本發明涉及用于提取檢查對象中的異常部分的圖像處理裝置及圖像處理方法。

背景技術：

日本特開2013-185862號公報及""kizuki"algorithminspiredbyperipheralvisionandinvoluntaryeyemovement",journalofthejapansocietyforprecisionengineering,vol.79,no.11,2013,p.1045–1049(下文中被稱作上述非專利文獻)公開了一種基于人類視覺機制來檢測檢查對象中的諸如瑕疵的異常部分的算法。具體地說，對檢查對象進行攝像，然后將所得到的圖像分割成具有預定尺寸的分割區域，并且使各分割區域經受平均化處理及量化處理。然后，對具有不同的尺寸或相位的多個分割區域進行這樣的處理?；趯⑦@些量化值積分的結果，確定缺陷的存在或不存在或者缺陷的位置。在本文中，將在日本特開2013-185862號公報及上述非專利文獻中所公開的這種處理稱作周邊視覺及注視期間不自主的眼運動(peripheralvisionandinvoluntaryeyemovementduringfixation)的處理。

日本特開2013-185862號公報及上述非專利文獻公開了如下方法，根據該方法，能夠將通過周邊視覺及注視期間不自主的眼運動的處理而提取的異常部分進一步放大或著色，并且能夠將所得到的圖像的存在以強調的方式(或者以彈出的方式)顯示。通過進行彈出處理，檢查者甚至能夠識別對象中的細微瑕疵。

在使用周邊視覺及注視期間不自主的眼運動的處理時，在圖像中異常部分被強調的程度，取決于平均化處理中的分割區域的尺寸以及量化處理中所使用的閾值。具體地說，分割區域越大、或者量化閾值越小，在通過周邊視覺及注視期間不自主的眼運動的處理而獲得的圖像中，異常部分越明顯。

然而，如果分割區域被放大到大于必要尺寸、或者量化閾值被減小到小于必要值，則針對異常部分提取的靈敏度過高，不利地導致了即使是不應當被檢測到的細微噪聲也被彈出的風險。這種噪聲可能存在于檢查對象自身中，或者可能是由攝像操作期間的誤差或信號噪聲導致的。如果這種細微噪聲被非意圖地彈出，則需要重新確認被彈出的區域的步驟，這會不利地導致檢查者的負擔加重，由此不期望地導致檢查效率降低。

技術實現要素：

做出本發明以解決以上缺點。因此，本發明的目的是提供一種圖像處理裝置，該圖像處理裝置能夠在使用周邊視覺及注視期間不自主的眼運動的處理的同時有效地檢測目標異常部分，而不會導致提取出小于必要的缺陷或噪聲。

根據本發明的第一方面，提供了一種圖像處理裝置，所述圖像處理裝置包括：獲取單元，其被構造成獲取通過對對象的攝像而獲得的、具有多個像素的圖像數據；設定單元，其被構造成設定用于將所述圖像數據分割成多個分割區域的分割尺寸、以及分割之前的所述圖像數據的分割位置的相位；平均化單元，其被構造成基于由所述設定單元設定的分割尺寸及相位來分割所述圖像數據，以使所得到的各分割區域中包括的像素經受平均化處理以計算平均值；確定單元，其被構造成基于由所述設定單元設定的分割尺寸來確定量化閾值；量化單元，其被構造成通過將由所述平均化單元計算出的平均值與由所述確定單元確定的量化閾值相比較，來獲得所述多個像素中的各像素的量化值；加法單元，其被構造成將以使得分割尺寸及相位中的至少一者互不相同的方式而獲得的量化值相加，以生成加法圖像數據；以及檢測單元，其被構造成從所述加法圖像數據中檢測異常部分，其中所述確定單元確定所述量化閾值，使得在分割尺寸是第一尺寸的情況下的量化閾值高于在分割尺寸是比所述第一尺寸大的第二尺寸的情況下的量化閾值。

根據本發明的第二方面，提供了一種圖像處理裝置，所述圖像處理裝置包括：獲取單元，其被構造成獲取通過對對象的攝像而獲得的、具有多個像素的圖像數據；設定單元，其被構造成設定用于使所述圖像數據經受預定濾波處理的濾波尺寸及濾波參數；濾波處理單元，其被構造成基于由所述設定單元設定的濾波尺寸及濾波參數，來使所述圖像數據經受所述預定濾波處理以計算處理值；確定單元，其被構造成基于由所述設定單元設定的濾波尺寸來確定量化閾值；量化單元，其被構造成通過將由所述濾波處理單元計算出的處理值與由所述確定單元確定的量化閾值相比較，來獲得所述多個像素中的各像素的量化值；加法單元，其被構造成將以使得濾波尺寸及濾波參數中的至少一者互不相同的方式而獲得的量化值相加，以生成加法圖像數據；以及檢測單元，其被構造成從所述加法圖像數據中檢測異常部分，其中所述確定單元確定所述量化閾值，使得在濾波尺寸是第一尺寸的情況下的量化閾值高于在濾波尺寸是比所述第一尺寸大的第二尺寸的情況下的量化閾值。

根據本發明的第三方面，提供了一種圖像處理方法，所述圖像處理方法：獲取步驟，獲取通過對對象的攝像而獲得的、具有多個像素的圖像數據；設定步驟，設定用于將所述圖像數據分割成多個分割區域的分割尺寸、以及分割之前的所述圖像數據的分割位置的相位；平均化步驟，基于由所述設定步驟設定的分割尺寸及相位來分割所述圖像數據，以使所得到的各分割區域中包括的像素經受平均化處理以計算平均值；確定步驟，基于由所述設定步驟設定的分割尺寸來確定量化閾值；量化步驟，通過將由所述平均化步驟計算出的平均值與由所述確定步驟確定的量化閾值相比較，來獲得所述多個像素中的各像素的量化值；加法步驟，將以使得分割尺寸及相位中的至少一者互不相同的方式而獲得的量化值相加，以生成加法圖像數據；以及檢測步驟，從所述加法圖像數據中檢測異常部分，其中所述確定步驟確定所述量化閾值，使得在分割尺寸是第一尺寸的情況下的量化閾值高于在分割尺寸是比所述第一尺寸大的第二尺寸的情況下的量化閾值。

根據本發明的第四方面，提供了一種圖像處理方法，所述圖像處理方法：獲取步驟，獲取通過對對象的攝像而獲得的、具有多個像素的圖像數據；設定步驟，設定用于使所述圖像數據經受預定濾波處理的濾波尺寸及濾波參數；濾波處理步驟，基于由所述設定步驟設定的濾波尺寸及濾波參數，來使所述圖像數據經受所述預定濾波處理以計算處理值；確定步驟，基于由所述設定步驟設定的濾波尺寸來確定量化閾值；量化步驟，通過將由所述濾波處理步驟計算出的處理值與由所述確定步驟確定的量化閾值相比較，來獲得所述多個像素中的各像素的量化值；加法步驟，將以使得濾波尺寸及濾波參數中的至少一者互不相同的方式而獲得的量化值相加，以生成加法圖像數據；以及檢測步驟，從所述加法圖像數據中檢測異常部分，其中所述確定步驟確定所述量化閾值，使得在濾波尺寸是第一尺寸的情況下的量化閾值高于在濾波尺寸是比所述第一尺寸大的第二尺寸的情況下的量化閾值。

根據本發明的第五方面，提供了一種非臨時性計算機可讀存儲介質，其存儲用于使得計算機能夠用作圖像處理裝置的程序，所述圖像處理裝置包括：獲取單元，其被構造成獲取通過對對象的攝像而獲得的、具有多個像素的圖像數據；設定單元，其被構造成設定用于將所述圖像數據分割成多個分割區域的分割尺寸、以及分割之前的所述圖像數據的分割位置的相位；平均化單元，其被構造成基于由所述設定單元設定的分割尺寸及相位來分割所述圖像數據，以使所得到的各分割區域中包括的像素經受平均化處理以計算平均值；確定單元，其被構造成基于由所述設定單元設定的分割尺寸來確定量化閾值；量化單元，其被構造成通過將由所述平均化單元計算出的平均值與由所述確定單元確定的量化閾值相比較，來獲得所述多個像素中的各像素的量化值；加法單元，其被構造成將以使得分割尺寸及相位中的至少一者互不相同的方式而獲得的量化值相加，以生成加法圖像數據；以及檢測單元，其被構造成從所述加法圖像數據中檢測異常部分，其中所述確定單元確定所述量化閾值，使得在分割尺寸是第一尺寸的情況下的量化閾值高于在分割尺寸是比所述第一尺寸大的第二尺寸的情況下的量化閾值。

通過以下參照附圖對示例性實施例的描述，本發明的其他特征將變得清楚。

附圖說明

圖1a至圖1d例示了圖像處理裝置的實施例；

圖2是用于解釋控制構造的框圖；

圖3是例示噴墨打印裝置的構造的示意圖；

圖4a及圖4b例示了打印元件的布置構造及讀取元件的布置構造；

圖5是用于解釋異常部分檢測處理的基本步驟的流程圖；

圖6是用于解釋異常部分檢測算法的步驟的流程圖；

圖7a及圖7b是用于解釋圖像數據的分割狀態的圖；

圖8a至圖8e是例示對所有的相位順序地進行加法處理的處理的示意圖；

圖9a至圖9j是例示對所有的相位順序地進行加法處理的處理的示意圖；

圖10a至圖10d是用于解釋異常部分檢測處理的效果的圖；

圖11例示了分割尺寸與量化閾值之間的關系；

圖12例示了包括白色條紋的亮度像素；

圖13a至圖13c例示了包括白色條紋、墨遺漏及表面瑕疵的亮度像素；

圖14是用于解釋異常部分檢測算法的步驟的流程圖；

圖15示出了針對各異常部分類型的分割尺寸與量化閾值之間的關系；

圖16a及圖16b例示了高斯濾波的一個示例；

圖17是第二實施例中的異常部分檢測處理的流程圖；

圖18是用于解釋異常部分檢測算法的步驟的流程圖；以及

圖19例示了濾波尺寸與量化閾值之間的關系。

具體實施方式

圖1a至圖1d例示了本發明中可以使用的圖像處理裝置1的示例。本發明的圖像處理裝置使攝像的圖像數據經受用于使得所打印的圖像的缺陷部分能夠被用戶容易地識別的彈出處理、或者用于裝置自身的決定的處理，并且可以采取各種不同形式的系統。

圖1a例示了圖像處理裝置1包括讀取單元2的實施例。例如，這對應于以下情況：通過噴墨打印裝置打印有預定圖像的片材被放置在圖像處理裝置1中的讀取單元2的讀取基板上、并且例如由光學傳感器對該片材進行攝像，并且通過圖像處理單元3來對圖像數據進行處理。圖像處理單元3包括cpu或者能夠以比cpu更高的速度提供處理的圖像處理加速器，以控制讀取單元2的讀取操作，或者使接收到的圖像數據經受預定檢查處理。

圖1b示出了包括讀取單元2的讀取裝置2a外部地連接到圖像處理裝置1的實施例。例如，這對應于例如掃描器連接到pc的系統。連接方法可以包括諸如usb、gige或cameralink的通用連接方法。由讀取單元2讀取的圖像數據經由接口4而被提供給圖像處理單元3。圖像處理單元3使接收到的圖像數據經受預定檢查處理。在本實施例的情況下，圖像處理裝置1還可以進一步外部地連接到包括打印單元5的打印裝置5a。

圖1c示出了圖像處理裝置1包括讀取單元2及打印單元5的實施例。例如，這對應于包括掃描器功能、打印機功能及圖像處理功能的多功能機。例如，圖像處理單元3控制打印單元5中的打印操作、讀取單元2中的讀取操作、以及對由讀取單元2讀取的圖像的檢查處理中的全部。

圖1d例示了包括讀取單元2及打印單元5的多功能機6外部地連接到圖像處理裝置1的實施例。例如，這對應于例如包括掃描器功能及打印機功能的多功能機連接到pc的系統。

本發明的圖像處理裝置1還可以使用圖1a至圖1d的實施例中的任意實施例。以下部分將通過使用圖1d的實施例的情況的示例，來詳細地描述本發明的實施例。

(第一實施例)

圖2是用于解釋圖1d的實施例中的控制構造的框圖。圖像處理裝置1例如由主pc組成。cpu301基于保留在hdd303中的程序、并且使用ram302作為工作區，來執行各種處理。例如，cpu301基于經由鍵盤/鼠標i/f305而從用戶接收到的命令、或者保留在hdd303中的程序來生成可以由多功能機6打印的圖像數據，以將該圖像數據發送給多功能機6?；诖鎯υ趆dd中的程序，使經由數據傳送i/f304而從多功能機6接收到的圖像數據經受預定處理，以經由顯示i/f306將結果或各種信息顯示在未示出的顯示器上。

在多功能機6中，cpu311基于保留在rom313中的程序、并且使用ram312作為工作區來執行各種處理。多功能機6還包括用于進行高速圖像處理的圖像處理加速器309、用于控制讀取單元2的掃描器控制器307、以及用于控制打印單元5的頭控制器314。

圖像處理加速器309是能夠以比cpu311的速度更高的速度進行圖像處理的硬件。通過使得cpu311能夠將圖像處理所需的數據及參數寫入到ram312的預定地址，來啟動圖像處理加速器309。在讀取參數及數據之后，使數據經受預定圖像處理。然而，并非總是需要圖像處理加速器309，因此可以由cpu311來執行相似的處理。

頭控制器314將打印數據提供給配設在打印單元5中的打印頭100，并且控制打印頭100的打印操作。通過使得cpu311將打印頭100可以打印的打印數據及控制參數寫入到ram312的預定地址來啟動頭控制器314，并且頭控制器314基于打印數據來執行噴射操作。

掃描器控制器307在控制讀取單元2中布置的各讀取元件的同時將從讀取元件獲得的rgb亮度數據輸出到cpu311。cpu311將所得到的rgb亮度數據經由數據傳送i/f310而傳送到圖像處理裝置1。圖像處理裝置1的數據傳送i/f304與多功能機6的數據傳送i/f310例如可以通過usb、ieee1394或lan來連接。

圖3是例示可以用作本實施例的多功能機6的噴墨打印裝置(下文中也可以簡稱作打印裝置)的構造的示意圖。本實施例的打印裝置是全線型打印裝置，其中，寬度與打印介質或者可以是檢查對象的片材p的寬度相同的打印頭100及讀取頭107彼此平行地布置。打印頭100具有四個打印元件陣列101至104，通過這四個打印元件陣列分別地噴射黑色(k)、青色(c)、品紅色(m)及黃色(y)的墨。這些打印元件陣列101至104被布置成沿運送片材p的方向(y方向)相互平行。在打印元件陣列101至104的更下游側，配設有讀取頭107。讀取頭107具有沿x方向布置的讀取元件，以便讀取打印的圖像。

在進行打印處理或讀取處理時，根據運送輥105的旋轉以預定速度沿所示出的y方向運送片材p。在該運送操作期間，進行打印頭100的打印處理或讀取頭107的讀取處理。進行打印頭100的打印處理或讀取頭107的讀取處理的位置處的片材p，從下側受到由平板組成的壓板106支承，以維持距打印頭100或讀取頭107的距離以及平滑度。

圖4a及圖4b例示了打印頭100中的打印元件的布置構造以及讀取頭107中的讀取元件的布置構造。打印頭100被構造成，使得與各墨顏色相對應的各打印元件陣列101至104具有，沿y方向交替地配設的、其上以固定的間距布置有多個打印元件108的多個打印元件基板201，以使得多個打印元件基板201在具有交疊區域d的同時沿x方向連續。對于以固定的速度沿y方向運送的片材p，基于打印數據以固定的頻率從各打印元件108噴射墨，以由此將分辨率與布置打印元件108的間距相對應的圖像打印在片材p上。

另一方面，讀取頭107具有以預定間距沿x方向布置的多個讀取傳感器109。盡管未示出，但是各讀取傳感器109被構造成使得可以是最小讀取像素單元的讀取元件沿x方向布置。以固定的速度沿y方向運送的片材p上的圖像可以由各讀取傳感器109的讀取元件按預定頻率來進行攝像，由此使得能夠以布置讀取元件的間距來讀取打印在片材p上的整個圖像。

以下部分將描述本實施例中的異常部分檢測處理。本實施例的異常部分檢測處理是用于對已經打印的圖像進行攝像以使所得到的圖像數據經受預定圖像處理從而提取(檢測)諸如缺陷的異常部分的處理。圖像打印并不限于如多功能機6的裝置的噴墨打印。然而，以下部分將描述由多功能機6的打印頭100打印的圖像被讀取頭107讀取的情況。

圖5是用于解釋由本實施例的圖像處理裝置1中的cpu301執行的異常部分檢測處理的基本步驟的流程圖。在該處理開始時，在步驟s1中，cpu301設定讀取分辨率。該分辨率被設定成使得能夠適當地讀取目標缺陷的尺寸。期望將分辨率設定成使得能夠使用多個像素或更多像素來讀取缺陷部分。

接下來，在步驟s2中，基于在步驟s1中所設定的讀取分辨率，執行操作以讀取作為檢測目標的圖像。具體地說，驅動掃描器控制器307以從布置在讀取傳感器109中的多個讀取元件獲得輸出信號。基于此，生成與在步驟s1中設定的讀取分辨率相對應的圖像數據。在本實施例中，圖像數據是r(紅色)、g(綠色)及b(藍色)的亮度信號。

在步驟s3中，cpu301設定在后續步驟s4中執行的異常部分檢測算法中所使用的分割尺寸、相位及量化閾值。稍后將詳細地描述分割尺寸及相位的定義。在步驟s3中，設定分割尺寸及相位中的各個的一種類型或更多種類型。對于量化閾值，設定最大值及最小值兩種類型。在步驟s4中，基于在步驟s3中所設定的分割尺寸、相位及量化閾值，使在步驟s2中所生成的圖像數據經受異常部分檢測算法。

圖6是用于解釋在步驟s4中由cpu301執行的異常部分檢測算法的步驟的流程圖。在該處理開始時，在步驟s11中，cpu301首先從在步驟s3中設定的多個分割尺寸中設定一個分割尺寸。在步驟s12中，從在步驟s3中設定的多個相位中設定一個相位。在步驟s13中，基于在步驟s11中所設定的分割尺寸及在步驟s12中所設定的相位，將在步驟s2中所獲取的圖像數據分割，并且進行平均化處理。

圖7a及圖7b是用于基于分割尺寸及相位來解釋圖像數據的分割狀態的圖。分別地，圖7a示出了分割尺寸是2×2像素的情況，而圖7b示出了分割尺寸是3×2像素的情況。在分割尺寸1000是如圖7a中的2×2像素時，圖像數據區域1001基于2×2像素的單位而被分割，從而可以被分割成1002至1005的四路。因此，可以將相位視為示出指定的分割尺寸的起始點o。在分割尺寸1006是如圖7b中的3×2像素時，圖像數據區域1001可以被分割成1007至1012的六路，意味著存在六種類型的相位。

分割尺寸的增大提供了更多數量的可以設定的相位。然而，針對一個分割尺寸并非總是需要設定所有的相位。在圖5的步驟s3中，可以設定能夠設定的相位中的至少一部分相位。在圖6的步驟s12中，可以設定在步驟s3中所設定的一些相位中的一個相位。

返回到圖6，在步驟s13中，在步驟s12中所分割成的各分割區域經受平均化處理。具體地說，針對分割區域中所包括的多個像素而計算各像素的亮度數據的平均值。在這期間，可以通過將各像素所擁有的rgb亮度數據直接地平均化、或者通過將各rgb數據與預定權重系數相乘以將所得到的值相加，來獲得與各像素相對應的亮度數據。作為另一種選擇，還可以直接地使用rgb的任一顏色的亮度數據作為像素亮度數據。

在步驟s14中，基于在步驟s11中所設定的分割尺寸，確定在步驟s15中所執行的量化處理中所使用的量化閾值。稍后將詳細地描述確定量化閾值的方法。

在步驟s15中，在步驟s14中所確定的量化閾值用于對在步驟s13中所計算出的平均值進行量化，以獲得各像素的二進制值。具體地說，在將在步驟s13中所計算出的平均值與在步驟s14中所計算出的量化閾值相比較、并且前者大于后者時，量化值被設定成“1”。在前者不大于后者時，量化值被設定成“0”。作為結果，獲得這樣的量化數據：使得各像素在各分割區域中具有一致的量化值。

在步驟s16中，將在步驟s15中所獲得的量化值加到加法圖像數據。加法圖像數據是通過將在分割尺寸及相位各不相同的情況下所獲得的量化數據相加而獲得的圖像數據，并且具有初始值0。在步驟s15中所獲得的量化數據表示第一分割尺寸的第一相位時，在步驟s16中所獲得的加法圖像數據等于在步驟s15中所獲得的量化數據。

接下來，在步驟s17中，cpu301確定對當前設定的分割尺寸的所有的相位的處理是否完成。如果確定剩余有待處理的相位，則處理返回到步驟s12以設定下一相位。另一方面，如果確定所有的相位的處理完成，則處理進行到步驟s18。

圖8a至圖8e及圖9a至圖9j是例示以預定分割尺寸對所有的相位順序地進行步驟s16的加法處理的處理的示意圖。在分割尺寸是2×2像素時，存在四種類型的相位。圖8a至圖8e示出了在順序地改變這四種類型的相位的處理中，針對各像素的外圍像素的亮度數據用于目標像素px的加法處理的次數。另一方面，在分割尺寸是3×3像素時，存在九種類型的相位。圖9a至圖9j示出了在順序地改變這九種類型的相位的處理中，針對各像素的外圍像素的亮度數據用于目標像素px的加法處理的次數。

在任一圖中，目標像素px用于包括目標像素px自身的分割區域中的所有的相位。因此，目標像素px具有最多的加法次數以及對加法結果最大的貢獻。距離目標像素px越遠的像素具有越少的加法次數以及對加法結果越小的貢獻。具體地說，最終獲得如下結果：該結果是通過使作為中心的目標像素經受濾波處理而獲得的。

返回到圖6的流程圖，在步驟s18中，圖像處理裝置1確定在步驟s3中所設定的所有的分割尺寸的處理是否完成。如果確定剩余有待處理的分割尺寸，則處理返回到步驟s11，以設定下一分割尺寸。另一方面，如果確定在步驟s3中所設定的所有的分割尺寸的處理完成，則處理進行到步驟s19。

在步驟s19中，基于當前獲得的加法圖像數據來進行異常部分提取處理。提取處理方法并不受到特別限制。例如，可以使用已知的決定處理，例如，用于將該數據與外圍亮度數據相比較以提取具有高信號值差的部分的處理。然后，該處理完成。

以彈出的方式顯示通過異常部分檢測算法而檢測到的異常部分的信息，使得該信息可以用于檢查者的決定。然后，檢查者基于所彈出的圖像來確認該部分是否是缺陷部分。因此，可以修補缺陷部分，或者將缺陷部分作為瑕疵品而排除。

圖10a至圖10d是用于解釋本實施例的異常部分檢測處理的圖。圖10a例示了經受異常部分檢測處理之前的原始亮度圖像。圖10b至圖10d例示了通過使圖像經受異常部分檢測處理而獲得的加法圖像數據。

圖10a示出了存在三個待檢測的異常部分1101、1102及1103的示例。然而，原始亮度圖像中的三個異常部分1101、1102及1103并不很明顯，因此照它們現在的樣子，存在檢查者未識別出三個異常部分1101、1102及1103的風險。

另一方面，圖10b、圖10c及圖10d示出了在使用互不相同的分割尺寸、相位及量化閾值th時異常部分檢測處理的結果。圖10b示出了分割尺寸s在從2像素至34像素的范圍內改變、相位移動量d在等于或小于12像素的范圍內改變、并且量化閾值th固定成80(/255)的情況。盡管圖10b以某個強調的程度示出了三個異常部分，但是該程度不足以使得檢查者能夠容易地檢測到異常部分。

另一方面，圖10c示出了分割尺寸s在從2像素至66像素的范圍內改變、相位移動量d在等于或小于12像素的范圍內改變、并且量化閾值th固定成32(/255)的情況。如背景技術部分中所描述的，分割區域的增大及量化閾值的減小導致異常部分在圖像內被強調。因此，在與圖10b中的情況相比分割尺寸越大并且量化閾值t越小的圖10c的情況下，圖像中的異常部分越明顯，由此使得檢查者能夠容易地檢測到異常部分。然而，在圖10c的情況下，不必提取的噪聲1110被不必要地強調，從而被檢查者視覺識別出。在這種情況下，檢查者必須做出關于噪聲1110的判斷決定，這導致檢查效率降低。

以下部分將描述分割尺寸及量化閾值對圖像內的異常部分的影響。在步驟s15的量化處理中，越小的量化閾值th使得各像素的亮度值能夠越容易地超過量化閾值th。因此，量化值趨向于“1”(白)，導致異常部分被強調。具體地說，過小的量化閾值th導致即使除異常部分以外的部分也被檢查者更多地視覺識別出。另一方面，過大的量化閾值th導致即使異常部分也被檢查者更少地視覺識別出。因此，期望取決于被認為是異常部分的像素在平均化處理之后所擁有的亮度值，而將量化閾值th設定成適當的值。

另一方面，在步驟s13的平均化處理中，如針對圖8a至圖8e及圖9a至圖9j而描述的，在所設定的分割區域中將亮度值平均化。因此，即使在任意像素均不包括異常部分時，如果在同一分割區域的其他像素中包括異常部分，則該異常部分也對該任意像素有影響。具體地說，分割尺寸的增大導致異常部分的影響擴大到更寬的范圍，由此圖像內的異常部分增大。然而，另一方面，分割尺寸的增大減小了異常部分與非異常部分之間亮度的差異，并且還減小平均化處理之后異常部分的亮度值。具體地說，存在異常部分提取的靈敏度降低的風險。

鑒于以上，本發明人確定通過取決于在步驟s13的平均化處理中所設定的分割尺寸、來調整在步驟s15中所使用的量化閾值th，來有效地實現對異常部分的精確提取。

圖11示出了本實施例中分割尺寸與量化閾值th之間的關系。分割尺寸s表示在分割區域是正方形時一個邊的長度(像素數量)。分割尺寸s與量化閾值th具有如圖中所示的關系。因此，分割尺寸s的增大導致量化閾值th的減小。通過基于圖11中所示的關系來設定量化閾值th，即使在設定了很大的分割尺寸s時，也可以在不導致提取靈敏度降低的情況下穩定地提取異常部分。

已經在圖5的步驟s3中設定了量化閾值的最大值tmax及最小值tmin。量化閾值的最大值tmax與分割尺寸的最小值smin相關聯，而量化閾值的最小值tmin與分割尺寸的最大值smax相關聯。在步驟s14中，基于這些信息，可以計算如圖11中所示的函數以根據該函數及各分割尺寸來計算各量化閾值th。作為另一種選擇，可以預先準備示出分割尺寸s與量化閾值th之間的一一對應關系的表，并且可以參照該表，以由此基于分割尺寸來計算量化閾值th。

圖10d示出了本實施例的異常部分提取處理之后所獲得的加法圖像數據。具體地說，分割尺寸s在2像素至66像素的范圍內改變，相位移動量d在等于或小于12像素的范圍內改變，并且量化閾值th取決于分割尺寸以具有針對圖11而描述的關系而在從80至16的范圍內改變。在與圖10b的情況相比較時，三個異常部分1101、1102及1103被充分地強調，因此被檢查者容易地視覺識別出。同時，如圖10c所示，不需要提取的噪聲1110未被強調。作為結果，能夠在不導致對小于必要的缺陷或噪聲的提取的情況下有效地檢測目標異常部分。

在以上說明中，描述了以下情況：以彈出的方式顯示在步驟s19的異常部分提取處理中所提取的信息。然而，本發明并不限于該實施例。例如，信息可以用于各種應用，使得可以使被提取作為異常部分的部分自動地經受修復處理。

以下部分將描述在圖像中的諸如由噴射故障導致的白色條紋的缺陷被提取作為異常部分的情況下分割尺寸及量化閾值的具體設定值。圖12例示了在發生噴射故障的情況下的原始亮度圖像，并且示出了包括白色條紋124的分割區域。在引起打印元件的噴射故障時，然后圖像在其中包括有沿y方向延伸的白色條紋124。白色條紋124沿x方向的寬度與打印元件布置在打印頭中的間距相對應，并且該寬度約是40μm至50μm。在這種情況下，難以視覺識別出所打印的圖像中的白色條紋124，因此，本實施例的異常部分檢測算法是有幫助的。

假定白色條紋124沿x方向的寬度是40μm至50μm、并且讀取頭107沿x方向的讀取分辨率是600dpi，在拍攝的亮度圖像中與白色條紋124相對應的區域沿x方向的寬度是1像素至2像素。假定視覺識別距離是300mm，與白色條紋124相對應的區域優選地擴大到約1mm至2mm，以便該區域能夠被檢查者視覺識別。在使用600dpi的讀取分辨率時，該尺寸(像素寬度r)對應于23像素至47像素。在假定在步驟s13的平均化處理中所使用的分割尺寸是s時，再次參照圖8a至圖8e及圖9a至圖9j，目標像素px的信息對圍繞作為中心的目標像素px的像素區域(2s-1)有影響。具體地說，為了將目標像素px的信息擴大到23像素至47像素，期望反向地計算以上公式，并且分割尺寸s被設定成s＝12像素至24像素。

因此，在本示例的情況下，圖5的步驟s3基于最小值smin＝12及最大值smax＝24來設定多個分割尺寸。盡管分割尺寸的類型不受特別限制，但是優選地設定在最小值smin與最大值smax之間均勻地分布的多個尺寸。例如，考慮到在對象讀取期間由模糊導致的亮度值的減小，以上設定值還可以改變成具有還包括頁邊(margin)的尺寸。

另一方面，在平均化處理之后在量化處理s15中所使用的量化閾值優選地是存在于包括異常部分的分割區域中的多個像素的平均亮度值或與其相鄰的值。參照圖12，s像素×s像素的分割區域包括白色條紋124中所包括的像素以及未包括在白色條紋124中的像素。假定包括在白色條紋124中的像素的亮度值是f(n)并且其數量是a、并且未包括在白色條紋124中的像素的亮度值是g(m)并且其數量是b，則分割區域的平均亮度值可以由公式1來表示。

如上所述，可以將適合作為量化閾值的平均亮度值表示為分割尺寸s的函數。因此，通過基于包括白色條紋的圖像來預先計算與公式1的分子相對應的值，圖6的步驟s14可以使用公式1來計算適合于分割尺寸s的量化閾值th。通過基于以上公式1預先存儲表示分割尺寸s與量化閾值th之間的一一對應關系的表，步驟s14可以參照該表以由此設定量化閾值th?？紤]到對象讀取期間亮度值的模糊或變化，優選地將公式1的分子設定成具有包括頁邊的值。

然而，分割尺寸s及量化閾值th不必滿足公式1。公式1還可以利用具有線性關系的近似公式來替代，只要以下關系能夠成立即可：根據該關系，分割尺寸的增大導致量化閾值th的減小。

(第二實施例)

在本實施例中，針對圖2至圖4b而描述的圖像處理裝置1，基于圖5的基本步驟而以相似的方式用于檢測異常部分。然而，在本實施例中，以下部分將描述從拍攝的亮度圖像中提取具有不同特征的多種類型的異常點的方法。多種類型的異常點除了白色條紋之外還例示性地包括墨遺漏及表面瑕疵。

圖13a至圖13c分別地示出了在導致白色條紋、墨遺漏及表面瑕疵的情況下的亮度圖像。圖13a示出了如已經針對圖12而描述的、在出現白色條紋的情況下的亮度圖像。

圖13b示出了在出現墨遺漏的情況下的亮度圖像。墨遺漏意指如下現象：墨被施加到例如粘附在打印介質上的灰塵，并且所粘附的物質隨后從打印介質掉落。僅曾經粘附過物質的區域具有高亮度。所粘附的物質的大部分是由例如在片材制造操作期間的裁切紙張的步驟導致的紙塵，并且具有不同的尺寸。在本示例中，約100μm至150μm的墨遺漏被提取作為異常部分。

圖13c示出了出現表面瑕疵的情況下的亮度圖像。表面瑕疵是以下現象：例如因為正被運送的打印介質與運送輥的部件的一部分、或粘附于運送輥的細微灰塵相接觸，所以在圖像上出現瑕疵。例如在光面紙的情況下，表面瑕疵趨向于不利。表面瑕疵具有各種尺寸。在本示例中，10μm至20μm的表面瑕疵被提取作為異常部分。

在本實施例中，基于圖5的基本步驟以相似的方式檢測異常部分。然而，由于取決于異常部分的類型而存在具有不同尺寸的異常部分，因此本實施例的步驟s3將分割尺寸、相位及量化閾值與異常部分類型相關聯地設定。

圖14是用于解釋由本實施例的cpu301在步驟s4中執行的異常部分檢測算法的步驟的流程圖。在該處理開始時，在步驟s180中，cpu301首先設定待提取的異常部分的類型。具體地說，設定白色條紋、墨遺漏及表面瑕疵中的任何一個。

在步驟s181中，cpu301從預先與在步驟s180中所設定的異常部分的類型相關聯地設定的多個分割尺寸中設定一個分割尺寸。然后，步驟s182從預先與異常部分的類型相關聯地設定的多個相位中以相似的方式設定一個相位。然后，步驟s183基于在步驟s181中所設定的分割尺寸、以及在步驟s182中所設定的相位來分割在步驟s2中所獲取的圖像數據，以進行平均化處理。

在步驟s184中，cpu301基于在步驟s180中所設定的異常部分的類型、以及在步驟s181中所設定的分割尺寸來確定在步驟s185的量化處理中所使用的量化閾值th。即，在本實施例中，在量化處理中所使用的量化閾值th不僅取決于分割尺寸、而且還取決于異常部分類型而不同。稍后將詳細地描述本實施例中分割尺寸、異常部分類型及量化閾值之間的關系。

其后，步驟s185至步驟s188的處理與圖6的步驟s15至步驟s18的處理相似。在步驟s189中，cpu301確定所有的類型的異常部分(即，白色條紋、墨遺漏、表面瑕疵)的處理是否完成。如果確定這些處理尚未完成，則處理返回到針對下一類型的異常部分的步驟s180。如果確定所有的異常部分的處理完成，則處理進行到步驟s190以進行異常部分提取處理。異常部分提取處理基本上與第一實施例的步驟s19相同。關于不同類型的異常部分，可以針對各類型而呈現處理后的圖像，或者可以將各不同類型的圖像一起顯示。然后，該處理完成。

以下部分將在再次參照圖13a至圖13c的同時描述適合于各類型的異常部分的分割尺寸及量化閾值。這里，通過共同的讀取操作來提取40μm至50μm的白色條紋、約100μm至150μm的墨遺漏、以及10μm至20μm的表面瑕疵。因此，讀取頭107的讀取分辨率被設定成1200dpi。在這種情況下，亮度圖像在其中包括尺寸(或寬度)為2像素至3像素的白色條紋、尺寸(或寬度)為5像素至7像素的墨遺漏、以及尺寸(或寬度)為1像素至2像素的表面瑕疵。在本實施例中，關于它們中的任一個，基于公式1來計算表示分割尺寸與量化閾值th之間的關系的公式。

圖15例示了針對各類型的異常部分的這樣的分割尺寸與量化閾值th之間的關系。如第一實施例中那樣，分割尺寸的增大導致量化閾值的減小。然而，該值取決于異常部分的類型而不同。具體地說，具有與異常部分區域相對應的最多像素數量的墨遺漏被設定成具有最高量化閾值th。具有與異常部分區域相對應的最少像素數量的表面瑕疵被設定成具有最小量化閾值th。在本實施例中，可以針對各類型的異常部分而設定分割尺寸，以使得在維持如上所述的分割尺寸s與量化閾值th之間的關系的同時，任一異常部分被擴大到約1mm至2mm。

在以上部分中，針對異常部分的各類型，使通過1200dpi讀取分辨率而讀取的圖像隨后經受異常部分檢測算法。然而，本實施例并不限于該實施例。還可以針對各類型的異常部分而進行讀取操作，并且可以針對各類型的異常部分而準備獨立的亮度圖像。在這種情況下，為了提供速度更高的處理，例如墨遺漏可以按比用于白色條紋及表面瑕疵的分辨率低的分辨率來經受讀取操作。在這種情況下，適當的分割尺寸及量化閾值取決于讀取分辨率而具有不同的值。

如上所述，根據本實施例，即使在存在具有不同特征的多個異常部分時，也可以設定適合于各異常部分的分割尺寸及量化閾值。作為結果，能夠在不導致對小于必要的缺陷或噪聲的提取的情況下有效地檢測具有不同特征的多個異常部分。

(第三實施例)

在以上實施例中，如針對圖6及圖14的流程圖而描述的，針對分割尺寸的多個相位而計算平均值的加法結果。如上所述的處理提供這樣的結果：該結果是通過使作為中心的目標像素經受濾波處理而獲得的(如使用圖8a至圖8e及圖9a至圖9j而描述)。鑒于如上所述的觀點，本實施例利用使用高斯濾波的添加權重系數的處理，來替代針對相等的分割尺寸的多個相位的加法處理。

圖16a及圖16b示出了高斯濾波的一個示例。圖16a示出了可以由公式2表示的各向同性高斯濾波。

在該公式中，x和y表示目標像素的像素數量，并且σ表示標準差。

如上所述的各向同性高斯濾波對應于在第一實施例中使用諸如2×2或3×3的正方形分割尺寸的情況。圖16b示出了與第一實施例中使用諸如2×3的矩形分割尺寸的情況相對應的各向異性高斯濾波。通過提供x與y之間的不平衡比率，如上所述的各向異性高斯濾波可以由公式2來生成。例如，圖16b對應于公式2的x被x’＝x/2替代的情況。在本實施例中，可以使用任意高斯濾波。然而，將基于使用圖16a中所示的各向同性高斯濾波作為示例的情況來進行以下描述。

圖16a的高斯濾波示出了位于圍繞作為原點的目標像素的-15≤x≤15且-15≤y≤15的范圍內的各像素的系數。如上所述的系數被設定在-15≤x≤15且-15≤y≤15的范圍內的實施例，與分割尺寸被設定成15×15并且進行如圖8a至圖8e及圖9a至圖9j中的加法處理的第一實施例相似。具體地說，在假定高斯濾波的尺寸(直徑)是f、并且第一實施例中的分割尺寸是v×v時，可以如下表示。

f≈2v-1

通過將該高斯濾波尺寸f與標準差σ一起調整，可以準備各種尺寸的高斯濾波。在本實施例中，一個高斯濾波用于使目標像素的亮度數據經受如上所述的濾波處理，并且所得到的數據進一步被量化。此外，針對尺寸不同的多個高斯濾波而計算多個量化數據，并且將多個量化數據相加。因此，這可以基于與第一實施例中的加法結果相似的加法結果來提供異常部分檢測處理。

在本實施例中，圖像處理裝置1還可以采取針對圖1a至圖1d而描述的各種形式。圖17示出了由本實施例的圖像處理裝置1的cpu301執行的異常部分檢測處理的基本流程圖。在該處理開始時，在步驟s151中，cpu301設定讀取分辨率。接下來，在步驟s152中，執行用于讀取檢查目標的操作。以上步驟s151及步驟s152與圖5的步驟s1及步驟s2相似。

在步驟s153中，cpu301設定在后續步驟s154中所執行的異常部分檢測算法中所使用的高斯濾波的多種類型的文件參數以及量化閾值。文件參數是用于指定如針對圖16a及圖16b而描述的高斯函數的方向以及不同的濾波尺寸f的參數。關于量化閾值，設定最大值及最小值兩個值。在步驟s154中，基于在步驟s153中所設定的文件參數，使在步驟s152中所生成的圖像數據經受預定異常部分檢測算法。

圖18是用于解釋在步驟s154中由cpu301執行的異常部分檢測算法的步驟的流程圖。對在步驟s152中所獲取的圖像的各像素進行所示的處理。

在該處理開始時，在步驟s161中，cpu301首先從在步驟s153中所設定的多個文件參數中設定一個文件參數。在步驟s162中，設定與在步驟s161中所設定的文件參數相對應的參數σ。參數σ與高斯函數的標準差相對應，并且與文件參數或濾波尺寸相關聯地預先存儲在存儲器中。通過步驟s161及步驟s162中的文件參數及參數σ的設定來確定高斯濾波的形狀。

接下來，在步驟s163中，在步驟s161及步驟s162中所設定的高斯濾波用于使在步驟s152中所獲取的圖像數據經受濾波處理。具體地說，將目標像素以及濾波尺寸f中所包括的外圍像素所擁有的亮度數據與由高斯濾波設定的系數相乘，并且將所得到的值相加，計算其結果作為目標像素的濾波處理值ave。

步驟s164基于在步驟s161中所設定的濾波尺寸來確定在后續步驟s165中所執行的量化處理中所使用的量化閾值。

圖19示出了濾波尺寸f與量化閾值th之間的關系。如第一實施例中那樣，濾波尺寸f的增大導致量化閾值th的減小。然而，由于本實施例進行四值量化，因此一個濾波尺寸f具有三階量化閾值th1、th2及th3。這些閾值th1、th2及th3具有在圖17的步驟s153中已經設定的最大值及最小值。步驟s164例如可以使這些信息經受線性插值，以計算與各濾波尺寸相對應的量化閾值th1、th2及th3。

在步驟s165中，cpu301將在步驟s163中所計算出的濾波處理值ave與th1、th2及th3相比較，以量化濾波處理值，并且獲得各像素的四值量化值。具體地說，進行以下確定。

在ave>th3成立時，量化值是“3”。

在th3≥ave>th2成立時，量化值是“2”。

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

如上所述，在本實施例中，準備了多個量化值，以由此進行3值或更多值的量化處理。

接下來，在步驟s166中，將在步驟s165中所獲得的量化值加到加法圖像數據。加法圖像數據表示通過將在使用不同類型的文件參數(即，高斯濾波)的各情況下所獲得的量化數據相加而獲得的結果。在步驟s164中所獲得的量化數據是第一高斯濾波的結果時，加法圖像數據等于在步驟s164中所獲得的量化數據。

接下來，在步驟s167中，cpu301確定在步驟s153中所設定的所有的文件參數的處理是否完成。在確定剩余有待處理的文件參數時，處理返回到步驟s161，以設定下一文件參數。另一方面，在確定所有的文件參數的處理完成時，處理進行到步驟s168。

在步驟s168中，基于當前獲得的加法圖像數據來進行異常部分提取處理。如第一實施例中那樣，提取方法并不受到特別限制。然后，處理完成。

上述實施例與第一實施例的相似之處在于：能夠在不導致對小于必要的缺陷或噪聲的提取的情況下有效地檢測目標異常部分。

(其他實施例)

在以上實施例中，圖3中所示的全線型噴墨打印裝置用作由多功能機6打印的圖像經受同一多功能機的讀取處理的實施例的示例。然而，本發明并不限于該應用。本發明還可以應用于針對墨盒在其上具有打印頭的其他噴墨方法的打印檢查。

此外，本發明還可以提供一種處理，根據該處理，將用于實現上述實施例的一個或更多個功能的程序經由網絡或存儲介質而提供給系統或裝置，以使得該系統或裝置的計算機中的一個或更多個處理器可以讀取并執行該程序。本發明還可以通過實現一個或更多個功能的電路(例如，asic)來實現。

另外，可以通過讀出并執行記錄在存儲介質(也可以更完整地稱為“非暫時性計算機可讀存儲介質”)上的計算機可執行指令(例如，一個或更多個程序)以進行上述實施例中的一個或更多個實施例的功能、并且/或者包括用于進行上述實施例中的一個或更多個實施例的功能的一個或更多個電路(例如，專用集成電路(asic))的系統或裝置的計算機，來實現本發明的實施例，并且，可以利用通過由所述系統或裝置的所述計算機例如讀出并執行來自所述存儲介質的所述計算機可執行指令以進行上述實施例中的一個或更多個實施例的功能、并且/或者控制所述一個或更多個電路以進行上述實施例中的一個或更多個實施例的功能從而進行的方法，來實現本發明的實施例。所述計算機可以包括一個或更多個處理器(例如，中央處理單元(cpu)、微處理單元(mpu))，并且可以包括分開的計算機或分開的處理器的網絡，以讀出并執行所述計算機可執行指令。所述計算機可執行指令可以例如從網絡或所述存儲介質被提供給所述計算機。所述存儲介質可以包括例如硬盤、隨機存取存儲器(ram)、只讀存儲器(rom)、分布式計算系統的存儲器、光盤(例如，壓縮光盤(cd)、數字通用光盤(dvd)或藍光光盤(bd)^tm)、閃存設備及存儲卡等中的一個或更多個。

本發明的實施例還可以通過如下的方法來實現，即，通過網絡或者各種存儲介質將執行上述實施例的功能的軟件(程序)提供給系統或裝置，該系統或裝置的計算機或是中央處理單元(cpu)、微處理單元(mpu)讀出并執行程序的方法。

雖然參照示例性實施例對本發明進行了描述，但是應當理解，本發明并不限于所公開的示例性實施例。應當對下列權利要求的范圍給予最寬的解釋，以使其涵蓋所有這些變型例以及等同的結構和功能。