JP2575215B2

JP2575215B2 - カラー画像形成装置

Info

Publication number: JP2575215B2
Application number: JP1282595A
Authority: JP
Inventors: 博明中村; 厚高木
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 1989-10-30
Filing date: 1989-10-30
Publication date: 1997-01-22
Anticipated expiration: 2012-01-22
Also published as: US5025282A; JPH03144435A

Description

【発明の詳細な説明】＜産業上の利用分野＞本発明は、原稿から読み取られた原画像情報から所定
の感光材料に対する条件などの画像形成条件を演算する
際に演算画像形成条件が適正でなかった場合に適正な画
像形成条件を入力することにより、前記原画像情報に応
じた画像形成条件の適正値を学習する学習機能、例え
ば、カラー写真原稿やカラー印刷原稿などの複写原稿の
原稿種の判別演算あるいは、カラーネガフィルムやカラ
ーリバーサルフィルムや電気的に処理された画像などの
原稿に応じた露光条件の演算を行うバックプロパゲーシ
ョン学習アルゴリズムを持つニューラルネットを有する
カラー複写装置またはカラープリンタ等のカラー画像形
成装置に関する。

＜従来の技術＞近年、各種のカラー複写装置、カラープリンタ等のカ
ラー画像形成装置が普及しつつあるが、これらのカラー
画像形成装置において良好なカラー画像を得るために
は、色バランスや濃度を適正に仕上げる必要がある。

このようなカラー画像形成装置、例えば複写装置にお
いては、カラー原稿として写真や印刷物が多く用いられ
ているが、これらは色材が異なりまた視感度と複写用感
光材料の分光感度が異なるため、同一の複写露光条件で
複写を行うと色バランスの異なった可視再生画像となっ
てしまう。例えば、カラー印刷原稿ではマゼンタインキ
とシアンインキとの分光濃度分布の重なりが大きく、マ
ゼンタ濃度が高くなるためカラー印刷原稿が良好に仕上
るように調整したカラー複写装置においては、マゼンタ
濃度形成を抑えた露光条件となっている。

従って、この画像露光条件のものでカラー写真原稿を
複写するとマゼンサ色が不足してグリーン気味となった
カラー再生画像が形成されてしまう。

このため、従来多くの原稿種判別方法および判別手段
が提案されているが、これらの従来法は、判別に用いる
手法が複雑で、用いられる判別式も多いため、判別精度
および判別手法と簡便さという点で充分とはいえなかっ
た。

従って、本出願人は、特願昭62−19775号、同62−197
76号および同62−19777号明細書に１原色光の波長領域
内の異なる波長に感度ピークを有する２種類のセンサー
を３原色それぞれにつき合計６種類有し、この６種類の
センサーの測定値の一部あるいは全てを用いる複数の判
別式によりカラー原稿種を判別する方法を提案し、さら
に、特願昭63−243603号および特願平01−40007号明細
書に上記６種類の測定値を用いる１つの判別関数により
カラー原稿さらには白黒原稿の原稿種を判別する機能を
有する画像形成装置を提案している。

一方、ネガフィルムやリバーサルフィルムなどの透過
原稿から、所定の大きさの感光材料にポジ画像を焼き付
けてカラー写真などを得るプリンタにおいては、原稿と
なるネガフィルムやリバーサルフィルムなどは１つ１つ
のフィルムの露光条件および処理条件等が同一ではな
く、色バランスおよび濃度が異なるため、前記原稿から
カラースキャナによって読み取られた原画像情報に応じ
た露光条件を決定し、原稿（ネガフィルムやリバーフィ
ルム）の状態によらずプリント上で最適な色再現を得る
必要があった。

このような露光条件を決定する写真焼付露光量制御方
法として、本出願人は、特開昭52−23936号および同54
−28131号公報にネガフィルムの透過濃度を前記ネガフ
ィルムの複数の特定の画面から測定し、得られた画像特
徴量からネガフィルムを類別して露光補正量を演算し、
この補正を加えた露光量で写真焼付を行う方法、さらに
ACCSS（Advanced Computerlized Color Scanner）と呼
ばれるシステムを提案している。

＜発明が解決しようとする課題＞ところで、本出願人が特願昭62−19775号、同62−197
76号および同62−19777号明細書に提案した方法は、従
来の原稿種判別に比較して判別精度も高く、判別手法お
よび制御は容易であり、優れた利点を持つものである
が、複数の判別式を用いる必要があった。

このために、本出願人が特願昭63−243603号および特
願平01−40007号明細書に提案した画像形成装置は、自
動的に１つの判別関数を用いて、少なくともカラー写真
原稿とカラー印刷原稿または白黒原稿とを判別し、その
カラー原稿種に応じて画像形成条件（色フィルタ調節
量、露光量等）や感光材料を選択して、適正な可視再生
画像を得ることができるものである。判別精度としては
かなり高いものであるが、まだ、100％まで正確に判別
できるものではないので、一旦前記判別関数を設定して
しまうと、再設定には多くのデータとそのデータを処理
するための多くの時間を要し、再設定が容易ではないと
いう問題があった。このためさらなる判別精度の向上
と、取り扱いの簡便さが求められていた。

また、本出願人が特開昭52−23936号および同54−281
31号公報などに開示した方法さらにACCSシステムでは、
ネガフィルムやリバーサルフィルムなどの透過原稿から
読み取られた数百画素の３原色光の測光データから複数
の特定の画面の各種の特徴量を算出し、所定の統計処
理、例えば重回帰分析を用いる補正演算処理によって自
動的に前記透過原稿の状態によらずプリント上で最適な
色再現を行うための露光量あるいは露光補正量などの露
光条件を決定することができるが、一般に前記透過原稿
の状態はばらつきが大きく、完全に適正な露光条件を１
つ１つの原稿に応じて設定可能なものとするには、莫大
なデータの記憶とこれらのデータを用いた複雑な補正量
演算が必要となるという問題があった。

また、例え、ばらつきのある原稿の状態によらず一般
的に最適な色再現のための露光条件が設定されたとして
も、可視再生画像の色バランスや濃度の最適値は、個人
によってまた好みによって異なるものであるし、また、
対象とする被写体、例えば、北国の雪景色のような白色
が多い景色、や、南国の海のように青色が多い景色など
のように基調となる色調が異なる被写体によって異なる
ものであるので、標準的な設定では不十分であり、使用
される場所などに応じて変える必要があるが、これらの
要求に対し、設置値を変えていくことは極めて煩雑かつ
困難であるという問題もある。

本発明の目的は、上記従来技術の問題点を解消し、カ
ラー写真原稿、カラー印刷原稿および白黒原稿などの原
稿種の判別による適正画像形成条件の設定、あるいはネ
ガフィルムやリバーサルフィルムなどの透過原稿の原画
像情報からの適正露光条件の設定などの原稿の原画像情
報に基づいた画像形成条件の設定を学習機能を有する画
像形成条件演算処理手段、例えばバックプロバケーショ
ン学習アルゴリズムを持つニューラルネットワークを用
いて最適値を自動生成し、自動設定する演算処理手段に
より行い、原稿に応じた判別結果や個人の好み、原稿
（例えば被写体）の種別および装置設置場所に応じた画
像形成条件を学習させることにより前記原稿種判別の精
度を向上させ、さらに可視再生画像の色再現を最適化す
ることができるカラー画像形成装置を提供することにあ
る。

＜課題を解決するための手段＞上記目的を達成するために、本発明は、原稿が担持す
る原画像情報を検出する画像情報検出手段と、該画像情
報検出手段により検出した前記原画像情報に基づいて前
記原稿を少なくともカラー写真原稿とカラー印刷原稿ま
たは白黒原稿とを判別する判別手段と、該判別手段の原
稿種判別結果および前記原画像情報に基づいて画像形成
条件を設定する画像形成条件設定手段と、該画像形成条
件設定手段により設定された画像形成条件で感光材料に
露光を行ない可視再生画像を得るカラー画像形成手段
と、前記可視再生画像が適正な色および濃度に仕上って
いない時に適正な色および濃度を得るための修正条件を
前記判別手段に入力するため修正条件入力手段を備え、前記判別手段が、前記修正条件入力手段による修正条
件の入力によって、前記原画像情報に対する適正な原稿
種の判別を行なうよう学習するようにしたことを特徴と
するカラー画像形成装置を提供するものである。

前記画像形成条件演算処理手段は、前記原稿が反射原
稿である場合に、前記画像情報検出手段によって前記原
稿から検出された原画像情報に基づいて、前記原稿を少
なくともカラー写真原稿とカラー印刷原稿に判別するニ
ューラルネットワークと、このニューラルネットワーク
により判別さた原稿種および使用感光材料さらに必要に
応じて付加される条件に応じて前記画像形成条件を設定
する設定手段とを有するのが好ましい。

前記修正条件入力手段は、前記修正条件として正しい
判別結果を入力するものであるのが好ましい。

前記画像形成条件演算処理手段は、前記原稿が透過原
稿である場合に、前記画像情報検出手段によって、前記
原稿から検出された原画像情報から画像特徴量を算出
し、該画像特徴量から前記画像形成条件を決定するニュ
ーラルネットワークを有するのが好ましい。

前記修正条件入力手段は、前記修正条件として前記画
像形成条件を入力するものであるのが好ましい。

前記ニューラルネットワークは、バックプロパケージ
ョン学習アルゴリズムを持つのが好ましい。

前記ニューラルネットワークは、前記原画像情報から
算出されたパラメータの入力層、中間層および前記画像
形成条件を出力する出力層の３層構造であるのが好まし
い。

前記画像形成条件は、３原色および濃度の補正量であ
るのが好ましい。

前記画像形成条件の３原色は、イエロー（Ｙ）、マゼ
ンタ（Ｍ）およびシアン（Ｃ）であるのが好ましい。

前記画像情報検出手段は、３原色光につき１原色光の
波長領域内に異なる波長に感度ピークを有する２種類の
センサーを合計６種類のセンサーであるのが好ましい。

前記検出用３原色光は、赤色（Ｒ）、緑色（Ｇ）およ
び青色（Ｂ）であるのが好ましい。

＜発明の作用＞本発明のカラー画像形成装置は、使用されている所定
の感光材料に対して画像情報検出手段によって原稿の全
領域もしくはその一部から検出された原画像情報を用い
て適正な画像形成条件を演算する画像形成条件演算処理
手段に、複数の前記原画像情報に適正な画像形成条件を
入力して学習させて、演算ネットワークの各エレメント
の演算式を自動生成させ、これらの演算式を用いる画像
形成条件演算手段により、新たに検出された原画像情報
から常に適正な画像形成条件を演算させ、この画像形成
条件で前記感光材料に露光し、露光済感光材料を処理し
て可視再生画像を得ることができ、例え、この可視再生
画像の色再現や濃度再現が不満足な場合が生じても、最
適な画像形成条件を前記画像形成条件演算処理手段に外
部から入力することにより学習させ、より正確な演算処
理式を自動生成させることにより、以後の原画像情報に
対する適正画像形成条件の演算効率（正確値、最適値を
算出する割合）を高めてゆくことができるものである。

例えば、カラー写真原稿、カラー印刷原稿および白黒
原稿の原稿種を判別し、判別結果に従って使用感光材料
に対する画像形成条件、例えば、３原色光それぞれの露
光量あるいは３原色のフィルタの補正量および露光量な
どの露光条件あるいは使用感光材料の帯電条件などおよ
び露光済感光材料の処理条件を決定することができるカ
ラー複写装置において、原稿種の判別をバックプロパゲ
ーション学習アルゴリズムを持つニューラルネットワー
クで行うよう構成することにより、原稿種の判別効率
（判別結果の正確率）を向上させることができる。

また、ネガフィルムやリバーサルフィルムなどの透過
原稿から検出された原画像情報から画像特徴量を算出
し、この画像特徴量から使用感光材料に対する画像形成
条件、例えば、上述したような露光条件あるいは帯電条
件および処理条件を決定することができるプリンターに
おいて、画像形成条件の演算を直接上記ニューラルネッ
トワークで行うように構成することにより、最適画像形
成条件の演算効率を向上させることができるし、前記画
像形成条件設置値や個人やラボの好み、設置場所などに
応じて容易に変更させてゆくことができる。

＜実施態様＞以下に、本発明に係るカラー画像形成装置を添付の図
面に示す好適実施例に基づいて詳細に説明する。

第１図は、本発明の画像形成条件演算処理系を含むカ
ラー画像形成装置の一実施例を示す原理的構成説明図で
ある。ここに示す画像形成条件処理系は、本発明の画像
情報検出手段として赤色（Ｒ）光、緑色（Ｇ）光および
青色（Ｂ）光の各２種、合計６種類のフォトセンサを用
い、本発明の画像形成条件演算処理手段として、学習機
能を有する原稿種判別装置と、その判別結果に応じて画
像形成条件を設定する設定装置と、前記原稿種別判別装
置に学習させる修正条件を入力する修正条件入力装置と
を有するものである。

同図に示すように、本発明の画像形成装置10は画像形
成条件演算処理系12と画像形成部本体50とから構成さ
れ、演算処理系12は、相対的に矢印方向へ移動する原稿
14を照射する光源16と、光源16の照射光およびその原稿
14からの反射光の光束を定めるスリット18a、18bと、前
記反射光を受光する赤光（Ｒ）用センサ20a、20b、緑光
用センサ20c、20dおよび青光（Ｂ）用センサ20e、20fの
６種のフォトセンサからなるイメージセンサ20と、イメ
ージセンサ20の各測光値を増幅する増幅器（AMP）22
と、増幅された各測光値をアナログ／デジタル変換する
A/D変換器（A/D）24と、デジタル画像信号から少なくと
もカラー写真原稿とカラー印刷原稿とを判別し、かつこ
の判別に際し学習機能を有する原稿種判別装置26と、判
別結果に応じて画像形成条件を設定する条件設定部28
と、原稿種および使用感光材料さらに色濃度に応じた画
像形成条件を記憶しているRAM30と、前記判別結果が誤
っており、画像形成が適正でない時に学習するための修
正条件、例えば正しい判別結果あるいは正しい画像形成
条件を入力する修正条件入力装置32とから構成され、こ
の演算処理系12によって求められた画像形成条件は、こ
れに応じて感光材料を露光し、処理して可視再生画像を
得る画像形成部本体50の伝送される。

本発明の用いられるイメージセンサ20の各色センサ
は、少なくともカラー写真原稿とカラー印刷原稿を判別
するパラメータとなり得るものであればよく、例えば、
第図に示すようにＲ用センサ20aおよび20bそれぞれとし
て感度ピークを715nmおよび650nmに有するセンサ、Ｇ用
センサ20c、20dおよびＢ用センサ20e、20fとしてそれぞ
れ感度ピークを580nm、550nmおよび470nm、400nmに有す
るセンサを用いるのが好ましい。

このようなセンサを用いる理由は、これらの波長にお
いて第3a図に示すカラー写真画像の平均的分光濃度分布
と第3b図に示すカラー印刷画像の平均的分光濃度分布と
の相違が大きいからである。

第3a図および第3b図から明らかなように、400nmおよ
び470nm付近では共にカラー写真画像が最も濃度が高
い。

また、カラー写真画像に用いられているマゼンタ色素
は530nm付近に極大濃度（極大吸収波長）があり、シア
ン色素は650nm付近に極大濃度がある。さらに、シアン
色素、マゼンタ色素共にこの極大吸収波長を中心にして
濃度が低下する特性がある。

一方、カラー印刷画像の用いられるマゼンタインク
は、570nm付近に極大濃度を有し、また、シアンインク
はは600〜710nm付近まではほぼ平坦な濃度となってお
り、715nmより長波長測ではカラー写真画像よりも急激
な濃度低下が見られる。

これに対し、図示されていないが、白黒画像は、白黒
写真画像でも、白黒印刷画像であっても、ほぼ同じであ
りイエロー400〜470nm、マゼンタ550〜580nmおよびシア
ン600〜710nmのいずれの波長においてもほぼ平坦な濃度
を有している。

従って、Ｒ光の波長領域にある２つのセンサ20aおよ
び20bによる測光値R₁およびR₂と、Ｇ光の波長領域にあ
る２つのセンサ20cおよび20dによる測光値G₂およびG
₁と、Ｂ光の波長領域にある２つのセンサ20eおよび20f
による測光値B₂およびB₁とを用いることで、少なくとも
カラー写真画像とカラー印刷画像とははっきり区別でき
ることがわかる。

本発明に用いられる学習機能を有する原稿種判別装置
26は、ニューラルネットワーク36と、ニューラルネット
ワーク36に入力するパラメータを演算するパラメータ演
算器34とを有する。

パラメータ演算器34は、フォトサンサ20a〜20fにより
測定され、増幅器22により増幅され、A/D変換器によりA
/D変換された各測光値R₁、R₂、G₂、G₁、B₂およびB₁から
ニューラルネットワーク36の各プロセッシングエレメン
ト（PE）に入力するパラメータを演算するもので、第１
図に示す例では前述の６つの測光値から６つのパラメー
タR₂、G₁、B₂、R₂−R₁、G₂−G₁、B₂−B₁を演算するもの
である。ここで本発明に用いられるパラメータは、この
６種に限定されるわけではなく、ニューラルネットワー
ク36およびそれを構成する各エレメントに応じて適宜選
択すればよい。

ニューラルネットワーク36は、本発明の最も特徴的な
部分であって、第１図および第4a図に示す例では入力層
38、中間層40および出力層42の３層構造を有し、入力層
38は６個のプロセッシングエレメントE₁、E₂、E₃、E₄、
E₅およびE₆から成り、中間層40は３個のプロセッシング
エレメントE₇、E₈およびE₉からなり、出力層42は１個の
プロセッシングエレメントE₁₀から成り、入力層38のエ
レメントE₁〜E₆はすべて中間層40の各エレメントE₇〜E₉
のそれぞれと結合され、中間層40のエレメントE₇〜E₉は
すべて出力層42のエレメントE₁₀に結合されており、エ
レメントE₇とE₁₀にはエレメントE₁₀の判別出力値Ｚを所
定量オフセットさせるためのバイアス44が結合される。

ところで、一般に、ニューラルネットワークとは、人
間の脳を摸倣した情報ネットワークでなり、脳のニュー
ロンに対応した複数のプロセッシングエレメントを動的
に結合させることで高度な並列分散処理を行なわせるこ
とができるものである。

ニューラルネットワークの有する性質として以下のよ
うなものを挙げることができる。

（１）各プロセッシングエレメントは、単純かつ均一な
処理を行う。

（２）各エレメントは、非同期な処理を行う。

（３）各エレメント間の結合強度変化によってネットワ
ークを構成していく。

ニューラルネットワークの構成は、第１図および第４
図に示すような一方向の信号伝達から成る階層構造であ
ってもよいし、各エレメント間のランダムな信号伝達か
らなる相互結合構造であってもよい。

第4b図に示すように、プロセッシングエレメントｉに
は、エレメントｌ、ｍ、ｎ、…、ｊ、…からの出力信号
O_l、O_m、O_nが入力され、エレメントｉの出力信号O_iを出
力し、他の複数のエレメントに入力される。これらのエ
レメントｌ、ｍ、ｎ、…、ｊ、…とエレメントｉとの結
合強度（重み係数）w_il、w_im、w_im、…、w_ij、…とする
と、エレメントｉへの入力信号I_iとしては、となる。従って、エレメントｉの出力信号O_iは、となる。ここで関数ｆ（ｘ）は、しきい値関数であれば
適宜選ぶことができるが、例えばシグモイド関数ｆ（ｘ）＝1/（１＋e^-x）を選ぶことができる。

ここでニューラルネットワークにバックプロパゲーシ
ョン（BP）を持たせることにより学習能力を持たせるこ
とができる。

このバックプロパゲーション（BP）は、以下の特徴を
有している。

（１）学習能力がある。

（２）判別分析等、従来の多変量回析との関連が強い。

（３）多入力、多出力の非線型システムが構成できる。

ニューラルネットワークにおける各エレメント間の結
合強度（重み係数）ｗの学習による修正量Δｗは、以下
の式で与えられる。

Δｗ＝−ε（∂E/∂ｗ）、あるいは加速項を加えて Δｗ＝−ε（∂E/∂ｗ）＋αｗここでＥは誤差評価関数であり、である。また、εは定数、O_i,_cは１番目のユニット出
力、d_i,_cはｉ番面のユニットの望ましい出力、ｃはｃ番
目の入出力ペアを示す、αはスムージングファクターで
ある。第4a図に示す例において、入力層38のエレメント
E₁〜E₆への入力信号をx₁〜x₆とするとき、これらのx₁〜
x₆は、入力パラメータR₂、G₁、B₂、R₁−R₁、G₂−G₁、B₂
−B₁である。

この時、入力層38のエレメントE₁〜E₆の出力信号y
_i（ｉ＝１〜６）は、 y_i＝kx_i（ｉ＝１〜６）k:スケーリング係数となり、
これらが中間層40のエレメントE₇、E₈、E₉に入力され
る。ここでエレメントE₁〜E₆とエレメントE₇〜E₉との間
の各エレメント間の重み係数（結合強度）をw_ij（ｉ＝
１〜６、ｊ＝７〜９）とし、エレメントE₇〜E₉の入力信
号をy_j（ｊ＝７〜９）、出力信号u_j（ｊ＝７〜９）のす
ると、エレメントE_jの入力信号y_iは、従って、エレメントE_jの出力信号u_jは、となる。

さらに、中間層40のエレメントE₇、E₈、E₉と出力層42
のエレメントE₁₀との間の重み係数（結合強度）をW₇、W
₈、W₉として、エレメントE₁₀への入力信号をＵ、出力信
号をＺとすると、となり、ｚの値によって、原稿種の判別を行うものであ
る。

ここで、閾値関数をジクモイド関数ｙ＝ｆ（ｘ）＝1/
（１＋e^-x）とすれば、例えば、０に近いものを写真原
稿、１に近いものを印刷原稿とする判別出力値Ｚとする
ことができる。

以上のように構成されるニューラルネットワーク36に
は、上述のバックプロパゲーション（BP）学習アルゴリ
ズムにより、予め多数のデータを学習させることによ
り、各エレメント間の重み係数（結合強度）およびオフ
セット量などを求めておくことにより、原稿種の判別を
正確に行うことができる。また、例え、判別結果が適正
でない場合が生じたとしても、正確な判別結果が修正条
件入力装置32によりニューラルネットワーク36に入力し
て学習させることにより、さらに正確な判別を行うこと
ができるので、判別効率を大幅に向上させることができ
る。

第１図に示す例では、原稿種判別装置26自身をニュー
ラルネットワーク36で構成し、原稿種の判別そのものを
ニューラルネットワーク36で行っているけれども、本発
明はこれに限定されるわけではなく、原稿種の判別は、
線型判別関数、２次以上の高次判別関数、あるいは非線
型判別関数で行い、これらの判別関数の係数をニューラ
ルネットワークのバックプロパゲーション学習アルゴリ
ズムで多数のデータおよび途中での適正値の入力から学
習させることによって決定するように構成してもよい。

また、原稿種判別装置26に付与する学習機能は、統計
分析に用いるうとができるものであれば、ニューラルネ
ットワークによるものに限定されない。

条件設定部28は、原稿種判別装置26によって判別され
た原稿種、例えば、カラー写真原稿、カラー印刷原稿、
白黒原稿（白黒写真原稿と白黒印刷原稿とを判別しても
よい）などと、使用感光材料、例えば、特願昭63−2436
03号および特願平01−40007号明細書などに開示されて
いるような銀塩写真式感光材料におけるカラー印刷原稿
に適した硬調用（ノーマル）感光材料、カラー写真原稿
に適した軟調用（ソフト）感光材料およびOHP感光材料
またはネガ用感光材料などとの組み合わせに最適な画像
形成条件、例えば露光条件および現像、定着などの処理
条件を決定するものである。

例えば、所定処理条件の下での露光条件としては、第
１図に示す光源16の照射光の原稿14からの反射光を直接
感光材料の露光に用いる直接露光の場合には、前記反射
光に作用させるＹ（イエロー）、Ｍ（マゼンタ）、Ｃ
（シアン）フィルタの挿入量および絞りＤの挿入量ある
いは原稿種に適正な各色フィルタおよび絞りの挿入量か
らの補正量ΔＹ、ΔＭ、ΔＣ、ΔＤなどを挙げることが
できる。このような露光条件の設定方法の詳細について
は、本出願人の出願に係る特願昭63−243610号に提案さ
れている。

また、一旦読み取った画像を読取光源とは別の光源例
えば、各色Ｒ、Ｇ、Ｂの半導体レーザ（LD）光源または
発光ダイオード（LED）光源等を用いる場合の露光条件
としては、これらの光源の発光量（発光強度、発光時
間）の補正量なども挙げることができる。

さらに、上記露光条件とともに現像、漂白、定着など
の感光材料の処理条件などを設定することもできる。

この他、条件設定部28は、電子写真式感光材料（感光
体）、感熱感光材料、感圧感光材料等の使用感光材料の
露光条件の他、それらの感光材料に特有の処理条件、例
えば電子写真式感光材料の印加電圧等を設定するもので
あってもよい。

RAM30は、上記の画像形成条件、すなわち露光条件や
処理条件が原稿種と使用感光材料とに応じて記憶してい
るもので、条件設定部28からの原稿種および使用感光材
料の情報を受け取り、画像形成条件を条件設定部28に送
り出す。

修正条件入力装置32は、原稿種判別装置26および条件
設定部28によりカラーバランスおよび濃度などの露光条
件や感光材料の処理条件によって画像形成された再生可
視像が適正な画像に仕上っていない時に、原稿種判別装
置26の適正判別結果または条件設定部28による適正な画
像形成条件を入力するためのものであって、原稿種の適
正な判別結果を直接原稿種判定装置26に入力するように
構成してもよいし、条件設定部28に適正な画像形成条件
を入力し、この適正な画像形成条件から適正な原稿種を
得て、この適正な原稿種を条件設定部28から原稿種判別
装置に入力するように構成してもよい。

いずれの場合も原稿種判別装置26は、適正な原稿種を
学習し、判別結果の合格率を向上させることができる。

画像形成部本体50は、条件設定部28により設定された
露光条件で感光材料を露光し、露光後設定処理条件で現
像、定着等の処理を行い、可視再生画像を得る部分であ
って、用いられる感光材料に応じ適宜選択されたもので
ある。

第５図に、本発明のカラー画像形成装置10の画像形成
部本体50として適用される銀塩写真式複写装置の一実施
例を示す。

同図に示す銀塩写真式複写装置52（以下、複写装置52
という）は、その右側に感光材料供給部54、上方に露光
部56およびその下方に処理部58が設けられている。

感光材料供給部54は、感光材料の搬送路60a、60bを有
し、上下に一対のマガジン62a、62bが着脱自在に取り付
けられ、これらの内部には感光材料64a、64bがそれぞれ
ロール状に収容され、先端部から感光材料供給部54へ取
り出されるようになっている。一例として64aはカラー
印刷原稿複写に最適な（硬調用）感光材料であり、64b
はカラー写真原稿の複写に最適な軟調用感光材料となっ
ている。

マガジン62a、62bの前方にはそれぞれ感光材料64a、6
4bを引出ローラ対66a、66bが、次いで感光材料64a、64b
を所定の長さに切断するためのカッタ68a、68bがそれぞ
れ配置される。切断後の感光材料64a、64bは搬送路60
a、60bのガイドおよび搬送ローラ対により露光面部70へ
と案内されるようになっている。

露光面部70は感光材料64aまたは64bの露光位置70a
（露光面）を規定するガラス板72が固定され、このガラ
ス板72へ押圧板74が圧着されている。

露光面部70の上流側（上側）および下流側（下側）に
は、それぞれ搬送ローラ76aおよび搬送ローラ対76bが設
けられている。

露光面部70の垂直下方には露光済感光材料64a（64b）
を一時保持する搬送路78が配置され、その上下方向中間
部には、感光材料64a（64b）の搬送路を処理部58へと切
換える切換ガイド79が設けられる。

露光部56は、原稿を載置するために透明なガラス板な
どからなる原稿台80と、原稿台80上に載置された原稿14
を固定するための原稿押え81と、原稿台80上の画像を露
光面部70の感光材料64a（64b）にスリット走査露光する
ために光源移動型結像光学系82と、プレスキャン時に原
稿14の反射光の色濃度を測定するイメージセンサ20およ
びイメージセンサ20の測定値によって、原稿14の原稿種
判別を行う原稿種判別装置26を含む画像形成条件演算処
理系12と、反射光の光路Ｌに作用して露光面部70側とイ
メージセンサ20側との光路Ｌの切換えを行なうシャッタ
84とを有している。ここで、光源移動型結像光学系82は
原稿台806の下面部を走査する光源16および反射ミラー8
6とを有する光源ユニットと、この光源ユニットの1/2の
速度で同方向に移動して光源16からの光の所定の方向に
反射するミラー88,90と、レンズユニット92とで構成さ
れている。

レンズユニット92は、原稿14の反射光を露光位置70a
に結像させるためのレンズの前群94aおよび後群94bと、
反射光の色補正を行なうためのシアン、イエロー、マゼ
ンタの各色に対応するシアンフィルタＣ、イエローフィ
ルタＹおよびマゼンタフィルタＭと、反射光の光量補正
を行なうための可変絞りとしての絞り板96aおよび96bと
を有する。

そして、本発明の複写装置52においては、このレンズ
ユニット92は、原稿種判別装置26の原稿種判別信号から
条件設定部28により設定された画像形成条件（露光条
件）に従って、反射光の光量および色バランスを調整す
る。

この反射光の補正は、例えば硬調用感光材料64aをユ
ーザーが選択して原稿14がカラー印刷原稿または白黒原
稿と判別された場合には、硬調用の標準設定条件で複写
を行うが、原稿14がカラー写真原稿である場合にはイエ
ローフィルタＹを抜き、光量を上げるように補正され
る。また、軟調用感光材料64bをユーザーが選択して、
原稿14がカラー写真原稿である場合には、軟調用の標準
条件設定でコピーを行うが、カラー印刷原稿または白黒
原稿である場合にはシアンフィルタＣを入れるように補
正される。

なお、この複写装置52を適用されている光源移動型結
像光学系82は、倍率が0.5〜2.0までズーム複写が可能な
ように構成される。

シャッタ84はプレスキャン時の露光時とで反射光の光
路Ｌを変更するためのもので、プレスキャン時には図中
実線で示す閉鎖状態となり、反射光の光路Ｌをイメージ
センサ20側に変更し、露光時には図中実線で示す開放状
態となり、反射光が感光材料64a（64b）を露光するよう
にする。

処理部58は処理槽部98と乾燥部100とから構成され
る。処理槽部98内に現像槽102、漂白・定着槽104、水洗
槽106,108が連続して設けられ、これらの内部へ充填さ
れる処理液によって現像、漂白、定着、水洗が行なわれ
た感光材料64a（64b）が乾燥部100へと送られるように
なっている。

乾燥部100では水洗後の感光材料64a（64b）を乾燥し
て取出トレイ110上へ送り出すように構成される。

第１図に示すカラー画像形成装置10を用いて、原稿種
判別を行ない、その結果を本出願人が特願昭63−243603
号および特願平01−40007号明細書に提案した線型判別
関数を用いつて原稿種判別を行う画像形成装置における
原稿種判別の結果とを比較した。

本発明装置による原稿種判別は、カラー写真原稿サン
プル50点、カラー印刷原稿サンプル50点を用いて、予め
バックプロパゲーション学習アルゴリズムを持つニュー
ラルネットワーク36により学習され、最適な非線形判別
関数（重み係数およびオフセット量など）を自動生成
し、これを用いる原稿種判別装置26により、先の100点
のサンプルを原稿種判別した。その結果を第６図に示
す。

一方、線型判別関数は、本出願人が特願昭63−243603
号および特願平01−40007号明細書に提案したものを用
い、上述の100サンプルを判別した。

すなわち、線型判別関数Z_Lは以下のようなものであっ
た。

Z_L＝a₁＋a₂ ^＊R₂＋a₃ ^＊G₁＋a₄ ^＊B₂＋a₅ ^＊（R₂−R₁）＋a₆ ^＊（G₂−G₁）＋a₇ ^＊（B₂−B₁） a₁＝−14.33、a₂＝−0.11、a³＝−0.37、a₄＝0.45、a₅
＝1.19、a₆＝−0.67、a₇＝−0.96 ここで、Z_L＜０はカラー印刷原稿、Z_L＞０はカラー写
真原稿と判断されるものである。この結果を第７図に示
す。

第６図および第７図から明らかなように、線型判別関
数を用いた装置の判別では誤判別されたり、Z_L＝０付近
にある両原稿の分離が不十分であったものが、本発明装
置の学習機能を有するニューラルネットワーク36を用い
た判別では、誤判別は全くなく、両原稿の分離度も極め
て高いものであった。

以上は、画像形成条件を演算し、設定するために原稿
種を判別する原稿種判別装置に例えばニューラルネット
ワークを構成して学習機能を保持させるものであるが、
原稿からイメージセンサ等の画像情報検出手段により検
出された原画像情報、例えば上述の６つのフォトセンサ
の測定値から直接画像形成条件、例えばＣ、Ｍ、Ｙの色
バランスおよび濃度（Ｄ）などの露光条件および処理条
件などを学習機能を有する条件演算処理手段により求め
るように構成してもよい。例えば、複写装置の場合に、
熟練オペレータによる原稿と複写条件（色バランスおよ
び濃度）の関係を各原稿のフォトサンサ出力と複写条件
の関係としてニューラルネットワークに学習させること
によって、複写原稿に対する適正複写条件を高い合格率
（精度）で直接に得ることができる。

第８図に、このようなカラー画像形成装置を示す。

同図に示すカラー画像形成装置120は、光源16、イメ
ージセンサ20、増幅器22、A/D変換器24、修正条件入力
装置32および学習機能を有する画像形成条件演算装置12
2ならびに画像形成部本体50を有し、画像形成条件演算
装置122以外は第１図に示すものと同一のものを用いる
ことができるので詳細な説明は省略する。

ここで画像形成条件演算装置122は、第１図に示すも
のと同様なパラメータ演算器34とニューラルネットワー
ク124と出力ポート126とを有し、６個のフォトセンサ20
a〜20fからの測光値R₁、R₂、G₁、G₂、B₁、B₂から直接３
色の色フィルタ条件Ｙ、Ｍ、Ｃおよび濃度の絞り条件Ｄ
を求めるものである。ニューラルネットワーク124は３
層構造を有し、入力層128は６個のエレメント、中間層1
30は５個のエレメント、出力層132はＹ、Ｍ、Ｃ、Ｄに
関する４つのエレメントから成るものである。

これらの各エレメントにおける信号の入出力の関係式
および各層間エレメントの結合強度（重み係数）および
これらから構成されるバックプロパゲーション学習アル
ゴリズムによるニューラルネットワーク124の構成およ
び学習によりこのニューラルネットワーク124からの非
線型演算（判別）関数の自動生成については、第4a図お
よび第4b図における例と同様に考えることができるの
で、その説明の省略する。

上述の画像形成条件演算装置122は、ニューラルネッ
トワーク124の構造を変えることにより、ネガフィルム
やリバーサルフィルムなどの透過原稿の画像形成条件設
定にも適用可能である。

第９図に、ネガフィルム136から最適なカラー写真138
を得るためのカラー写真プリンタ140を示す。

同図に示すカラー写真プリンタ140は、ネガフィルム1
36を照射する光源142、光源142から照射され、ネガフィ
ルム136を透過する光を集光するレンズ143、集光された
透過光を検出する、例えば25×25画素検出カラーMOS型
センサ144、増幅器146、A/D変換器148、プリント条件演
算装置150、修正条件入力装置152およびプリンタ本体を
構成する露光装置154と、露光済感光材料137を処理して
カラー写真138とする処理装置155を有する。

プリント条件演算装置150は、ネガフィルム136の担持
する原画像情報についてのイメージセンサ144の多数の
フォトセンサの測定値を基にして多数の画像特徴量を算
出する特徴量算出器156と、バックプロパゲーション学
習アルゴリズムを持つニューラルネットワーク158と、
プリント条件例えば、Ｙ、Ｍ、Ｃの色バランスおよび濃
度Ｄの露光条件を出力する出力ポート160からなる。ニ
ューラルネットワーク158は、多数のエレメントからな
る入力層162と多数のエレメントからなる１層あるいは
多層構造を有する中間層164と上記プリント条件例えば
Ｙ、Ｍ、Ｃ、Ｄに関係する４つのエレメントからなりプ
リント条件を決定する出力層166とからなる多層構造の
ネットワークである。

ここに用いらるエレメントおよび非線型演算（判別）
関数の構成およびニューラルネットワークの構成の方法
については上述のものと同様に行うことができ、少なく
とも上記４つのプリント条件（Ｙ、Ｍ、Ｃ、Ｄ）を線型
演算関数であっても、非線型演算関数であっても自動生
成できるものである。

光源142は、プリント条件設定のためのカラーMOS型セ
ンサ144によるネガフィルム136の画像情報の読取用と露
光装置154により感光材料137への前記画像情報の露光
（焼付）用と共用できるのが好ましい。もちろん読取用
と露光用とを別々の光源で行ってもより。

カラーMOS型センサ144は、ネガフィルム136の画像情
報を多数の画素単位で読み取るものあるが、ネガフィル
ムやリバーサルフィルムなどの透過原稿から多数の画素
の画像情報を検出することができるカラーセンサであれ
ば、何でもよく従来公知のカラーセンサを用いることが
できる。読取画素数も、前述の25×25画素に限定され
ず、ネガフィルム等のサイズに応じ、また検出に必要な
情報などに応じ適宜選択すればよく、例えば、20×13画
素、72×48画素などであってよい。

また、増幅器146およびA/D変換器148等は、従来カラ
ー写真プリンタに用いられている公知のものを用いても
よい。

さらに、修正条件入力装置152は、ユーザがプリント
条件演算処理装置150に予め学習させる学習データや仕
上ったカラー写真138が適正にプリントされていない場
合に適正な修正条件を入力するものであり、入力方法は
何でもよく、従来の色バランスおよび濃度補正用のマニ
ュアルキーあるいは自動修正キーなどにより入力したも
のをプリント条件演算処理装置150にフィードバックで
きるものであればよい。

露光装置154は、ネガプリント焼付用露光装置であっ
て、基本的に光源142、色フィルタ170、プリント用レン
ズ172およびシャッタ174から構成され、色フィルタ170
およびシャッタ174はそれぞれの駆動装置171および175
を有し、プリント条件演算処理装置150による４つのプ
リント条件（Ｙ、Ｍ、Ｃ、Ｄ）に応じて自動調整が可能
である。色フィルタ170は３色のフィルタ板170Y、170
M、および170Cをから成り、上記プリント条件のＹ、
Ｍ、Ｃのフィルタ条件に従って駆動装置171により各色
のフィルタ板170Y、170M、170Cを自動調整されるもので
ある。シャッタ174は、上記プリント条件の絞り条件Ｄ
に従って、駆動装置175によって所定の露光量となるよ
うに所定時間開閉されるものである。もちろん、色フィ
ルタ170およびシャッタ174のプリント条件設定値（Ｙ、
Ｍ、Ｃ、Ｄ）への調整は、手動で行うことも可能であ
る。

露光装置154は、先に読み取られたネガフィルム136の
画像情報に基づいてプリント条件演算処理装置150によ
り設定されたプリント条件に色フィルタ170およびシャ
ッタ174を設定し、プリント用レンズ172により所定サイ
ズに引き伸ばして、ネガフィルム136の画像を感光材料1
37に露光する。

処理装置155は、露光済感光材料137を現像、漂白、定
着、水洗、乾燥してカラー写真（プリント）138とする
ものであって、使用感光材料に応じて処理液、処理剤お
よび処理方法を用いるものである。

このカラー写真プリンタ140においては、従来、ネガ
フィルムやリバーサルフィルムなどの透過原稿からカラ
ーMOS型センサ144によって検出された測光値から演算さ
れた画像特徴量から重回帰分析等の統計処理によるプリ
ント条件の算出に比較して条件設定の精度を上げること
ができ、プリント再生画像の合格率を上げることができ
る。

また、本発明のカラー写真プリンタ140は学習機能を
有しているので、平均的に設定されたプリント条件であ
っても、ネガフィルムやリバーサルフィルムなどが対象
とする被写体の種類、装置の設置場所、例えば北国、南
国、都市部、山間部およびラボさらにはユーザの好み等
を学習させることができるので、ユーザの要求に合格す
るプリント画像を合格率よく形成することができる。

本発明に係る画像形成装置は以上のように構成される
が、本発明はこれに限定されるわけではなく、原画像情
報を検出し、読み取ることができるものであれば、反射
原稿、透過原稿および複写原稿の形態を取っていないテ
レビ、ビデオ、コンピュータグラフィックおよび各種の
画像処理装置によって表示または合成される画像情報を
原画像情報とするものであってよく、またこれらの原画
像情報を銀塩写真式感光材料のみならず、感光感圧性感
光材料、感光材料性樹脂材料等各種の感光材料、電子写
真式感光材料（感光体）および感熱感光材料に、さらに
はインクジェット、拡散転写等の方式により可視再生画
像を得るものにも適用できるなど、本発明の要旨を逸脱
しない範囲において種々の改良並びに設計の変更が可能
なことは勿論である。

＜発明の効果＞以上、詳述したように、本発明によれば、使用感光材
料に対して、原稿、あるいは原稿が担持する原画像情報
に適正な画像形成条件、例えば３原色の色バランスおよ
び濃度などの露光条件および現像、定着などの感光材料
処理条件を学習機能を有する条件演算処理手段に予め学
習させておき、学習後の条件演算処理手段により算出さ
れた画像形成条件で画像形成を行うので、可視再生画像
の色バランスや画質の劣化させることがなく、また前記
再生画像が色味を帯びることがないので、常に良好な画
像を形成することができる。

例えば、原稿種の判別をニューラルネットワークで行
い、原稿種に応じた画像形成条件を設定するものでは、
原稿種判別の精度を向上させることができ、再生画像の
合格率を常に上げることができる。

また、ネガフィルムやリバーサルフィルム等の透過原
稿から画像特徴量を読み取り、この画像特徴量からニュ
ーラルネットワークで直接画像形成条件を設定するもの
では、前記透過原稿の状態にかかわらず、常に最適の画
像形正条件を学習させることにより、適正画像形成条件
の算出の精度向上させることができ、再生画像の合格率
を常に向上させることができる。

従って、本発明のカラー画像形成装置は、原稿種、原
稿が対象とする原画像、例えば被写体に応じ、また設置
場所に応じ、またラボやユーザの好みに応じた画像形成
条件を学習させることができるので、例え、当初は平均
的な画像処理条件を算出するように設定されていたとし
ても、上述の要求に応じた画像形成条件を精度よく算出
する装置とすることができる。

また、本発明のカラー画像形成装置は、特殊な専門的
知識を有していない者であっても、容易かつ簡単な操作
で、上述の効果を享受することができる。

【図面の簡単な説明】

第１図は、本発明に係るカラー画像形成装置の一実施例
の概略構成図である。第２図は、第１図に示すカラー画像形成装置に用いられ
るフォトセンサの感度特性を示すグラフである。第3a図および第3b図は、それぞれカラー写真画像および
カラー印刷画像の分光反射濃度を示すグラフである。第4a図は、第１図に示すカラー画像形成装置に用いられ
るニューラルネットワークの一実施例の原理的構成図で
あり、第4b図は、このニューラルネットワークを構成す
るプロセッシングエレメントの一例の説明図である。第５図は、本発明の画像形成装置の画像形成部本体とし
て用いられる銀塩写真式複写装置の一実施例の線図的断
面図である。第６図は、第１図に示すカラー画像形成装置における原
稿種判別の結果を示すグラフである。第７図は、従来のカラー画像形成装置における原稿種判
別の結果を示すグラフである。第８図および第９図は、本発明に係るカラーが画像形成
装置の別の実施例の概略構成図である。符号の説明 10、120……カラー画像形成装置、 16、142……光源、 20……イメージセンサ、 26……原稿種判別装置、 28……条件設定部、 32、152……修正条件入力装置、 34……パラメータ演算器、 36、124、158……ニューラルネットワーク、 38、128、162……入力層、 40、130、164……中間層、 42、132、166……出力層、 50……画像形成部本体、 122……画像形成条件演算装置、 126、160……出力ポート、 140……カラー写真プリンタ、 144……カラーMOS型センサ、 150……プリント条件演算装置、 154……露光装置

Claims

(57)【特許請求の範囲】

【請求項１】原稿が担持する原画像情報を検出する画像
情報検出手段と、該画像情報検出手段により検出した前
記原画像情報に基づいて前記原稿を少なくともカラー写
真原稿とカラー印刷原稿または白黒原稿とに判別する判
別手段と、該判別手段の原稿種判別結果および前記原画
像情報に基づいて画像形成条件を設定する画像形成条件
設定手段と、該画像形成条件設定手段により設定さた画
像形成条件で感光材料に露光を行ない可視再生画像を得
るカラー画像形成手段と、前記可視再生画像が適正な色
および濃度に仕上っていない時に適正な色および濃度を
得るための修正条件を前記判別手段に入力するための修
正条件入力手段を備え、前記判別手段が、前記修正条件入力手段による修正条件
の入力によって、前記原画像情報に対する適正な原稿種
の判別を行なうよう学習するようにしたことを特徴とす
るカラー画像形成装置。