらに、工程Ｓ２０３において、色ベクトル特定部８ｅは、前記色ベクトルに基づいて、特異部Ｐｓ１の原因となっている現像色と、その現像色の濃度の過不足の状態とを判定する。
　例えば、テスト画像ｇ１の前記基準色に対してシアン、マゼンタ、イエローまたはブラックのそれぞれの濃度が増大する方向および同濃度が不足する方向を表す複数の単位ベクトルの情報が、予め二次記憶装置８２に記憶されている。
　色ベクトル特定部８ｅは、前記色ベクトルを予め定められた単位長さに正規化する。さらに、色ベクトル特定部８ｅは、正規化後の前記色ベクトルが、シアン、マゼンタ、イエローまたはブラックの濃度の増大または不足に対応する複数の前記単位ベクトルのうちのいずれに最も近似するかを判定することにより、特異部Ｐｓ１の原因となっている現像色と、その現像色の濃度の過不足の状態とを判定する。
　そして、色ベクトル特定部８ｅは、工程Ｓ２０３の処理を実行した後に、処理を工程Ｓ２０４へ移行させる。
　＜工程Ｓ２０４＞
　工程Ｓ２０４において、周期性判定部８ｆは、第２特徴画像ｇ２２および第３特徴画像ｇ２３の一方または両方において特異部Ｐｓ１が特定されている場合に、処理を工程Ｓ２０５へ移行させ、そうでない場合に処理を工程Ｓ２０６へ移行させる。
　以下の説明において、第２特徴画像ｇ２２および第３特徴画像ｇ２３のうち特異部Ｐｓ１が特定されている一方または両方のことを周期性判定対象画像と称する。前記周期性判定対象画像における特異部Ｐｓ１は、横スジＰｓ１２またはノイズ点Ｐｓ１３である（図６参照）。
　＜工程Ｓ２０５＞
　工程Ｓ２０５において、周期性判定部８ｆは、前記周期性判定対象画像ついて周期的特異部判定処理を実行する。前記周期的特異部判定処理は、数判定処理と、特異部周期性判定処理と、特異部周期性原因判定処理とを含む。
　前記数判定処理は、前記周期性判定対象画像において副走査方向Ｄ２に並ぶ特異部Ｐｓ１の数を判定する処理である。
　具体的には、周期性判定部８ｆは、第２特徴画像ｇ２２において、主走査方向Ｄ１の同じ範囲を占める部分が予め定められた比率を超える横スジＰｓ１２が副走査方向Ｄ２に並ぶ数をカウントすることにより、副走査方向Ｄ２に並ぶ横スジＰｓ１２の数を判定する。
　さらに、周期性判定部８ｆは、第３特徴画像ｇ２３において、主走査方向Ｄ１の位置ズレが予め定められた範囲内であるノイズ点Ｐｓ１３が副走査方向Ｄ２に並ぶ数をカウントすることにより、副走査方向Ｄ２に並ぶノイズ点Ｐｓ１３の数を判定する。
　周期性判定部８ｆは、副走査方向Ｄ２に並ぶ数が２つ以上の特異部Ｐｓ１についてのみ前記特異部周期性判定処理を実行する。
　また、周期性判定部８ｆは、副走査方向Ｄ２に並ぶ数が１つの特異部Ｐｓ１については、前記周期性が無いと判定し、前記特異部周期性判定処理および前記特異部周期性原因判定処理をスキップする。
　前記特異部周期性判定処理は、前記周期性判定対象画像について副走査方向Ｄ２における予め定められた１つ以上の周期性の有無を判定する処理である。
　前記周期性は、作像部４ｘ各々、または、転写装置４４において、感光体４１、帯電ローラー４２ａ、現像ローラー４３ａまたは一次転写ローラー４４１などの作像関連の回転体の外周長に対応している。前記作像関連の回転体の状態は、前記シートに形成される画像の良否に影響する。以下の説明において、前記作像関連の回転体のことを作像回転体と称する。
　前記作像回転体の不良が原因で前記画像不良が生じる場合、前記作像回転体の外周長に対応する前記周期性が、複数の横スジＰｓ１２または複数のノイズ点Ｐｓ１３の副走査方向Ｄ２の間隔として現れることがある。
　従って、前記周期性判定対象画像が、前記作像回転体の外周長に対応する前記周期性を有する場合、その周期性に対応する前記作像回転体が、前記周期性判定対象画像における横スジＰｓ１２またはノイズ点Ｐｓ１３の原因であるといえる。
　周期性判定部８ｆは、前記周期性判定対象画像において副走査方向Ｄ２に並ぶ特異部Ｐｓ１の数が２つである場合、前記特異部周期性判定処理として間隔導出処理を実行する。
　周期性判定部８ｆは、前記間隔導出処理において、２つの特異部Ｐｓ１の副走査方向Ｄ２の間隔を２つの特異部Ｐｓ１の周期として導出する。
　周期性判定部８ｆは、前記周期性判定対象画像において副走査方向Ｄ２に並ぶ特異部Ｐｓ１の数が３つ以上である場合、前記特異部周期性判定処理として周波数解析処理を実行する。
　周期性判定部８ｆは、前記周波数解析処理において、副走査方向Ｄ２に並ぶ３つ以上の特異部Ｐｓ１を含む前記周期性判定対象画像についてフーリエ変換などの周波数解析を行うことにより、前記周期性判定対象画像における特異部Ｐｓ１のデータ列の周波数分布における支配的な周波数である特異部周波数を特定する。
　さらに、周期性判定部８ｆは、前記特異部周波数に対応する周期を３つ以上の特異部Ｐｓ１の周期として導出する。
　そして、周期性判定部８ｆは、前記特異部周期性原因判定処理において、予め定められた前記作像回転体の複数の候補について、各候補の外周長が特異部Ｐｓ１の周期との間で予め定められた周期近似条件を満たすか否かを判定する。工程Ｓ２０５における前記作像回転体の複数の候補は、横スジＰｓ１２またはノイズ点Ｐｓ１３に対応する予め定められた複数の原因候補の一例である。
　以下の説明において、第２特徴画像ｇ２２および第３特徴画像ｇ２３に含まれる特異部Ｐｓ１のうち、前記作像回転体の候補のいずれかが前記周期近似条件を満たすと判定された対象の特異部Ｐｓ１のことを周期的特異部と称し、その他の特異部Ｐｓ１のことを非周期的特異部と称する。
　周期性判定部８ｆは、前記特異部周期性原因判定処理において、前記周期近似条件を満たすと判定された前記作像回転体の候補の１つが前記周期的特異部の発生の原因であると判定する。これにより、横スジＰｓ１２またはノイズ点Ｐｓ１３の原因が判定される。
　また、工程Ｓ２０５において、周期性判定部８ｆは、工程Ｓ２０３で判定された前記色ベクトルに基づいて、横スジＰｓ１２またはノイズ点Ｐｓ１３の原因が、それぞれ現像色が異なる４つの作像部４ｘのうちのいずれの前記作像回転体であるかを判定する。
　また、周期性判定部８ｆは、副走査方向Ｄ２に並ぶ３つ以上の特異部Ｐｓ１が前記特異部周波数に対応しない前記非周期的特異部を含む場合、前記非周期的特異部を後述する特徴パターン認識処理の対象とする。
　例えば、周期性判定部８ｆは、前記フーリエ変換により得られる前記周波数分布から前記特異部周波数以外の周波数成分が除去されたものに逆フーリエ変換を施すことにより逆フーリエ変換データを生成する。
　さらに、周期性判定部８ｆは、副走査方向Ｄ２に並ぶ３つ以上の特異部Ｐｓ１のうち、前記逆フーリエ変換データが示す副走査方向Ｄ２の波形におけるピーク位置から外れた位置に存在するものを前記非周期的特異部として判別する。
　そして、周期性判定部８ｆは、工程Ｓ２０５の処理の結果、第２特徴画像ｇ２２および第３特徴画像ｇ２３が前記非周期的特異部を含まないと判定された場合に、前記特異不良判定処理を終了させる。
　一方、工程Ｓ２０５の処理の結果、第２特徴画像ｇ２２および第３特徴画像ｇ２３が前記非周期的特異部を含むと判定された場合に、処理を工程Ｓ２０６へ移行させる。
　＜工程Ｓ２０６＞
　工程Ｓ２０６において、パターン認識部８ｇは、第１特徴画像ｇ２１と、それぞれ前記非周期的特異部を含む第２特徴画像ｇ２２および第３特徴画像ｇ２３とのそれぞれについて特徴パターン認識処理を実行する。前記非周期的特異部を含む第２特徴画像ｇ２２、または、前記非周期的特異部を含む第３特徴画像ｇ２３は、非周期的特徴画像の一例である。
　前記特徴パターン認識処理において、第１特徴画像ｇ２１と、それぞれ前記非周期的特異部を含む第２特徴画像ｇ２２および第３特徴画像ｇ２３とのそれぞれが入力画像とされる。パターン認識部８ｇは、前記特徴パターン認識処理において、前記入力画像のパターン認識により、前記入力画像が前記画像不良に対応する予め定められた複数の原因候補のいずれに対応するかを判定する。
　また、前記特徴パターン認識処理の前記入力画像が、前記エッジ強調フィルター処理により得られる前記横エッジ強度マップデータまたは前記縦エッジ強度マップデータを含んでいてもよい。例えば、縦スジＰｓ１１の判定のための前記特徴パターン認識処理において、第１特徴画像ｇ２１および前記横エッジ強度マップデータが前記入力画像として用いられる。
　同様に、横スジＰｓ１２の判定のための前記特徴パターン認識処理において、第２特徴画像ｇ２２および前記縦エッジ強度マップデータが前記入力画像として用いられる。
　同様に、ノイズ点Ｐｓ１３の判定のための前記特徴パターン認識処理において、第３特徴画像ｇ２３と、前記横エッジ強度マップデータおよび前記縦エッジ強度マップデータの一方もしくは両方とが前記入力画像として用いられる。
　例えば、前記特徴パターン認識処理は、前記複数の原因候補に対応する複数のサンプル画像を教師データとして予め学習された学習モデルにより、前記入力画像を前記複数の原因候補のいずれかに分類する処理である。
　例えば、前記学習モデルは、ランダムフォレストと称される分類型の機械学習アルゴリズムが採用されたモデル、ＳＶＭ（Support Vector Machine）と称される機械学習アルゴリズムが作用されたモデル、またはＣＮＮ（Convolutional Neural Network）アルゴリズムが採用されたモデルなどである。
　前記学習モデルは、第１特徴画像ｇ２１と、それぞれ前記非周期的特異部を含む第２特徴画像ｇ２２および第３特徴画像ｇ２３とのそれぞれについて個別に用意される。また、前記原因候補ごとに前記複数のサンプル画像が前記教師データとして用いられる。
　また、工程Ｓ２０６において、パターン認識部８ｇは、工程Ｓ２０３で判定された前記色ベクトルに基づいて、縦スジＰｓ１１、横スジＰｓ１２またはノイズ点Ｐｓ１３の原因が、それぞれ現像色が異なる４つの作像部４ｘのうちのいずれの部品であるかを判定する。
　工程Ｓ２０６の処理により、縦スジＰｓ１１の原因と、前記非周期的特異部として判別された横スジＰｓ１２およびノイズ点Ｐｓ１３の原因とが判定される。パターン認識部８ｇは、工程Ｓ２０６の処理を実行した後、前記特異不良判定処理を終了させる。
　[濃度ムラ判定処理]
　続いて、図５に示されるフローチャートを参照しつつ、工程Ｓ１０３の前記濃度ムラ判定処理の手順の一例について説明する。以下の説明において、Ｓ３０１，Ｓ３０２，…は、前記濃度ムラ判定処理における複数の工程の識別符号を表す。前記濃度ムラ判定処理は、工程Ｓ３０１から開始される。
　＜工程Ｓ３０１＞
　工程Ｓ３０１において、周期性判定部８ｆは、テスト画像ｇ１について、予め定められた特定色ごとに縦データ列ＶＤ１を導出する。前記特定色は、画像形成装置２の現像色に対応する色である。縦データ列ＶＤ１は、テスト画像ｇ１を構成する前記特定色の画像における主走査方向Ｄ１のラインごとの複数の画素値の代表値Ｖ１のデータ列である（図７参照）。
　例えば、前記特定色は、画像形成装置２の４つの現像色のうちの３つの彩色である。この場合、周期性判定部８ｆは、テスト画像ｇ１を構成する赤、緑および青の画像データを、シアン、イエローおよびマゼンタの画像データへ変換する。
　そして、周期性判定部８ｆは、テスト画像ｇ１に対応する３つの前記特定色の画像データそれぞれについて、主走査方向Ｄ１のラインごとの複数の画素値の代表値Ｖ１を導出することにより、シアン、イエローおよびマゼンタに対応する３つの縦データ列ＶＤ１を導出する。
　なお、前記特定色が赤、緑および青の３つの原色であってもよい。この場合、周期性判定部８ｆは、テスト画像ｇ１における赤、緑および青の３つの画像データ各々の各画素値を、テスト画像ｇ１における赤、緑および青の３つの画像データの各画素値の平均値または合計値に対する比を表す値へ変換する。さらに、周期性判定部８ｆは、変換後の３つの画像データについて３つの縦データ列ＶＤ１を導出する。
　ここで、赤がシアンに対応する色であり、緑がマゼンタに対応する色であり、青がイエローに対応する色である。即ち、シアンの濃度ムラが前記変換後の赤の画像データにおいて濃度ムラとして現れ、マゼンタの濃度ムラが前記変換後の緑の画像データにおいて濃度ムラとして現れ、イエローの濃度ムラが前記変換後の青の画像データにおいて濃度ムラとして現れる。
　例えば、代表値Ｖ１は、主走査方向Ｄ１のラインの全ての画素値から特異部Ｐｓ１の画素値を除いた残りの画素値の平均値、最大値または最小値などである。また、代表値Ｖ１が、主走査方向Ｄ１のラインの全ての画素値の平均値、最大値または最小値などであってもよい。
　そして、周期性判定部８ｆは、工程Ｓ３０１の処理を実行した後、処理を工程Ｓ３０２へ移行させる。
　＜工程Ｓ３０２＞
　工程Ｓ３０２において、周期性判定部８ｆは、前記特定色ごとの縦データ列ＶＤ１について周期的ムラ判定処理を実行する。
　例えば、周期性判定部８ｆは、縦データ列ＶＤ１それぞれについてフーリエ変換などの周波数解析を行うことにより、縦データ列ＶＤ１の周波数分布における支配的な周波数である濃度ムラ周波数を特定する。
　さらに、周期性判定部８ｆは、前記濃度ムラ周波数に対応する周期をテスト画像ｇ１における濃度ムラの周期として導出する。
　さらに、周期性判定部８ｆは、予め定められた前記作像回転体の複数の候補について、各候補の外周長が前記濃度ムラの周期との間で前記周期近似条件を満たすか否かを判定する。前記作像回転体の複数の候補のいずれかが前記周期的近似条件を満たすと判定されることは、周期的濃度ムラがテスト画像ｇ１に生じていると判定されることを意味する。
　工程Ｓ３０２における前記作像回転体の複数の候補は、テスト画像ｇ１における前記周期的濃度ムラに対応する予め定められた複数の原因候補の一例である。前記周期的濃度ムラは画像不良の一例である。
　さらに、周期性判定部８ｆは、縦データ列ＶＤ１に対応する前記現像色と前記周期近似条件を満たすと判定された前記作像回転体の候補とに基づいて、前記周期的濃度ムラの原因を判定する。
　但し、前記周期的濃度ムラが、ブラックの作像部４ｘに起因して生じる場合、テスト画像ｇ１を構成する赤、緑および青の画像データの全てにおいて、画素値のばらつきが生じる。
　そこで、周期性判定部８ｆは、シアン、マゼンタおよびイエローの全てにおいて前記周期性が共通する前記周期的濃度ムラが生じていると判定した場合に、ブラックの作像部４ｘがその周期的濃度ムラの原因であると判定する。
　そして、周期性判定部８ｆは、テスト画像ｇ１に前記周期的濃度ムラが生じていると判定する場合に前記濃度ムラ判定処理を終了させ、そうでない場合に処理を工程Ｓ３０３へ移行させる。
　＜工程Ｓ３０３＞
　工程Ｓ３０３において、ランダムムラ判定部８ｈは、テスト画像ｇ１に対応する３つの前記特定色の画像データそれぞれについてランダム濃度ムラの発生有無を判定する。前記ランダム濃度ムラは、前記画像不良の一種である。
　ランダムムラ判定部８ｈは、３つの前記特定色の画像データそれぞれについて画素値のばらつきが予め定められた許容範囲を超えるか否かを判定することにより、前記ランダム濃度ムラの発生有無を判定する。
　例えば、前記画素値のばらつきの大きさは、３つの前記特定色の画像データそれぞれにおける分散、標準偏差、または中央値と最大値および最小値との差などによって判定される。
　但し、ランダムムラ判定部８ｈは、シアン、マゼンタおよびイエローの全てにおいて前記ランダム濃度ムラが生じていると判定した場合に、ブラックの作像部４ｘがそのランダム濃度ムラの原因であると判定する。
　そして、ランダムムラ判定部８ｈは、テスト画像ｇ１に前記ランダム濃度ムラが発生していると判定する場合に処理を工程Ｓ３０４へ移行させ、そうでない場合に前記濃度ムラ判定処理を終了させる。
　＜工程Ｓ３０４＞
　工程Ｓ３０４において、パターン認識部８ｇは、ランダムパターン認識処理を実行する。前記ランダムパターン認識処理は、前記ランダム濃度ムラが発生していると判定されたテスト画像ｇ１を入力画像とし、前記入力画像のパターン認識により、前記入力画像が１つ以上の前記原因候補のいずれに対応するかを判定する処理である。
　そして、パターン認識部８ｇは、工程Ｓ３０４の処理を実行した後、前記濃度ムラ判定処理を終了させる。
　ＣＰＵ８０が、前記特異不良判定処理および前記濃度ムラ判定処理を含む前記画像不良判定処理を実行することは、画像形成装置２の出力シートから読み取られたテスト画像ｇ１に基づいて前記画像不良の原因を判定する画像処理方法の一例である。
　以上に示されるように、特徴画像生成部８ｃは、前記主フィルター処理を含む前記第１前処理を、テスト画像ｇ１の横方向を処理方向Ｄｘ１として実行することによって第１前処理画像ｇ１１を生成する。前記主フィルター処理は、テスト画像ｇ１から順次選択される注目画素Ｐｘ１の画素値を、注目領域Ａｘ１の画素値と注目領域Ａｘ１に対し予め設定される処理方向Ｄｘ１において両側に隣接する２つの隣接領域Ａｘ２の画素値との差を強調する処理により得られる変換値へ変換する処理である（図４の工程Ｓ２０１および図６を参照）。
　さらに、特徴画像生成部８ｃは、テスト画像ｇ１の縦方向を処理方向Ｄｘ１とする前記主フィルター処理を含む前記第２前処理を実行することによって第２前処理画像ｇ１２を生成する（図４の工程Ｓ２０１および図６を参照）。
　さらに、特徴画像生成部８ｃは、第１前処理画像ｇ１１および第２前処理画像ｇ１２における１つ以上の特異部Ｐｓ１のうち縦スジＰｓ１１、横スジＰｓ１２およびノイズ点Ｐｓ１３をそれぞれ前記画像不良として抽出する（図４の工程Ｓ２０１および図６を参照）。
　工程Ｓ２０１の前記特徴抽出処理は、演算負荷の小さな簡易な処理である。このような簡易な処理により、１つのテスト画像ｇ１からそれぞれ形状の異なる特異部Ｐｓ１が個別に抽出された３つの特徴画像ｇ２１，ｇ２２，ｇ２３を生成することができる。
　そして、周期性判定部８ｆおよびパターン認識部８ｇは、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を用いた前記周期的特異部判定処理および前記特徴パターン認識処理を実行することにより、それぞれ前記画像不良の一種である縦スジＰｓ１１、横スジＰｓ１２およびノイズ点Ｐｓ１３の原因を判定する（図４の工程Ｓ２０５および工程Ｓ２０６と、図６とを参照）。
　前記画像不良の原因の判定が、それぞれ種類の異なる特異部Ｐｓ１を含む３つの特徴画像ｇ２１，ｇ２２，ｇ２３について個別に行われることにより、比較的簡易な判定処理によって高い精度で前記画像不良の原因を判定することができる。
　工程Ｓ２０５の前記周期的特異部判定処理は、第２特徴画像ｇ２２または第３特徴画像ｇ２３について副走査方向Ｄ２における予め定められた１つ以上の前記周期性の有無を判定し、前記周期性の判定結果に応じて横スジＰｓ１２またはノイズ点Ｐｓ１３の原因を判定する処理である。
　横スジＰｓ１２またはノイズ点Ｐｓ１３が前記作像関連の回転体の不良に起因して生じる場合、回転体の外周長に対応する前記周期性を判定する前記周期的特異部判定処理により、横スジＰｓ１２またはノイズ点Ｐｓ１３の原因を高い精度で判定することができる。
　また、工程Ｓ２０６の前記特徴パターン認識処理は、入力画像のパターン認識により、前記入力画像が前記縦スジ、前記横スジおよび前記ノイズ点に対応する予め定められた複数の原因候補のいずれに対応するかを判定する処理である。ここで、第１特徴画像ｇ２１と、第２特徴画像ｇ２２および第３特徴画像ｇ２３のうち前記周期的特異部判定処理により前記周期性が無いと判定されたものとが、工程Ｓ２０６における前記入力画像である（図４の工程Ｓ２０４～Ｓ２０６を参照）。
　工程Ｓ２０５の前記周期的特異部判定処理および工程Ｓ２０６の前記特徴パターン認識処理は、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を用いた予め定められた原因判定処理の一例である。
　学習モデルなどを用いた前記特徴パターン認識処理は、それぞれ特定の種類の特異部Ｐｓ１が抽出された特徴画像ｇ２１，ｇ２２，ｇ２３ごとに行われる。これにより、前記画像不良の原因を、ＣＰＵ８０の演算量を抑制しつつ高い精度で判定することが可能である。また、特異部Ｐｓ１の種類ごとの前記学習モデルは、それぞれ特定の種類の特異部Ｐｓ１に対応する比較的少ない教師データが用意されるだけで十分に学習することができる。
　また、工程Ｓ２０６の前記特徴パターン認識処理は、複数の特徴画像ｇ２１，ｇ２２，ｇ２３のうち、工程Ｓ２０５の前記周期的特異部判定処理の対象にならなかった第１特徴画像ｇ２１、および、工程Ｓ２０５の前記周期的特異部判定処理により前記周期性がないと判定された第２特徴画像ｇ２２または第３特徴画像ｇ２３について実行される（図４の工程Ｓ２０４～Ｓ２０６を参照）。
　上記の場合、前記特徴パターン認識処理において、前記画像不良の原因が前記作像関連の回転体の周期性に対応する原因である可能性を除外することができる。これにより、前記特徴パンターン認識処理がより簡素化される。
　また、色ベクトル特定部８ｅは、テスト画像ｇ１における特異部Ｐｓ１の色および特異部Ｐｓ１の周辺を含む前記参照領域の色の一方から他方への色空間内のベクトルを表す前記色ベクトルを特定する（図４の工程Ｓ２０３を参照）。
　そして、工程Ｓ２０５における周期性判定部８ｆおよび工程Ｓ２０６におけるパターン認識部８ｇは、前記原因判定処理において、前記色ベクトルをさらに用いて縦スジＰｓ１１、横スジＰｓ１２およびノイズ点Ｐｓ１３の原因を判定する。即ち、周期性判定部８ｆおよびパターン認識部８ｇは、前記色ベクトルにより、前記画像不良の原因が画像形成装置２における複数の現像色のいずれに対応する部分であるかを判定する。
　カラー画像をプリント可能な画像形成装置２において、前記色ベクトルが用いられることにより、前記画像不良が複数の現像色のうちいずれの色に対応する部分に起因して生じているのかを容易に、かつ、確実に判定することが可能である。
　また、周期性判定部８ｆは、テスト画像ｇ１について予め定められた前記特定色ごとに前記周期的ムラ判定処理を実行する（図５の工程Ｓ３０１，Ｓ３０２を参照）。前記周期的ムラ判定処理は、副走査方向Ｄ２における予め定められた１つ以上の前記周期性の有無を判定し、さらに前記周期性の判定結果に応じて前記画像不良の一種である前記周期的濃度ムラの発生有無および原因を判定する処理である。
　前記周期的ムラ判定処理により、前記周期的濃度ムラの原因を高い精度で判定することができる。
　また、ランダムムラ判定部８ｈは、工程Ｓ３０２の前記周期的ムラ判定処理により前記周期性が無いと判定されたテスト画像ｇ１について、前記特定色ごとに画素値のばらつきが予め定められた許容範囲を超えるか否かを判定することにより前記ランダム濃度ムラの発生有無を判定する（図５の工程Ｓ３０３を参照）。前記ランダム濃度ムラは前記画像不良の一種である。
　また、パターン認識部８ｇは、前記ランダム濃度ムラが発生していると判定されたテスト画像ｇ１を前記入力画像として前記ランダムパターン認識処理を実行する（図５の工程Ｓ３０４を参照）。前記ランダムパターン認識処理において、前記入力画像が１つ以上の前記原因候補のいずれに対応するかが、前記入力画像のパターン認識により判定される。
　また、テスト画像ｇ１は、画像形成装置２における複数の現像色に対応するそれぞれ一様な複数の単色ハーフトーン画像が合成された混色ハーフトーン画像である。これにより、ＣＰＵ８０は、画像形成装置２により使用される現像色の数よりも少ないテスト画像ｇ１を用いて画像形成装置２における全ての現像色についての前記画像不良の原因を判定することができる。
　［第１応用例］
　次に、図９に示されるフローチャートを参照しつつ、画像処理装置１０の第１応用例における前記特徴画像生成処理の手順について説明する。
　以下の説明において、Ｓ４０１，Ｓ４０２，…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程Ｓ４０１から開始される。
　＜工程Ｓ４０１＞
　工程Ｓ４０１において、特徴画像生成部８ｃは、予め設定された複数の圧縮率候補の中から採用する圧縮率を選択し、処理を工程Ｓ４０２へ移行させる。
　＜工程Ｓ４０２＞
　工程Ｓ４０２において、特徴画像生成部８ｃは、選択された前記圧縮率で前記読取画像を圧縮することによりテスト画像ｇ１を生成する。工程Ｓ４０１，Ｓ４０２の処理は圧縮処理の一例である。その後、特徴画像生成部８ｃは、処理を工程Ｓ４０３へ移行させる。
　＜工程Ｓ４０３＞
　工程Ｓ４０３において、特徴画像生成部８ｃは、工程Ｓ４０２で得られる圧縮後のテスト画像ｇ１に前記第１前処理を実行することにより、第１前処理画像ｇ１１を生成する。その後、特徴画像生成部８ｃは、処理を工程Ｓ４０４へ移行させる。
　＜工程Ｓ４０４＞
　工程Ｓ４０４において、特徴画像生成部８ｃは、工程Ｓ４０２で得られる圧縮後のテスト画像ｇ１に前記第２前処理を実行することにより、第２前処理画像ｇ１２を生成する。その後、特徴画像生成部８ｃは、処理を工程Ｓ４０５へ移行させる。
　＜工程Ｓ４０５＞
　工程Ｓ４０５において、特徴画像生成部８ｃは、前記複数の圧縮率候補の全てについて工程Ｓ４０１からＳ４０４の処理が実行された場合に、処理を工程Ｓ４０６へ移行させ、そうでない場合に、異なる前記圧縮率について工程Ｓ４０１～Ｓ４０４の処理を実行する。
　特徴画像生成部８ｃは、工程Ｓ４０１，Ｓ４０２の前記圧縮処理において、前記読取画像を複数の圧縮率それぞれで圧縮することによりサイズの異なる複数のテスト画像ｇ１を生成する。
　さらに特徴画像生成部８ｃは、工程Ｓ４０３，Ｓ４０４において、複数のテスト画像ｇ１に対して前記第１前処理および前記第２前処理を実行することにより、それぞれ複数のテスト画像ｇ１に対応する複数の第１前処理画像ｇ１１および複数の第２前処理画像ｇ１２を生成する。
　＜工程Ｓ４０６＞
　工程Ｓ４０６において、特徴画像生成部８ｃは、複数の第１前処理画像ｇ１１および複数の第２前処理画像ｇ１２のそれぞれに対して前記特異部抽出処理を実行する。これにより、特徴画像生成部８ｃは、複数のテスト画像ｇ１に対応する第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３のそれぞれの複数の候補を生成する。その後、特徴画像生成部８ｃは、処理を工程Ｓ４０７へ移行させる。
　＜工程Ｓ４０７＞
　工程Ｓ４０７において、特徴画像生成部８ｃは、工程Ｓ４０６で得られる前記複数の候補を集約することにより、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を生成する。その後、特徴画像生成部８ｃは、前記特徴画像生成処理を終了させる。
　例えば、特徴画像生成部８ｃは、第１特徴画像ｇ２１の複数の候補における各画素値の最大値または平均値などの代表値を第１特徴画像ｇ２１の各画素値として設定する。第２特徴画像ｇ２２および第３特徴画像ｇ２３についても同様である。
　工程Ｓ４０１～Ｓ４０４の処理は、テスト画像ｇ１と注目領域Ａｘ１および隣接領域Ａｘ２のサイズとのサイズ比の異なる複数回の前記第１前処理および前記第２前処理を実行することにより、複数の第１前処理画像ｇ１１および複数の第２前処理画像ｇ１２を生成する処理の一例である。前記圧縮率を変更することは、テスト画像ｇ１と注目領域Ａｘ１および隣接領域Ａｘ２のサイズとの前記サイズ比を変更することの一例である。
　また、工程Ｓ４０６～Ｓ４０７の処理は、複数の第１前処理画像ｇ１１および複数の第２前処理画像ｇ１２に基づく前記特異部抽出処理により、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を生成する処理の一例である。
　本応用例が採用されることにより、太さの異なる縦スジＰｓ１１もしくは横スジＰｓ１２、または、大きさの異なるノイズ点Ｐｓ１３を漏れなく抽出することができる。
　［第２応用例］
　次に、図１０に示されるフローチャートを参照しつつ、画像処理装置１０の第２応用例における前記特徴画像生成処理の手順について説明する。
　以下の説明において、Ｓ５０１，Ｓ５０２，…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程Ｓ５０１から開始される。
　＜工程Ｓ５０１～Ｓ５０５＞
　特徴画像生成部８ｃは、工程Ｓ４０１～Ｓ４０５と同じ処理である工程Ｓ５０１～Ｓ５０５の処理を実行する。工程Ｓ５０５において、特徴画像生成部８ｃは、前記複数の圧縮率候補の全てについて工程Ｓ５０１からＳ５０４の処理が実行された場合に、処理を工程Ｓ５０６へ移行させる。
　＜工程Ｓ５０６＞
　工程Ｓ５０６において、特徴画像生成部８ｃは、複数の第１前処理画像ｇ１１および複数の前記第２前処理画像をそれぞれ１つに集約する。その後、特徴画像生成部８ｃは、処理を工程Ｓ５０７へ移行させる。
　例えば、特徴画像生成部８ｃは、複数の第１前処理画像ｇ１１における各画素値の最大値または平均値などの代表値を集約後の第１特徴画像ｇ２１の各画素値として設定する。複数の第２前処理画像ｇ１２についても同様である。
　＜工程Ｓ５０６＞
　工程Ｓ５０６において、特徴画像生成部８ｃは、集約後の第１前処理画像ｇ１１および第２前処理画像ｇ１２に対して前記特異部抽出処理を実行することにより、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３を生成する。その後、特徴画像生成部８ｃは、前記特徴画像生成処理を終了させる。
　本応用例が採用される場合も、第１応用例が採用される場合と同様の効果が得られる。
　［第３応用例］
　次に、図１１に示されるフローチャートを参照しつつ、画像処理装置１０の第３応用例における前記特徴画像生成処理の手順について説明する。
　以下の説明において、Ｓ６０１，Ｓ６０２，…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程Ｓ６０１から開始される。
　以下の説明において、前記第１前処理および前記第２前処理における注目領域Ａｘ１および隣接領域Ａｘ２のサイズのことをフィルターサイズと称する。
　＜工程Ｓ６０１＞
　工程Ｓ６０１において、特徴画像生成部８ｃは、予め設定された複数のサイズ候補の中から採用する前記フィルターサイズを選択し、処理を工程Ｓ６０２へ移行させる。
　＜工程Ｓ６０２＞
　工程Ｓ６０２において、特徴画像生成部８ｃは、テスト画像ｇ１に工程Ｓ６０１で選択された前記フィルターサイズでの前記第１前処理を実行することにより、第１前処理画像ｇ１１を生成する。その後、特徴画像生成部８ｃは、処理を工程Ｓ６０３へ移行させる。
　＜工程Ｓ６０３＞
　工程Ｓ６０３において、特徴画像生成部８ｃは、テスト画像ｇ１に工程Ｓ６０１で選択された前記フィルターサイズでの前記第２前処理を実行することにより、第２前処理画像ｇ１２を生成する。その後、特徴画像生成部８ｃは、処理を工程Ｓ６０４へ移行させる。
　＜工程Ｓ６０４＞
　工程Ｓ６０４において、特徴画像生成部８ｃは、前記複数のサイズ候補の全てについて工程Ｓ６０１からＳ６０３の処理が実行された場合に、処理を工程Ｓ６０５へ移行させ、そうでない場合に、異なる前記フィルターサイズによって工程Ｓ６０１～Ｓ６０３の処理を実行する。
　特徴画像生成部８ｃは、工程Ｓ６０１～Ｓ６０４において、１つのテスト画像ｇ１に対して注目領域Ａｘ１および隣接領域Ａｘ２のサイズの異なる複数回の前記第１前処理および複数回の前記第２前処理を実行する。これにより、特徴画像生成部８ｃは、複数の第１前処理画像ｇ１１および複数の第２前処理画像ｇ１２を生成する。
　＜工程Ｓ６０５，Ｓ６０６＞
　特徴画像生成部８ｃは、工程Ｓ６０５およびＳ６０６において、図９の工程Ｓ４０６およびＳ４０７と同じ処理を実行する。その後、特徴画像生成部８ｃは、前記特徴画像生成処理を終了させる。
　工程Ｓ６０５，Ｓ６０６の処理により、第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３の複数の候補が集約され、集約後の第１特徴画像ｇ２１、第２特徴画像ｇ２２および第３特徴画像ｇ２３が生成される。
　工程Ｓ６０１～Ｓ６０４の処理は、テスト画像ｇ１と注目領域Ａｘ１および隣接領域Ａｘ２のサイズとのサイズ比の異なる複数回の前記第１前処理および前記第２前処理を実行することにより、複数の第１前処理画像ｇ１１および複数の第２前処理画像ｇ１２を生成する処理の一例である。前記フィルターサイズを変更することは、テスト画像ｇ１と注目領域Ａｘ１および隣接領域Ａｘ２のサイズとの前記サイズ比を変更することの一例である。
　本応用例が採用されることにより、太さの異なる縦スジＰｓ１１もしくは横スジＰｓ１２、または、大きさの異なるノイズ点Ｐｓ１３を漏れなく抽出することができる。
　［第４応用例］
　次に、図１１に示されるフローチャートを参照しつつ、画像処理装置１０の第４応用例における前記特徴画像生成処理の手順について説明する。
　以下の説明において、Ｓ７０１，Ｓ７０２，…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程Ｓ７０１から開始される。
　＜工程Ｓ７０１～Ｓ７０４＞
　特徴画像生成部８ｃは、工程Ｓ６０１～Ｓ６０４と同じ処理である工程Ｓ７０１～Ｓ７０４の処理を実行する。工程Ｓ７０４において、特徴画像生成部８ｃは、前記複数のサイズ候補の全てについて工程Ｓ７０１からＳ７０３の処理が実行された場合に、処理を工程Ｓ７０５へ移行させる。
　＜工程Ｓ７０５，Ｓ７０６＞
　さらに特徴画像生成部８ｃは、工程Ｓ５０６，Ｓ５０７と同じ処理である工程Ｓ７０５，Ｓ７０６の処理を実行する。その後、特徴画像生成部８ｃは、前記特徴画像生成処理を終了させる。
　本応用例が採用される場合も、第１応用例が採用される場合と同様の効果が得られる。
　［第５応用例］
　次に、画像処理装置１０の第５応用例における前記特徴画像生成処理について説明する。
　本応用例において、特徴画像生成部８ｃは、第１前処理画像ｇ１１および第２前処理画像ｇ１２の各画素値と予め定められた基準範囲との比較により、特異部Ｐｓ１を構成する画素とそうでない画素とを判別する。
　即ち、本応用例において、特徴画像生成部８ｃは、前記特異部抽出処理において、第１前処理画像ｇ１１および第２前処理画像ｇ１２の各画素値の大きさにより特異部Ｐｓ１を特定する。
　さらに特徴画像生成部８ｃは、第１前処理画像ｇ１１の特異部Ｐｓ１から第１前処理画像ｇ１１および第２前処理画像ｇ１２に共通の特異部Ｐｓ１を除くことにより縦スジＰｓ１１を抽出する。
　さらに特徴画像生成部８ｃは、第２前処理画像ｇ１２の特異部Ｐｓ１から第１前処理画像ｇ１１および第２前処理画像ｇ１２に共通の特異部Ｐｓ１を除くことにより横スジＰｓ１２を抽出する。
　さらに特徴画像生成部８ｃは、第１前処理画像ｇ１１および第２前処理画像ｇ１２に共通の特異部Ｐｓ１をノイズ点Ｐｓ１３として抽出する。
　例えば、特徴画像生成部８ｃは、第１前処理画像ｇ１１における縦スジＰｓ１１以外に判別された第１画素値Ｘｉを周囲の画素値に基づく補間値へ変換することによって第１特徴画像ｇ２１を生成する。
　同様に、特徴画像生成部８ｃは、第２前処理画像ｇ１２における横スジＰｓ１２以外に判別された第２画素値Ｙｉを周囲の画素値に基づく補間値へ変換することによって第２特徴画像ｇ２２を生成する。
　同様に、特徴画像生成部８ｃは、第１前処理画像ｇ１１におけるノイズ点Ｐｓ１３以外に判別された第１画素値Ｘｉを周囲の画素値に基づく補間値へ変換することによって第３特徴画像ｇ２３を生成する。
　或いは、特徴画像生成部８ｃは、第２前処理画像ｇ１２におけるノイズ点Ｐｓ１３以外に判別された第２画素値Ｙｉを周囲の画素値に基づく補間値へ変換することによって第３特徴画像ｇ２３を生成してもよい。

Claims (10)

  1. 　プロセッサーが、画像形成装置の出力シートから読み取られたテスト画像に基づいて画像不良の原因を判定する画像処理方法であって、
    　前記プロセッサーが、前記テスト画像に対して予め定められた特徴抽出処理を実行することにより複数の特徴画像を生成することと、
    　前記プロセッサーが、前記複数の特徴画像をそれぞれ入力画像とし、前記入力画像のパターン認識により、前記入力画像が前記画像不良に対応する予め定められた複数の原因候補のいずれに対応するかを判定する特徴パターン認識処理を実行することと、を含む、画像処理方法。
  2. 　前記プロセッサーが、前記複数の特徴画像のうちの１つ以上について、予め定められた副走査方向における予め定められた１つ以上の周期性の有無を判定し、前記周期性の判定結果に応じて前記画像不良の原因を判定する周期的特異部判定処理を実行すること、をさらに含み、
    　前記特徴パターン認識処理は、前記複数の特徴画像のうち前記周期的特異部判定処理の対象とならなかったもの、および、前記周期的特異部判定処理により前記周期性がないと判定されたものについて実行される、請求項１に記載の画像処理方法。
  3. 　前記複数の特徴画像は、第１特徴画像、第２特徴画像および第３特徴画像を含み、
    　前記特徴抽出処理は、
    　前記テスト画像から順次選択される注目画素の画素値を、前記注目画素を含む注目領域の画素値と前記注目領域に対し予め設定される処理方向において両側に隣接する２つの隣接領域の画素値との差を強調する処理により得られる変換値へ変換する主フィルター処理を含む第１前処理を、前記テスト画像の横方向を前記処理方向として実行することによって第１前処理画像を生成することと、
    　前記テスト画像の縦方向を前記処理方向とする前記主フィルター処理を含む第２前処理を実行することによって第２前処理画像を生成することと、
    　前記第１前処理画像および前記第２前処理画像における１つ以上の有意な画素からなる特異部のうち、前記第１前処理画像に存在し前記第１前処理画像および前記第２前処理画像に共通しない第１特異部が抽出された前記第１特徴画像と、前記第２前処理画像に存在し前記第１前処理画像および前記第２前処理画像に共通しない第２特異部が抽出された前記第２特徴画像と、前記第１前処理画像および前記第２前処理画像に共通する第３特異部が抽出された前記第３特徴画像と、を生成することと、を含む、請求項１に記載の画像処理方法。
  4. 　前記第１前処理は、
    　前記横方向を前記処理方向とする前記主フィルター処理を実行することによって第１主マップデータを生成することと、
    　前記テスト画像に対し、前記横方向を前記処理方向として前記注目領域と前記２つの隣接領域の一方とを対象とするエッジ強調フィルター処理を実行することによって横エッジ強度マップデータを生成することと、
    　前記第１主マップデータの各画素値を対応する前記横エッジ強度マップデータの各画素値で補正することにより前記第１前処理画像を生成することと、を含み、
    　前記第２前処理は、
    　前記縦方向を前記処理方向とする前記主フィルター処理を実行することによって第２主マップデータを生成することと、
    　前記テスト画像に対し、前記縦方向を前記処理方向として前記注目領域と前記２つの隣接領域の一方とを対象とする前記エッジ強調フィルター処理を実行することによって縦エッジ強度マップデータを生成することと、
    　前記第２主マップデータの各画素値を対応する前記縦エッジ強度マップデータの各画素値で補正することにより前記第２前処理画像を生成することと、を含む、請求項３に記載の画像処理方法。
  5. 　前記プロセッサーが、前記テスト画像について予め定められた色ごとに前記副走査方向における予め定められた１つ以上の周期性の有無を判定し、前記周期性の判定結果に応じて前記画像不良の一種である周期的濃度ムラの発生有無および原因を判定する周期的ムラ判定処理を実行すること、をさらに含む、請求項１に記載の画像処理方法。
  6. 　前記プロセッサーが、前記周期的ムラ判定処理により前記周期性が無いと判定された前記テスト画像について、予め定められた色ごとに画素値のばらつきが予め定められた許容範囲を超えるか否かを判定することにより前記画像不良の一種であるランダム濃度ムラの発生有無を判定すること、をさらに含む、請求項５に記載の画像処理方法。
  7. 　前記プロセッサーが、前記ランダム濃度ムラが発生していると判定された前記テスト画像を入力画像とし、前記入力画像のパターン認識により、前記入力画像が１つ以上の前記原因候補のいずれに対応するかを判定するランダムパターン認識処理を実行すること、をさらに含む、請求項６に記載の画像処理方法。
  8. 　前記特徴パターン認識処理は、前記複数の原因候補に対応する複数のサンプル画像を教師データとして予め学習された学習モデルにより、前記入力画像を前記複数の原因候補のいずれかに分類する処理である、請求項１に記載の画像処理方法。
  9. 　前記プロセッサーが、前記特徴パターン認識処理における判定結果に対応するメッセージを、通信装置を通じて予め定められた端末へ送信すること、をさらに含む、請求項１に記載の画像処理方法。
  10. 　請求項１に記載の画像処理方法の処理を実行するプロセッサーを備える画像処理装置。
PCT/JP2021/047456 2020-12-24 2021-12-22 画像処理方法、画像処理装置 WO2022138684A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202180069865.1A CN116390860A (zh) 2020-12-24 2021-12-22 图像处理方法、图像处理装置
JP2022571528A JPWO2022138684A1 (ja) 2020-12-24 2021-12-22
US18/031,578 US20230384989A1 (en) 2020-12-24 2021-12-22 Image processing method and image processing apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020214837 2020-12-24
JP2020-214837 2020-12-24

Publications (1)

Publication Number Publication Date
WO2022138684A1 true WO2022138684A1 (ja) 2022-06-30

Family

ID=82159746

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/047456 WO2022138684A1 (ja) 2020-12-24 2021-12-22 画像処理方法、画像処理装置

Country Status (4)

Country Link
US (1) US20230384989A1 (ja)
JP (1) JPWO2022138684A1 (ja)
CN (1) CN116390860A (ja)
WO (1) WO2022138684A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007116670A (ja) * 2005-09-20 2007-05-10 Fuji Xerox Co Ltd 故障診断システム、画像形成装置及び故障診断方法
JP2007243347A (ja) * 2006-03-06 2007-09-20 Fuji Xerox Co Ltd 故障診断システム、画像形成装置及び故障診断方法
JP2008227983A (ja) * 2007-03-13 2008-09-25 Fuji Xerox Co Ltd 電子回路装置、故障診断装置、故障診断システム、及び故障診断プログラム。
JP2020177041A (ja) * 2019-04-15 2020-10-29 キヤノン株式会社 画像形成装置
JP2020198493A (ja) * 2019-05-31 2020-12-10 株式会社リコー 画像形成装置、方法およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007116670A (ja) * 2005-09-20 2007-05-10 Fuji Xerox Co Ltd 故障診断システム、画像形成装置及び故障診断方法
JP2007243347A (ja) * 2006-03-06 2007-09-20 Fuji Xerox Co Ltd 故障診断システム、画像形成装置及び故障診断方法
JP2008227983A (ja) * 2007-03-13 2008-09-25 Fuji Xerox Co Ltd 電子回路装置、故障診断装置、故障診断システム、及び故障診断プログラム。
JP2020177041A (ja) * 2019-04-15 2020-10-29 キヤノン株式会社 画像形成装置
JP2020198493A (ja) * 2019-05-31 2020-12-10 株式会社リコー 画像形成装置、方法およびプログラム

Also Published As

Publication number Publication date
US20230384989A1 (en) 2023-11-30
JPWO2022138684A1 (ja) 2022-06-30
CN116390860A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
JP6241121B2 (ja) 画像検査装置、画像検査システム及び画像検査方法
US8780378B2 (en) Inspection apparatus, inspection method, inspection system, and storage medium
US9065938B2 (en) Apparatus, system, and method of inspecting image, and recording medium storing image inspection control program
JP2022100705A (ja) 画像処理方法、画像処理装置
JP2022100712A (ja) 画像処理方法、画像処理装置
US20220207701A1 (en) Image processing method, image processing apparatus
JP5794471B2 (ja) 制御装置、画像形成装置、及び制御方法
JP6171730B2 (ja) 画像検査装置、画像検査方法及び画像検査プログラム
JP2019158994A (ja) 診断システム、診断方法、画像形成装置およびプログラム
CN114666450B (zh) 图像处理方法和图像处理装置
JP6705305B2 (ja) 検査装置、検査方法及びプログラム
JP6635335B2 (ja) 画像検査装置及び画像形成システム
JP2022100689A (ja) 画像処理方法、画像処理装置
JP2022100709A (ja) 画像処理方法、画像処理装置
US20220207703A1 (en) Image processing method, image processing apparatus
US11715192B2 (en) Image processing method, image processing apparatus
WO2022138684A1 (ja) 画像処理方法、画像処理装置
WO2022138685A1 (ja) 画像処理方法、画像処理装置
JP5146238B2 (ja) 画像形成装置
EP3751257A1 (en) Image clarity evaluation device and method
EP2785041A1 (en) Image processing apparatus, image forming apparatus, image processing method, and program
JP2020071261A (ja) 診断システム、画像形成装置、診断方法およびプログラム

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: 21910824

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022571528

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 18031578

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21910824

Country of ref document: EP

Kind code of ref document: A1