图像处理装置、图像处理方法及存储介质与流程

本发明涉及用于提取检查对象中的异常部分的图像处理装置及图像处理方法。

背景技术：

日本特开2013-185862号公报及""kizuki"algorithminspiredbyperipheralvisionandinvoluntaryeyemovement",journalofthejapansocietyforprecisionengineering,vol.79,no.11,2013,p.1045–1049(下文中被称作上述非专利文献)公开了一种基于人类视觉机制来检测检查对象中的诸如瑕疵的异常部分的算法。具体地说，对检查对象进行摄像，然后将所得到的图像分割成具有预定尺寸的分割区域，并且使各分割区域经受平均化处理及量化处理。然后，对具有不同的尺寸或相位的多个分割区域进行这样的处理。基于将这些量化值积分的结果，确定缺陷的存在或不存在或者缺陷的位置。在本文中，将在日本特开2013-185862号公报及上述非专利文献中所公开的这种处理称作周边视觉及注视期间不自主的眼运动(peripheralvisionandinvoluntaryeyemovementduringfixation)的处理。

日本特开2013-185862号公报及上述非专利文献公开了如下方法，根据该方法，能够将通过周边视觉及注视期间不自主的眼运动的处理而提取的异常部分进一步放大或着色，并且能够将所得到的图像的存在以强调的方式(或者以弹出的方式)显示。通过进行弹出处理，检查者甚至能够识别对象中的细微瑕疵。

在使用周边视觉及注视期间不自主的眼运动的处理时，在图像中异常部分被强调的程度，取决于平均化处理中的分割区域的尺寸以及量化处理中所使用的阈值。具体地说，分割区域越大、或者量化阈值越小，在通过周边视觉及注视期间不自主的眼运动的处理而获得的图像中，异常部分越明显。

然而，如果分割区域被放大到大于必要尺寸、或者量化阈值被减小到小于必要值，则针对异常部分提取的灵敏度过高，不利地导致了即使是不应当被检测到的细微噪声也被弹出的风险。这种噪声可能存在于检查对象自身中，或者可能是由摄像操作期间的误差或信号噪声导致的。如果这种细微噪声被非意图地弹出，则需要重新确认被弹出的区域的步骤，这会不利地导致检查者的负担加重，由此不期望地导致检查效率降低。

技术实现要素：

做出本发明以解决以上缺点。因此，本发明的目的是提供一种图像处理装置，该图像处理装置能够在使用周边视觉及注视期间不自主的眼运动的处理的同时有效地检测目标异常部分，而不会导致提取出小于必要的缺陷或噪声。

根据本发明的第一方面，提供了一种图像处理装置，所述图像处理装置包括：获取单元，其被构造成获取通过对对象的摄像而获得的、具有多个像素的图像数据；设定单元，其被构造成设定用于将所述图像数据分割成多个分割区域的分割尺寸、以及分割之前的所述图像数据的分割位置的相位；平均化单元，其被构造成基于由所述设定单元设定的分割尺寸及相位来分割所述图像数据，以使所得到的各分割区域中包括的像素经受平均化处理以计算平均值；确定单元，其被构造成基于由所述设定单元设定的分割尺寸来确定量化阈值；量化单元，其被构造成通过将由所述平均化单元计算出的平均值与由所述确定单元确定的量化阈值相比较，来获得所述多个像素中的各像素的量化值；加法单元，其被构造成将以使得分割尺寸及相位中的至少一者互不相同的方式而获得的量化值相加，以生成加法图像数据；以及检测单元，其被构造成从所述加法图像数据中检测异常部分，其中所述确定单元确定所述量化阈值，使得在分割尺寸是第一尺寸的情况下的量化阈值高于在分割尺寸是比所述第一尺寸大的第二尺寸的情况下的量化阈值。

根据本发明的第二方面，提供了一种图像处理装置，所述图像处理装置包括：获取单元，其被构造成获取通过对对象的摄像而获得的、具有多个像素的图像数据；设定单元，其被构造成设定用于使所述图像数据经受预定滤波处理的滤波尺寸及滤波参数；滤波处理单元，其被构造成基于由所述设定单元设定的滤波尺寸及滤波参数，来使所述图像数据经受所述预定滤波处理以计算处理值；确定单元，其被构造成基于由所述设定单元设定的滤波尺寸来确定量化阈值；量化单元，其被构造成通过将由所述滤波处理单元计算出的处理值与由所述确定单元确定的量化阈值相比较，来获得所述多个像素中的各像素的量化值；加法单元，其被构造成将以使得滤波尺寸及滤波参数中的至少一者互不相同的方式而获得的量化值相加，以生成加法图像数据；以及检测单元，其被构造成从所述加法图像数据中检测异常部分，其中所述确定单元确定所述量化阈值，使得在滤波尺寸是第一尺寸的情况下的量化阈值高于在滤波尺寸是比所述第一尺寸大的第二尺寸的情况下的量化阈值。

根据本发明的第三方面，提供了一种图像处理方法，所述图像处理方法：获取步骤，获取通过对对象的摄像而获得的、具有多个像素的图像数据；设定步骤，设定用于将所述图像数据分割成多个分割区域的分割尺寸、以及分割之前的所述图像数据的分割位置的相位；平均化步骤，基于由所述设定步骤设定的分割尺寸及相位来分割所述图像数据，以使所得到的各分割区域中包括的像素经受平均化处理以计算平均值；确定步骤，基于由所述设定步骤设定的分割尺寸来确定量化阈值；量化步骤，通过将由所述平均化步骤计算出的平均值与由所述确定步骤确定的量化阈值相比较，来获得所述多个像素中的各像素的量化值；加法步骤，将以使得分割尺寸及相位中的至少一者互不相同的方式而获得的量化值相加，以生成加法图像数据；以及检测步骤，从所述加法图像数据中检测异常部分，其中所述确定步骤确定所述量化阈值，使得在分割尺寸是第一尺寸的情况下的量化阈值高于在分割尺寸是比所述第一尺寸大的第二尺寸的情况下的量化阈值。

根据本发明的第四方面，提供了一种图像处理方法，所述图像处理方法：获取步骤，获取通过对对象的摄像而获得的、具有多个像素的图像数据；设定步骤，设定用于使所述图像数据经受预定滤波处理的滤波尺寸及滤波参数；滤波处理步骤，基于由所述设定步骤设定的滤波尺寸及滤波参数，来使所述图像数据经受所述预定滤波处理以计算处理值；确定步骤，基于由所述设定步骤设定的滤波尺寸来确定量化阈值；量化步骤，通过将由所述滤波处理步骤计算出的处理值与由所述确定步骤确定的量化阈值相比较，来获得所述多个像素中的各像素的量化值；加法步骤，将以使得滤波尺寸及滤波参数中的至少一者互不相同的方式而获得的量化值相加，以生成加法图像数据；以及检测步骤，从所述加法图像数据中检测异常部分，其中所述确定步骤确定所述量化阈值，使得在滤波尺寸是第一尺寸的情况下的量化阈值高于在滤波尺寸是比所述第一尺寸大的第二尺寸的情况下的量化阈值。

根据本发明的第五方面，提供了一种非临时性计算机可读存储介质，其存储用于使得计算机能够用作图像处理装置的程序，所述图像处理装置包括：获取单元，其被构造成获取通过对对象的摄像而获得的、具有多个像素的图像数据；设定单元，其被构造成设定用于将所述图像数据分割成多个分割区域的分割尺寸、以及分割之前的所述图像数据的分割位置的相位；平均化单元，其被构造成基于由所述设定单元设定的分割尺寸及相位来分割所述图像数据，以使所得到的各分割区域中包括的像素经受平均化处理以计算平均值；确定单元，其被构造成基于由所述设定单元设定的分割尺寸来确定量化阈值；量化单元，其被构造成通过将由所述平均化单元计算出的平均值与由所述确定单元确定的量化阈值相比较，来获得所述多个像素中的各像素的量化值；加法单元，其被构造成将以使得分割尺寸及相位中的至少一者互不相同的方式而获得的量化值相加，以生成加法图像数据；以及检测单元，其被构造成从所述加法图像数据中检测异常部分，其中所述确定单元确定所述量化阈值，使得在分割尺寸是第一尺寸的情况下的量化阈值高于在分割尺寸是比所述第一尺寸大的第二尺寸的情况下的量化阈值。

通过以下参照附图对示例性实施例的描述，本发明的其他特征将变得清楚。

附图说明

图1a至图1d例示了图像处理装置的实施例；

图2是用于解释控制构造的框图；

图3是例示喷墨打印装置的构造的示意图；

图4a及图4b例示了打印元件的布置构造及读取元件的布置构造；

图5是用于解释异常部分检测处理的基本步骤的流程图；

图6是用于解释异常部分检测算法的步骤的流程图；

图7a及图7b是用于解释图像数据的分割状态的图；

图8a至图8e是例示对所有的相位顺序地进行加法处理的处理的示意图；

图9a至图9j是例示对所有的相位顺序地进行加法处理的处理的示意图；

图10a至图10d是用于解释异常部分检测处理的效果的图；

图11例示了分割尺寸与量化阈值之间的关系；

图12例示了包括白色条纹的亮度像素；

图13a至图13c例示了包括白色条纹、墨遗漏及表面瑕疵的亮度像素；

图14是用于解释异常部分检测算法的步骤的流程图；

图15示出了针对各异常部分类型的分割尺寸与量化阈值之间的关系；

图16a及图16b例示了高斯滤波的一个示例；

图17是第二实施例中的异常部分检测处理的流程图；

图18是用于解释异常部分检测算法的步骤的流程图；以及

图19例示了滤波尺寸与量化阈值之间的关系。

具体实施方式

图1a至图1d例示了本发明中可以使用的图像处理装置1的示例。本发明的图像处理装置使摄像的图像数据经受用于使得所打印的图像的缺陷部分能够被用户容易地识别的弹出处理、或者用于装置自身的决定的处理，并且可以采取各种不同形式的系统。

图1a例示了图像处理装置1包括读取单元2的实施例。例如，这对应于以下情况：通过喷墨打印装置打印有预定图像的片材被放置在图像处理装置1中的读取单元2的读取基板上、并且例如由光学传感器对该片材进行摄像，并且通过图像处理单元3来对图像数据进行处理。图像处理单元3包括cpu或者能够以比cpu更高的速度提供处理的图像处理加速器，以控制读取单元2的读取操作，或者使接收到的图像数据经受预定检查处理。

图1b示出了包括读取单元2的读取装置2a外部地连接到图像处理装置1的实施例。例如，这对应于例如扫描器连接到pc的系统。连接方法可以包括诸如usb、gige或cameralink的通用连接方法。由读取单元2读取的图像数据经由接口4而被提供给图像处理单元3。图像处理单元3使接收到的图像数据经受预定检查处理。在本实施例的情况下，图像处理装置1还可以进一步外部地连接到包括打印单元5的打印装置5a。

图1c示出了图像处理装置1包括读取单元2及打印单元5的实施例。例如，这对应于包括扫描器功能、打印机功能及图像处理功能的多功能机。例如，图像处理单元3控制打印单元5中的打印操作、读取单元2中的读取操作、以及对由读取单元2读取的图像的检查处理中的全部。

图1d例示了包括读取单元2及打印单元5的多功能机6外部地连接到图像处理装置1的实施例。例如，这对应于例如包括扫描器功能及打印机功能的多功能机连接到pc的系统。

本发明的图像处理装置1还可以使用图1a至图1d的实施例中的任意实施例。以下部分将通过使用图1d的实施例的情况的示例，来详细地描述本发明的实施例。

(第一实施例)

图2是用于解释图1d的实施例中的控制构造的框图。图像处理装置1例如由主pc组成。cpu301基于保留在hdd303中的程序、并且使用ram302作为工作区，来执行各种处理。例如，cpu301基于经由键盘/鼠标i/f305而从用户接收到的命令、或者保留在hdd303中的程序来生成可以由多功能机6打印的图像数据，以将该图像数据发送给多功能机6。基于存储在hdd中的程序，使经由数据传送i/f304而从多功能机6接收到的图像数据经受预定处理，以经由显示i/f306将结果或各种信息显示在未示出的显示器上。

在多功能机6中，cpu311基于保留在rom313中的程序、并且使用ram312作为工作区来执行各种处理。多功能机6还包括用于进行高速图像处理的图像处理加速器309、用于控制读取单元2的扫描器控制器307、以及用于控制打印单元5的头控制器314。

图像处理加速器309是能够以比cpu311的速度更高的速度进行图像处理的硬件。通过使得cpu311能够将图像处理所需的数据及参数写入到ram312的预定地址，来启动图像处理加速器309。在读取参数及数据之后，使数据经受预定图像处理。然而，并非总是需要图像处理加速器309，因此可以由cpu311来执行相似的处理。

头控制器314将打印数据提供给配设在打印单元5中的打印头100，并且控制打印头100的打印操作。通过使得cpu311将打印头100可以打印的打印数据及控制参数写入到ram312的预定地址来启动头控制器314，并且头控制器314基于打印数据来执行喷射操作。

扫描器控制器307在控制读取单元2中布置的各读取元件的同时将从读取元件获得的rgb亮度数据输出到cpu311。cpu311将所得到的rgb亮度数据经由数据传送i/f310而传送到图像处理装置1。图像处理装置1的数据传送i/f304与多功能机6的数据传送i/f310例如可以通过usb、ieee1394或lan来连接。

图3是例示可以用作本实施例的多功能机6的喷墨打印装置(下文中也可以简称作打印装置)的构造的示意图。本实施例的打印装置是全线型打印装置，其中，宽度与打印介质或者可以是检查对象的片材p的宽度相同的打印头100及读取头107彼此平行地布置。打印头100具有四个打印元件阵列101至104，通过这四个打印元件阵列分别地喷射黑色(k)、青色(c)、品红色(m)及黄色(y)的墨。这些打印元件阵列101至104被布置成沿运送片材p的方向(y方向)相互平行。在打印元件阵列101至104的更下游侧，配设有读取头107。读取头107具有沿x方向布置的读取元件，以便读取打印的图像。

在进行打印处理或读取处理时，根据运送辊105的旋转以预定速度沿所示出的y方向运送片材p。在该运送操作期间，进行打印头100的打印处理或读取头107的读取处理。进行打印头100的打印处理或读取头107的读取处理的位置处的片材p，从下侧受到由平板组成的压板106支承，以维持距打印头100或读取头107的距离以及平滑度。

图4a及图4b例示了打印头100中的打印元件的布置构造以及读取头107中的读取元件的布置构造。打印头100被构造成，使得与各墨颜色相对应的各打印元件阵列101至104具有，沿y方向交替地配设的、其上以固定的间距布置有多个打印元件108的多个打印元件基板201，以使得多个打印元件基板201在具有交叠区域d的同时沿x方向连续。对于以固定的速度沿y方向运送的片材p，基于打印数据以固定的频率从各打印元件108喷射墨，以由此将分辨率与布置打印元件108的间距相对应的图像打印在片材p上。

另一方面，读取头107具有以预定间距沿x方向布置的多个读取传感器109。尽管未示出，但是各读取传感器109被构造成使得可以是最小读取像素单元的读取元件沿x方向布置。以固定的速度沿y方向运送的片材p上的图像可以由各读取传感器109的读取元件按预定频率来进行摄像，由此使得能够以布置读取元件的间距来读取打印在片材p上的整个图像。

以下部分将描述本实施例中的异常部分检测处理。本实施例的异常部分检测处理是用于对已经打印的图像进行摄像以使所得到的图像数据经受预定图像处理从而提取(检测)诸如缺陷的异常部分的处理。图像打印并不限于如多功能机6的装置的喷墨打印。然而，以下部分将描述由多功能机6的打印头100打印的图像被读取头107读取的情况。

图5是用于解释由本实施例的图像处理装置1中的cpu301执行的异常部分检测处理的基本步骤的流程图。在该处理开始时，在步骤s1中，cpu301设定读取分辨率。该分辨率被设定成使得能够适当地读取目标缺陷的尺寸。期望将分辨率设定成使得能够使用多个像素或更多像素来读取缺陷部分。

接下来，在步骤s2中，基于在步骤s1中所设定的读取分辨率，执行操作以读取作为检测目标的图像。具体地说，驱动扫描器控制器307以从布置在读取传感器109中的多个读取元件获得输出信号。基于此，生成与在步骤s1中设定的读取分辨率相对应的图像数据。在本实施例中，图像数据是r(红色)、g(绿色)及b(蓝色)的亮度信号。

在步骤s3中，cpu301设定在后续步骤s4中执行的异常部分检测算法中所使用的分割尺寸、相位及量化阈值。稍后将详细地描述分割尺寸及相位的定义。在步骤s3中，设定分割尺寸及相位中的各个的一种类型或更多种类型。对于量化阈值，设定最大值及最小值两种类型。在步骤s4中，基于在步骤s3中所设定的分割尺寸、相位及量化阈值，使在步骤s2中所生成的图像数据经受异常部分检测算法。

图6是用于解释在步骤s4中由cpu301执行的异常部分检测算法的步骤的流程图。在该处理开始时，在步骤s11中，cpu301首先从在步骤s3中设定的多个分割尺寸中设定一个分割尺寸。在步骤s12中，从在步骤s3中设定的多个相位中设定一个相位。在步骤s13中，基于在步骤s11中所设定的分割尺寸及在步骤s12中所设定的相位，将在步骤s2中所获取的图像数据分割，并且进行平均化处理。

图7a及图7b是用于基于分割尺寸及相位来解释图像数据的分割状态的图。分别地，图7a示出了分割尺寸是2×2像素的情况，而图7b示出了分割尺寸是3×2像素的情况。在分割尺寸1000是如图7a中的2×2像素时，图像数据区域1001基于2×2像素的单位而被分割，从而可以被分割成1002至1005的四路。因此，可以将相位视为示出指定的分割尺寸的起始点o。在分割尺寸1006是如图7b中的3×2像素时，图像数据区域1001可以被分割成1007至1012的六路，意味着存在六种类型的相位。

分割尺寸的增大提供了更多数量的可以设定的相位。然而，针对一个分割尺寸并非总是需要设定所有的相位。在图5的步骤s3中，可以设定能够设定的相位中的至少一部分相位。在图6的步骤s12中，可以设定在步骤s3中所设定的一些相位中的一个相位。

返回到图6，在步骤s13中，在步骤s12中所分割成的各分割区域经受平均化处理。具体地说，针对分割区域中所包括的多个像素而计算各像素的亮度数据的平均值。在这期间，可以通过将各像素所拥有的rgb亮度数据直接地平均化、或者通过将各rgb数据与预定权重系数相乘以将所得到的值相加，来获得与各像素相对应的亮度数据。作为另一种选择，还可以直接地使用rgb的任一颜色的亮度数据作为像素亮度数据。

在步骤s14中，基于在步骤s11中所设定的分割尺寸，确定在步骤s15中所执行的量化处理中所使用的量化阈值。稍后将详细地描述确定量化阈值的方法。

在步骤s15中，在步骤s14中所确定的量化阈值用于对在步骤s13中所计算出的平均值进行量化，以获得各像素的二进制值。具体地说，在将在步骤s13中所计算出的平均值与在步骤s14中所计算出的量化阈值相比较、并且前者大于后者时，量化值被设定成“1”。在前者不大于后者时，量化值被设定成“0”。作为结果，获得这样的量化数据：使得各像素在各分割区域中具有一致的量化值。

在步骤s16中，将在步骤s15中所获得的量化值加到加法图像数据。加法图像数据是通过将在分割尺寸及相位各不相同的情况下所获得的量化数据相加而获得的图像数据，并且具有初始值0。在步骤s15中所获得的量化数据表示第一分割尺寸的第一相位时，在步骤s16中所获得的加法图像数据等于在步骤s15中所获得的量化数据。

接下来，在步骤s17中，cpu301确定对当前设定的分割尺寸的所有的相位的处理是否完成。如果确定剩余有待处理的相位，则处理返回到步骤s12以设定下一相位。另一方面，如果确定所有的相位的处理完成，则处理进行到步骤s18。

图8a至图8e及图9a至图9j是例示以预定分割尺寸对所有的相位顺序地进行步骤s16的加法处理的处理的示意图。在分割尺寸是2×2像素时，存在四种类型的相位。图8a至图8e示出了在顺序地改变这四种类型的相位的处理中，针对各像素的外围像素的亮度数据用于目标像素px的加法处理的次数。另一方面，在分割尺寸是3×3像素时，存在九种类型的相位。图9a至图9j示出了在顺序地改变这九种类型的相位的处理中，针对各像素的外围像素的亮度数据用于目标像素px的加法处理的次数。

在任一图中，目标像素px用于包括目标像素px自身的分割区域中的所有的相位。因此，目标像素px具有最多的加法次数以及对加法结果最大的贡献。距离目标像素px越远的像素具有越少的加法次数以及对加法结果越小的贡献。具体地说，最终获得如下结果：该结果是通过使作为中心的目标像素经受滤波处理而获得的。

返回到图6的流程图，在步骤s18中，图像处理装置1确定在步骤s3中所设定的所有的分割尺寸的处理是否完成。如果确定剩余有待处理的分割尺寸，则处理返回到步骤s11，以设定下一分割尺寸。另一方面，如果确定在步骤s3中所设定的所有的分割尺寸的处理完成，则处理进行到步骤s19。

在步骤s19中，基于当前获得的加法图像数据来进行异常部分提取处理。提取处理方法并不受到特别限制。例如，可以使用已知的决定处理，例如，用于将该数据与外围亮度数据相比较以提取具有高信号值差的部分的处理。然后，该处理完成。

以弹出的方式显示通过异常部分检测算法而检测到的异常部分的信息，使得该信息可以用于检查者的决定。然后，检查者基于所弹出的图像来确认该部分是否是缺陷部分。因此，可以修补缺陷部分，或者将缺陷部分作为瑕疵品而排除。

图10a至图10d是用于解释本实施例的异常部分检测处理的图。图10a例示了经受异常部分检测处理之前的原始亮度图像。图10b至图10d例示了通过使图像经受异常部分检测处理而获得的加法图像数据。

图10a示出了存在三个待检测的异常部分1101、1102及1103的示例。然而，原始亮度图像中的三个异常部分1101、1102及1103并不很明显，因此照它们现在的样子，存在检查者未识别出三个异常部分1101、1102及1103的风险。

另一方面，图10b、图10c及图10d示出了在使用互不相同的分割尺寸、相位及量化阈值th时异常部分检测处理的结果。图10b示出了分割尺寸s在从2像素至34像素的范围内改变、相位移动量d在等于或小于12像素的范围内改变、并且量化阈值th固定成80(/255)的情况。尽管图10b以某个强调的程度示出了三个异常部分，但是该程度不足以使得检查者能够容易地检测到异常部分。

另一方面，图10c示出了分割尺寸s在从2像素至66像素的范围内改变、相位移动量d在等于或小于12像素的范围内改变、并且量化阈值th固定成32(/255)的情况。如背景技术部分中所描述的，分割区域的增大及量化阈值的减小导致异常部分在图像内被强调。因此，在与图10b中的情况相比分割尺寸越大并且量化阈值t越小的图10c的情况下，图像中的异常部分越明显，由此使得检查者能够容易地检测到异常部分。然而，在图10c的情况下，不必提取的噪声1110被不必要地强调，从而被检查者视觉识别出。在这种情况下，检查者必须做出关于噪声1110的判断决定，这导致检查效率降低。

以下部分将描述分割尺寸及量化阈值对图像内的异常部分的影响。在步骤s15的量化处理中，越小的量化阈值th使得各像素的亮度值能够越容易地超过量化阈值th。因此，量化值趋向于“1”(白)，导致异常部分被强调。具体地说，过小的量化阈值th导致即使除异常部分以外的部分也被检查者更多地视觉识别出。另一方面，过大的量化阈值th导致即使异常部分也被检查者更少地视觉识别出。因此，期望取决于被认为是异常部分的像素在平均化处理之后所拥有的亮度值，而将量化阈值th设定成适当的值。

另一方面，在步骤s13的平均化处理中，如针对图8a至图8e及图9a至图9j而描述的，在所设定的分割区域中将亮度值平均化。因此，即使在任意像素均不包括异常部分时，如果在同一分割区域的其他像素中包括异常部分，则该异常部分也对该任意像素有影响。具体地说，分割尺寸的增大导致异常部分的影响扩大到更宽的范围，由此图像内的异常部分增大。然而，另一方面，分割尺寸的增大减小了异常部分与非异常部分之间亮度的差异，并且还减小平均化处理之后异常部分的亮度值。具体地说，存在异常部分提取的灵敏度降低的风险。

鉴于以上，本发明人确定通过取决于在步骤s13的平均化处理中所设定的分割尺寸、来调整在步骤s15中所使用的量化阈值th，来有效地实现对异常部分的精确提取。

图11示出了本实施例中分割尺寸与量化阈值th之间的关系。分割尺寸s表示在分割区域是正方形时一个边的长度(像素数量)。分割尺寸s与量化阈值th具有如图中所示的关系。因此，分割尺寸s的增大导致量化阈值th的减小。通过基于图11中所示的关系来设定量化阈值th，即使在设定了很大的分割尺寸s时，也可以在不导致提取灵敏度降低的情况下稳定地提取异常部分。

已经在图5的步骤s3中设定了量化阈值的最大值tmax及最小值tmin。量化阈值的最大值tmax与分割尺寸的最小值smin相关联，而量化阈值的最小值tmin与分割尺寸的最大值smax相关联。在步骤s14中，基于这些信息，可以计算如图11中所示的函数以根据该函数及各分割尺寸来计算各量化阈值th。作为另一种选择，可以预先准备示出分割尺寸s与量化阈值th之间的一一对应关系的表，并且可以参照该表，以由此基于分割尺寸来计算量化阈值th。

图10d示出了本实施例的异常部分提取处理之后所获得的加法图像数据。具体地说，分割尺寸s在2像素至66像素的范围内改变，相位移动量d在等于或小于12像素的范围内改变，并且量化阈值th取决于分割尺寸以具有针对图11而描述的关系而在从80至16的范围内改变。在与图10b的情况相比较时，三个异常部分1101、1102及1103被充分地强调，因此被检查者容易地视觉识别出。同时，如图10c所示，不需要提取的噪声1110未被强调。作为结果，能够在不导致对小于必要的缺陷或噪声的提取的情况下有效地检测目标异常部分。

在以上说明中，描述了以下情况：以弹出的方式显示在步骤s19的异常部分提取处理中所提取的信息。然而，本发明并不限于该实施例。例如，信息可以用于各种应用，使得可以使被提取作为异常部分的部分自动地经受修复处理。

以下部分将描述在图像中的诸如由喷射故障导致的白色条纹的缺陷被提取作为异常部分的情况下分割尺寸及量化阈值的具体设定值。图12例示了在发生喷射故障的情况下的原始亮度图像，并且示出了包括白色条纹124的分割区域。在引起打印元件的喷射故障时，然后图像在其中包括有沿y方向延伸的白色条纹124。白色条纹124沿x方向的宽度与打印元件布置在打印头中的间距相对应，并且该宽度约是40μm至50μm。在这种情况下，难以视觉识别出所打印的图像中的白色条纹124，因此，本实施例的异常部分检测算法是有帮助的。

假定白色条纹124沿x方向的宽度是40μm至50μm、并且读取头107沿x方向的读取分辨率是600dpi，在拍摄的亮度图像中与白色条纹124相对应的区域沿x方向的宽度是1像素至2像素。假定视觉识别距离是300mm，与白色条纹124相对应的区域优选地扩大到约1mm至2mm，以便该区域能够被检查者视觉识别。在使用600dpi的读取分辨率时，该尺寸(像素宽度r)对应于23像素至47像素。在假定在步骤s13的平均化处理中所使用的分割尺寸是s时，再次参照图8a至图8e及图9a至图9j，目标像素px的信息对围绕作为中心的目标像素px的像素区域(2s-1)有影响。具体地说，为了将目标像素px的信息扩大到23像素至47像素，期望反向地计算以上公式，并且分割尺寸s被设定成s＝12像素至24像素。

因此，在本示例的情况下，图5的步骤s3基于最小值smin＝12及最大值smax＝24来设定多个分割尺寸。尽管分割尺寸的类型不受特别限制，但是优选地设定在最小值smin与最大值smax之间均匀地分布的多个尺寸。例如，考虑到在对象读取期间由模糊导致的亮度值的减小，以上设定值还可以改变成具有还包括页边(margin)的尺寸。

另一方面，在平均化处理之后在量化处理s15中所使用的量化阈值优选地是存在于包括异常部分的分割区域中的多个像素的平均亮度值或与其相邻的值。参照图12，s像素×s像素的分割区域包括白色条纹124中所包括的像素以及未包括在白色条纹124中的像素。假定包括在白色条纹124中的像素的亮度值是f(n)并且其数量是a、并且未包括在白色条纹124中的像素的亮度值是g(m)并且其数量是b，则分割区域的平均亮度值可以由公式1来表示。

如上所述，可以将适合作为量化阈值的平均亮度值表示为分割尺寸s的函数。因此，通过基于包括白色条纹的图像来预先计算与公式1的分子相对应的值，图6的步骤s14可以使用公式1来计算适合于分割尺寸s的量化阈值th。通过基于以上公式1预先存储表示分割尺寸s与量化阈值th之间的一一对应关系的表，步骤s14可以参照该表以由此设定量化阈值th。考虑到对象读取期间亮度值的模糊或变化，优选地将公式1的分子设定成具有包括页边的值。

然而，分割尺寸s及量化阈值th不必满足公式1。公式1还可以利用具有线性关系的近似公式来替代，只要以下关系能够成立即可：根据该关系，分割尺寸的增大导致量化阈值th的减小。

(第二实施例)

在本实施例中，针对图2至图4b而描述的图像处理装置1，基于图5的基本步骤而以相似的方式用于检测异常部分。然而，在本实施例中，以下部分将描述从拍摄的亮度图像中提取具有不同特征的多种类型的异常点的方法。多种类型的异常点除了白色条纹之外还例示性地包括墨遗漏及表面瑕疵。

图13a至图13c分别地示出了在导致白色条纹、墨遗漏及表面瑕疵的情况下的亮度图像。图13a示出了如已经针对图12而描述的、在出现白色条纹的情况下的亮度图像。

图13b示出了在出现墨遗漏的情况下的亮度图像。墨遗漏意指如下现象：墨被施加到例如粘附在打印介质上的灰尘，并且所粘附的物质随后从打印介质掉落。仅曾经粘附过物质的区域具有高亮度。所粘附的物质的大部分是由例如在片材制造操作期间的裁切纸张的步骤导致的纸尘，并且具有不同的尺寸。在本示例中，约100μm至150μm的墨遗漏被提取作为异常部分。

图13c示出了出现表面瑕疵的情况下的亮度图像。表面瑕疵是以下现象：例如因为正被运送的打印介质与运送辊的部件的一部分、或粘附于运送辊的细微灰尘相接触，所以在图像上出现瑕疵。例如在光面纸的情况下，表面瑕疵趋向于不利。表面瑕疵具有各种尺寸。在本示例中，10μm至20μm的表面瑕疵被提取作为异常部分。

在本实施例中，基于图5的基本步骤以相似的方式检测异常部分。然而，由于取决于异常部分的类型而存在具有不同尺寸的异常部分，因此本实施例的步骤s3将分割尺寸、相位及量化阈值与异常部分类型相关联地设定。

图14是用于解释由本实施例的cpu301在步骤s4中执行的异常部分检测算法的步骤的流程图。在该处理开始时，在步骤s180中，cpu301首先设定待提取的异常部分的类型。具体地说，设定白色条纹、墨遗漏及表面瑕疵中的任何一个。

在步骤s181中，cpu301从预先与在步骤s180中所设定的异常部分的类型相关联地设定的多个分割尺寸中设定一个分割尺寸。然后，步骤s182从预先与异常部分的类型相关联地设定的多个相位中以相似的方式设定一个相位。然后，步骤s183基于在步骤s181中所设定的分割尺寸、以及在步骤s182中所设定的相位来分割在步骤s2中所获取的图像数据，以进行平均化处理。

在步骤s184中，cpu301基于在步骤s180中所设定的异常部分的类型、以及在步骤s181中所设定的分割尺寸来确定在步骤s185的量化处理中所使用的量化阈值th。即，在本实施例中，在量化处理中所使用的量化阈值th不仅取决于分割尺寸、而且还取决于异常部分类型而不同。稍后将详细地描述本实施例中分割尺寸、异常部分类型及量化阈值之间的关系。

其后，步骤s185至步骤s188的处理与图6的步骤s15至步骤s18的处理相似。在步骤s189中，cpu301确定所有的类型的异常部分(即，白色条纹、墨遗漏、表面瑕疵)的处理是否完成。如果确定这些处理尚未完成，则处理返回到针对下一类型的异常部分的步骤s180。如果确定所有的异常部分的处理完成，则处理进行到步骤s190以进行异常部分提取处理。异常部分提取处理基本上与第一实施例的步骤s19相同。关于不同类型的异常部分，可以针对各类型而呈现处理后的图像，或者可以将各不同类型的图像一起显示。然后，该处理完成。

以下部分将在再次参照图13a至图13c的同时描述适合于各类型的异常部分的分割尺寸及量化阈值。这里，通过共同的读取操作来提取40μm至50μm的白色条纹、约100μm至150μm的墨遗漏、以及10μm至20μm的表面瑕疵。因此，读取头107的读取分辨率被设定成1200dpi。在这种情况下，亮度图像在其中包括尺寸(或宽度)为2像素至3像素的白色条纹、尺寸(或宽度)为5像素至7像素的墨遗漏、以及尺寸(或宽度)为1像素至2像素的表面瑕疵。在本实施例中，关于它们中的任一个，基于公式1来计算表示分割尺寸与量化阈值th之间的关系的公式。

图15例示了针对各类型的异常部分的这样的分割尺寸与量化阈值th之间的关系。如第一实施例中那样，分割尺寸的增大导致量化阈值的减小。然而，该值取决于异常部分的类型而不同。具体地说，具有与异常部分区域相对应的最多像素数量的墨遗漏被设定成具有最高量化阈值th。具有与异常部分区域相对应的最少像素数量的表面瑕疵被设定成具有最小量化阈值th。在本实施例中，可以针对各类型的异常部分而设定分割尺寸，以使得在维持如上所述的分割尺寸s与量化阈值th之间的关系的同时，任一异常部分被扩大到约1mm至2mm。

在以上部分中，针对异常部分的各类型，使通过1200dpi读取分辨率而读取的图像随后经受异常部分检测算法。然而，本实施例并不限于该实施例。还可以针对各类型的异常部分而进行读取操作，并且可以针对各类型的异常部分而准备独立的亮度图像。在这种情况下，为了提供速度更高的处理，例如墨遗漏可以按比用于白色条纹及表面瑕疵的分辨率低的分辨率来经受读取操作。在这种情况下，适当的分割尺寸及量化阈值取决于读取分辨率而具有不同的值。

如上所述，根据本实施例，即使在存在具有不同特征的多个异常部分时，也可以设定适合于各异常部分的分割尺寸及量化阈值。作为结果，能够在不导致对小于必要的缺陷或噪声的提取的情况下有效地检测具有不同特征的多个异常部分。

(第三实施例)

在以上实施例中，如针对图6及图14的流程图而描述的，针对分割尺寸的多个相位而计算平均值的加法结果。如上所述的处理提供这样的结果：该结果是通过使作为中心的目标像素经受滤波处理而获得的(如使用图8a至图8e及图9a至图9j而描述)。鉴于如上所述的观点，本实施例利用使用高斯滤波的添加权重系数的处理，来替代针对相等的分割尺寸的多个相位的加法处理。

图16a及图16b示出了高斯滤波的一个示例。图16a示出了可以由公式2表示的各向同性高斯滤波。

在该公式中，x和y表示目标像素的像素数量，并且σ表示标准差。

如上所述的各向同性高斯滤波对应于在第一实施例中使用诸如2×2或3×3的正方形分割尺寸的情况。图16b示出了与第一实施例中使用诸如2×3的矩形分割尺寸的情况相对应的各向异性高斯滤波。通过提供x与y之间的不平衡比率，如上所述的各向异性高斯滤波可以由公式2来生成。例如，图16b对应于公式2的x被x’＝x/2替代的情况。在本实施例中，可以使用任意高斯滤波。然而，将基于使用图16a中所示的各向同性高斯滤波作为示例的情况来进行以下描述。

图16a的高斯滤波示出了位于围绕作为原点的目标像素的-15≤x≤15且-15≤y≤15的范围内的各像素的系数。如上所述的系数被设定在-15≤x≤15且-15≤y≤15的范围内的实施例，与分割尺寸被设定成15×15并且进行如图8a至图8e及图9a至图9j中的加法处理的第一实施例相似。具体地说，在假定高斯滤波的尺寸(直径)是f、并且第一实施例中的分割尺寸是v×v时，可以如下表示。

f≈2v-1

通过将该高斯滤波尺寸f与标准差σ一起调整，可以准备各种尺寸的高斯滤波。在本实施例中，一个高斯滤波用于使目标像素的亮度数据经受如上所述的滤波处理，并且所得到的数据进一步被量化。此外，针对尺寸不同的多个高斯滤波而计算多个量化数据，并且将多个量化数据相加。因此，这可以基于与第一实施例中的加法结果相似的加法结果来提供异常部分检测处理。

在本实施例中，图像处理装置1还可以采取针对图1a至图1d而描述的各种形式。图17示出了由本实施例的图像处理装置1的cpu301执行的异常部分检测处理的基本流程图。在该处理开始时，在步骤s151中，cpu301设定读取分辨率。接下来，在步骤s152中，执行用于读取检查目标的操作。以上步骤s151及步骤s152与图5的步骤s1及步骤s2相似。

在步骤s153中，cpu301设定在后续步骤s154中所执行的异常部分检测算法中所使用的高斯滤波的多种类型的文件参数以及量化阈值。文件参数是用于指定如针对图16a及图16b而描述的高斯函数的方向以及不同的滤波尺寸f的参数。关于量化阈值，设定最大值及最小值两个值。在步骤s154中，基于在步骤s153中所设定的文件参数，使在步骤s152中所生成的图像数据经受预定异常部分检测算法。

图18是用于解释在步骤s154中由cpu301执行的异常部分检测算法的步骤的流程图。对在步骤s152中所获取的图像的各像素进行所示的处理。

在该处理开始时，在步骤s161中，cpu301首先从在步骤s153中所设定的多个文件参数中设定一个文件参数。在步骤s162中，设定与在步骤s161中所设定的文件参数相对应的参数σ。参数σ与高斯函数的标准差相对应，并且与文件参数或滤波尺寸相关联地预先存储在存储器中。通过步骤s161及步骤s162中的文件参数及参数σ的设定来确定高斯滤波的形状。

接下来，在步骤s163中，在步骤s161及步骤s162中所设定的高斯滤波用于使在步骤s152中所获取的图像数据经受滤波处理。具体地说，将目标像素以及滤波尺寸f中所包括的外围像素所拥有的亮度数据与由高斯滤波设定的系数相乘，并且将所得到的值相加，计算其结果作为目标像素的滤波处理值ave。

步骤s164基于在步骤s161中所设定的滤波尺寸来确定在后续步骤s165中所执行的量化处理中所使用的量化阈值。

图19示出了滤波尺寸f与量化阈值th之间的关系。如第一实施例中那样，滤波尺寸f的增大导致量化阈值th的减小。然而，由于本实施例进行四值量化，因此一个滤波尺寸f具有三阶量化阈值th1、th2及th3。这些阈值th1、th2及th3具有在图17的步骤s153中已经设定的最大值及最小值。步骤s164例如可以使这些信息经受线性插值，以计算与各滤波尺寸相对应的量化阈值th1、th2及th3。

在步骤s165中，cpu301将在步骤s163中所计算出的滤波处理值ave与th1、th2及th3相比较，以量化滤波处理值，并且获得各像素的四值量化值。具体地说，进行以下确定。

在ave>th3成立时，量化值是“3”。

在th3≥ave>th2成立时，量化值是“2”。

在th2≥ave>th1成立时，量化值是“1”。在th1≥ave成立时，量化值是“0”。

如上所述，在本实施例中，准备了多个量化值，以由此进行3值或更多值的量化处理。

接下来，在步骤s166中，将在步骤s165中所获得的量化值加到加法图像数据。加法图像数据表示通过将在使用不同类型的文件参数(即，高斯滤波)的各情况下所获得的量化数据相加而获得的结果。在步骤s164中所获得的量化数据是第一高斯滤波的结果时，加法图像数据等于在步骤s164中所获得的量化数据。

接下来，在步骤s167中，cpu301确定在步骤s153中所设定的所有的文件参数的处理是否完成。在确定剩余有待处理的文件参数时，处理返回到步骤s161，以设定下一文件参数。另一方面，在确定所有的文件参数的处理完成时，处理进行到步骤s168。

在步骤s168中，基于当前获得的加法图像数据来进行异常部分提取处理。如第一实施例中那样，提取方法并不受到特别限制。然后，处理完成。

上述实施例与第一实施例的相似之处在于：能够在不导致对小于必要的缺陷或噪声的提取的情况下有效地检测目标异常部分。

(其他实施例)

在以上实施例中，图3中所示的全线型喷墨打印装置用作由多功能机6打印的图像经受同一多功能机的读取处理的实施例的示例。然而，本发明并不限于该应用。本发明还可以应用于针对墨盒在其上具有打印头的其他喷墨方法的打印检查。

此外，本发明还可以提供一种处理，根据该处理，将用于实现上述实施例的一个或更多个功能的程序经由网络或存储介质而提供给系统或装置，以使得该系统或装置的计算机中的一个或更多个处理器可以读取并执行该程序。本发明还可以通过实现一个或更多个功能的电路(例如，asic)来实现。

另外，可以通过读出并执行记录在存储介质(也可以更完整地称为“非暂时性计算机可读存储介质”)上的计算机可执行指令(例如，一个或更多个程序)以进行上述实施例中的一个或更多个实施例的功能、并且/或者包括用于进行上述实施例中的一个或更多个实施例的功能的一个或更多个电路(例如，专用集成电路(asic))的系统或装置的计算机，来实现本发明的实施例，并且，可以利用通过由所述系统或装置的所述计算机例如读出并执行来自所述存储介质的所述计算机可执行指令以进行上述实施例中的一个或更多个实施例的功能、并且/或者控制所述一个或更多个电路以进行上述实施例中的一个或更多个实施例的功能从而进行的方法，来实现本发明的实施例。所述计算机可以包括一个或更多个处理器(例如，中央处理单元(cpu)、微处理单元(mpu))，并且可以包括分开的计算机或分开的处理器的网络，以读出并执行所述计算机可执行指令。所述计算机可执行指令可以例如从网络或所述存储介质被提供给所述计算机。所述存储介质可以包括例如硬盘、随机存取存储器(ram)、只读存储器(rom)、分布式计算系统的存储器、光盘(例如，压缩光盘(cd)、数字通用光盘(dvd)或蓝光光盘(bd)^tm)、闪存设备及存储卡等中的一个或更多个。

本发明的实施例还可以通过如下的方法来实现，即，通过网络或者各种存储介质将执行上述实施例的功能的软件(程序)提供给系统或装置，该系统或装置的计算机或是中央处理单元(cpu)、微处理单元(mpu)读出并执行程序的方法。

虽然参照示例性实施例对本发明进行了描述，但是应当理解，本发明并不限于所公开的示例性实施例。应当对下列权利要求的范围给予最宽的解释，以使其涵盖所有这些变型例以及等同的结构和功能。