図面 (/)

技術 画像形成装置、色変換プログラムおよび色変換方法

出願人 京セラドキュメントソリューションズ株式会社
発明者 宮永祐香
出願日 2016年3月31日 (4年8ヶ月経過) 出願番号 2016-072674
公開日 2017年10月5日 (3年2ヶ月経過) 公開番号 2017-184160
状態 特許登録済
技術分野 画像処理 FAX画像信号回路 カラー画像通信方式
主要キーワード 移動比率 角度差分 支配色 所属クラスタ プリンター専用 ネットワーク通信デバイス 特徴色 明度および彩度
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年10月5日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

入力画像の色を変換して特定の色を強調した出力画像を生成することができる画像形成装置色変換プログラムおよび色変換方法を提供する。

解決手段

MFPは、入力画像における近似色集合であるクラスターの重心としてのクラスター重心を取得し、入力画像を出力画像に変換するための色変換リストを生成し(S375)、生成した色変換リストを用いて入力画像における色を変換して出力画像を生成し(S376)、色変換リストは、クラスター重心が色空間における特定の記憶色の範囲に含まれる場合にクラスター重心が特定の記憶色の範囲の代表色に移動させられるときのクラスター重心の移動に応じた移動を、入力画像における色に行わせるための情報であることを特徴とする。

概要

背景

従来、入力画像の色を変換して出力画像を生成する場合に色域外の色を色域内に移動させる画像形成装置が知られている(例えば、特許文献1参照。)。

概要

入力画像の色を変換して特定の色を強調した出力画像を生成することができる画像形成装置、色変換プログラムおよび色変換方法を提供する。MFPは、入力画像における近似色集合であるクラスターの重心としてのクラスター重心を取得し、入力画像を出力画像に変換するための色変換リストを生成し(S375)、生成した色変換リストを用いて入力画像における色を変換して出力画像を生成し(S376)、色変換リストは、クラスター重心が色空間における特定の記憶色の範囲に含まれる場合にクラスター重心が特定の記憶色の範囲の代表色に移動させられるときのクラスター重心の移動に応じた移動を、入力画像における色に行わせるための情報であることを特徴とする。

目的

本発明は、入力画像の色を変換して特定の色を強調した出力画像を生成することができる画像形成装置、色変換プログラムおよび色変換方法を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

入力画像における近似色集合であるクラスターの重心を取得する重心取得手段と、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段と、前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段とを備え、前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする画像形成装置

請求項2

前記重心取得手段は、前記入力画像における色が所属する前記クラスターを判断する場合に、対象の2色の色差が特定の色差より小さく前記対象の2色の色相角の差分の絶対値が特定の差分以下であるとき前記対象の2色同士を近似色であると判断し、前記特定の差分は、前記対象の2色の色相角が特定の角度範囲に含まれる場合に、前記対象の2色の色相角が前記特定の角度範囲に含まれない場合と比較して大きく、前記特定の角度範囲は、前記特定の範囲の色相角を含むことを特徴とする請求項1に記載の画像形成装置。

請求項3

前記特定の範囲は、特定の記憶色の範囲であることを特徴とする請求項1または請求項2に記載の画像形成装置。

請求項4

入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段、および、前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段として画像形成装置を機能させ、前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする色変換プログラム

請求項5

入力画像における近似色の集合であるクラスターの重心を取得する重心取得ステップと、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成ステップと、前記色変換情報生成ステップによって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成ステップとを備え、前記色変換情報は、前記重心取得ステップによって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする色変換方法

技術分野

0001

本発明は、入力画像の色を変換して出力画像を生成する画像形成装置色変換プログラムおよび色変換方法に関する。

背景技術

0002

従来、入力画像の色を変換して出力画像を生成する場合に色域外の色を色域内に移動させる画像形成装置が知られている(例えば、特許文献1参照。)。

先行技術

0003

特開2015−159542号公報

発明が解決しようとする課題

0004

入力画像の色を変換して特定の色を強調した出力画像を生成することが好ましい場合がある。

0005

ここで、多数の人間が植物の葉、空、人間の肌など、特定の対象の理想的な色として記憶している色、すなわち、記憶色が存在する。したがって、例えば、入力画像に記憶色の近似色が含まれる場合に、入力画像の色を変換して記憶色を強調した出力画像を生成することが好ましい場合がある。

0006

しかしながら、従来の画像形成装置は、入力画像の色を変換して出力画像を生成する場合に色域外の色を色域内に移動させるものではあるが、入力画像の色を変換して特定の色を強調した出力画像を生成するものではない。

0007

そこで、本発明は、入力画像の色を変換して特定の色を強調した出力画像を生成することができる画像形成装置、色変換プログラムおよび色変換方法を提供することを目的とする。

課題を解決するための手段

0008

本発明の画像形成装置は、入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段と、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段と、前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段とを備え、前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする。

0009

この構成により、本発明の画像形成装置は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の範囲に含まれる場合に、この重心がこの範囲の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の範囲の色を強調した出力画像を生成することができる。

0010

本発明の画像形成装置において、前記重心取得手段は、前記入力画像における色が所属する前記クラスターを判断する場合に、対象の2色の色差が特定の色差より小さく前記対象の2色の色相角の差分の絶対値が特定の差分以下であるとき前記対象の2色同士を近似色であると判断し、前記特定の差分は、前記対象の2色の色相角が特定の角度範囲に含まれる場合に、前記対象の2色の色相角が前記特定の角度範囲に含まれない場合と比較して大きく、前記特定の角度範囲は、前記特定の範囲の色相角を含んでも良い。

0011

この構成により、本発明の画像形成装置は、対象の2色の色相角が特定の角度範囲に含まれる場合に、対象の2色の色相角が特定の角度範囲に含まれない場合と比較して、対象の2色同士を近似色であると判断するための色相角の差分が大きいので、特定の範囲の色相角を含む特定の角度範囲に含まれる色同士を、この角度範囲に含まれない色同士と比較して、同一のクラスターとして判断する傾向が強く、特定の範囲にクラスターの重心が多数含まれる可能性を抑えることができる。したがって、本発明の画像形成装置は、多数のクラスターの重心が同一の色に移動させられるように入力画像の色が変換される可能性を抑えることができ、特定の範囲の色を強調した自然な出力画像を生成することができる。

0012

本発明の画像形成装置において、前記特定の範囲は、特定の記憶色の範囲であっても良い。

0013

この構成により、本発明の画像形成装置は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の記憶色の範囲に含まれる場合に、この重心がこの記憶色の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の記憶色を強調した出力画像を生成することができる。

0014

本発明の色変換プログラムは、入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段、および、前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段として画像形成装置を機能させ、前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする。

0015

この構成により、本発明の色変換プログラムを実行する画像形成装置は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の範囲に含まれる場合に、この重心がこの範囲の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の範囲の色を強調した出力画像を生成することができる。

0016

本発明の色変換方法は、入力画像における近似色の集合であるクラスターの重心を取得する重心取得ステップと、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成ステップと、前記色変換情報生成ステップによって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成ステップとを備え、前記色変換情報は、前記重心取得ステップによって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする。

0017

この構成により、本発明の色変換方法は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の範囲に含まれる場合に、この重心がこの範囲の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の範囲の色を強調した出力画像を生成することができる。

発明の効果

0018

本発明の画像形成装置、色変換プログラムおよび色変換方法は、入力画像の色を変換して特定の色を強調した出力画像を生成することができる。

図面の簡単な説明

0019

本発明の一実施の形態に係るMFPのブロック図である。
外部から入力された印刷データに基づいた印刷を実行する場合の図1に示すMFPの動作のフローチャートである。
図2に示す入力値取得処理のフローチャートである。
図2に示す特徴色取得処理のフローチャートである。
図4に示す処理において生成されたデータ列を示すグラフの一例である。
図4に示す重心初期値算出処理のフローチャートである。
図6に示す処理においてソートされたデータ列を示すグラフの一例である。
図6に示す登録フラグ更新処理のフローチャートである。
図8に示す処理において算出される色相角を示す図である。
図8に示す処理において特別の補正が行われる角度範囲の一例を示す図である。
図8に示す処理における判断基準を示す図である。
図4に示すクラスター分析処理のフローチャートである。
図12に示す所属クラスタ決定処理のフローチャートである。
図12に示すクラスター重心更新処理のフローチャートである。
図2に示す色調整処理のフローチャートである。
(a)図15に示す処理において使用される植物の葉の記憶色の範囲を含む色相面を示す図である。 (b)図16(a)に示す範囲の角度範囲を示す図である。
図16に示す植物の葉の記憶色の代表値を含む色相面でのクラスター重心の移動方向を示す図である。
図16に示す植物の葉の記憶色の代表値を含む色相面での色の移動方向を示す図である。
図16に示す植物の葉の記憶色の代表値を含む色相面での色の移動量を示す図である。
図16に示す植物の葉の記憶色の代表値の周辺の色の三次元空間での移動範囲を示す図である。
(a)図15に示す処理において使用される空の記憶色の範囲を含む色相面を示す図である。 (b)図21(a)に示す範囲の角度範囲を示す図である。
図21に示す空の記憶色の代表値を含む色相面でのクラスター重心の移動方向を示す図である。
(a)図15に示す処理において使用される人間の肌の記憶色の範囲を含む色相面を示す図である。 (b)図23(a)に示す範囲の角度範囲を示す図である。
図23に示す人間の肌の記憶色の代表値を含む色相面でのクラスター重心の移動方向を示す図である。

実施例

0020

以下、本発明の実施の形態について、図面を用いて説明する。

0021

まず、本発明の一実施の形態に係る画像形成装置としてのMFP(Multifunction Peripheral)の構成について説明する。

0022

図1は、本実施の形態に係るMFP10のブロック図である。

0023

図1に示すように、MFP10は、種々の操作が入力されるボタンなどの入力デバイスである操作部11と、種々の情報を表示するLCD(Liquid Crystal Display)などの表示デバイスである表示部12と、用紙などの記録媒体に印刷を実行する印刷デバイスであるプリンター13と、原稿から画像を読み取る読取デバイスであるスキャナー14と、図示していない外部のファクシミリ装置公衆電話回線などの通信回線経由ファックス通信を行うファックスデバイスであるファックス通信部15と、LAN(Local Area Network)、インターネットなどのネットワーク経由で外部の装置と通信を行うネットワーク通信デバイスであるネットワーク通信部16と、各種の情報を記憶する半導体メモリー、HDD(Hard Disk Drive)などの不揮発性記憶デバイスである記憶部17と、MFP10全体を制御する制御部18とを備えている。

0024

記憶部17は、色を変換する色変換プログラム17aを記憶可能である。色変換プログラム17aは、MFP10の製造段階でMFP10にインストールされていても良いし、SDカード、USB(Universal Serial Bus)メモリーなどの外部の記憶媒体からMFP10に追加でインストールされても良いし、ネットワーク上からMFP10に追加でインストールされても良い。

0025

制御部18は、例えば、CPU(Central Processing Unit)と、プログラムおよび各種のデータを記憶しているROM(Read Only Memory)と、CPUの作業領域として用いられるRAM(Random Access Memory)とを備えている。CPUは、記憶部17またはROMに記憶されているプログラムを実行する。

0026

制御部18は、記憶部17に記憶されている色変換プログラム17aを実行することによって、外部から入力された印刷データに含まれる画像(以下「入力画像」と言う。)における近似色の集合であるクラスターの重心(以下「クラスター重心」と言う。)を取得する重心取得手段18a、入力画像を出力画像に変換するための色変換情報としての色変換リストを生成する色変換情報生成手段18b、および、色変換情報生成手段18bによって生成された色変換リストを用いて入力画像における色を変換して出力画像を生成する出力画像生成手段18cとして機能する。

0027

次に、MFP10の動作について説明する。

0028

図2は、外部から入力された印刷データに基づいた印刷を実行する場合のMFP10の動作のフローチャートである。

0029

図2に示すように、重心取得手段18aは、印刷データに含まれる画像としての入力画像内RGB値(以下「入力値」と言う。)を取得する入力値取得処理を実行する(S101)。

0030

次いで、重心取得手段18aは、S101において取得された入力値に基づいて、入力画像におけるドミナントカラー支配色)の代表色、すなわち、入力画像の特徴色として、クラスター重心を取得する特徴色取得処理を実行する(S102)。

0031

次いで、色変換情報生成手段18bおよび出力画像生成手段18cは、S102において求められた代表色に応じて入力画像の色を調整して出力画像を生成する色調整処理を実行する(S103)。

0032

次いで、出力画像生成手段18cは、S103において生成された出力画像をプリンター13によって印刷して(S104)、図2に示す動作を終了する。

0033

図3は、S101の入力値取得処理のフローチャートである。

0034

図3に示すように、重心取得手段18aは、印刷データからカラー画像である入力画像、すなわち、色を再現する部分を取得する(S131)。

0035

次いで、重心取得手段18aは、S131において取得した入力画像における画素毎のRGB値としての入力値を取得して(S132)、図3に示す処理を終了する。

0036

図4は、S102の特徴色取得処理のフローチャートである。

0037

図4に示すように、重心取得手段18aは、S132において画素毎に取得された入力値に基づいて、入力画像におけるRGB値毎の頻度を示すデータを求める(S161)。S161の処理によって、S132において画素毎に取得された入力値から、各画素を識別するための情報が削除されて、色情報のみとなる。したがって、後続の処理において扱われるデータ量を低減することができる。

0038

次いで、重心取得手段18aは、S161において求めたデータから頻度が0のRGB値を省くことによって、入力画像におけるRGB値と、頻度との関係を示すデータ列MLを生成する(S162)。

0039

図5は、S162において生成されたデータ列MLを示すグラフの一例である。

0040

図5に示すように、S162において生成されたデータ列MLは、頻度とは無関係の特定の規則でRGB値が並べられている。

0041

図4に示すように、重心取得手段18aは、S162の処理の後、S162において生成したデータ列MLに基づいて、クラスター重心の初期値を算出する重心初期値算出処理を実行する(S163)。

0042

次いで、重心取得手段18aは、S163において算出した初期値を使用して、クラスター重心を求めるクラスター分析処理を実行して(S164)、図4に示す処理を終了する。

0043

図6は、S163の重心初期値算出処理のフローチャートである。

0044

図6に示すように、重心取得手段18aは、S162において生成されたデータ列MLを、頻度をキー降順にソートする(S201)。

0045

図7は、S201においてソートされたデータ列MLを示すグラフの一例である。

0046

図7に示すデータ列MLは、図5に示すデータ列がS201の処理によってソートされたものである。図7に示すように、S201においてソートされたデータ列MLは、頻度の大きいRGB値から頻度の小さいRGB値へ向かう順番でRGB値が並べられている。

0047

図6に示すように、重心取得手段18aは、S201の処理の後、データ列MLのデータ数NL、すなわち、データ列MLにおけるRGB値の種類の数を求める(S202)。

0048

以下、S201においてソートされたデータ列MLの各RGB値を変数jを用いてRGB値Ljとして表す。ここで、変数jは、1以上の整数になることが可能である。例えば、S201においてソートされたデータ列MLの先頭のRGB値、すなわち、頻度が最も大きいRGB値は、RGB値L1である。また、S201においてソートされたデータ列MLの最後のRGB値、すなわち、頻度が最も小さいRGB値は、RGB値LNLである。

0049

また、登録される各クラスター重心を変数iを用いてクラスター重心Aiとして表す。ここで、変数iは、1以上の整数になることが可能である。

0050

また、RGB値Ljをクラスター重心Aiとして登録するか否かの判断に使用される登録フラグを変数iを用いて登録フラグFiとして表す。登録フラグFiは、Trueと、Falseとの何れかの値になることが可能である。登録フラグFiがTrueである状態は、対象のRGB値Ljがクラスター重心の候補である状態を示している。一方、登録フラグFiがFalseである状態は、対象のRGB値Ljがクラスター重心の候補ではない状態を示している。

0051

重心取得手段18aは、S202の処理の後、変数iおよび変数jに1を代入する(S203)。

0052

次いで、重心取得手段18aは、RGB値Ljをクラスター重心Aiとして登録する(S204)。すなわち、重心取得手段18aは、データ列MLにおいて頻度が最も大きいRGB値を1つ目のクラスター重心として登録する。

0053

重心取得手段18aは、S204の処理の後、変数i、すなわち、クラスター重心の登録数が一定数Ncに達したか否かを判断する(S205)。

0054

重心取得手段18aは、クラスター重心の登録数が一定数Ncに達していないとS205において判断すると、変数jがS202において求めたデータ数NLであるか否かを判断する(S206)。

0055

重心取得手段18aは、変数jの値がデータ数NLではない、すなわち、S201においてソートされたデータ列MLの最後のRGB値まで処理を終了していないとS206において判断すると、変数jに1を加算する(S207)。

0056

次いで、重心取得手段18aは、登録フラグFiをTrueに初期化する(S208)。

0057

重心取得手段18aは、S208の処理の後、RGB値Ljと、登録済みのクラスター重心との色空間における位置関係に基づいて登録フラグFiを更新する登録フラグ更新処理を実行する(S209)。

0058

次いで、重心取得手段18aは、登録フラグFiがTrueであるか否かを判断する(S210)。

0059

重心取得手段18aは、登録フラグFiがTrueであるとS210において判断すると、変数iに1を加算して(S211)、S204の処理を実行する。すなわち、重心取得手段18aは、RGB値Ljを追加のクラスター重心として登録する。

0060

重心取得手段18aは、登録フラグFiがTrueではないとS210において判断すると、S206の処理を実行する。

0061

重心取得手段18aは、クラスター重心の登録数が一定数Ncに達したとS205において判断するか、変数jの値がデータ数NLである、すなわち、S201においてソートされたデータ列MLの最後のRGB値まで処理を終了したとS206において判断すると、図6に示す処理を終了する。すなわち、重心取得手段18aは、クラスター重心の登録数が一定数Ncに達するか、データ列MLの最後のRGB値まで処理を終了すると、クラスター重心の登録を終了する。なお、10個など、ある程度の個数のクラスター重心によって十分な精度の色再現が可能であるので、クラスター重心の登録数は、一定数Ncを上限としている。

0062

図8は、S209の登録フラグ更新処理のフローチャートである。

0063

図8に示すように、重心取得手段18aは、RGB値Ljに対応するLab値を算出する(S231)。ここで、重心取得手段18aは、入力画像にプロファイルが含まれている場合、入力画像に含まれるプロファイルに応じて、RGB値Ljに対応するLab値を算出する。一方、重心取得手段18aは、入力画像にプロファイルが含まれていない場合、RGB値LjをsRGB(standard RGB)値に変換した後、このsRGB値のLab値を算出することによって、RGB値Ljに対応するLab値を算出する。

0064

重心取得手段18aは、S231の処理の後、RGB色空間におけるRGB値Ljの色相角を算出する(S232)。ここで、重心取得手段18aは、RGB色空間において白および黒を通る直線としての中心軸まわりの角度として、RGB値Ljの色相角を算出する。

0065

図9は、S232において算出される色相角を示す図である。

0066

図9は、白および黒を通る直線の延在方向にRGB色空間を観察した場合の図である。Redの色相角を0°として、Yellow、Green、Cyan、Blue、Magentaをそれぞれ60°、120°、180°、240°(−120°)、300°(−60°)とする。

0067

図8に示すように、重心取得手段18aは、S232の処理の後、変数kに1を代入する(S233)。ここで、変数kは、1以上の整数になることが可能である。

0068

重心取得手段18aは、S233の処理の後、S231の処理と同様に、クラスター重心Akに対応するLab値を算出する(S234)。

0069

次いで、重心取得手段18aは、S231において算出したLab値と、S234において算出したLab値とに基づいて、RGB値Ljと、クラスター重心Akとの色差ΔEを算出する(S235)。

0070

次いで、重心取得手段18aは、S235において算出した色差ΔEが特定の色差E1以下であるか否かを判断する(S236)。

0071

重心取得手段18aは、色差ΔEが色差E1より大きいとS236において判断すると、S235において算出した色差ΔEが特定の色差E2以上であるか否かを判断する(S237)。ここで、色差E2は、色差E1より大きい。

0072

重心取得手段18aは、色差ΔEが色差E2より小さいとS237において判断すると、S232の処理と同様に、RGB色空間におけるクラスター重心Akの色相角を算出する(S238)。

0073

次いで、重心取得手段18aは、S232において算出した色相角と、S238において算出した色相角とに基づいて、RGB値Ljと、クラスター重心Akとの角度差分Degを算出する(S239)。ここで、角度差分Degは、S232において算出した色相角と、S238において算出した色相角との差の絶対値である。

0074

重心取得手段18aは、S239の処理の後、S232において算出した色相角と、S238において算出した色相角との両方が緑色付近の特定の角度範囲21(図10参照。)内に存在するか否かを判断する(S240)。

0075

図10は、図8に示す処理において特別の補正が行われる角度範囲の一例を示す図である。

0076

図10に示すように、緑色付近の特定の角度範囲21は、60°〜140°の角度範囲である。角度範囲21は、植物の葉の色のための緑色を含む緑色付近の角度範囲である。葉の色としては、互いに微妙に異なる様々な緑色付近の色が存在する。しかしながら、人間は、通常、それらの微妙に異なる様々な色を略同一の色として認識する。すなわち、多数の人間が葉の理想的な色として記憶している色、すなわち、葉の記憶色が存在する。角度範囲21は、葉の記憶色を含む角度範囲であり、範囲内に含まれる2色が同一のクラスターの色として扱われ易くするための範囲である。

0077

付近の特定の角度範囲22は、200°(−160°)〜230°(−130°)の角度範囲である。角度範囲22は、空の色のための青色付近の角度範囲である。空の色としては、互いに微妙に異なる様々な青色付近の色が存在する。しかしながら、人間は、通常、それらの微妙に異なる様々な色を略同一の色として認識する。すなわち、多数の人間が空の理想的な色として記憶している色、すなわち、空の記憶色が存在する。角度範囲22は、空の記憶色を含む角度範囲であり、範囲内に含まれる2色が同一のクラスターの色として扱われ易くするための範囲である。

0078

図8に示すように、重心取得手段18aは、S232において算出した色相角と、S238において算出した色相角との両方が角度範囲21内に存在するとS240において判断すると、S239において算出した角度差分Degに係数0.25を掛けて新たな角度差分Degとする(S241)。なお、係数0.25は、一例であり、設計次第である。

0079

重心取得手段18aは、S232において算出した色相角と、S238において算出した色相角との少なくとも一方が角度範囲21内に存在しないとS240において判断すると、S232において算出した色相角と、S238において算出した色相角との両方が青色付近の特定の角度範囲22(図10参照。)内に存在するか否かを判断する(S242)。

0080

重心取得手段18aは、S232において算出した色相角と、S238において算出した色相角との両方が角度範囲22内に存在するとS242において判断すると、S239において算出した角度差分Degに係数0.8を掛けて新たな角度差分Degとする(S243)。なお、係数0.8は、一例であり、設計次第である。

0081

重心取得手段18aは、S232において算出した色相角と、S238において算出した色相角との少なくとも一方が角度範囲22内に存在しないとS242において判断するか、S241またはS243の処理を実行すると、角度差分Degが特定の角度差分Deg1以下であるか否かを判断する(S244)。

0082

重心取得手段18aは、色差ΔEが色差E2以上であるとS237において判断するか、角度差分Degが角度差分Deg1より大きいとS244において判断すると、変数kの値と、変数iの値とが同一であるか否かを判断する(S245)。

0083

重心取得手段18aは、変数kの値と、変数iの値とが同一ではないとS245において判断すると、変数kに1を加算して(S246)、S234の処理を実行する。

0084

重心取得手段18aは、色差ΔEが色差E1以下であるとS236において判断するか、角度差分Degが角度差分Deg1以下であるとS244において判断すると、登録フラグFiをFalseに変更して(S247)、図8に示す処理を終了する。

0085

重心取得手段18aは、変数kの値と、変数iの値とが同一であるとS245において判断すると、図8に示す処理を終了する。

0086

図11は、図8に示す処理における判断基準を示す図である。

0087

図11に示すように、登録済みのクラスター重心Akの何れかに対して、色差ΔEが色差E1以下である場合(S236でYES)には、RGB値Ljは、そのクラスター重心Akと近似色であると考えられるので、そのクラスター重心Akと同一のクラスターに所属すべきであり、新たなクラスター重心の候補とはされない(S247)。また、登録済みのクラスター重心Akの何れかに対して、色差ΔEが色差E1より大きく色差E2より小さくて角度差分Degが角度差分Deg1以下である場合(S244でYES)にも、RGB値Ljは、そのクラスター重心Akと明度および彩度の少なくとも一方が多少異なるものの、色相が近いため、人間の感覚として、そのクラスター重心Akと近似色であると考えられても良いので、そのクラスター重心Akと同一のクラスターに所属すべきであり、新たなクラスター重心の候補とはされない(S247)。

0088

一方、登録済みのクラスター重心Akの何れに対しても、色差ΔEが色差E2以上である(S237でYES)か、色差ΔEが色差E1より大きく色差E2より小さくて角度差分Degが角度差分Deg1より大きい(S244でYES)場合には、RGB値Ljは、登録済みのクラスター重心Akの何れとも異なるクラスターに所属すべきであるので、新たなクラスター重心の候補とされる(S208)。なお、角度差分Degは、RGB値Ljおよびクラスター重心Akの両方の色相角が角度範囲21または角度範囲22に含まれる場合に小さくされる(S241またはS243)。すなわち、角度差分Deg1は、RGB値Ljおよびクラスター重心Akの両方の色相角が角度範囲21または角度範囲22に含まれる場合に、RGB値Ljおよびクラスター重心Akの少なくとも一方の色相角が角度範囲21および角度範囲22の何れにも含まれない場合と比較して実質的に大きい。

0089

以上において説明したように、図6に示す重心初期値算出処理においては、同一のクラスターに所属すべきRGB値Ljが複数存在する場合、そのうち最も頻度が高いRGB値Ljがクラスター重心として登録される。登録されるクラスター重心の個数、すなわち、クラスターの個数は、iである。

0090

図12は、S164のクラスター分析処理のフローチャートである。

0091

図12に示すように、重心取得手段18aは、変数kに1を代入する(S261)。

0092

次いで、重心取得手段18aは、データ列MLのRGB値のうちクラスターCkに所属しているRGB値の個数(以下「所属数」と言う。)として、クラスター重心Akの更新前の所属数(以下「更新前所属数」と言う。)Nbkと、クラスター重心Akの更新後の所属数(以下「更新後所属数」と言う。)Nakとを0に初期化する(S262)。ここで、クラスターCkは、クラスター重心Akが所属するクラスターである。

0093

重心取得手段18aは、S262の処理の後、変数kの値と、変数iの値とが同一であるか否かを判断する(S263)。

0094

重心取得手段18aは、変数kの値と、変数iの値とが同一ではないとS263において判断すると、変数kに1を加算して(S264)、S262の処理を実行する。

0095

重心取得手段18aは、変数kの値と、変数iの値とが同一であるとS263において判断すると、変数jに1を代入する(S265)。

0096

次いで、重心取得手段18aは、RGB値Ljが所属するクラスターCkを決定する所属クラスター決定処理を実行する(S266)。

0097

次いで、重心取得手段18aは、S266の処理の後、変数jの値がデータ数NLであるか否かを判断する(S267)。

0098

重心取得手段18aは、変数jの値がデータ数NLではないとS267において判断すると、変数jに1を加算して(S268)、S266の処理を実行する。

0099

重心取得手段18aは、変数jの値がデータ数NLであるとS267において判断すると、データ列MLにおけるRGB値および頻度と、このRGB値が何れのクラスターに所属するかのS266における決定結果とに基づいて、クラスター重心を更新するクラスター重心更新処理を実行する(S269)。

0100

次いで、重心取得手段18aは、変数kに1を代入する(S270)。

0101

次いで、重心取得手段18aは、クラスター重心Akの更新前所属数Nbkと、クラスター重心Akの更新後所属数Nakとが異なるか否かを判断する(S271)。

0102

重心取得手段18aは、クラスター重心Akの更新前所属数Nbkと、クラスター重心Akの更新後所属数Nakとが異なるとS271において判断すると、変数kに1を代入する(S272)。

0103

次いで、重心取得手段18aは、クラスター重心Akの更新前所属数Nbkを、クラスター重心Akの更新後所属数Nakにする(S273)。

0104

次いで、重心取得手段18aは、変数kの値と、変数iの値とが同一であるか否かを判断する(S274)。

0105

重心取得手段18aは、変数kの値と、変数iの値とが同一ではないとS274において判断すると、変数kに1を加算して(S275)、S273の処理を実行する。

0106

重心取得手段18aは、変数kの値と、変数iの値とが同一であるとS274において判断すると、S265の処理を実行する。

0107

重心取得手段18aは、クラスター重心Akの更新前所属数Nbkと、クラスター重心Akの更新後所属数Nakとが異ならないとS271において判断すると、変数kの値と、変数iの値とが同一であるか否かを判断する(S276)。

0108

重心取得手段18aは、変数kの値と、変数iの値とが同一ではないとS276において判断すると、変数kに1を加算して(S277)、S271の処理を実行する。

0109

重心取得手段18aは、変数kの値と、変数iの値とが同一であるとS276において判断すると、図12に示す処理を終了する。

0110

図12に示す処理は、クラスター重心の更新前後で各クラスターの所属数が変動しなくなる(S276でYES)まで、クラスター重心の更新が行われる(S269)。したがって、重心取得手段18aは、入力画像における最適なクラスター重心を求めることができる。

0111

図13は、S266の所属クラスター決定処理のフローチャートである。

0112

なお、RGB値Ljが何れのクラスターに所属するかを決定するための方法は、例えば最小二乗法を利用する方法など、多数存在する。ここでは、例として、最小二乗法を利用する方法について説明する。

0113

図13に示すように、重心取得手段18aは、変数kに1を代入する(S301)。

0114

次いで、重心取得手段18aは、RGB値Ljに対応するLab値と、クラスター重心Akに対応するLab値とのLab色空間における距離を算出する(S302)。

0115

次いで、重心取得手段18aは、変数kの値と、変数iの値とが同一であるか否かを判断する(S303)。

0116

重心取得手段18aは、変数kの値と、変数iの値とが同一ではないとS303において判断すると、変数kに1を加算して(S304)、S302の処理を実行する。

0117

重心取得手段18aは、変数kの値と、変数iの値とが同一であるとS303において判断すると、S302において算出された距離に基づいて、RGB値Ljに対応するLab値との距離が最も短いクラスター重心を特定する(S305)。なお、重心取得手段18aは、RGB値Ljに対応するLab値との距離が最も短いクラスター重心が複数存在する場合、これら複数のクラスター重心の中でS163の処理の直後に最も高い頻度のRGB値であったクラスター重心をS305において特定する。

0118

次いで、重心取得手段18aは、S305において特定したクラスター重心が所属するクラスターを、RGB値Ljが所属するクラスターとして決定する(S306)。例えば、重心取得手段18aは、S305においてクラスター重心A10を特定した場合、RGB値Ljが所属するクラスターとしてクラスターC10を決定する。

0119

次いで、重心取得手段18aは、S306において決定したクラスターの更新後所属数を1加算して(S307)、図13に示す処理を終了する。例えば、重心取得手段18aは、S306においてクラスターC10を決定した場合、クラスターC10の更新後所属数Na10を1加算する。

0120

図14は、S269のクラスター重心更新処理のフローチャートである。

0121

図14に示すように、重心取得手段18aは、変数kに1を代入する(S331)。

0122

次いで、重心取得手段18aは、数1に示すように、頻度を重みにしたR値B値G値のそれぞれの平均を求めることによってクラスター重心Akを更新する(S332)。数1において、Rk、Gk、Bkは、それぞれ、更新後のクラスター重心AkのR値、G値、B値である。Rl、Gl、Blは、それぞれ、クラスターCkに所属しているRGB値のR値、G値、B値である。Histlは、クラスターCkに所属しているRGB値のデータ列MLにおける頻度である。例えば、クラスターCkにRGB値L10、L20、L30が所属している場合、RGB値L10のR値、頻度をそれぞれR10、Hist10とし、RGB値L20のR値、頻度をそれぞれR20、Hist20とし、RGB値L30のR値、頻度をそれぞれR30、Hist30とすると、Rkは、(R10・Hist10+R20・Hist20+R30・Hist30)/(Hist10+Hist20+Hist30)となる。

0123

重心取得手段18aは、S332の処理の後、変数kの値と、変数iの値とが同一であるか否かを判断する(S333)。

0124

重心取得手段18aは、変数kの値と、変数iの値とが同一ではないとS333において判断すると、変数kに1を加算して(S334)、S332の処理を実行する。

0125

重心取得手段18aは、変数kの値と、変数iの値とが同一であるとS333において判断すると、図14に示す処理を終了する。

0126

図15は、S103の色調整処理のフローチャートである。

0127

図15に示すように、色変換情報生成手段18bは、データ列MLの全てのRGB値をコピーしてデータ列MLaを生成する(S361)。

0128

次いで、色変換情報生成手段18bは、フラグFをFalseに初期化する(S362)。なお、フラグFは、Trueと、Falseとの何れかの値になることが可能である。

0129

色変換情報生成手段18bは、S362の処理の後、変数kに1を代入する(S363)。

0130

次いで、色変換情報生成手段18bは、植物の葉の記憶色の範囲30(図16参照。)内にクラスター重心Akが存在するか否かを判断する(S364)。

0131

図16(a)は、植物の葉の記憶色の範囲30を含む色相面を示す図である。図16(b)は、範囲30の角度範囲30aを示す図である。

0132

図16(a)に示す色相面は、植物の葉の記憶色の代表色を示す代表値31を含む色相面である。範囲30は、図16(b)に示す角度範囲30aの全域に亘って図16(a)に示す大きさおよび形状であるわけではない。角度範囲30aは、角度範囲21に含まれる。なお、MFP10の製造者は、事前に例えば何百種類の画像を分析して範囲30および代表値31を定める。

0133

図15に示すように、色変換情報生成手段18bは、植物の葉の記憶色の範囲30内にクラスター重心Akが存在するとS364において判断すると、クラスター重心Akを植物の葉の記憶色の代表値31に移動させる場合のデータ列MLaの各RGB値の移動方向および移動量を求める(S365)。

0134

ここで、MFP10は、色の変更方法として、まず色相角の方向に移動させ、次いで色相面内で移動させる方法が採用されている。なお、色の変更は、Lch色空間で行われる。

0135

まず、クラスター重心Akは、植物の葉の記憶色の代表値31の色相角に移動させられることによって、代表値31を含む色相面上の点Pとされる。次いで、代表値31を含む色相面で点Pは代表値31に移動させられる。

0136

図17は、植物の葉の記憶色の代表値31を含む色相面でのクラスター重心Akの移動方向を示す図である。

0137

図17においては、クラスター重心Akを点Pとし、植物の葉の記憶色の代表値31を点Rとして表している。植物の葉の記憶色の代表値31の周辺の色に関しては、直線PRが色相面における明度方向の下端の線の延長線と交わる点Sに向かう方向に向いたベクトルを形成する。葉は、彩度を上げて明るさを出すと綺麗に見えるからである。

0138

図18は、植物の葉の記憶色の代表値31を含む色相面での色の移動方向を示す図である。

0139

図18に示すように、植物の葉の記憶色の代表値31の周辺の色である点Unは、クラスター重心Akが植物の葉の記憶色の代表値31に移動させられる場合、点Sに向かう方向に移動させられて点Vnとなる。

0140

ここで、ベクトルUnVnの大きさは、ベクトルPRの大きさとは異なる。ベクトルPRの大きさと、ベクトルUnVnの大きさとの比率は、点Pと、点Unとの位置関係によって求められる。

0141

図19は、植物の葉の記憶色の代表値31を含む色相面での色の移動量を示す図である。

0142

図18に示すベクトルPRをx軸成分とするとともにベクトルPRと直角に交わる直線をy軸成分として、アフィン変換を行って座標を回転および平行移動をすると、図19に示すようになる。

0143

図19に示すように、点Pおよび点Rに基づいて、特定の曲線(例えば卵型)を考える。そして、その曲線と、直線PUnとの交点である点Tを得る。△TUnVnと、△TPRとは相似であるので、線分PT:線分PUn=1:αである場合、線分PR:線分UnVn=1:(1−α)である。ここで、線分PTおよび線分PUnのそれぞれの長さは計算によって得られる。したがって、線分PRに対する線分UnVnの比率(1−α)は、計算によって得られる。すなわち、ベクトルUnVnの大きさは、ベクトルPRの大きさに対して、(1−α)倍である。

0144

図20は、植物の葉の記憶色の代表値31の周辺の色の三次元空間での移動範囲を示す図である。

0145

色空間は、二次元ではなく、三次元なので、色相角の成分の次元を定義する必要がある。図20に示すように、y軸成分と、色相角の成分との二次元で見た場合、真円になるように定義する。そのため、色相角の成分については、y成分と同等量の扱いとなる。すなわち、植物の葉の記憶色の代表値31の周辺の色は、色相角の方向においても、点Pからの距離に応じた移動比率を掛けて移動量を算出することができる。

0146

図15に示すように、色変換情報生成手段18bは、S365の処理の後、S365において求めた移動方向および移動量をデータ列MLaに適用して(S366)、フラグFをTrueにする(S367)。

0147

色変換情報生成手段18bは、植物の葉の記憶色の範囲30内にクラスター重心Akが存在しないとS364において判断すると、空の記憶色の範囲40(図21参照。)内にクラスター重心Akが存在するか否かを判断する(S368)。

0148

図21(a)は、空の記憶色の範囲40を含む色相面を示す図である。図21(b)は、範囲40の角度範囲40aを示す図である。

0149

図21(a)に示す色相面は、空の記憶色の代表色を示す代表値41を含む色相面である。範囲40は、図21(b)に示す角度範囲40aの全域に亘って図21(a)に示す大きさおよび形状であるわけではない。角度範囲40aは、角度範囲22に含まれる。なお、MFP10の製造者は、事前に例えば何百種類の画像を分析して範囲40および代表値41を定める。ただし、代表値41は、色相のみが定められる。

0150

図15に示すように、色変換情報生成手段18bは、空の記憶色の範囲40内にクラスター重心Akが存在するとS368において判断すると、クラスター重心Akを空の記憶色の代表値41に移動させる場合のデータ列MLaの各RGB値の移動方向および移動量を求める(S369)。

0151

ここで、MFP10は、色の変更方法として、まず色相角の方向に移動させ、次いで色相面内で移動させる方法が採用されている。なお、色の変更は、Lch色空間で行われる。

0152

まず、クラスター重心Akは、空の記憶色の代表値41の色相角に移動させられることによって、代表値41を含む色相面上の点Pとされる。次いで、代表値41を含む色相面で点Pは代表値41に移動させられる。

0153

図22は、空の記憶色の代表値41を含む色相面でのクラスター重心Akの移動方向を示す図である。

0154

図22においては、クラスター重心Akを点Pとし、空の記憶色の代表値41を点Rとして表している。点Rは、点Pから明度成分のみが上がる方向に延長した線と、色相面の明度方向の上端の線との交点Qと、点Pとを結ぶ線分QP上の点であって、点Pから線分QPの長さの0.8倍などの特定の比率の距離の位置の点である。空の記憶色の代表値41の周辺の色に関しては、明度成分のみが上がる方向に向いたベクトルを形成する。空は、明るい方が綺麗に見えるからである。

0155

なお、クラスター重心Akを空の記憶色の代表値41に移動させる場合のデータ列MLaの各RGB値の移動量については、クラスター重心Akを植物の葉の記憶色の代表値31に移動させる場合のデータ列MLaの各RGB値の移動量と同様に求めることができる。

0156

図15に示すように、色変換情報生成手段18bは、S369の処理の後、S366の処理を実行する。

0157

色変換情報生成手段18bは、空の記憶色の範囲40内にクラスター重心Akが存在しないとS368において判断すると、人間の肌の記憶色の範囲50(図23参照。)内にクラスター重心Akが存在するか否かを判断する(S370)。

0158

図23(a)は、人間の肌の記憶色の範囲50を含む色相面を示す図である。図23(b)は、範囲50の角度範囲50aを示す図である。

0159

図23(a)に示す色相面は、人間の肌の記憶色の代表色を示す代表値51を含む色相面である。範囲50は、図23(b)に示す角度範囲50aの全域に亘って図23(a)に示す大きさおよび形状であるわけではない。人間の肌の色としては、互いに微妙に異なる様々な肌色付近の色が存在する。しかしながら、人間は、通常、それらの微妙に異なる様々な色を略同一の色として認識する。すなわち、多数の人間が肌の理想的な色として記憶している色、すなわち、肌の記憶色が存在する。範囲50は、肌の記憶色を示す範囲である。なお、MFP10の製造者は、事前に例えば何百種類の画像を分析して範囲50および代表値51を定める。

0160

図15に示すように、色変換情報生成手段18bは、人間の肌の記憶色の範囲50内にクラスター重心Akが存在するとS370において判断すると、クラスター重心Akを人間の肌の記憶色の代表値51に移動させる場合のデータ列MLaの各RGB値の移動方向および移動量を求める(S371)。

0161

ここで、MFP10は、色の変更方法として、まず色相角の方向に移動させ、次いで色相面内で移動させる方法が採用されている。なお、色の変更は、Lch色空間で行われる。

0162

まず、クラスター重心Akは、人間の肌の記憶色の代表値51の色相角に移動させられることによって、代表値51を含む色相面上の点Pとされる。次いで、代表値51を含む色相面で点Pは代表値51に移動させられる。

0163

図24は、人間の肌の記憶色の代表値51を含む色相面でのクラスター重心Akの移動方向を示す図である。

0164

図24においては、クラスター重心Akを点Pとし、人間の肌の記憶色の代表値51を点Rとして表している。人間の肌の記憶色の代表値51の周辺の色に関しては、直線PRがグレー軸の延長線と交わる点Sに向かう方向に向いたベクトルを形成する。肌は、明るく白っぽくする方が綺麗に見えるからである。

0165

なお、クラスター重心Akを人間の肌の記憶色の代表値51に移動させる場合のデータ列MLaの各RGB値の移動量については、クラスター重心Akを植物の葉の記憶色の代表値31に移動させる場合のデータ列MLaの各RGB値の移動量と同様に求めることができる。

0166

図15に示すように、色変換情報生成手段18bは、S371の処理の後、S366の処理を実行する。

0167

色変換情報生成手段18bは、人間の肌の記憶色の範囲50内にクラスター重心Akが存在しないとS370において判断するか、S367の処理が終了すると、変数kの値と、変数iの値とが同一であるか否かを判断する(S372)。

0168

色変換情報生成手段18bは、変数kの値と、変数iの値とが同一ではないとS372において判断すると、変数kに1を加算して(S373)、S364の処理を実行する。

0169

色変換情報生成手段18bは、変数kの値と、変数iの値とが同一であるとS372において判断すると、フラグFがTrueであるか否かを判断する(S374)。

0170

色変換情報生成手段18bは、フラグFがTrueであるとS374において判断すると、データ列MLのRGB値と、データ列MLaのRGB値とに基づいて、データ列MLのRGB値をデータ列MLaのRGB値に変換する色変換リストを生成する(S375)。

0171

次いで、出力画像生成手段18cは、S375において生成された色変換リストを用いて入力画像の色変換、すなわち、色調整を行って出力画像を生成して(S376)、図15に示す処理を終了する。

0172

色変換情報生成手段18bは、フラグFがFalseであるとS374において判断すると、図15に示す処理を終了する。すなわち、フラグFがFalseであるとS374において判断された場合、入力画像に対する色調整は行われない。

0173

以上に説明したように、MFP10は、入力画像における近似色の集合であるクラスターの重心、すなわち、クラスター重心が色空間における特定の記憶色の範囲30、40または50に含まれる場合(S364でYES、S368でYESまたはS370でYES)に、このクラスター重心がこの記憶色の代表色に移動させられるように、入力画像の色を変換して出力画像を生成する(S376)ので、入力画像の色を変換して特定の記憶色を強調した出力画像を生成することができる。

0174

MFP10は、RGB値Ljおよびクラスター重心Akの両方の色相角が角度範囲21、22に含まれる場合(S240でYESまたはS242でYES)に、RGB値Ljおよびクラスター重心Akの少なくとも一方の色相角が角度範囲21、22に含まれない場合(S240でNOおよびS242でNO)と比較して、RGB値Ljおよびクラスター重心Ak同士を近似色であると判断するための色相角の差分、すなわち、角度差分Deg1が実質的に大きいので、特定の記憶色の範囲30、40の色相角、すなわち、角度範囲30a、40aを含む角度範囲21、22に含まれる色同士を、角度範囲21、22に含まれない色同士と比較して、同一のクラスターとして判断する傾向が強く、範囲30、40にクラスター重心が多数含まれる可能性を抑えることができる。したがって、MFP10は、多数のクラスター重心が同一の色に移動させられるように入力画像の色が変換される可能性を抑えることができ、範囲30、40の色を強調した自然な出力画像を生成することができる。

0175

なお、図15に示す処理では、本実施の形態において、記憶色として、植物の葉の色、空の色、および、人間の肌の色を対象にしている。しかしながら、他の記憶色を対象にしても良い。

0176

また、図8に示す処理で対象にしている記憶色は、本実施の形態において、図15に示す処理で対象にしている記憶色の一部のみである。しかしながら、図15に示す処理で対象にしている記憶色の全部を、図8に示す処理で対象にしても良い。

0177

また、本実施の形態においては、記憶色を強調した出力画像を生成するようになっているが、記憶色以外の特定の色を強調した出力画像を生成するようになっていても良い。

0178

また、本実施の形態においては、図2に示す動作における全ての処理がMFP10において行われている。しかしながら、図2に示す動作における一部の処理がPC(Personal Computer)など、MFP10以外のコンピューターによって行われても良い。

0179

本発明の画像形成装置は、本実施の形態においてMFPであるが、プリンター専用機など、MFP以外の画像形成装置でも良い。

0180

Akクラスター重心(クラスターの重心)
Ck クラスター
Deg角度差分(対象の2色の色相角の差分の絶対値)
Deg1 角度差分(特定の差分)
E2色差(特定の色差)
LjRGB値(入力画像における色)
ΔE 色差(対象の2色の色差)
10MFP(画像形成装置)
17a色変換プログラム
18a 重心取得手段
18b色変換情報生成手段
18c出力画像生成手段
21、22角度範囲(特定の角度範囲)
30 範囲(特定の範囲、記憶色の範囲)
30a 角度範囲(特定の範囲の色相角)
31代表値(特定の範囲の代表色を示す代表値)
40 範囲(特定の範囲、記憶色の範囲)
40a 角度範囲(特定の範囲の色相角)
41 代表値(特定の範囲の代表色を示す代表値)
50 範囲(特定の範囲、記憶色の範囲)
51 代表値(特定の範囲の代表色を示す代表値)

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ