专利名称：图像信息处理方法、图像信息处理装置、图像处理装置和记录介质的制作方法
技术领域：
本发明涉及图像处理方法、图像信息处理装置和图像处理装置，用于在图像的整个区域中确定用于评估图像质量的对象区域。此外，本发明还涉及记录介质，该记录介质上记录有用于实现图像处理方法的程序，从而可由机器读取。
背景技术：
到现在为止，按照比较从比如打印机的图像形成装置输出的图像的顔色和原始图像信息的顔色之间的差异的方式，评估图像形成装置的图像形成性能。通常，根据下述方法评估图像形成性能。換言之，首先，使用准备好的图像信息输出用于颜色评估的图表图像，随后利用扫描仪读取图表图像来获取输出图像信息。此后，针对图表图像中的各个部分的、顔色，计算由原始图像信息表示的顔色和由输出图像信息表示的顔色之差，由此评估图像形成性能。然而，近年来，输出摄影图像等的需求在不断增长。因此，根据这种评估方法，上述用于颜色评估的图表图像不得不输出到昂贵的高光相纸上，这导致成本増加。此外，在大量输出同一图像的情况下，通过使用要被实际输出的图像的顔色作为要被检查的对象，而不是使用仅仅包括有限顔色的用于颜色评估的图表图像，获得良好结果的可能性将会高。因此，需要取代用于颜色评估的图表图像而使用用户自由输出的图像来评估图像形成性能的技术。为了使用用户自由输出的图像来评估图像形成性能，用于从图像的整个区域中提取适合颜色评估的对象区域的技术是必要的。此外，专利文献I中公开的区域提取方法是公知的。根据这个区域提取方法，首先，基于图像信息，从原始图像的整个区域中提取包括目标像素的小片段区域，随后，基于小片段区域中的各个像素的像素值，计算指示小片段区域中的各个像素之间的密度均匀性(一致性)的熵值。当在顺序地移位目标像素时重复执行提取小片段区域和计算它的熵值的处理后，基于各个小片段区域的熵值，从图像的整个区域中指定各个像素之间的密度均匀的小片段区域。因为各个像素之间的密度均匀的区域的颜色变化较少，所以它适合于评估输出颜色。也就是，通过应用专利文献I中公开的区域提取方法，可以从用户提供的原始图像的整个区域中提取适合于颜色评估的对象区域。然而，即使可以提取适合于颜色评估的对象区域，也不总是可以进行在顔色再现性上表现优异的图像形成性能的调整。具体地，普通的图像形成装置至少具有ー种特性，其中在它调整图像形成性能从而忠实地再现ー种顔色吋，另ー种顔色的再现性降级。因此，即使通过应用专利文献I中公开的区域提取方法提取适合于颜色评估的对象区域，在基于对象区域的实际输出顔色的測量结果，将图像形成性能调整为使得它的输出顔色接近原始颜色时，其它区域的顔色再现性也大大降级。相应地，作为整体，图像的顔色再现性反而降级。此外，仅仅通过提取密度差均匀的区域，不能准确地评估图像形成性能。为了准确地评估图像形成性能，除了密度差均匀(均匀度高)之外，要求上述区域所具有的色调接近于颜色材料(顔色纯度高)，并且充分地分散在图像的整个区域中(空间分散度高)。具体地，在输出彩色图像的图像形成装置中，将比如Y (黄色)、M (洋红色)和C (靛蓝色)的至少三种不同顔色材料用作墨水和色粉的顔色材料。图像形成装置通过在纸上将这些単色颜色材料混合在一起或者调整仅仅由各个颜色材料组成的単色点的面积比，再现各种色调。为了准确地评估这种配置中的顔色再现性，必须以将色调接近于Y、M和C的単色区域选择作为要被检测的区域的方式，将所具有的色调接近于颜色材料的区域选择作为对象区域。此外，图像形成装置可能示出取决于图像的位置的不同顔色再现性；即使具有相同顔色，在纸的上侧和下侧之间顔色再现性也不同。因此，针对比如Y、M和C的各个单色，从图像的整个区域中仅仅指定ー个区域作对象区域是不够的，而必须将合适地分散在图像中的多个区域指定为对象区域。相应地，关于各个单色，必须从图像的整个区域中指定多个示出非常高的均匀度和颜色纯度的片段区域组合，在该组合中，片段区域的空间分散度较高。为了指定这些片段区域组合，本发明人已经设想出下述方法。換言之，重复执行从图像的整个区域中提取具有预定尺寸的片段区域并且随后计算片段区域的均匀度和顔色纯度的处理，直到涵盖整个图像为止。接着，指定在从所有片段区域中选择且彼此组合预定数目个片段区域时建立的所有可能組合。随后，针对各个组合，计算各个片段区域的空间分散度的线性和、均匀度、和颜色纯度，并且将所述线性和、均匀度、和颜色纯度其作为索引 值。这里，上述组合中的示出最大索引值的ー个组合被指定为用于检查输出顔色的对象区域。然而，被证实的是，这种方法是不切实际的，因为它要求很大量处理时间来计算在所有片段区域中选择且彼此组合预定数目个片段区域时建立的可能组合的上述线性和。专利文献I JP-B-386OMO
发明内容
鉴于上述情形，已经作出本发明，并且本发明的ー个目的在于提供ー种图像处理方法、图像处理装置和记录有程序的非暂时性记录介质。換言之，本发明可以提供能够在较短的时段内，从图像的整个区域中指定具有非常高均匀度、颜色纯度和空间分散度的片段区域组合的图像处理方法等。另外，本发明的另一目的在于提供能够选择适合于提高整个图像的顔色再现性的对象区域的图像信息处理方法等。根据本发明的ー个方面，提供一种图像信息处理装置，该图像信息处理装置基于图像信息，在由该图像信息表示的图像的整个区域中，确定适合于检查图像形成装置的图像形成性能的区域。该图像信息处理装置包括片段区域提取单元，用于从图像的整个区域中提取具有预定尺寸的片段区域；顔色再现性预测单元，用于在基于所提取的片段区域的颜色测量结果调整图像形成装置的图像形成性能的情况下，通过使用算法来预测整个图像的顔色再现性的結果；以及对象区域确定单元，用于将示出通过重复执行由片段区域提取单元执行的提取处理以及由顔色再现性预测单元执行的预测处理获得的多个结果中的最佳结果的片段区域，确定为对象区域。
图I是示出根据本发明的第一实施方式的图像信息处理装置的实质部分的配置的方框图；图2是示出上述图像信息处理装置进行的对象区域确定的处理流程的流程图；图3是示出根据第一实施例的图像信息处理装置的实质部分的配置的方框图；图4是示出根据第一实施例的上述图像信息处理装置进行的对象区域确定处理的处理流程的流程图；图5是示出根据第二实施例的图像信息处理装置的实质部分的配置的方框图；图6是示出根据第二实施例的图像信息处理装置进行的对象区域确定处理的处理流程的流程图； 图7是用于说明根据第二实施例的图像信息处理装置的保留方案(retentionsolution)和新近提取的片段区域组之间的关系的示例的示意图；图8是示出在使用模拟退火法时的处理流程的一部分的部分流程图；图9是示出了根据本发明的第二实施方式的图像处理装置的实质部分的配置的方框图；图10是示出上述图像处理装置进行的对象区域确定的处理流程的流程图；图11是不出当在方矩阵Ql的对角分量为正、方矩阵Ql的非对角分量为负，w是零矢量、以及建立关系式mY=mK=0时定义的颜色纯度f (μ)的情况下函数的形状的示意图；图12是用于说明图10的步骤S70中选择的候选区域的示例的示意图；图13是示出整个区域、四个片段区域的组合和图像的候选区域之间的关系的示例的不意图；图14是用于说明基于片段区域的重心之间的欧几里得距离计算空间分散度的方法的示意图；图15是示出根据修改例的图像处理装置100的实质部分的配置的方框图；图16是示出根据修改例的图像处理装置进行的对象区域确定的处理流程的流程图；图17是具体示出图16中示出的处理流程中的步骤S80，即，在指定第二片段区域组合或稍后的片段区域组合时执行的步骤的流程图；图18是示出图17中的流程图的另一示例的流程图；图19是示出图像处理装置指定的新组合和保留方案组合之间的关系的第一示例的不意图；和图20是示出上述关系的第二示例的示意图。
具体实施例方式接着，描述根据本发明的第一实施方式的图像信息处理装置。图I是根据本发明的第一实施方式的图像信息处理装置10的实质部分的配置的方框图。如图I中所示，图像信息处理装置10具有图像信息获取单元11、片段区域组提取単元12、顔色再现性预测单元13、停止准则确定単元14、和对象区域确定单元15等。图像信息处理装置10的图像信息获取单元11获取经由个人计算机等从用户发送的图像数据。图像数据包括构成图像并且以矩阵图案布置的多个像素中的每个的像素值，所述像素值表示C (靛蓝色)、M (洋红色)、Y (黄色)和K (黒色)的単色分量的亮度，图像数据是从个人计算机等输出到打印机的原始图像数据。图像信息处理装置10确定图像数据的整个区域中的哪个区域被指定为颜色检查的对象。在图像信息处理装置10进行上述确定后，在通过扫描输出图像而获得的扫描图像数据被输入到图像信息处理装置10吋，图像信息处理装置10基于各个像素的矩阵位置，指定输出图像中的对象区域，并且将对象区域的顔色数据与它的原始顔色数据进行比较，从而对输出顔色进行评估。在确定原始图像数据中的用于颜色检查的对象区域之前，图像信息处理装置10首先针对四种颜色C、M、Y和K中的每个，从图像数据的整个区域中确定适合于颜色检查的片段区域組合。图2是示出图像信息处理装置10进行的对象区域确定的处理流程的流程图。图像信息处理装置10首先通过使用图像信息获取单元11获取图像数据(步骤I :步骤在下文中被表示为S)。接着，片段区域组提取単元12重复执行步骤S2到S4。具体地，假设放置在由图像数据表示的像素矩阵的预定位置上的像素被设置为主题(subject)像素，该主题像素周围的N个矩形区域(O. I到I. O毫米的方块)被随机提取(S2)。如图I中所示，这个提取处理由片段区域组提取単元12执行。在片段区域组提取単元12提取多个片段区域后，在假设图像形成性能被调整为与多个片段区域中的每个的顔色对应时，顔色再现性预测单元13単独地预测作为整个图像的顔色再现性的结果(S3)。预测处理基于预先存储的算法执行。该算法如下构建。换言之，预先检验要被检查的图像形成装置的特性。具体地，专用图表图像由图像形成装置输出，并且由扫描仪扫描来測量相应的颜色。接着，选择多种颜色中的任何ー种。这里，如果颜色测量结果示出该颜色与它的原始顔色不同，则图像形成装置的图像形成性能被调整为将该颜色恢复到原始顔色。随后，在图像形成装置输出另一图表图像，并且由扫描仪扫描后，针对所有顔色而不是先前所选择的顔色，计算先前颜色测量结果和当前颜色测量结果之差。类似地測量在图像形成性能被调整为与图像形成装置所再现的所有顔色对应时其它顔色的差异。由于所测量的顔色和原始顔色之间的差异量根据环境等改变，所以重复执行測量来计算针对所有顔色的差异量的平均值。随后，基于该平均值，构建上述算法。下述公式(I)示出了由此获得的算法的示例。公式(I)ecolor (w Zi) = a | | W-Zi | 12+b在公式(I)中，左侧表示在整个图像的任何位置上的顔色再现性的结果的预测值。此外，“w”表示在整个图像中的任何位置上的顔色(B卩，由像素值表示的顔色)。此外，“Zi”表示片段区域组提取単元12所提取的N个片段区域中的第i个片段区域的顔色(即，由像素值表示的顔色)。此外，“ a”和“ b”中的每个表示常数。此外，“ I I”是范数的符号，并且范数的内部表示使用黄色(Y)、洋红色(M)、靛蓝色(C)和黒色(K)作为轴的四维颜色空间中的w和Zi之间的欧几里得距离。根据公式(1)，可以预测在图像形成性能被调整为与第i个片段区域对应时整个图像中的任何位置上的顔色再现性的結果。顔色再现性预测单元13首先将i设置为I(i=l)，随后计算关于第一片段区域的eMlOT(w|Zi)。接着，顔色再现性预测单元13将i设置 为2 (i=2)，随后按照相同的方式计算eralOT(w|Zi)。顔色再现性预测单元13重复执行这个处理，直到将i设置为N (i=N)为止。因此,在计算出eMlOT(w|zi = 1)到eMlOT(w| Zi = N)后，获取所计算出的顔色再现性的结果的平均值或者顔色再现性的结果中的最佳值，作为在图像形成性能被调整为与第一到第N片段区域对应时顔色w的顔色再现性的预测值。关于位置W，选择整个图像中的最左侧位置，并且将该位置上的顔色指定为w并代入到公式(I)中，从而计算出预测值。随后，将该位置沿着向右的方向移位一，并且将该位置上的顔色指定为w并代入到公式(I)中，从而计算出预测值。重复执行移位位置和将颜色代入到公式(I)中来由此计算预测值的处理，直到涵盖整个图像上的所有位置为止。随后，获取所计算出的结果的平均值或它们中的最佳值，作为整个图像的顔色再现性的预测值。这个预测值被视作在图像形成性能被调整为与第一到第N片段区域对应时整个图像的顔色再现性的結果。在顔色再现性预测单元13计算出关于片段区域组提取単元12所提取出的第一到第N片段区域的顔色再现性的结果后，停止准则确定単元14确定是否满足预定停止准则 (54)。这种预定停止准则的示例可以是使得将步骤S2和S3的组合重复执行预定次数。或者，另ー预定停止准则可以是使得通过计算整个图像的顔色再现性而获得的结果没有连续改进预定次数。当不满足停止准则时，停止准则确定単元14将重新处理执行信号发送片段区域组提取単元12。因此，再次执行步骤S2和S3。另ー方面，当满足停止准则时，停止准则确定単元14将确定处理执行信号输出到对象区域确定单元15。随后，对象区域确定单元15将示出通过重复执行步骤S3获得结果中的最佳结果的片段区域组，确定为对象区域
(55)，并且将该片段区域组的数据输出到下一步骤。如上所述，根据本发明的第一实施方式的图像信息处理装置10预测在假设图像形成装置的图像形成性能基于从整个图像提取的片段区域的颜色测量结果进行调整时整个图像的顔色再现性的結果。随后，图像信息处理装置10将示出通过针对多个片段区域组重复执行这个预测处理获得的结果中的最佳结果的片段区域组，确定为对象区域，由此可以选择适合于改进整个图像的顔色再现性的对象区域。注意，公式(I)仅仅是用于预测整个图像的顔色再现性的结果的算法的示例，但是根据本发明的第一实施方式的算法不限于公式(I)。例如，它可以是与公式(I)不同的数据表格系统或函数公式中的算法。根据本发明的第一实施方式的图像信息处理装置10包括个人计算机和用于使得个人计算机充当图像信息处理装置的程序。该程序存储在作为记录介质的比如CD-ROM和DVD-ROM的光盘中，从而可由机器读取，并且该程序可以经由光盘安装在个人计算机的硬盘中。图I中示出的图像信息获取单元11、片段区域组提取単元12、顔色再现性预测单元13、停止准则确定単元14和对象区域确定单元15利用个人计算机的CPU的算法处理，作为软件实现。接着，描述将更具特色的配置添加到根据本发明的第一实施方式的图像信息处理装置10中的各个实施例和修改例。注意，除非另有说明，根据各个实施例和修改例的图像信息处理装置10的配置与根据本发明的第一实施方式的图像信息处理装置10的配置相同。(第一实施例)根据第一实施例的图像信息处理装置10的片段区域组提取単元12被配置为提取比根据本发明的第一实施方式的图像信息处理装置10所提取的片段区域更大的片段区域。每个片段区域的尺寸大于边长为I. Omm的方形。选择相对大的片段区域使得可以应对顔色测量时的位置移位和噪声。另ー方面，输出图像易受纹理的影响。由于在存在纹理的情况下颜色再现性的准确预测变得困难，必须从输出图像中选择均匀区域作为片段区域。图3是示出根据第一实施例的图像信息处理装置10的实质部分的配置的方框图。在图3中，片段区域组提取単元12具有片段区域提取部12a、均匀度计算部12b、区域分类部12c和片段区域存储部12d。图4是示出由根据第一实施例的图像信息处理装置10进行的对象区域确定处理的处理流程的流程图。由于图4中示出的步骤SI和S3到S5与图2中示出的那些步骤相同，这里省略它们的描述。S2中的片段区域组提取的处理具有5个步骤片段区域提取步骤(S2a)、均匀度计算步骤(S2b)、基于均匀度的分类步骤(S2c)、片段区域存储步骤(S2d)和区域数目确定步骤(S2e)。片段区域提取步骤(S2a)由片段区域提取部12a执行。片段区域提取部12a从图像的整个区域中随机提取片段区域。
在片段区域提取部12a提取片段区域后，均匀度计算部12b參照所提取的片段区域中的各个像素(颜色C、M、Y和K)的像素值，计算示出片段区域的整体密度均匀性的均匀度(S2b)。均匀度可以根据各种方法计算。作为第一示例，可以如下计算均匀度。換言之，首先计算颜色C、M、Y和K的各个像素的分散度。接着，将具有负号的分散度之和视作该片段区域的均匀度。作为第二示例，可以根据方差-协方差矩阵的行列式计算均匀度。具体地，针对颜色C、M、Y和K中的每个，计算片段区域中的各个像素的方差和协方差。随后，构造其中方差布置在对角分量上和协方差布置在非对角分量上的4X4方差-协方差矩阵，并且计算该矩阵的行列式。具有负号的行列式的值被视作均匀度。这是因为各个像素在CMYK空间中的分布可以利用方差-协方差矩阵的行列式评估。因为第二示例可以评估不同分量之间的颜色的扩展，所以第二示例优于第一示例。此外，作为第三示例，可以根据顔色的频率特性计算均匀度。具体地，使用片段区域中的各个像素执行傅立叶变换，并且计算具体频率的傅立叶系数的绝对值的平方和。具有负号的和被视作均匀度。具体频率可以包括多个频率。根据第一示例的均匀度，经历半色调处理的图像受半色调处理的图案影响。因此，不能检测到均匀区域。与此相反，根据第三示例的均匀度，使用具体频率的傅立叶系数的绝对值的平方和。因此，可以计算出不受半色调处理影响的均匀度。步骤S2b中计算出的均匀度的计算不限于上述第一到第三示例，已知的均匀度计算技术都可用。在均匀度提取部12a计算出片段区域中的均匀度后，区域分类部12c基于均匀度是否超过预定阈值，确定该片段区域是否应该包括在片段区域组中。具体地，如果均匀度没有超过阈值，则区域分类部12c确定该片段区域不应该包括在片段区域组中，并且随后将用于再次提取片段区域的信号输出到片段区域提取部12a。因此，由片段区域提取部12a提取新的片段区域，并且重复执行步骤S2b和S2c。另ー方面，如果均匀度超过阈值，则区域分类部12c确定该片段区域应该包括在片段区域组中，并且随后使得片段区域存储部12d存储该片段区域。接着，区域分类部12c确定片段区域存储部12d中存储的片段区域的数目是否已经达到片段区域组所必需的预定数目。如果该数目没有达到预定数目，则区域分类部12c将用于再次提取片段区域的信号输出到片段区域提取部12a。因此，由片段区域提取部12a提取新的片段区域，并且重复执行步骤S2b和S2c。另ー方面，如果该数目已经达到预定数目，则区域分类部12c向片段区域存储部12d输出用于将该片段区域组的数据输出到下一歩的信号。因此，从片段区域存储部12d输出该片段区域组的数据，并且完成片段区域组提取步骤(S12)。(第二实施例)除了根据第一实施例的图像信息处理装置10的特性配置之外，根据第二实施例的图像信息处理装置10具有下述特性配置。換言之，根据第二实施例的图像信息处理装置10将关于示出计算出顔色再现性结果的多个片段区域组中的最佳结果的片段区域组的信息，作为保留方案(retention solution)存储。随后,在片段区域组提取步骤中，图像信息处理装置10基于作为保留方案存储的片段区域组，提取新片段区域，从而在计算片段区域的均匀度之前，提取该片段区域。更为具体地，图像信息处理装置10提取新片段区域，使得新近构建的片段区域组中的片段区域中的至少ー个与保留方案中的片段区域相同或接近。根据这个提取，提取具有与示出最佳结果的保留方案中的片段区域接近的片段区域的片段区域组。因此，可以提高提取示出更优异的结果的片段区域组的可能性。图5是示出根据第二实施例的图像信息处理装置10的实质部分的配置的方框图。根据第二实施例的图像信息处理装置10与根据第一实施例的图像信息处理装置10的不同之处在于它具有保留方案更新部16。图6是示出根据第二实施例的图像信息处理装置10进行的对象区域确定处理的处理流程的流程图。图6中示出的流程图与图4中示出的流程图的不同之处在于它具有步骤S2al、S6和S7。具体地，片段区域组提取部12在提取片段区域(S2a)之前，參照上述保留方案(S2al)。随后，图像信息处理装置10提取新的片段区域，使得新近构建的片段区域组中的至少ー个片段区域与保留方案中的片段区域相同或非常接近。例如，图像信息处理装置10选择保留方案中的片段区域，并且随机地调整该片段区域在图像中的位置。在这种情况下，将该片段区域的位置设置在先前位置附近的可能性高。图7是用于说明根据第二实施例的图像信息处理装置10的保留方案和新近提取的片段区域组之间的关系的示例的示意图。在该示例中，片段区域组包括四个片段区域，并且新近提取的片段区域组的四个片段区域中的三个与保留方案中的片段区域完全相同。也就是，提取其中保留方案的四个片段区域中仅仅ー个片段区域由另一片段区域替换的新近提取的片段区域组。用于提取与保留方案中的片段区域非常接近的片段区域的方法的示例可以包括爬山法(hill climbing methods)。爬山法是基于更好的方案具有类似结果的原理的搜索方法，并且可以在改变保留方案的一部分的同时高效地搜索更好的方案。然而，由于保留方 案仅仅在方案被改进时更新，所以该方法可能局限于本地方案。因此，作为找到更通用的方案的方法，将爬山法应用于多个初始方案的多起点爬山法是公知的。此外，模拟退火法也是公知的，在模拟退火法中，即使在方案降级时，更新保留方案也有一定的概率。当使用模拟退火法吋，除了图8中示出的步骤S6和S7之外，还执行步骤S8。換言之，如果新近提取的片段区域组中的整个图像的顔色再现性的结果不是最佳结果(S6中为否)，则将该结果和保留方案的结果之差视作降级量(d)。随后，以基于降级量的概率(exp(-d/t)，其中t是大于零的常数)，利用新近提取的片段区域组更新保留方案。也就是，即使该结果比保留方案差，具有更小的降级量的片段区域组也将被高概率地更新为保留方案。常数t被使用来调整更新保留方案的概率，并且在捜索开始时被设置为大值，并且逐渐降低到零。因此，可以在搜索开始时利用例如随机搜索来在方案空间中进行广泛搜索，并且在进行高级搜索以搜索更好的相邻方案时，逐渐采用爬山法。优化方法不限于上述爬山法和模拟退火法，比如遗传算法和禁忌(taboo)捜索法的各种方法都可用。接着，描述根据本发明的第一实施方式的图像信息处理装置10的修改例。注意，除非另有说明，根据各个修改例的图像信息处理装置10的配置与根据本发明的第一实施方式的图像信息处理装置10的配置相同。(第一修改例) 一些图像形成装置具有在将图像形成性能调整为适合于特定片段区域时降级远离该特定片段区域的图像区域上的顔色再现性的特性。例如，这是由于对鼓状光敏主体进行去中心化而造成的。为了处理这个问题，取代上述公式(I )，根据第一修改例的图像信息处理装置将下述公式(2)用作算法。公式(2)eposition (y I Xi) = c I I Y-Xi | 12+d在公式(2)中，左侧表示在整个图像的任何位置上的顔色再现性的结果的预测值。此外，“y”表示整个图像中的任何位置。此外，“Xi”表示由片段区域组提取単元12提取的N个片段区域中的整个图像的第i片段区域的位置。此外，“c”和“d”均表示常数。顔色再现性预测单元13首先将i设置为I (i=l)，随后计算关于第一片段区域的epwmjyixi)。接着，顔色再现性预测单元13将i设置为2 (i=2)，随后按照相同的方式计算ep(Jsitim(y Ixi)。顔色再现性预测单元13重复执行这个处理，直到将i设置为N (Xi=N)为止。因此，在计算出后，获取所计算出的顔色再现性的结果的平均值或者它们中的最佳值，作为在图像形成性能被调整为与第一到第N片段区域对应时位置y上的顔色再现性的预测值。关于位置y，选择整个图像中的最左侧位置，并且将其代入到公式(2)中，从而计算出预测值。随后，将该位置沿着向右的方向移位一。移位后的位置被视作I并代入到公式(2)中，从而计算出预测值。重复执行移位位置并将移位后的位置代入到公式(2)中来由此计算预测值的处理，直到涵盖整个图像上的所有位置为止。随后，获取所计算出的结果的平均值或它们中的最佳值，作为整个图像的顔色再现性的预测值。这个预测值被视作在图像形成性能被调整为与第一到第N片段区域对应时整个图像的顔色再现性的結果。(第二修改例)取代上述公式(1)，根据第二修改例的图像信息处理装置将下述公式(3)用作算法。公式(3)e (w，y | Xi, Zi) = eposition (y | Xi) X ecolor (w | Xi)
也就是，通过将根据公式(I)的解(solution)与根据公式(2)的解相乗，计算整个图像的顔色再现性的結果。上面的描述例示了对彩色图像数据的处理，该彩色图像数据包括示出四个颜色分量Y、M、C和K中的每个的亮度的像素值。然而，还可以处理ニ进制图像数据和根据像素值仅仅示出白和黑的亮度的灰阶图像；包括示出三种颜色分量R (红色)、G (绿色)和B (蓝色)的每个的亮度的像素值的彩色图像数据；或频谱图像数据和包括示出四个或更多顔色分量中的每个的亮度的像素值的彩色图像数据等。如上所述，在根据第一实施例的图像信息处理装置10中，均匀度计算部12b被配置为基于作为片段区域中的像素的顔色信息的像素值的分散度、像素值的最大值和最小值之差和像素值的频率特性中的至少ー个，计算片段区域的均匀度。利用这种配置，与片段区域的密度均匀性具有高关联性的数值可以被视作均匀度。 此外，根据第一实施例的图像信息处理装置10具有均匀度计算部12b，用于计算所提取的片段区域中的顔色密度的均匀度；区域分类部12c，用于选择仅仅示出均匀度的优异计算结果的片段区域；以及片段区域存储部12d，用于将该片段区域的图像信息输出到顔色再现性预测部13，作为颜色再现性的结果的预测对象。注意，区域分类部12c和片段区域存储部12d用作预测对象选择单元。因此，即使提取具有相对大的面积的片段区域，图像信息处理装置10也可以很好地评估片段区域的顔色。此外，根据第二实施例的图像信息处理装置10具有片段区域提取单元12，用于执行基于作为顔色再现性预测部13的预测结果的保留方案提取新的片段区域组的处理。因此，通过提取与保留方案中的片段区域接近的片段区域，图像信息处理装置可以提高选择示出更好结果的片段区域组的可能性。接着，描述根据本发明的第二实施方式的图像处理装置。图9是示出根据本发明的第二实施方式的图像处理装置100的实质部分的配置的方框图。如图9中所示，图像处理装置100具有图像信息获取单元110、重复处理单元120、候选区域选择单元130、组合指定単元140、索引值计算単元150、处理停止确定单元160、和对象区域确定单元170等。此外，重复处理単元120具有片段区域提取部120a、均匀度计算部120b、颜色纯度计算部120c和质量确定部120d。图像信息处理装置100的图像信息获取单元110获取经由个人计算机等从用户发送的图像数据。图像数据包括构成图像并且以矩阵图案布置的多个像素中的每个的像素值，所述像素值表示C (靛蓝色)、M (洋红色)、Y (黄色)和K (黒色)的単色分量的亮度，所述图像数据是从个人计算机等输出到打印机的原始图像数据。图像处理装置100确定图像数据的整个区域中的哪个区域被指定为颜色检查的对象。在图像处理装置100进行上述确定后，在通过扫描输出图像而获得的扫描图像数据被输入到图像处理装置100吋，图像处理装置100基于各个像素的矩阵位置，指定输出图像中的对象区域，并且将对象区域的颜色数据与它的原始顔色数据进行比较，从而对输出顔色进行评估。在确定原始图像数据中的用于颜色检查的对象区域之前，图像处理装置100首先针对四种颜色C、M、Y和K中的每个，从图像数据的整个区域中确定适合于颜色检查的片段区域組合。图10是示出图像处理装置100进行的对象区域确定的处理流程的流程图。图像处理装置100首先通过使用图像信息获取单元110获取图像数据(步骤10 :步骤在下文中被表示为S)。接着，重复处理単元120重复执行步骤S20到S60。具体地，假设放置在由图像数据表示的像素矩阵的预定位置上的像素被设置为主题像素，该主题像素周围的具有预定尺寸的区域被提取作为片段区域。例如，放置在从像素矩阵的左上侧开始的第51列和第
51行的像素被设置为主题像素，并且101个像素X 101个像素的矩形区域(大约4mm的方形)被提取作为第一次的片段区域。如图9中所示，这个提取由重复处理単元120的片段区域组提取部120a执行。重复处理单元120中的均匀度计算部120b參照所提取的片段区域中的各个像素(颜色C、M、Y和K)的像素值，计算示出片段区域的整体密度均匀性的均匀度(S20)。均匀度可以根据各种方法计算。作为第一示例，可以如下计算均匀度。換言之，首先计算颜色C、M、Y和K的各个像素的分散度。接着，将具有负号的分散度之和视作该片段区域的均匀度。作为第二示例，可以根据方差-协方差矩阵的行列式计算均匀度。具体地，针对颜色C、M、Y和K中的每个，计算片段区域中的各个像素的方差和协方差。随后，构造其中方差 布置在对角分量上和协方差布置在非对角分量上的4X4方差-协方差矩阵，并且计算该矩阵的行列式。此外，具有负号的行列式的值被视作均匀度。这是因为各个像素在CMYK空间中的分布可以利用方差-协方差矩阵的行列式评估。因为第二示例可以评估不同分量之间的颜色的扩展，所以第二示例优于第一示例。此外，作为第三示例，可以根据顔色的频率特性计算均匀度。具体地，使用片段区域中的各个像素执行傅立叶变换，并且计算具体频率的傅立叶系数的绝对值的平方和。具有负号的和被视作均匀度。具体频率可以包括多个频率。根据第一示例的均匀度，经历半色调处理的图像受半色调处理的图案影响。因此，不能检测到均匀区域。与此相反，根据第三示例的均匀度，使用具体频率的傅立叶系数的绝对值的平方和。因此，可以计算出不受半色调处理影响的均匀度。步骤S30中计算出的均匀度的计算不限于上述第一到第三示例，已知的均匀度计算技术都可用。在均匀度计算部120计算出片段区域中的均匀度后，重复处理单元120通过颜色纯度计算部120c计算片段区域中的颜色C、M、Y和K中的每个的颜色纯度(S4)。颜色纯度可以根据各种方法计算。作为第一示例，可以如下计算颜色纯度。換言之，计算片段区域中的各个像素的像素值的平均值，并且随后将所计算出的平均值转换为比如L * a * b *和L*u*v*的均匀颜色空间中的点。此后，计算均匀颜色空间中的所转换的点和颜色C、M、Y和K的点之间的欧几里得距离。结果是，欧几里得距离的最小值被视作顔色C、M、Y和K的颜色纯度。作为第二示例,可以根据颜色C、M、Y和K的分量量(component amount)的二次表达式计算颜色纯度。具体地，针对片段区域中的各个像素的顔色C、M、Y和K，计算平均值mC、mM、mY和mK。随后，假设将平均值mC、mM、mY和mK用作元素的四维垂直矢量是μ，以及四维垂直矢量w和4X4方矩阵Q是设计參数，根据下面的算木公式计算颜色纯度f(y )。(算术公式I)f ( μ ) = wT μ + μ TQ μ算木公式I中的上标T表示转置。将Q的非对角分量设置为负，使得可以针对颜色C、Μ、Y和K的不同分量的乘积来降级颜色纯度。另ー方面，将Q的对角分量设置为正，使得可以针对顔色C、Μ、Y和K的平方值改进颜色纯度。对w进行设置，使得可以调整ー个点，在该点上，颜色纯度变为最大值。图11示出了当在算木公式I中的方矩阵Q的对角分量为正、方矩阵Q的非对角分量为负，w是零矢量、以及建立关系式HlY=HlK=O时定义颜色纯度f(y)的函数的形状。可以发现，在颜色是接近单色且颜色密度高时，颜色纯度变高，而在颜色c和M以相同的比例混合在一起时，顔色纯度变低。在第二示例中，颜色纯度由颜色C、M、Y和K的平均值的二次表达式表示。然而，顔色纯度可以由三次或更高次表达式表示。同样，在这种情况下，仅仅要求对系数进行设置 ，使得针对颜色C、M、Y和K的不同分量的乘积颜色纯度降级，以及针对単色光顔色纯度提高。注意，颜色纯度不限于第一和第二示例中描述的那些，已知的顔色纯度计算技术都可用。在颜色纯度计算部120c计算出片段区域中的颜色C、M、Y和K的颜色纯度后，重复处理単元120通过质量确定部120d确定该片段区域在均匀度和颜色纯度上是否优异(S50)。针对颜色C、M、Y和K中的每个，执行这个确定处理。更为具体地，针对颜色C、M、Y和K中的每个，如果均匀度等于或大于预定阈值以及颜色纯度等于或大于预定阈值，则质量确定部120d确定该片段区域是优异的片段区域，以及如果均匀度和颜色纯度中的任何ー个小于阈值，则质量确定部120d确定该片段区域不是优异的片段区域。在质量确定部120d完成对片段区域的质量的确定后，重复处理单元120确定是否已经提取所有片段区域(整个图像中的所有片段区域的提取已经完成)(S60)。如果重复处理单元120确定还未提取ー个或多个片段区域(S60中为否)，则重复处理单元120将处理流程返回到步骤S20来重复执行步骤S20到S60。此时，当例如第二次提取片段区域吋，将主题像素的位置沿着向右的方向移位ー个像素。结果是，放置在从左上侧开始的第52列和第51列的像素被视作主题像素，并且提取101个像素X 101个像素的矩形区域作为片段区域。随后，在第三次、第四次、……、第η次提取片段区域吋，将主题像素的位置沿着向右的方向移位ー个像素。在主题像素沿着列的方向的位置从右端向左移位到第51行的位置后，主题像素沿着列的方向的位置从左端向右返回到第51行的位置，并且主题像素沿着行的方向的位置向下移位ー个像素。随后，将主题像素的位置重复向右移位ー个像素。如上所述，类似于光栅扫描，连续地移位主题像素的位置，从而涵盖整个图像。注意，取代将主题像素的位置移位ー个像素，可以按照使得所提取的片段区域的边缘彼此不重叠的方式，提取各个片段区域。例如，在提取位于第51列和第51行的主题像素周围的101个像素X 101个像素的片段区域后，提取在位于第102列和第51行的主题像素周围的101个像素XlOl个像素的片段区域。在完成质量确定和整个图像的片段区域的提取后，重复处理単元120将关于所有优异片段区域的位置信息输出到候选区域选择单元130。基于关于优异片段区域的位置信息，候选区域选择单元130从图像的整个区域中，选择具有许多优异片段区域的区域作为候选区域(S70)。图12是用于说明步骤S70中选择的候选区域的示例的示意图。在该示例中，从图像的整个区域中，选择三个大尺寸、中等尺寸和小尺寸候选区域。在候选区域选择单元130选出候选区域后，组合指定単元140指定在从候选区域包括的所有片段区域中选择预定数目的片段区域并且彼此组合时建立的所有可能的不同組合。这里，预定数目被设置为4个。在选择图12中示出的三个大尺寸、中等尺寸和小尺寸候选区域的示例中，在从候选区域包括的所有片段区域中选出四个片段区域并且彼此组合时建立的所有可能的不同组合如图13中所示。关于由此指定的组合的信息项从组合指定単元140发送到索引值计算単元150。索引值计算単元150随机地选择从组合指定単元140发送的关于所有组合的信息项中之一，并且随后针对所选信息的片段区域，计算空间分散度(S90)和索引值(S100)。作为计算步骤S90中计算出的空间分散度的第一示例，可以根据各个片段区域的重心之间的欧几里得距离计算空间分散度。具体地，如图14中所示，假设组合中包括的四个片段区域的(几何)重心是代表点，计算代表点之间的欧几里得距离(dl2，dl3，dl4，d23，d24和d34)的倒数之和，并且随后向该和添加符号。因此，获得空间分散度。作为计算空间分散度的第二示例，可以根据各个片段区域之间的方差 (作为统计值)计算空间分散度。具体地，首先，计算四个片段区域的代表点(例如，重心)的坐标，并且随后计算水平位置和垂直位置上的方差-协方差矩阵。接着，将方差-协方差矩阵的迹或行列式指定为空间分散度。注意，空间分散度的计算不限于上述第一和第二示例，已知的空间分散度计算技术都可用。在针对组合计算出空间分散度(S90)后，索引值计算単元150根据下述基于针对组合的四个片段区域的空间分散度、均匀度和颜色纯度的算木公式，计算索引值。(算术公式2)索引值=aX Σ [均匀度]+bX Σ [颜色纯度]+cX Σ [空间分散度]在该公式中，“a”是表示均匀度的加权系数，“b”是表示颜色纯度的加权系数，以及“c”是表示空间分散度的加权系数。此外，均匀度、颜色纯度和空间分散度之前的符号Σ表示将四个片段区域的均匀度、颜色纯度和空间分散度相加。均匀度、颜色纯度和空间分散度的组合越好，索引值变得越大。在计算出索引值后，索引值计算単元150经由处理停止确定单元160，将计算结果发送到对象区域确定单元170。处理停止确定单元160预先存储用于确定索引值的计算是否应该停止的确定准则。这里，采用计算索引值的次数作为确定准则。例如，处理停止确定単元160将1000次(针对1000个不同组合中的每个计算索引值)缺省为计算索引值的次数的阈值，并且确定计算索引值的次数是否已经实际达到该阈值(S110)。随后，如果该数目已经达到阈值，则处理停止确定单元160确定应该停止计算，并且将确定结果发送到对象区域确定单元170。另ー方面，如果确定计算索引值的次数还未达到停止准则(阈值)，则处理停止确定单元160将用于计算其它组合的索引值的指示信号发送到索引值计算単元150。在接收到指示信号后，索引值计算単元150随机地选择组合指定単元140先前提供的所有组合中的未选择的ー个，并且计算所选组合的索引值。在接收到用于停止计算索引值的信号后，对象区域确定单元170将示出对象区域确定单元170已经接收到的所有索引值中的最大索引值的(4个片段区域的)组合，确定为要被检查的4个片段区域的组合(S120)。随后，对象区域确定单元170输出关于组合的位置数据，作为对象区域数据。注意，针对颜色C、M、Y和K中的每个，执行步骤S80到S120。相应地，针对颜色C、M、Y和K中的每个，对象区域确定单元170输出对象区域数据。
具有上述配置的图像处理装置将从图像的整个区域提取的所有片段区域中的仅仅在均匀度和颜色纯度上优异的区域，视作优异片段区域。随后，图像处理装置仅仅针对图像的整个区域中的具有非常多的优异片段区域的候选区域，指定四个不同片段区域的所有组合，并且随后计算每个组合的索引值。与针对从图像的整个区域提取的所有区域指定四个片段区域的所有组合并且计算每个组合的索引值的情形相比，具有这个配置的图像处理装置減少了计算索引值所需的时间。因此，图像处理装置可以在较短的时段内，从图像的整个区域中指定具有相对大的均匀度、颜色纯度和空间分散度的片段区域的组合。根据本发明的第二实施方式的图像处理装置100包括个人计算机和用于使得个人计算机充当图像处理装置的程序。该程序存储在作为记录介质的比如⑶-ROM和DVD-ROM的光盘中，从而可由机器读取，并且该程序可以经由光盘安装在个人计算机的硬盘中。图9中示出的重复处理単元120、候选区域选择单元130、组合指定単元140、索引值计算単元150、处理停止确定单元160和对象区域确定单元170中的任何ー个利用个人计算机的CPU的算法处理，作为软件实现。
这里注意，选择包括多个优异片段区域的候选区域。然而，可以选择仅仅包括ー个优异片段区域的候选区域(尺寸与片段区域相同)的一部分或全部。接着，描述图像处理装置100的修改例。注意，除非另有说明，根据该修改例的图像处理装置100在配置上类似于根据本发明的第二实施方式的图像处理装置100。图15是示出根据该修改例的图像处理装置100的实质部分的配置的方框图。图16是示出由根据该修改例的图像处理装置100进行的对象区域确定的处理流程的流程图。根据该修改例的图像处理装置100与根据本发明的第二实施方式的图像处理装置100的不同之处在于，组合指定単元140进行的组合指定处理以及组合指定处理之后的步骤。图10中示出的流程图非常类似于图16中示出的流程图。然而，图10中的处理从步骤SllO返回到步骤S90，而图16中的处理从步骤SllO返回到步骤S80。这种返回目的地上的差别归因于下述事实在图10的处理中，索引值计算単元150 (參见图9)确定用于计算索引值的对象组合，而在图16的处理中，组合指定単元140 (參见图15)确定用于计算索引值的对象组
ム
ロ ο根据该修改例的图像处理装置100的组合指定単元140具有保留方案存储部，该保留方案存储部包括RAM等。保留方案存储部存储关于示出相对大的索引值的数据项的组合的数据。每次组合指定単元140选择并组合候选区域包括的所有片段区域中的四个片段区域来指定新的组合时，组合指定単元140将指定结果连续地输出到索引值计算単元150。随后，在从组合指定単元140接收到关于新组合的数据时，索引值计算単元150计算该组合的索引值。也就是，在本发明的第二实施方式中，索引值计算単元150随机选择所有可能的四个片段区域的组合中的哪ー个来用于计算索引值。另ー方面，在修改例中，选择片段区域的组合由组合指定単元140执行。在随机指定四个片段区域的第一组合并且将它的结果输出到索引值计算単元150后，组合指定単元140等待索引值计算単元150的索引值计算結果。在从索引值计算単元150接收到计算结果后，组合指定単元140将其与关于该组合的数据一起存储在保留方案存储部中。接着，按照与上述相同的方式，组合指定単元140随机指定片段区域的第二组合，并且将它的结果输出到索引值计算単元150。此后，组合指定単元140从索引值计算单元150接收索引值计算結果，并且随后将这个计算结果与保留方案存储部中存储的计算结果相比较。如果新近指定的组合的索引值大于保留方案存储部中存储的索引值，则组合指定单元140利用关于新近指定的组合的数据，更新保留方案存储部内的数据。另ー方面，如果保留方案存储部中存储的索引值大于新近指定的组合的索引值，则组合指定単元140将保留方案存储部内的数据保持原样不变。随后，为了指定片段区域的第三组合，组合指定単元140參照保留存储部中存储的且在位置上靠近第三组合的组合。因此，组合指定単元140在偶尔需要时更新保留方案，并且基于保留方案指定新的片段区域組合，从而指定片段区域的第三组合或后面的组合。图17是具体示出图16中示出的处理流程中的步骤S80(即，在指定第二片段区域组合或后面的片段区域组合时执行的步骤)的流程图。如图17中所示，为了指定第二或后面的组合，组合指定単元140确定先前评估值(例如在指定第二组合时第一组合的评估值)是否大于保留方案存储部中存储的评估值(S80a)。如果确定先前评估值大于保留方案存储部中存储的评估值(S80a中为是)，则组合指定単元140利用关于先前评估值的数据，更新关于该组合的数据以及保留方案存储部中存储的评估值(S80b)。另ー方面，如果确定先前评估值不大于保留方案存储部中存储的评估值(S80a中为否)，则组合指定単元140将保留 方案存储部中存储的评估值保持为原样不变。随后，组合指定単元140将位置上与保留方案存储部中存储的片段区域组合靠近的片段区域组合，指定为新组合(S80c)。因此，组合指定単元140将位置上与保留方案存储部中存储的片段区域组合靠近的片段区域组合，指定为新组合，从而使得可以增加选择具有相对大的索引值的片段区域组合的可能性。相应地，组合指定単元140可以高效地捜索具有大索引值的片段区域組合。注意，即使先前评估值小于保留方案存储部中存储的评估值(下文中称为保留方案评估值)但是满足某些条件，组合指定単元140也可以更新保留方案。例如，如图18中所示，假设先前评估值相对于保留方案评估值的降级量为d，可以以基于參数t的概率exp(-d/t)更新保留方案。每次组合指定単元140更新保留方案时，參数t的值减小。这称为模拟退火法。此外，步骤SllO中的停止准则可以是使得更新保留方案的频率变为等于或小于某值(例如，如果保留方案没有被连续更新10次，则停止计算索引值)。用于增加指定具有大评估值的组合的可能性的方法不限于上述模拟退火法，任何已知的优化技术都可用。作为用于将位置上与保留方案存储部中存储的片段区域组合靠近的片段区域组合指定为新的片段区域组合的方法的第一示例，可以使用下述方法。換言之，这个方法包括将四个片段区域中的三个片段区域选择为与保留方案存储部中存储的组合(下文中称为保留方案组合)中的片段区域完全相同，以及将一个片段区域选择为与保留方案组合中的剩余片段区域部分重叠或相邻。例如，假设片段区域的先前组合是图13中示出的组合，图19中示出的片段区域被指定为新组合。在图19示出的新组合中，四个片段区域中的三个片段区域与图13中示出的保留方案组合中的片段区域完全相同。此外，四个片段区域中的另ー个与保留方案组合中的剩余片段区域部分重叠，如图19中的虚线所示。此外，作为用于将位置上与保留方案存储部中存储的片段区域组合靠近的片段区域组合指定为新的片段区域组合的方法的第二示例，可以使用下述方法。換言之，这个方法包括将ー些片段区域选择为与保留方案存储部中存储的保留方案组合的片段区域完全相同，并且随机选择其它片段区域。例如，假设片段区域的先前组合是图13中示出的组合，图20中示出的片段区域被指定为新组合。在图20中示出的新组合中，四个片段区域中的三个片段区域与图13中示出的保留方案组合中的片段区域完全相同。此外，四个片段区域中的另一片段区域从作为保留方案组合中的剩余片段区域的替代的候选区域中随机选择，如图20中的虚线所示。上面的描述例示了对彩色图像数据的处理，该彩色图像数据包括示出四个颜色分量Y、M、C和K中的每个的亮度的像素值。然而，还可以处理ニ进制图像数据和根据像素值仅仅示出白和黑的亮度的灰阶图像；包括示出三种颜色分量R (红色)、G (绿色)和B (蓝色)的每个的亮度的像素值的彩色图像数据；或者频谱图像数据和包括示出四个或更多顔色分量中的每个的亮度的像素值的彩色图像数据等。注意，在使用均匀颜色空间中的欧几里得距离来计算颜色纯度的第一示例的方法中，可以通过改变目标颜色，计算除了 C、M、Y和K之外的顔色的颜色纯度。此外，在使用二次公式的第二示例的方法中，可以通过改变轴的使用来计算除C、M、Y和K之外的颜色的颜色纯度。
在根据本发明的第二实施方式的图像处理装置100中，均匀度计算单元120b被配置为基于作为片段区域中的像素的顔色信息的像素值的分散度、像素值的最大值和最小值之差和像素值的频率特性中的至少ー个，计算片段区域的均匀度。利用这种配置，与片段区域的密度均匀性具有高关联性的数值可以被视作均匀度。此外，作为根据本发明的第二实施方式的图像处理装置100中的颜色纯度计算的第一示例，颜色纯度计算单元120c被配置为计算作为片段区域中的像素的顔色信息的像素值的平均值和特定顔色C、M、Y和K之间的均匀颜色空间中的欧几里得距离，作为颜色纯度。利用这个配置，片段区域的平均顔色和具体顔色(C、M、Y和K)之间的均匀颜色空间中的欧几里得距离越小，颜色纯度值越大。此外，作为根据本发明的第二实施方式的图像处理装置100中的颜色纯度计算的第二示例，颜色纯度计算单元120c被配置为计算颜色纯度，其中片段区域中的不同顔色分量C、M、Y和K中的与要被检查的颜色(C、M、Y或K)对应的平均值的符号为正(或可以为负)，而与其它颜色对应的平均值的符号与和要被检查的顔色对应的平均值的符号不同。利用这个配置，在片段区域的平均颜色更加接近要被检查的颜色时，顔色纯度的值可以朝向正侧增加。此外，作为根据本发明的第二实施方式的图像处理装置100中的空间分散度计算的第二示例，索引值计算単元150被配置为计算四个片段区域的组合中的各个片段区域的代表性坐标的方差-协方差矩阵或它的逆矩阵，作为空间分散度。利用这个配置，可以识别四个片段区域的分散性。此外，作为根据本发明的第二实施方式的图像处理装置100中的空间分散度计算的第一示例，索引值计算単元150被配置为计算四个片段区域的组合中的各个片段区域的代表性坐标之间的距离的倒数之和，作为空间分散度。利用这个配置，可以基于简单的数值，识别四个片段区域的分散性。此外，在根据修改例的图像处理装置100中，索引值计算单元150被配置为在组合指定単元140指定候选区域中包括的所有片段区域的所有可能组合之前，开始计算由组合指定単元140指定的组合的索引值。利用这个配置，与在指定所有片段区域组合之后开始计算每个组合的索引值的情形相比，开始计算索引值的时刻可以更早。 此外，在根据修改例的图像处理装置100中，索引值计算単元150被配置为指定新的片段区域组合，并且基于作为所计算出的索引值的历史的保留方案组合的索引值，计算该组合的索引值。利用这个配置，可以增加选择具有相对大的索引值的片段区域组合的可能性。此外，在根据本发明的第二实施方式的图像处理装置100中，索引值计算単元150被配置为基于通过将均匀度、颜色纯度和空间分散度与指定的加权系数a、b、c相乘而获得的值之和，计算索引值。利用这个配置，可以与调整加权系数a、b和c的大小的比例一起，任意地调整能够最大程度地影响索引值的变化或至少能够影响索引值的变化的均匀度、颜色纯度和空间分散度。本申请基于2009年12月I日提交给日本专利局的日本优先权申请 No. 2009-273507以及2010年3月16日提交给日本专利局的日本优先权申请No. 2010-059123，上述申请的全部内容在此通过引用并入。
权利要求
1.一种图像信息处理装置，所述图像信息处理装置基于图像信息，确定在由所述图像信息表示的图像的整个区域中的适合于检查图像形成装置的图像形成性能的区域，所述图像信息处理装置包括 片段区域提取单元，用于从所述图像的整个区域中提取具有预定尺寸的片段区域； 颜色再现性预测单元，用于在基于所提取的片段区域的颜色测量结果调整所述图像形成装置的图像形成性能的情况下，通过使用算法来预测整个图像的颜色再现性的结果；以及 对象区域确定单元，用于将如下的片段区域确定为对象区域，该片段区域示出通过重复执行由所述片段区域提取单元执行的提取处理以及由所述颜色再现性预测单元执行的预测处理获得的多个结果中的最佳结果。
2.如权利要求I所述的图像信息处理装置，还包括 均匀度计算单元，用于计算由所述片段区域提取单元提取的片段区域中的颜色密度的均匀度；以及 预测对象选择单元，用于仅仅选择示出优异的均匀度计算结果的片段区域，并且将关于该片段区域的图像信息输出到所述颜色再现性预测单元，作为所述结果的预测对象。
3.如权利要求2所述的图像信息处理装置，其中， 所述均匀度计算单元被配置基于如下各项中的至少一项计算所述均匀度 作为所述片段区域中的像素的颜色信息的像素值的分散度、所述像素值的最大值和最小值之差、以及所述像素值的频率特性。
4.如权利要求I所述的图像信息处理装置，其中， 所述片段区域提取单元被配置为基于所述颜色再现性预测单元的预测结果，提取新的片段区域。
5.如权利要求I所述的图像信息处理装置，其中， 在根据由所述片段区域提取单元提取的片段区域的颜色调整所述图像形成装置的图像形成性能的情况下，所述算法单独地预测所有其它片段区域中的每一个的颜色再现性，并且计算预测结果中的最佳值或平均值，作为所述整个图像的颜色再现性的结果。
6.如权利要求I所述的图像信息处理装置，其中， 在根据由所述片段区域提取单元提取的片段区域的整个图像中的位置调整所述图像形成装置的图像形成性能的情况下，所述算法针对所有其它片段区域的位置，单独地预测所述颜色再现性，并且计算预测结果中的最佳值或平均值，作为所述整个图像的颜色再现性的结果。
7.一种非暂时性记录介质，所述非暂时性记录介质中记录有程序，从而可由机器读取所述程序，所述程序使得计算机充当如权利要求I所述的图像信息处理装置。
全文摘要
本发明公开了一种图像信息处理装置，该图像信息处理装置基于图像信息，在由图像信息表示的图像的整个区域中，确定适合于检查图像形成装置的图像形成性能的区域。图像信息处理装置包括片段区域提取单元，用于从图像的整个区域中提取具有预定尺寸的片段区域；颜色再现性预测单元，用于在基于所提取的片段区域的颜色测量结果调整图像形成性能的情况下，通过使用算法来预测整个图像的颜色再现性的结果；以及对象区域确定单元，用于将示出通过重复执行由片段区域提取单元执行的提取处理以及由颜色再现性预测单元执行的预测处理获得的多个结果中的最佳结果的片段区域，确定为对象区域。
文档编号G06T1/00GK102714686SQ20108005333
公开日2012年10月3日 申请日期2010年11月26日 优先权日2009年12月1日
发明者原崇之 申请人:株式会社理光