特開 2024-37306 コンピュータプログラム、および、データ処理装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024037306

(43)【公開日】2024-03-19

(54)【発明の名称】コンピュータプログラム、および、データ処理装置

(51)【国際特許分類】

   H04N 1/58 20060101AFI20240312BHJP

   G06T 7/00 20170101ALI20240312BHJP

   G06V 10/764 20220101ALI20240312BHJP

   B41J 21/00 20060101ALI20240312BHJP

   B41J 3/407 20060101ALI20240312BHJP

【ＦＩ】

H04N1/58

G06T7/00 350B

G06V10/764

B41J21/00 Z

B41J3/407

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2022142044

(22)【出願日】2022-09-07

(71)【出願人】

【識別番号】000005267

【氏名又は名称】ブラザー工業株式会社

(74)【代理人】

【識別番号】110001058

【氏名又は名称】鳳国際弁理士法人

(72)【発明者】

【氏名】近藤 真樹

(72)【発明者】

【氏名】渡邉 航平

【テーマコード（参考）】

2C187

5C079

5L096

【Ｆターム（参考）】

2C187AC08

2C187AE07

2C187AF03

2C187AG15

2C187BF08

2C187DB21

2C187DB41

5C079HB01

5C079HB03

5C079KA12

5C079LA02

5C079LA10

5C079LA24

5C079LA31

5C079LC01

5C079MA13

5C079NA02

5C079PA03

5L096AA02

5L096BA07

5L096FA44

5L096KA04

(57)【要約】

【課題】滲みの影響を軽減する
【解決手段】
対象文字部分と対象背景部分とを含む対象領域を入力画像から検出する。対象領域に対応付けられる対象クラスを、対象文字部分の色と対象背景部分の色と対応データとを使用してＱ個（Ｑは２以上の整数）のクラスから選択する。Ｑ個のクラスは、第１クラスと、第１クラスによって示される滲みの度合いよりも大きい滲みの度合いを示す第２クラスと、を含む。対象領域の印刷すべき印刷パターンを対象領域の対象画像と対象クラスとを使用して決定する。対象クラスが第２クラスである場合の印刷パターンは、対象クラスが第１クラスである場合の印刷パターンと比べて、印刷済の画像に対する滲みの影響を軽減するように構成される。
【選択図】 図１３

【特許請求の範囲】

【請求項1】

コンピュータプログラムであって、
印刷すべき入力画像の入力画像データを分析することによって、文字を表す部分である対象文字部分と前記対象文字部分に隣接する背景を表す部分である対象背景部分とを含む対象領域を前記入力画像から検出する検出機能と、
前記対象領域に対応付けられる対象クラスを、前記対象文字部分の色と前記対象背景部分の色と対応データとを使用してＱ個（Ｑは２以上の整数）のクラスから選択するクラス選択機能であって、前記対応データは、文字を表す参考文字部分と前記参考文字部分に隣接する参考背景部分とを含む参考画像を印刷済の画像中における、前記参考文字部分と前記参考背景部分との間の境界での印刷材の滲みの度合いを示すクラスと、前記参考画像の印刷用画像データから得られる色情報であって前記参考文字部分の色と前記参考背景部分の色とを表す前記色情報と、の予め決められた対応関係である色クラス対応関係を示し、前記Ｑ個のクラスは、第１クラスと、前記第１クラスによって示される滲みの度合いよりも大きい滲みの度合いを示す第２クラスと、を含む、前記クラス選択機能と、
前記対象領域の印刷すべき印刷パターンを前記対象領域の対象画像と前記対象クラスとを使用して決定する印刷パターン決定機能であって、前記対象クラスが前記第２クラスである場合の前記印刷パターンは、前記対象クラスが前記第１クラスである場合の前記印刷パターンと比べて、印刷済の画像に対する滲みの影響を軽減するように構成される、前記印刷パターン決定機能と、
決定された印刷パターンに基づいて前記対象画像の印刷を印刷実行部に実行させる印刷処理機能と、
をコンピュータに実現させる、コンピュータプログラム。

【請求項2】

請求項１に記載のコンピュータプログラムであって、
前記印刷用画像データによって表される前記参考文字部分は、単色の部分であり、
前記印刷用画像データによって表される前記参考背景部分は、単色の部分であり、
前記クラス選択機能は、
前記対象領域の前記対象画像を分析することによって前記対象領域から前記対象文字部分と前記対象背景部分と抽出する機能と、
前記対象文字部分の内の複数の位置の複数の色の代表色と、前記対象背景部分の内の複数の位置の複数の色の代表色と、前記対応データと、を使用して前記対象クラスを選択する機能と、
を含む、コンピュータプログラム。

【請求項3】

請求項２に記載のコンピュータプログラムであって、
前記印刷パターン決定機能は、抽出された対象文字部分と抽出された対象背景部分とを使用して、前記対象領域の前記印刷すべき印刷パターンを決定する、
コンピュータプログラム。

【請求項4】

請求項１から３のいずれかに記載のコンピュータプログラムであって、
前記クラスの数Ｑは、３以上である、
コンピュータプログラム。

【請求項5】

請求項１から３のいずれかに記載のコンピュータプログラムであって、
前記対応データは、訓練画像に対応付けられる正解クラスを前記訓練画像を使用して予測するように訓練済の予測モデルを表し、
前記訓練画像は、前記参考文字部分の前記色を有する文字を表す部分である訓練文字部分と、前記参考背景部分の前記色を有するとともに前記訓練文字部分に隣接する背景部分である訓練背景部分と、を表すようにランダムに生成される画像であり、
前記正解クラスは、前記訓練文字部分の色と前記訓練背景部分の色との組み合わせに前記色クラス対応関係によって対応付けられるクラスであり、
前記クラス選択機能は、前記対応データによって表される前記予測モデルに、前記対象文字部分の少なくとも一部と前記対象背景部分の少なくとも一部とを表す画像を入力することによって予測されるクラスを、前記対象クラスとして選択する、
コンピュータプログラム。

【請求項6】

請求項１から３のいずれかに記載のコンピュータプログラムであって、
前記色情報は、前記参考文字部分の前記色を示すＴ個（Ｔは２以上の整数）の色成分のＴ個の文字色成分値と、前記参考背景部分の前記色を示す前記Ｔ個の色成分のＴ個の背景色成分値と、を含み、
前記対応データは、
前記Ｔ個の文字色成分値と前記Ｔ個の背景色成分値とクラスとの対応関係である前記色クラス対応関係を示すテーブルと、
前記Ｔ個の文字色成分値と前記Ｔ個の背景色成分値とから、前記Ｔ個の文字色成分値と前記Ｔ個の背景色成分値とに前記色クラス対応関係によって対応付けられるクラスを予測するように勾配ブースティングにより訓練済の予測モデルと、
のいずれかを表し、
前記クラス選択機能は、
前記対象領域の前記対象画像を分析することによって前記対象領域から前記対象文字部分と前記対象背景部分と抽出する機能と、
前記対象文字部分の内の複数の位置の複数の色の代表色を示す前記Ｔ個の色成分のＴ個の色成分値と、前記対象背景部分の内の複数の位置の複数の色の代表色を示す前記Ｔ個の色成分のＴ個の色成分値と、前記対応データと、を使用して前記対象クラスを選択する機能と、
を含む、コンピュータプログラム。

【請求項7】

データ処理装置であって、
印刷すべき入力画像の入力画像データを分析することによって、文字を表す部分である対象文字部分と前記対象文字部分に隣接する背景を表す部分である対象背景部分とを含む対象領域を前記入力画像から検出する検出部と、
前記対象領域に対応付けられる対象クラスを、前記対象文字部分の色と前記対象背景部分の色と対応データとを使用してＱ個（Ｑは２以上の整数）のクラスから選択するクラス選択部であって、前記対応データは、文字を表す参考文字部分と前記参考文字部分に隣接する参考背景部分とを含む参考画像を印刷済の画像中における、前記参考文字部分と前記参考背景部分との間の境界での印刷材の滲みの度合いを示すクラスと、前記参考画像の印刷用画像データから得られる色情報であって前記参考文字部分の色と前記参考背景部分の色とを表す前記色情報と、の予め決められた対応関係である色クラス対応関係を示し、前記Ｑ個のクラスは、第１クラスと、前記第１クラスによって示される滲みの度合いよりも大きい滲みの度合いを示す第２クラスと、を含む、前記クラス選択部と、
前記対象領域の印刷すべき印刷パターンを前記対象領域の対象画像と前記対象クラスとを使用して決定する印刷パターン決定部であって、前記対象クラスが前記第２クラスである場合の前記印刷パターンは、前記対象クラスが前記第１クラスである場合の前記印刷パターンと比べて、印刷済の画像に対する滲みの影響を軽減するように構成される、前記印刷パターン決定部と、
決定された印刷パターンに基づいて前記対象画像の印刷を印刷実行部に実行させる印刷処理部と、
を備える、データ処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書は、印刷のためのデータ処理に関する。

【背景技術】

【0002】

用紙、布などの記録媒体上にインクなどの印刷材を使用して画像を印刷する技術が使用されている。印刷材は、記録媒体上で、滲み得る。注目画素に対して走査方向に並ぶ複数個の周辺画素の成分値に基づいて注目画素が滲み抑制対象画素であるかを判定し、滲み抑制対象画素であると判定された画素のＫ（黒）の成分値を低減してＣＭＹの成分値に置換する技術が提案されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特許第５２６３１０１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ところが、印刷済の画像に対する印刷材の滲みの影響を適切に軽減することは容易ではなかった。例えば、滲みの影響を軽減するための処理の度合いの不足、または、過剰により、画質が低下する場合があった。

【0005】

本明細書は、滲みの影響を軽減する技術を開示する。

【課題を解決するための手段】

【0006】

本明細書に開示された技術は、以下の適用例として実現することが可能である。

【0007】

［適用例１］コンピュータプログラムであって、印刷すべき入力画像の入力画像データを分析することによって、文字を表す部分である対象文字部分と前記対象文字部分に隣接する背景を表す部分である対象背景部分とを含む対象領域を前記入力画像から検出する検出機能と、前記対象領域に対応付けられる対象クラスを、前記対象文字部分の色と前記対象背景部分の色と対応データとを使用してＱ個（Ｑは２以上の整数）のクラスから選択するクラス選択機能であって、前記対応データは、文字を表す参考文字部分と前記参考文字部分に隣接する参考背景部分とを含む参考画像を印刷済の画像中における、前記参考文字部分と前記参考背景部分との間の境界での印刷材の滲みの度合いを示すクラスと、前記参考画像の印刷用画像データから得られる色情報であって前記参考文字部分の色と前記参考背景部分の色とを表す前記色情報と、の予め決められた対応関係である色クラス対応関係を示し、前記Ｑ個のクラスは、第１クラスと、前記第１クラスによって示される滲みの度合いよりも大きい滲みの度合いを示す第２クラスと、を含む、前記クラス選択機能と、前記対象領域の印刷すべき印刷パターンを前記対象領域の対象画像と前記対象クラスとを使用して決定する印刷パターン決定機能であって、前記対象クラスが前記第２クラスである場合の前記印刷パターンは、前記対象クラスが前記第１クラスである場合の前記印刷パターンと比べて、印刷済の画像に対する滲みの影響を軽減するように構成される、前記印刷パターン決定機能と、決定された印刷パターンに基づいて前記対象画像の印刷を印刷実行部に実行させる印刷処理機能と、をコンピュータに実現させる、コンピュータプログラム。

【0008】

この構成によれば、対象領域に対応付けられる対象クラスが、対象文字部分の色と対象背景部分の色と対応データとを使用して選択され、対象領域の印刷すべき印刷パターンが、対象領域の対象画像と対象クラスとを使用して決定されるので、滲みの影響を適切に軽減できる。

【0009】

なお、本明細書に開示の技術は、種々の態様で実現することが可能であり、例えば、データ処理方法およびデータ処理装置、それらの方法または装置の機能を実現するためのコンピュータプログラム、そのコンピュータプログラムを記録した記録媒体（例えば、一時的ではない記録媒体）、等の形態で実現することができる。

【図面の簡単な説明】

【0010】

【図1】印刷システムの実施例を示すブロック図である。

【図2】プリンタ２００の外観を示す斜視図である。

【図3】印刷される画像と印刷材の滲みとの説明図である。

【図4】色クラスデータ１３６の生成処理の例を示すフローチャートである。

【図5】（Ａ）は、色クラス対応関係ＣＣＲの例を示す図である。（Ｂ）は、クラス番号ＣＬと滲みの度合いＢＬとの対応関係を示す図である。（Ｃ）－（Ｆ）は、参考画像の例を示す図である。

【図6】印刷処理の例を示すフローチャートである。

【図7】（Ａ）は、入力画像の例を示す図である。（Ｂ）は、対象領域の例を示す図である。（Ｃ）は、対象領域Ｅ２１－Ｅ２５のそれぞれの画像を示す図である。

【図8】分離処理の例を示すフローチャートである。

【図9】（Ａ）－（Ｇ）は、分離処理の概要を示す図である。

【図10】クラス分類処理の例を示すフローチャートである。

【図11】クラス分類処理の説明図である。

【図12】（Ａ）、（Ｂ）は、クラス番号ＣＬの選択方法の例を示す図である。

【図13】滲み影響軽減処理の例を示す図である。

【図14】予測モデルＭ２の訓練処理の例を示すフローチャートである。

【図15】クラス分類処理の例を示すフローチャートである。

【図16】予測モデルＭ３の訓練処理の別の実施例を示すフローチャートである。

【図17】（Ａ）－（Ｈ）は、訓練画像の例を示す図である。

【図18】クラス分類処理の例を示すフローチャートである。

【発明を実施するための形態】

【0011】

Ａ．第１実施例：
Ａ１．装置構成：
図１は、印刷システムの実施例を示すブロック図である。本実施例では、印刷システム１０００は、データ処理装置１００と、データ処理装置１００に接続されるプリンタ２００と、を含んでいる。

【0012】

データ処理装置１００は、プリンタ２００のユーザが使用する計算機であり、例えば、パーソナルコンピュータ、または、スマートフォンである。データ処理装置１００は、プロセッサ１１０と、記憶装置１１５と、表示部１４０と、操作部１５０と、通信インタフェース１７０と、を有している。これらの要素は、バスを介して互いに接続されている。記憶装置１１５は、揮発性記憶装置１２０と、不揮発性記憶装置１３０と、を含んでいる。

【0013】

プロセッサ１１０は、データを処理するように構成された装置である。プロセッサ１１０は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、または、ＳｏＣ（Ｓｙｓｔｅｍ－ｏｎ－ａ－ｃｈｉｐ）であってよい。揮発性記憶装置１２０は、例えば、ＤＲＡＭであり、不揮発性記憶装置１３０は、例えば、フラッシュメモリである。不揮発性記憶装置１３０は、プログラム１３１、１３２と、色クラス対応関係ＣＣＲを示す色クラスデータ１３６と、検出モデルＭ１のデータ１３７と、を格納している。検出モデルＭ１は、予め訓練された機械学習モデルである。本実施例では、検出モデルＭ１のデータ１３７は、プログラムモジュールである。プログラム１３１、１３２と色クラス対応関係ＣＣＲと検出モデルＭ１との詳細については、後述する。なお、図中の予測モデルＭ２、Ｍ３は、後述する他の実施例で使用される。

【0014】

表示部１４０は、液晶ディスプレイ、有機ＥＬディスプレイなどの、画像を表示するように構成された装置である。操作部１５０は、ボタン、レバー、表示部１４０上に重ねて配置されたタッチパネルなどの、ユーザによる操作を受け取るように構成された装置である。ユーザは、操作部１５０を操作することによって、種々の指示をデータ処理装置１００に入力可能である。通信インタフェース１７０は、他の装置と通信するためのインタフェースである。通信インタフェース１７０は、例えば、ＵＳＢインタフェース、有線ＬＡＮインタフェース、IEEE802.11の無線インタフェースのうちの１種以上を含む。

【0015】

プリンタ２００は、プロセッサ２１０と、記憶装置２１５と、表示部２４０と、操作部２５０と、通信インタフェース２７０と、印刷機構３００と、を有している。これらの要素は、バスを介して互いに接続されている。記憶装置２１５は、揮発性記憶装置２２０と、不揮発性記憶装置２３０と、を含んでいる。

【0016】

プロセッサ２１０は、データを処理するように構成された装置である。プロセッサ２１０は、例えば、ＣＰＵ、または、ＳｏＣであってよい。揮発性記憶装置２２０は、例えば、ＤＲＡＭであり、不揮発性記憶装置２３０は、例えば、フラッシュメモリである。不揮発性記憶装置２３０は、プログラム２３１を格納している。プログラム２３１の詳細については、後述する。

【0017】

表示部２４０は、液晶ディスプレイ、有機ＥＬディスプレイなどの、画像を表示するように構成された装置である。操作部２５０は、ボタン、レバー、表示部２４０上に重ねて配置されたタッチパネルなどの、ユーザによる操作を受け取るように構成された装置である。ユーザは、操作部２５０を操作することによって、種々の指示をプリンタ２００に入力可能である。通信インタフェース２７０は、他の装置と通信するためのインタフェースである。通信インタフェース２７０は、例えば、ＵＳＢインタフェース、有線ＬＡＮインタフェース、IEEE802.11の無線インタフェースのうちの１種以上を含む。通信インタフェース２７０は、データ処理装置１００の通信インタフェース１７０に接続されている。

【0018】

印刷機構３００は、ブラックＫ、シアンＣ、マゼンタＭ、イエローＹの各インク（液滴）を印刷材として使用して画像を印刷するインクジェット方式の印刷機構である。印刷機構３００は、印刷ヘッド３１０とヘッド駆動部３２０と主走査部３３０と搬送部３４０とを備えている。プロセッサ２１０は、プログラム２３１を実行することにより、データ処理装置１００からの印刷データに従って印刷機構３００を制御することによって、印刷データによって表される画像を記録媒体上に印刷する。本実施例では、記録媒体として布地が想定されている。印刷機構３００は、例えば、Ｔシャツなどの衣服上に画像を印刷できる。

【0019】

図２は、プリンタ２００の外観を示す斜視図である。プリンタ２００は、筐体２０１を有している。図示を省略するが、筐体２０１内には、印刷ヘッド３１０、ヘッド駆動部３２０、主走査部３３０、搬送部３４０（図１）が収容されている。

【0020】

主走査部３３０（図１）は、筐体２０１（図２）の内部において、図示しない主走査モータの動力を用いて、印刷ヘッド３１０を搭載するキャリッジ（図示省略）を主走査方向（図２のＸ方向）に沿って往復動させる。これによって、衣服Ｓなどの記録媒体に対して主走査方向（Ｘ方向）に沿って印刷ヘッド３１０を往復動させる主走査が実現される。

【0021】

搬送部３４０は、図２に示すプラテン３４２とトレイ３４４とを有している。プラテン３４２の上面は、衣服Ｓなどの記録媒体を載置するための載置面を形成する。プラテン３４２は、プラテン３４２の下方向側に配置された板状のトレイ３４４に固定されている。プラテン３４２とトレイ３４４とによって、衣服Ｓなどの記録媒体が保持される。プラテン３４２とトレイ３４４は、図示しない副走査モータの動力を用いて、主走査方向に交差する搬送方向（図２のＹ方向）に搬送される（本実施例では、Ｙ方向は、Ｘ方向に垂直である）。これによって、衣服Ｓなどの記録媒体を印刷ヘッド３１０に対して搬送方向に搬送する副走査が実現される。

【0022】

ヘッド駆動部３２０（図１）は、主走査部３３０が印刷ヘッド３１０の主走査を行っている最中に、印刷ヘッド３１０に駆動信号を供給して、印刷ヘッド３１０を駆動する。印刷ヘッド３１０は、図示しない複数個のノズルを備え、駆動信号に従って、搬送部３４０によって搬送される記録媒体上にインクを吐出してドットを形成する。

【0023】

本実施例では、衣服Ｓは、Ｔシャツである。印刷システム１０００は、例えば、Ｔシャツを販売する店舗に設置されている。印刷システム１０００は、例えば、店舗の店員によって管理されている。印刷システム１０００は、後述するように、例えば、店舗の顧客や店員がデータ処理装置１００を操作することによって動作する。このように、印刷システム１０００のユーザは、例えば、店舗の店員や顧客である。

【0024】

Ａ２．印刷材の滲みの影響の軽減処理：
図３は、印刷される画像と印刷材の滲みとの説明図である。図中の画像Ｄ１は、印刷すべき画像である対象画像の例を示している。図中のＸ方向とＹ方向とは、図２に示すＸ方向とＹ方向とに、それぞれ対応している。対象画像Ｄ１は、Ｘ方向とＹ方向とに沿ってマトリクス状に並ぶ複数の画素のそれぞれの色値によって、表されている。色値は、例えば、赤Ｒ、緑Ｇ、青Ｂの３個の階調値で表される。各階調値は、例えば、０から２５５までの２５６段階で表される。対象画像Ｄ１は、文字を表す部分である文字部分Ｃ１と、文字部分Ｃ１に隣接する背景を表す部分である背景部分Ｂ１と、を含んでいる。ここで、文字部分Ｃ１がブラックＫのインクの色を有し、背景部分Ｂ１がイエローＹのインクの色を有していることとする。

【0025】

対象画像Ｄ１中の注目部分ＩＰは、文字部分Ｃ１と背景部分Ｂ１との間の境界を含む部分である。図３内の対象画像Ｄ１の下には、注目部分ＩＰの拡大図が示されている。図示するように、文字部分Ｃ１と背景部分Ｂ１とは、境界部分Ｘ１ａで接している。

【0026】

図３中の注目部分ＩＰの拡大図の下には、第１印刷済画像Ｐ１ａが示されている。第１印刷済画像Ｐ１ａは、対象画像Ｄ１を印刷して得られる印刷済画像の例を示している。第１印刷済画像Ｐ１ａは、印刷された文字部分Ｃ１である文字部分ＣＰ１ａと、印刷された背景部分Ｂ１である背景部分ＢＰ１ａと、を含んでいる。図示するように、背景部分ＢＰ１ａと文字部分ＣＰ１ａとの間の境界部分ＸＰ１ａでは、インクの滲みが生じ得る。例えば、境界部分ＸＰ１ａでは、背景部分ＢＰ１ａから文字部分ＣＰ１ａへイエローＹのインクが意図せずに移動し得、また、文字部分ＣＰ１ａから背景部分ＢＰ１ａへブラックＫのインクが意図せずに移動し得る。このように、他の色を有する部分へ意図せずに移動したインクは、滲みとして、印刷済画像の観察者に観察され得る。

【0027】

本実施例では、印刷済の画像に対する滲みの影響を軽減するために、対象画像に滲み影響軽減処理（以下、軽減処理とも呼ぶ）が実行される。図３中の中央部分に示される部分画像ＩＰｂは、対象画像Ｄ１に軽減処理を実行することによって得られる処理済の画像のうちの注目部分ＩＰに対応する部分の例を示してる（第１処理済部分ＩＰｂと呼ぶ）。第１処理済部分ＩＰｂは、文字部分Ｃ１と、背景部分Ｂ１に対応する処理済背景部分Ｂ１ｂと、を含んでいる。文字部分Ｃ１と処理済背景部分Ｂ１ｂとの間の境界部分Ｘ１ｂには、インクの無い色（本実施例では、白色）の第１幅Ｗｂを有する隙間Ａ１ｂが形成されている。本実施例では、軽減処理によって、背景部分Ｂ１のうちの文字部分Ｃ１に接する第１幅Ｗｂを有する部分の色が白色に変更される。これにより、文字部分Ｃ１を囲む隙間Ａ１ｂが形成される。

【0028】

図３中の第１処理済部分ＩＰｂの下には、第２印刷済画像Ｐ１ｂが示されている。第２印刷済画像Ｐ１ｂは、対象画像Ｄ１に軽減処理を行って得られる画像を印刷して得られる印刷済画像の例を示している。第２印刷済画像Ｐ１ｂは、印刷された文字部分Ｃ１である文字部分ＣＰ１ｂと、印刷された処理済背景部分Ｂ１ｂである背景部分ＢＰ１ｂと、を含んでいる。図示するように、背景部分ＢＰ１ｂと文字部分ＣＰ１ｂとの間の境界部分ＸＰ１ｂでは、インクの滲みは目立たない。この理由は、軽減処理によって形成される隙間Ａ１ｂが、背景部分ＢＰ１ｂから文字部分ＣＰ１ｂへのインクの移動の可能性と、文字部分ＣＰ１ｂから背景部分ＢＰ１ｂへのインクの移動の可能性とを、低減するからである。例えば、文字部分ＣＰ１ｂのブラックＫのインクは、文字部分ＣＰ１ｂから隙間Ａ１ｂに対応する部分へ移動し得る。しかし、ブラックＫのインクが、さらに、背景部分ＢＰ１ｂへ移動する可能性は、低減される。同様に、背景部分ＢＰ１ｂのイエローＹのインクは、背景部分ＢＰ１ｂから隙間Ａ１ｂに対応する部分へ移動し得る。しかし、イエローＹのインクが、さらに、文字部分ＣＰ１ｂへ移動する可能性は、低減される。

【0029】

軽減処理における隙間の幅（例えば、隙間Ａ１ｂの第１幅Ｗｂ）は、印刷結果を変化させ得る。図３内の右部分に示される画像ＩＰｃは、隙間Ａ１ｃの第２幅Ｗｃが第１幅Ｗｂよりも大きい場合の軽減処理済の画像の例を示している（第２処理済部分ＩＰｃと呼ぶ）。第１処理済部分ＩＰｂとの差異は、第２幅Ｗｃが第１幅Ｗｂよりも大きい点だけである。処理済背景部分Ｂ１ｃは、背景部分Ｂ１に対応する部分である。

【0030】

図３内の第２処理済部分ＩＰｃの下には、第３印刷済画像Ｐ１ｃが示されている。第３印刷済画像Ｐ１ｃは、対象画像Ｄ１に第２幅Ｗｃの軽減処理を行って得られる画像を印刷して得られる印刷済画像の例を示している。文字部分ＣＰ１ｃは、印刷された文字部分Ｃ１であり、背景部分ＢＰ１ｃは、印刷された処理済背景部分Ｂ１ｃである。図示するように、背景部分ＢＰ１ｃと文字部分ＣＰ１ｃとの間の境界部分ＸＰ１ｃでは、インクの無い隙間が生じ得る。

【0031】

このように、軽減処理によって形成される隙間の幅が大き過ぎる場合、印刷済画像の背景部分と文字部分との間の境界部分に、インクのない隙間が、意図せず形成され得る。一方、軽減処理によって形成される隙間の幅が小さ過ぎる場合、印刷済画像の背景部分と文字部分との間の境界部分で、インクの滲みが観察され得る。背景部分と文字部分との間の境界部分での滲みの度合いは、種々の要因によって変化し得る。例えば、記録媒体である布の種類（織物の織り方、編み物の編み方、糸の太さ、など）、インクの種類（染料、顔料、など）、文字部分と背景部分のそれぞれで使用されるインクの組み合わせ（ブラックとイエロー、シアンとマゼンタ、など）、各インクの印刷濃度、境界部分の形状（曲線、直線、折れ線、など）、などの要因に応じて、滲みの度合いは変化する。従って、軽減処理の適切な幅は、種々の要因によって変化し得る。

【0032】

そこで、本実施例では、データ処理装置１００は、文字部分の色と背景部分の色と滲みの度合いとの予め決められた対応関係である色クラス対応関係ＣＣＲを使用して、軽減処理によって形成される隙間の幅を決定する。

【0033】

Ａ３．色クラスデータの生成処理：
図４は、色クラス対応関係ＣＣＲを表す色クラスデータ１３６の生成処理の例を示すフローチャートである。図５（Ａ）は、色クラス対応関係ＣＣＲの例を示す図である。本実施例では、色クラス対応関係ＣＣＲは、番号ｉと、ｉ番の色ベクトルＣＶ（ｉ）と、ｉ番のクラス番号ＣＬ（ｉ）と、の対応関係を示している。番号ｉは、対応関係の番号であり、１から始まる昇順の番号である。色ベクトルＣＶは、背景色ＣＢと文字色ＣＣとを表している。背景色ＣＢと文字色ＣＣとは、それぞれ、赤Ｒ、緑Ｇ、青Ｂの３個の階調値で表される。各階調値は、例えば、０から２５５までの２５６段階で表される。このように、色ベクトルＣＶは、６個の階調値で表される６次元ベクトルである。クラス番号ＣＬは、滲みの度合いを示すクラスの番号を示している。

【0034】

図５（Ｂ）は、クラス番号ＣＬと滲みの度合いＢＬとの対応関係を示している。以下、色クラス対応関係ＣＣＲによって表されるクラスの総数がＱ個（Ｑは２以上の整数）であることとする。本実施例では、Ｑ＝４である。クラス番号ＣＬは、ゼロ番から３番までの４個の番号のいずれかである。本実施例では、０番は、滲みがないことを示している。１番は、小の度合いを示している。２番は、中の度合いを示している。３番は、大の度合いを示している。本実施例では、作業者が、印刷済画像を観察することによって、滲みの度合い（すなわち、クラス番号ＣＬ）を評価する。作業者は、印刷に関する有識者であることが好ましい。

【0035】

本実施例では、色クラスデータ１３６の生成は、プリンタ２００（図１）の製造者によって、行われる。色クラスデータ１３６の生成は、プリンタ２００と、プリンタ２００に接続されるデータ処理装置と、を使用して行われる。データ処理装置としては、印刷システム１０００のデータ処理装置１００が使用されることとする。これに代えて、他のデータ処理装置（図示せず）が使用されてよい。

【0036】

図４の生成処理では、データ処理装置１００（図１）のプロセッサ１１０は、第１プログラム１３１に従って、評価のための画像の印刷と、作業者による評価結果に基づく色クラスデータ１３６の生成とを、行う。作業者は、操作部１５０を操作することによって、生成処理の開始指示を入力する。プロセッサ１１０は、開始指示に応じて、生成処理を開始する。

【0037】

Ｓ１１０では、プロセッサ１１０は、複数の参考画像データを生成する。図５（Ｃ）－図５（Ｆ）は、参考画像の例を示す図である。参考画像Ｄ１１－Ｄ１４は、文字を表す文字部分Ｃ１１－Ｃ１４と、文字部分Ｃ１１－Ｃ１４に隣接する背景部分Ｂ１１－Ｂ１４と、をそれぞれ含んでいる。以下、参考画像に含まれる文字部分を、参考文字部分と呼ぶ。参考画像中の参考文字部分に隣接する背景部分を、参考背景部分と呼ぶ。文字部分Ｃ１１－Ｃ１４は、参考文字部分の例である。背景部分Ｂ１１－Ｂ１４は、参考背景部分の例である。

【0038】

１枚の参考画像は、１以上の文字（例えば、単語）を含んでいる。文字の種類は、ラテンアルファベット、平仮名、漢字など、後述する印刷処理で印刷され得る任意の種類であってよい。本実施例では、プロセッサ１１０は、単語と、文字の色と、背景の色と、文字のサイズと、参考画像内の単語の位置と、のそれぞれを、乱数を使用して決定する。これらの項目のそれぞれは、例えば、予め準備されたリストからランダムに選択されてよい。プロセッサ１１０は、決定された単語と背景とを表す参考画像の画像データを生成する。本実施例では、参考文字部分は、単色の部分であり、参考背景部分は、単色の部分である。

【0039】

なお、複数の参考画像データは、記憶装置１１５（例えば、不揮発性記憶装置１３０）に予め格納されてよい。予め格納される参考画像データの単語の色と背景の色との組み合わせは、衣服Ｓへの印刷の可能性が高い組み合わせに、設定されてよい。Ｓ１１０では、プロセッサ１１０は、複数の参考画像データを記憶装置１１５から取得してよい。

【0040】

Ｓ１２０（図４）では、プロセッサ１１０は、複数の参考画像データを使用して、複数の参考画像をプリンタ２００に印刷させる。本実施例では、プロセッサ１１０は、参考画像データを使用して、印刷データを生成する。プロセッサ１１０は、印刷データをプリンタ２００に出力する。プリンタ２００のプロセッサ１１０は、印刷データに従って印刷機構３００を制御することによって、印刷機構３００に参考画像を印刷させる。記録媒体としては、後述する印刷処理で使用される記録媒体（例えば、布地）と同じものが使用されることが好ましい。

【0041】

印刷データの生成方法は、プリンタ２００に適する印刷データを生成する任意の方法であってよい。本実施例では、印刷データの生成処理は、処理対象の画像データ（例えば、参考画像データ）を使用して印刷用の解像度のラスタデータを生成する処理と、ラスタデータの色変換処理と、色変換済のラスタデータを使用するハーフトーン処理と、ハーフトーン処理の結果を使用して印刷データを生成する処理と、を含んでいる。色変換処理は、各画素の色値を、変換前の色空間（本実施例では、ＲＧＢ色空間）の色値から、印刷用の色空間である印刷色空間の色値に変換する処理である。印刷色空間は、プリンタ２００によって使用される印刷材に対応する色成分で表される色空間である（本実施例では、ＫＣＭＹ色空間）。変換前の色空間の色値と印刷色空間の色値との対応関係は、予め決められている。ハーフトーン処理は、例えば、誤差拡散法や、ディザマトリクスを用いる方法など、種々の方法の処理であってよい。

【0042】

Ｓ１３０では、作業者は、印刷済の画像を観察することによって、滲みの度合いを４段階で評価し（図５（Ｂ））、クラス番号ＣＬを決定する。作業者は、操作部１５０を操作することによって、各参考画像のクラス番号ＣＬを、データ処理装置１００に入力する。

【0043】

Ｓ１４０では、プロセッサ１１０は、色クラス対応関係ＣＣＲ（図５（Ａ））を表す色クラスデータ１３６を生成する。色クラス対応関係ＣＣＲは、複数の参考画像のそれぞれについて、参考背景部分の色を示す背景色ＣＢと、参考文字部分の色を示す文字色ＣＣと、クラス番号ＣＬと、の対応関係を表している。プロセッサ１１０は、背景色ＣＢと文字色ＣＣとを、印刷に使用される参考画像データを参照することによって、取得する。プロセッサ１１０は、クラス番号ＣＬを、Ｓ１３０で取得する。対応関係の番号ｉは、１から始まる昇順の番号に決定される。以下、色クラス対応関係ＣＣＲが、Ｎ個（Ｎは２以上の整数）の対応関係を表すこととする。

【0044】

Ｓ１５０では、プロセッサ１１０は、色クラスデータ１３６を記憶装置１１５（本実施例では、不揮発性記憶装置１３０）に格納する。そして、プロセッサ１１０は、図４の処理を終了する。

【0045】

なお、生成される色クラスデータ１３６は、複数のプリンタ２００に共通に使用されてよい。例えば、プリンタ２００の製造者は、サーバ等を通じて、色クラスデータ１３６を配布してよい。これに代えて、プリンタ２００のユーザが、色クラスデータ１３６の生成処理を行ってよい。この場合、Ｓ１３０では、ユーザが、滲みの度合いを評価してよい。

【0046】

Ａ４．印刷処理：
図６は、印刷処理の例を示すフローチャートである。データ処理装置１００のプロセッサ１１０（図１）は、データ処理装置１００に入力される印刷指示に応じて、第２プログラム１３２に従って、印刷処理を実行する。印刷指示の入力方法は、任意の方法であってよい。本実施例では、ユーザは、操作部１５０を操作することによって、印刷指示を入力する。印刷指示は、印刷すべき入力画像のデータである入力画像データを指定する入力データ情報を含んでいる。入力データ情報は、記憶装置１１５（例えば、不揮発性記憶装置１３０）、通信インタフェース１７０に接続される図示しない記憶装置（例えば、ＵＳＢフラッシュドライブ）、データ処理装置１００と通信可能なサーバの記憶装置、などの種々の記憶装置に格納される入力画像データを指定してよい。なお、ユーザは、データ処理装置１００と通信可能な図示しない端末装置（例えば、スマートフォンなど）を通じて、印刷指示をデータ処理装置１００に入力してよい。

【0047】

Ｓ２１０では、プロセッサ１１０は、入力画像データを取得する。図７（Ａ）は、入力画像の例を示す図である。本実施例では、入力画像Ｄ２０は、Ｘ方向（ここでは、水平方向）に平行な２辺とＹ方向に平行な２辺とを有する矩形の画像である。入力画像Ｄ２０は、Ｘ方向とＹ方向とに沿ってマトリクス状に並ぶ複数の画素のそれぞれの色値（本実施例では、Ｒ、Ｇ、Ｂの３個の階調値）によって、表されている。入力画像Ｄ２０は、人物の顔と、５個の単語Ｗ２１、Ｗ２２、Ｗ２３、Ｗ２４、Ｗ２５を表している。本実施例では、入力画像（例えば、入力画像Ｄ２０）上で、文字は、単色の背景上に配置されることとする。また、文字の色は、背景の色よりも暗い単色であることとする。

【0048】

Ｓ２２０（図６）では、プロセッサ１１０は、入力画像から対象領域を検出する。対象領域は、文字を表す部分である文字部分と、文字部分に隣接する背景を表す部分である背景部分と、を含む領域である。本実施例では、プロセッサ１１０は、入力画像のデータを検出モデルＭ１に入力することによって、入力画像から対象領域を検出する。検出モデルＭ１は、文字を検出するように構成される種々の物体検出モデルであってよい。本実施例では、検出モデルＭ１は、ＣＲＡＦＴと呼ばれる機械学習モデルである。ＣＲＡＦＴは、例えば、論文「Youngmin Baek, Bado Lee, Dongyoon Han, Sangdoo Yun and Hwalsuk Lee, "Character Region Awareness for Text Detection", arXiv:1904.01941, 3 Apr 2019, http://arxiv.org/abs/1904.01941」に開示されている。

【0049】

ＣＲＡＦＴは、画素が文字の中心である確率を表す領域スコア（region score）と、画素が隣り合う２個の文字の間のスペースの中心である確率を表すアフィニティスコア（affinity score）とを、画素毎に予測する。大きい領域スコアを有する複数の画素が連続する１個の領域は、１個の文字を表す可能性が高い。大きいアフィニティスコアを有する複数の画素が連続する１個の領域は、隣り合う２個の文字（例えば、単語に含まれる隣り合う２個の文字）の間のスペースを表す可能性が高い。ＣＲＡＦＴは、領域スコアとアフィニティスコアを二値化する。これにより、大きい領域スコアを有する領域と、大きいアフィニティスコアを有する領域とが、取得される。ＣＲＡＦＴは、これらの領域を結合し、ラベリング処理を行う。これにより、単語を構成する複数の文字を表す結合領域が取得される。ＣＲＡＦＴは、結合領域を囲む最小面積の回転矩形を、ラベル毎に決定する。回転矩形の辺は、Ｘ方向に対して斜めに傾斜し得る。１個の回転矩形は、１個の単語の領域を表している。単語の領域を表す矩形は、単語ボックスとも呼ばれる。なお、ラベリングと矩形の検出とは、OpenCV（Open Source Computer Vision Library）の関数を使用して行われる。検出モデルＭ１は、ＣＲＡＦＴの上記の論文に記載の訓練方法によって、予め訓練される。

【0050】

図７（Ｂ）は、入力画像Ｄ２０から検出される対象領域の例を示している。図示するように、単語Ｗ２１－Ｗ２５を表す単語ボックスＢＸ１－ＢＸ５が、検出される。本実施例では、単語ボックスＢＸ１－ＢＸ５によって囲まれる領域Ｅ２１－Ｅ２５が、対象領域Ｅ２１－Ｅ２５として使用される。図７（Ｃ）は、検出される対象領域Ｅ２１－Ｅ２５のそれぞれの画像を示している。図示するように、第１対象領域Ｅ２１は、Ｘ方向に対して、傾いている。

【0051】

Ｓ２３０（図６）では、プロセッサ１１０は、Ｓ２２０で検出される対象領域から、未処理の対象領域を、注目領域を選択する。Ｓ２４０では、プロセッサ１１０は、注目領域から文字部分と背景部分とを分離する分離処理を実行する。

【0052】

図８は、分離処理の例を示すフローチャートである。Ｓ３０５では、プロセッサ１１０は、注目領域の傾き補正を行う。図９（Ａ）－図９（Ｇ）は、分離処理の概要を示す図である。ここで、第１対象領域Ｅ２１が、注目領域であることとする。図９（Ａ）－図９（Ｃ）は、傾き補正の例を示している。図９（Ａ）には、第１対象領域Ｅ２１が示されている。頂点Ｐ１－Ｐ４は、第１対象領域Ｅ２１の頂点である。第１頂点Ｐ１は、最も左に位置する頂点であり、第２頂点Ｐ２は、最も上に位置する頂点であり、第３頂点Ｐ３は、最も下に位置する頂点であり、第４頂点Ｐ４は、最も右に位置する頂点である。ここで、右方向は、Ｘ方向であり、下方向は、Ｙ方向である。

【0053】

図９（Ｂ）は、第１対象領域Ｅ２１の傾斜角ＡＧを示している。図中には、第１頂点Ｐ１を通りＸ方向に平行な第１線Ｌ１と、第１頂点Ｐ１と第２頂点Ｐ２と結ぶ第２線Ｌ２と、が示されている。傾斜角ＡＧは、第１線Ｌ１と第２線Ｌ２とのなす角度である。プロセッサ１１０は、第１頂点Ｐ１の座標と第２頂点Ｐ２の座標とを使用することによって、傾斜角ＡＧを算出する。プロセッサ１１０は、第１対象領域Ｅ２１の画像を時計回りに傾斜角ＡＧだけ回転させる。

【0054】

図９（Ｃ）は、回転済の第１対象領域Ｅ２１を示している。回転済の第１対象領域Ｅ２１は、Ｘ方向に平行な２辺とＹ方向に平行な２辺とを有している。プロセッサ１１０は、トリミングを行い、回転済の第１対象領域Ｅ２１の内部の画像を抽出する。このように、プロセッサ１１０は、注目領域（例えば、第１対象領域Ｅ２１）の傾きを補正する。

【0055】

なお、傾斜角ＡＧの算出方法は、他の種々の方法であってよい。例えば、プロセッサ１１０は、第３頂点Ｐ３を通りＸ方向に平行な線と、第３頂点Ｐ３と第４頂点Ｐ４とを結ぶ線と、のなす角度を傾斜角ＡＧとして算出してよい。

【0056】

Ｓ３１０（図８）では、プロセッサ１１０は、注目領域の画像を表すグレースケール画像データを生成する。図９（Ｄ）は、注目領域Ｄ２１（ここでは、第１対象領域Ｅ２１）を示している。注目領域Ｄ２１は、単語Ｗ２１を構成する複数の文字を表す文字部分Ｃ２１と、文字部分Ｃ２１に隣接する背景部分Ｂ２１と、を含んでいる。プロセッサ１１０は、公知の計算式を使用して、注目領域Ｄ２１の各画素の色値（本実施例では、ＲＧＢの色値）を輝度値に変換する。例えば、ＲＧＢ値とＹＣｂＣｒ色空間の輝度値Ｙとを対応付ける計算式が用いられる。図９（Ｅ）は、グレースケール画像データによって表される注目領域Ｄ２１ｇを示している（以下、グレー注目領域Ｄ２１ｇとも呼ぶ）。グレー注目領域Ｄ２１ｇは、文字部分Ｃ２１に対応する文字部分Ｃ２１ｇと、背景部分Ｂ２１に対応する注目領域Ｄ２１ｇと、を含んでいる。文字部分Ｃ２１ｇの色と背景部分Ｂ２１ｇの色とは、それぞれ、輝度値で表される。

【0057】

Ｓ３２０（図８）では、プロセッサ１１０は、グレー注目領域のデータを使用して、輝度値のヒストグラムを生成する。図９（Ｆ）は、ヒストグラムの例を示している。横軸は、輝度値Ｖを示し、縦軸は頻度ｆを示している（輝度値Ｖは、例えば、０から２５５までの２５６段階で表される）。上述したように、本実施例では、入力画像（例えば、入力画像Ｄ２０（図７（Ａ）））上で、文字は、単色の背景上に配置され、文字の色は、背景の色よりも暗い単色である。この場合、ヒストグラムは、２個の大きいピークＰＫ１、ＰＫ２を示す。第１ピークＰＫ１の輝度値Ｖ１は、第２ピークＰＫ２の輝度値Ｖ２よりも大きい。第１ピークＰＫ１は、背景部分を示し、第２ピークＰＫ２は、文字部分を示す。

【0058】

Ｓ３３０（図８）では、プロセッサ１１０は、ヒストグラム（図９（Ｆ））の頻度ｆを参照し、明るい第１ピークＰＫ１の輝度値Ｖ１（第１ピーク値Ｖ１と呼ぶ）と、暗い第２ピークＰＫ２の輝度値Ｖ２（第２ピーク値Ｖ２と呼ぶ）と、を取得する。第１ピーク値Ｖ１は、背景部分の輝度値を示している。第２ピーク値Ｖ２は、文字部分の輝度値を示している。

【0059】

Ｓ３４０では、プロセッサ１１０は、第１ピーク値Ｖ１（図９（Ｆ））を含む第１輝度範囲ＶＲ１内の輝度値Ｖを有する複数の画素を、背景画素として選択する。本実施例では、第１輝度範囲ＶＲ１は、第１ピーク値Ｖ１を中心とする所定幅の範囲である。図９（Ｇ）の右部には、Ｓ３４０で選択される複数の背景画素によって形成される領域ＳＢ１が、ハッチングで示されている（背景セグメント領域ＳＢ１と呼ぶ）。本実施例では、この背景セグメント領域ＳＢ１は、背景部分Ｂ２１（図９（Ｄ））と同じである。

【0060】

Ｓ３５０では、プロセッサ１１０は、第２ピーク値Ｖ２（図９（Ｆ））を含む第２輝度範囲ＶＲ２内の輝度値Ｖを有する複数の画素を、文字画素として選択する。本実施例では、第２輝度範囲ＶＲ２は、第２ピーク値Ｖ２を中心とする所定幅の範囲である。図９（Ｇ）の左部には、Ｓ３５０で選択される複数の文字画素によって形成される領域ＳＣ１が、ハッチングで示されている（文字セグメント領域ＳＣ１と呼ぶ）。本実施例では、この文字セグメント領域ＳＣ１は、文字部分Ｃ２１（図９（Ｄ））と同じである。

【0061】

なお、輝度範囲ＶＲ１、ＶＲ２のそれぞれの幅は、ヒストグラムを使用してグレー注目領域を文字部分の領域と背景部分の領域とに適切に区分できるように、予め実験的に決定される。

【0062】

Ｓ３６０では、プロセッサ１１０は、セグメントマップを生成する。図９（Ｇ）の下部には、セグメントマップの例が示されている。このセグメントマップＳＭ１は、Ｓ３４０で選択される背景セグメント領域ＳＢ１と、Ｓ３５０で選択される文字セグメント領域ＳＣ１と、を示している。

【0063】

Ｓ３７０では、プロセッサ１１０は、セグメントマップを表すデータを、記憶装置１１５（本実施例では、不揮発性記憶装置１３０）に格納する。そして、プロセッサ１１０は、図８の処理、すなわち、Ｓ２４０（図６）の処理を終了する。このように、プロセッサ１１０は、注目領域から文字部分と背景部分とを抽出する。

【0064】

Ｓ２５０では、プロセッサ１１０は、注目領域のクラス分類処理を実行する。図１０は、クラス分類処理の例を示すフローチャートである。Ｓ４１０では、プロセッサ２１０は、注目領域の文字部分の色を表す文字色値を取得する。図１１は、クラス分類処理の説明図である。図１１の左部に示すように、プロセッサ１１０は、注目領域Ｄ２１からセグメントマップＳＭ１の文字セグメント領域ＳＣ１に対応する領域ＡＣ１を抽出する。本実施例では、文字部分Ｃ２１が、領域ＡＣ１として抽出される。プロセッサ１１０は、抽出される領域ＡＣ１の複数の画素の複数の色値の代表色値を、文字色値ＶＣ１として算出する。代表色値は、要約統計量とも呼ばれる種々の値であってよい（例えば、平均値、最頻値、中央値など）。本実施例では、プロセッサ１１０は、ＲＧＢのそれぞれの平均値である３個の階調値（文字色成分値とも呼ぶ）を、文字色値ＶＣ１として採用する。

【0065】

Ｓ４２０（図１０）では、プロセッサ２１０は、注目領域の背景部分の色を表す背景色値を取得する。図１１の右部に示すように、プロセッサ１１０は、注目領域Ｄ２１からセグメントマップＳＭ１の背景セグメント領域ＳＢ１に対応する領域ＡＢ１を抽出する。本実施例では、背景部分Ｂ２１が、領域ＡＢ１として抽出される。プロセッサ１１０は、抽出される領域ＡＢ１の複数の画素の複数の色値の代表色値を、背景色値ＶＢ１として算出する。Ｓ４２０での代表色値の算出方法は、Ｓ４１０での代表色値の算出方法と同じである。本実施例では、プロセッサ１１０は、ＲＧＢのそれぞれの平均値である３個の階調値（背景色成分値とも呼ぶ）を、背景色値ＶＢ１として採用する。

【0066】

Ｓ４３０では、プロセッサ１１０は、注目領域の注目色ベクトルＣＶｔを決定する。図５（Ａ）に示すように、色ベクトルは、背景色のＲＧＢの３個の階調値と文字色のＲＧＢの３個の階調値とで表される６次元ベクトルである。プロセッサ１１０は、背景色値ＶＢ１（図１１）のＲＧＢの３個の階調値と文字色値ＶＣ１のＲＧＢの３個の階調値との６個の階調値で表されるベクトルを、注目色ベクトルＣＶｔとして採用する。

【0067】

Ｓ４４０（図１０）では、プロセッサ１１０は、注目色ベクトルＣＶｔと色クラス対応関係ＣＣＲ（図５（Ａ））とを使用して、注目領域のクラス番号ＣＬを選択する。図１２（Ａ）、図１２（Ｂ）は、クラス番号ＣＬの選択方法の例を示す図である。図１２（Ａ）に示される「Ｓｃ（ＣＶｔ、ＣＶ（ｉ））」は、注目色ベクトルＣＶｔと、色クラス対応関係ＣＣＲのｉ番の色ベクトルＣＶ（ｉ）と、の間のコサイン類似度を示している。コサイン類似度は、２つのベクトルの内積を、２つのベクトルのそれぞれのＬ２ノルムで除算することによって、算出される。プロセッサ１１０は、色クラス対応関係ＣＣＲのＮ個の色ベクトルＣＶ（ｉ）のそれぞれと色ベクトルＣＶｔとのＮ個のコサイン類似度を算出する。プロセッサ１１０は、Ｎ個の色ベクトルＣＶ（ｉ）のうち最大の類似度を導く色ベクトルＣＶ（ｉ）の番号ｉを、注目領域の番号ｉ＿ｔとして採用する。図１２（Ｂ）に示すように、プロセッサ１１０は、色クラス対応関係ＣＣＲによって番号ｉ＿ｔに対応付けられるクラス番号ＣＬ（ｉ＿ｔ）を、注目領域のクラス番号ＣＬ＿ｔとして採用する。

【0068】

このように、プロセッサ１１０は、注目領域のクラス番号ＣＬ＿ｔを選択する（注目番号ＣＬ＿ｔと呼ぶ）。そして、プロセッサ１１０は、図１０の処理、すなわち、図６のＳ２５０の処理を終了する。

【0069】

Ｓ２６０では、プロセッサ１１０は、入力画像中の注目領域に対して、注目番号ＣＬ＿ｔに対応する滲み影響軽減処理を実行する。図１３は、滲み影響軽減処理の例を示す図である。図３で説明したように、本実施例では、軽減処理によって、背景部分のうちの文字部分に接する部分の色が白色に変更される。これにより、文字部分を囲む隙間が形成される。プロセッサ１１０は、隙間の幅を、注目番号ＣＬ＿ｔに応じて調整する。図１３には、０番から３番の注目番号ＣＬ＿ｔにそれぞれ対応する幅Ｗ０－Ｗ３が示されている。本実施例では、０＝Ｗ０＜Ｗ１＜Ｗ２＜Ｗ２である。

【0070】

図１３には、０番から３番の注目番号ＣＬ＿ｔにそれぞれ対応する軽減処理済の領域Ｄ３０－Ｄ３３が示されている。これらの処理済領域Ｄ３０－Ｄ３３は、同じ画像に対する軽減処理によって生成される画像を示している。処理済領域Ｄ３０－Ｄ３３は、共通の文字部分Ｃ３０を含んでいる。処理済領域Ｄ３０－Ｄ３３は、さらに、背景部分Ｂ３０－Ｂ３３を、それぞれ含んでいる。クラス番号ＣＬ＿ｔがゼロである場合、幅の形成は省略される。処理済領域Ｄ３０中では、背景部分Ｂ３０は文字部分Ｃ３０に隣接している。クラス番号ＣＬ＿ｔが１以上である場合、処理済領域Ｄ３１－Ｄ３３中では、文字部分Ｃ３０と背景部分Ｂ３１－Ｂ３３との間には、幅Ｗ１－Ｗ３を有する隙間Ａ３１－Ａ３３が、それぞれ形成される。幅Ｗ１－Ｗ３は、種々の画像の印刷結果を使用して、適切な印刷結果が得られるように、予め実験的に決定される。

【0071】

なお、Ｓ２６０（図６）では、プロセッサ１１０は、Ｓ２４０（すなわち、図８の処理）で抽出される文字部分と背景部分とを使用して、入力画像上で隙間を形成する。Ｓ３０５（図８）で算出される傾斜角ＡＧがゼロではない場合、プロセッサ１１０は、Ｓ２４０で抽出される文字部分と背景部分との傾きを傾斜角ＡＧを使用して元に戻すことによって、入力画像上の文字部分と背景部分とを決定する。図９（Ａ）の対象領域Ｅ２１が処理される場合、背景部分Ｂ２１のうちの文字部分Ｃ２１に隣接する部分に、隙間が形成される。

【0072】

Ｓ２７０（図６）では、プロセッサ１１０は、全ての対象領域が処理されたか否かを判断する。未処理の対象領域が残っている場合（Ｓ２７０：Ｎｏ）、プロセッサ１１０は、Ｓ２３０へ移行して、未処理の対象領域を処理する。

【0073】

全ての対象領域が処理された場合（Ｓ２７０：Ｙｅｓ）、Ｓ２８０で、プロセッサ１１０は、Ｓ２２０－Ｓ２７０による処理済の入力画像のデータを使用して、プリンタ２００に入力画像を印刷させる。本実施例では、プロセッサ１１０は、処理済の入力画像のデータを使用して、印刷データを生成する。印刷データの生成方法は、Ｓ１２０（図４）で説明した方法と同じである。プロセッサ１１０は、印刷データをプリンタ２００に供給する。プリンタ２００のプロセッサ２１０は、印刷データに従って、入力画像を記録媒体（例えば、衣服Ｓ）上に印刷する。そして、図６の処理は、終了する。

【0074】

以上のように、本実施例では、データ処理装置１００のプロセッサ１１０は、以下の処理を実行する。Ｓ２２０（図６）では、プロセッサ１１０は、印刷すべき入力画像の入力画像データを分析することによって、文字を表す部分である対象文字部分と対象文字部分に隣接する背景を表す部分である対象背景部分とを含む対象領域を入力画像から検出する。例えば、図７（Ｂ）に示すように、入力画像Ｄ２０から、対象領域Ｅ２１－Ｅ２５が検出される。図９（Ｄ）に示すように、第１対象領域Ｅ２１は、対象文字部分Ｃ２１と、対象文字部分Ｃ２１に隣接する対象背景部分Ｂ２１と、を有している。他の対象領域Ｅ２２－Ｅ２５（図７（Ｃ））も、同様に、単語Ｗ２２－Ｗ２５を示す対象文字部分Ｃ２２－Ｃ２５と、対象文字部分Ｃ２２－Ｃ２５に隣接する対象背景部分Ｂ２２－Ｂ２５と、をそれぞれ含んでいる。

【0075】

Ｓ２５０（図６）、すなわち、図１０の処理では、プロセッサ１１０は、注目領域に対応付けられるクラス番号ＣＬ＿ｔを、注目色ベクトルＣＶｔと色クラスデータ１３６とを使用して、Ｑ個のクラス番号ＣＬ（図５（Ｂ））から選択する。注目領域は、処理対象の対象領域である。クラス番号ＣＬ＿ｔは、対象領域に対応付けられるクラスである対象クラスを示している。注目色ベクトルＣＶｔは、文字色値ＶＣ１（図１１）と背景色値ＶＢ１とを表している。文字色値ＶＣ１は、注目領域の文字部分（例えば、文字部分Ｃ２１）の色を表している（Ｓ４１０（図１０））。背景色値ＶＢ１は、注目領域の背景部分（例えば、背景部分Ｂ２１）の色を表している（Ｓ４２０）。

【0076】

色クラスデータ１３６は、予め決められた色クラス対応関係ＣＣＲ（図５（Ａ））を表している。色クラス対応関係ＣＣＲは、クラス番号ＣＬと、色ベクトルＣＶと、の対応関係を表している。クラス番号ＣＬは、図５（Ｂ）に示すように、滲みの度合いＢＬを示している。滲みの度合いＢＬは、Ｓ１３０（図４）、図５（Ｃ）－図５（Ｆ）で説明したように、参考画像の印刷済の画像中のインクの滲みの度合いを示している。参考画像は、図５（Ｃ）－図５（Ｆ）の参考画像Ｄ１１－Ｄ１４のように、文字を表す参考文字部分（例えば、文字部分Ｃ１１－Ｃ１４）と、参考文字部分に隣接する参考背景部分（例えば、背景部分Ｂ１１－Ｂ１４）と、を含んでいる。インクの滲みの度合いは、参考文字部分と参考背景部分との間の境界でのインクの滲みの度合いを示している。クラス番号ＣＬは、このようなインクの滲みの度合いを示している。

【0077】

色クラス対応関係ＣＣＲ（図５（Ａ））の色ベクトルＣＶは、文字色ＣＣと背景色ＣＢとを表している。文字色ＣＣと背景色ＣＢとは、Ｓ１４０（図４）で説明したように、印刷に使用される参考画像データ（すなわち、参考画像の印刷用画像データ）から得られる。文字色ＣＣは、参考画像の参考文字部分の色を示している（例えば、図５（Ｃ）－図５（Ｆ）の文字部分Ｃ１１－Ｃ１４の色）。背景色ＣＢは、参考画像の参考背景部分の色を示している（例えば、背景部分Ｂ１１－Ｂ１４の色）。色ベクトルＣＶは、参考文字部分の色と参考背景部分の色とを表す色情報の例である。

【0078】

図５（Ｂ）に示すように、Ｑ個のクラス番号ＣＬは、０番のクラスと、０番のクラスによって示される滲みの度合いよりも大きい滲みの度合いを示す１番のクラスと、を含んでいる。

【0079】

色クラスデータ１３６は、このような色クラス対応関係ＣＣＲを表す対応データの例である。

【0080】

Ｓ２６０（図６）では、プロセッサ１１０は、対象領域（ここでは、注目領域）の画像である対象画像と、対象領域に対応付けられるクラス番号ＣＬ＿ｔと、を使用して、滲み影響軽減処理を実行する。この軽減処理によって、対象領域の印刷すべき画像である印刷パターンが、決定される。図１３で説明したように、クラス番号ＣＬ＿ｔが１番である場合の幅Ｗ１は、クラス番号ＣＬ＿ｔが０番である場合の幅Ｗ０よりも、大きい。クラス番号ＣＬ＿ｔが１番である場合の印刷パターンは、クラス番号ＣＬ＿ｔが０番である場合の印刷パターンと比べて、印刷済の画像に対する滲みの影響を軽減するように構成される。

【0081】

Ｓ２８０（図６）では、プロセッサ１１０は、決定された印刷パターンに基づいて対象画像の印刷をプリンタ２００に実行させる。

【0082】

このように、対象領域に対応付けられるクラス番号ＣＬ＿ｔは、対象文字部分の色と対象背景部分の色と色クラスデータ１３６とを使用して選択される。対象領域の印刷すべき印刷パターンは、対象領域の対象画像とクラス番号ＣＬ＿ｔとを使用して決定されるので、滲みの影響を適切に軽減できる。

【0083】

また、図４、図５（Ｃ）－図５（Ｆ）で説明したように、本実施例では、色クラス対応関係ＣＣＲの決定のために、参考画像データ（すなわち、参考画像の印刷用画像データ）が使用される。参考画像データによって表される参考文字部分は、単色の部分である（例えば、文字部分Ｃ１１－Ｃ１３（図５（Ｃ）－図５（Ｆ）））。参考画像データによって表される参考背景部分は、単色の部分である（例えば、背景部分Ｂ１１－Ｂ１４（図５（Ｃ）－図５（Ｆ）））。

【0084】

プロセッサ１１０は、図６のＳ２４０、Ｓ２５０を実行することによって、注目領域（すなわち、対象領域）のクラス番号ＣＬ＿ｔを選択する。Ｓ２４０では、プロセッサ１１０は、対象領域の対象画像を分析することによって、対象領域から対象文字部分と対象背景部分と抽出する。例えば、図９（Ｇ）に示すように、プロセッサ１１０は、背景部分Ｂ２１を示す背景セグメント領域ＳＢ１と、文字部分Ｃ２１を示す文字セグメント領域ＳＣ１と、を抽出する。

【0085】

Ｓ２５０（図６）では、プロセッサ１１０は、図１０の処理を実行する。Ｓ４１０では、プロセッサ１１０は、文字部分を示す領域（例えば、文字部分Ｃ２１（図１１）を示す領域ＡＣ１）の複数の画素（すなわち、複数の位置）の複数の色値の代表色値を、文字色値ＶＣ１として算出する。Ｓ４２０で、プロセッサ１１０は、背景部分を示す領域（例えば、背景部分Ｂ２１（図１１）を示す領域ＡＢ１）の複数の画素（すなわち、複数の位置）の複数の色値の代表色値を、背景色値ＶＢ１として算出する。Ｓ４４０で、プロセッサ１１０は、背景色値ＶＢ１と文字色値ＶＣ１とを表す色ベクトルＣＶｔと、色クラスデータ１３６と、を使用して、クラス番号ＣＬ＿ｔを選択する。

【0086】

このように、色クラス対応関係ＣＣＲ（図５（Ａ））は、単色の背景部分の背景色ＣＢと単色の文字部分の文字色ＣＣとクラス番号ＣＬとの対応関係を示している。そして、対象領域の文字部分の代表色と背景部分の代表色と色クラス対応関係ＣＣＲとを使用して、対象領域のクラス番号ＣＬ＿ｔが選択される。従って、適切なクラス番号ＣＬ＿ｔが選択される。

【0087】

また、Ｓ２６０（図６）で説明したように、プロセッサ１１０は、Ｓ２４０で抽出された対象文字部分と対象背景部分とを使用して、対象領域の印刷すべき印刷パターンを決定する。従って、プロセッサ１１０は、適切な印刷パターンを決定できる。例えば、文字部分と背景部分との間の境界部分とは異なる部分に、境界部分に対して実行すべき処理（例えば、隙間の形成）が行われる可能性は、低減する。

【0088】

また、色クラス対応関係ＣＣＲ（図５（Ａ））によって表されるクラスの数Ｑ（図５（Ｂ））は、２以上の種々の値であってよい。クラスの数Ｑが多いほど、滲みの度合いＢＬが細かく評価される。従って、クラスの数Ｑが多いほど、対象領域に適する軽減処理を実行できる。本実施例では、Ｑ＝４であるので、適切な軽減処理を実行できる。なお、クラスの数Ｑは、２以上が好ましく、３以上が特に好ましく、４以上が、最も好ましい。なお、クラスの数Ｑが多い場合、色クラス対応関係ＣＣＲの準備のための負担が増大する。従って、クラスの数Ｑは、２０以下が好ましく、１５以下が特に好ましく、１０以下が、最も好ましい。なお、数Ｑは、２、３、４から任意に選択される下限以上、２０、１５、１０から任意に選択される上限以下の範囲内に設定されてよい。

【0089】

また、色情報の例である色ベクトルＣＶ（図５（Ａ））は、背景色ＣＢと文字色ＣＣを含んでいる。文字色ＣＣは、参考画像の参考文字部分（例えば、図５（Ｃ）－図５（Ｆ）の文字部分Ｃ１１－Ｃ１４）の色を示すＴ個の色成分のＴ個の文字色成分値を表している（本実施例では、ＲＧＢの３色の成分値）。背景色ＣＢは、参考画像の参考背景部分（例えば、背景部分Ｂ１１－Ｂ１４）の色を示すＴ個の色成分のＴ個の背景色成分値を表している（本実施例では、ＲＧＢの３色の成分値）。

【0090】

図５（Ａ）に示すように、対応データの例である色クラスデータ１３６は、色クラス対応関係ＣＣＲを示すテーブルを表している。色クラス対応関係ＣＣＲは、Ｔ個の文字色成分値（ここでは、文字色ＣＣのＲＧＢの階調値）とＴ個の背景色成分値（ここでは、背景色ＣＢのＲＧＢの階調値）とクラス（ここでは、クラス番号ＣＬ）との対応関係を表している。

【0091】

プロセッサ１１０は、図６のＳ２４０、Ｓ２５０を実行することによって、注目領域（すなわち、対象領域）のクラス番号ＣＬ＿ｔを選択する。Ｓ２４０では、プロセッサ１１０は、対象領域の対象画像を分析することによって、対象領域から対象文字部分と対象背景部分と抽出する。例えば、図９（Ｇ）に示すように、プロセッサ１１０は、背景部分Ｂ２１を示す背景セグメント領域ＳＢ１と、文字部分Ｃ２１を示す文字セグメント領域ＳＣ１と、を抽出する。

【0092】

Ｓ２５０では、プロセッサ１１０は、図１０の処理を実行する。Ｓ４１０では、プロセッサ１１０は、対象文字部分を示す領域（例えば、文字部分Ｃ２１（図１１）を示す領域ＡＣ１）の複数の画素（すなわち、複数の位置）の複数の色値の代表色値を、文字色値ＶＣ１として算出する。文字色値ＶＣ１は、３個の色成分（ここでは、ＲＧＢ）の３個の色成分値で、代表色を示している。Ｓ４２０では、プロセッサ１１０は、対象背景部分を示す領域（例えば、背景部分Ｂ２１を示す領域ＡＢ１）の複数の画素（すなわち、複数の位置）の複数の色値の代表色値を、背景色値ＶＢ１として算出する。背景色値ＶＢ１は、３個の色成分（ここでは、ＲＧＢ）の３個の色成分値で、代表色を示している。

【0093】

Ｓ４４０では、プロセッサ１１０は、背景色値ＶＢ１の３個の色成分値と、文字色値ＶＣ１の３個の色成分値と、色クラスデータ１３６と、を使用して、クラス番号ＣＬ＿ｔを選択する。

【0094】

このように、プロセッサ１１０は、対象文字部分の複数の位置の複数の色の代表色を示す３個の成分値と、対象背景部分の複数の位置の複数の色の代表色を示す３個の成分値と、色クラス対応関係ＣＣＲを示すテーブルを表す色クラスデータ１３６と、を使用することによって、クラス番号ＣＬ＿ｔを選択する。従って、プロセッサ１１０は、対象領域の適切なクラス番号ＣＬ＿ｔを選択できる。

【0095】

Ｂ．第２実施例：
図１４は、予測モデルＭ２（図１）の訓練処理の例を示すフローチャートである。本実施例では、図６のＳ２５０では、図１０の処理に代えて、予測モデルＭ２を使用する後述の処理が実行される。本実施例では、予測モデルＭ２のデータ１３８は、プログラムモジュールである。予測モデルＭ２は、色ベクトルＣＶｔ（図１０：Ｓ４３０）を使用して注目領域のクラス番号ＣＬ＿ｔを予測するように構成される任意のモデルであってよい。本実施例では、予測モデルＭ２は、勾配ブースティングと呼ばれる訓練方法に従って訓練される予測モデルである。予測モデルＭ２としては、複数の弱い予測モデルの組み合わせが、使用される。弱い予測モデルは、例えば、決定木であってよい。複数の決定木で構成される予測モデルであって、勾配ブースティングによって訓練される予測モデルは、勾配ブースティング決定木（Gradient Boosting Decision Tree）とも呼ばれる。本実施例では、予測モデルＭ２は、勾配ブースティング決定木である。

【0096】

本実施例では、予測モデルＭ２は、図１４の処理によって、訓練される。予測モデルＭ２の訓練は、プリンタ２００（図１）の製造者によって、行われる。予測モデルＭ２の訓練には、印刷システム１０００のデータ処理装置１００が使用されることとする。これに代えて、他のデータ処理装置（図示せず）が使用されてよい。

【0097】

Ｓ５１０では、プロセッサ１１０は、色クラス対応関係ＣＣＲ（図５（Ａ））を表す色クラスデータ１３６を、記憶装置１１５（ここでは、不揮発性記憶装置１３０）から取得する。上述したように、色クラスデータ１３６は、色ベクトルＣＶとクラス番号ＣＬとの適切な対応関係を表している。色クラスデータ１３６は、予測モデルＭ２の訓練用の訓練データとして使用される。

【0098】

Ｓ５３０では、プロセッサ１１０は、色クラスデータ１３６を使用して、予測モデルＭ２を訓練する。予測モデルＭ２は、色クラス対応関係ＣＣＲ（図５（Ａ））から選択される色ベクトルＣＶが入力される場合に、色クラス対応関係ＣＣＲによって色ベクトルＣＶに対応付けられるクラス番号ＣＬを予測するように、訓練される。訓練方法としては、勾配ブースティングと呼ばれる種々の訓練方法を採用可能である。本実施例では、LightGBM(Light Gradient Boosting Machine)と呼ばれる訓練方法が採用される。LightGBMは、例えば、論文「Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu. “LightGBM: A Highly Efficient Gradient Boosting Decision Tree.” Advances in Neural Information Processing Systems 30 (NIPS 2017), pp. 3149-3157.」に開示されている。予測モデルＭ２は、この論文に基づいて構成されてよい。

【0099】

Ｓ５４０では、プロセッサ１１０は、訓練済の予測モデルＭ２のデータ１３８を、記憶装置１１５（本実施例では、不揮発性記憶装置１３０）に格納する。そして、プロセッサ１１０は、図１４の処理を終了する。訓練済の予測モデルＭ２のデータ１３８は、複数のプリンタ２００に共通に使用されてよい。例えば、プリンタ２００の製造者は、サーバ等を通じて、データ１３８を配布してよい。

【0100】

図１５は、クラス分類処理の例を示すフローチャートである。この処理は、図６のＳ２５０で、図１０の処理の代わりに実行される。Ｓ４１０－Ｓ４３０は、図１０のＳ４１０－Ｓ４３０と、それぞれ同じである。Ｓ４４０ｂでは、プロセッサ１１０は、注目色ベクトルＣＶｔを予測モデルＭ２に入力することによって、注目領域のクラス番号ＣＬ＿ｔを予測する。本実施例では、プロセッサ１１０は、注目色ベクトルＣＶｔを使用して予測モデルＭ２の演算を実行することによって、注目領域のクラス番号ＣＬ＿ｔを予測する。図１４で説明したように、予測モデルＭ２は、色クラス対応関係ＣＣＲ（図５（Ａ））によって定められる色ベクトルＣＶとクラス番号ＣＬとの対応関係を予測するように、訓練済である。従って、プロセッサ１１０は、注目色ベクトルＣＶｔから、注目色ベクトルＣＶｔに適するクラス番号ＣＬ＿ｔを、予測できる。クラス番号ＣＬ＿ｔの予測の後、プロセッサ１１０は、図１５の処理、すなわち、図６のＳ２５０の処理を終了する。

【0101】

以上のように、本実施例では、予測モデルＭ２は、参考画像の文字色ＣＣ（図５（Ａ））と背景色ＣＢとから、色クラス対応関係ＣＣＲによって文字色ＣＣと背景色ＣＢとに対応付けられるクラス番号ＣＬを予測するように、勾配ブースティングにより訓練済の予測モデルである。このように、訓練済の予測モデルＭ２のデータ１３８は、色クラス対応関係ＣＣＲを示す対応データの例である。なお、文字色ＣＣは、Ｔ個の文字色成分値（本実施例では、ＲＧＢの３個の成分値）を表している。背景色ＣＢは、Ｔ個の背景色成分値（本実施例では、ＲＧＢの３個の成分値）を表している。

【0102】

Ｓ４４０ｂ（図１５）で、プロセッサ１１０は、背景色値ＶＢ１と、文字色値ＶＣ１と、予測モデルＭ２と、を使用して、対象画像のクラス番号ＣＬ＿ｔを選択する。文字色値ＶＣ１は、対象画像の対象文字部分の複数の位置の複数の色の代表色を示している（Ｓ４１０、図１０、図１５）。文字色値ＶＣ１は、代表色を示すＴ個の色成分値（本実施例では、ＲＧＢの３個の色成分値）を表している。背景色値ＶＢ１は、対象画像の対象背景部分の複数の位置の複数の色の代表色を示している（Ｓ４２０、図１０、図１５）。背景色値ＶＢ１は、代表色を示すＴ個の色成分値（本実施例では、ＲＧＢの３個の色成分値）を表している。

【0103】

このように、プロセッサ１１０は、対象文字部分の複数の位置の複数の色の代表色を示す３個の成分値と、対象背景部分の複数の位置の複数の色の代表色を示す３個の成分値と、予測モデルＭ２と、を使用することによって、クラス番号ＣＬ＿ｔを選択する。従って、プロセッサ１１０は、対象領域の適切なクラス番号ＣＬ＿ｔを選択できる。

【0104】

Ｃ．第３実施例：
図１６は、予測モデルＭ３の訓練処理の例を示すフローチャートである。本実施例では、図６のＳ２５０では、図１０の処理に代えて、予測モデルＭ３を使用する後述の処理が実行される。本実施例では、予測モデルＭ３は、プログラムモジュールである。本実施例では、予測モデルＭ３は、注目領域の画像データを使用して注目領域のクラス番号ＣＬ＿ｔを予測するように構成される任意のモデルであってよい。例えば、予測モデルＭ３は、畳込分類器と呼ばれる機械学習モデルであってよい。本実施例では、予測モデルＭ３の構成は、ＶＧＧ１６と呼ばれる機械学習モデルの構成と同じである。ＶＧＧ１６は、畳込分類器の例である。

【0105】

本実施例では、予測モデルＭ３は、図１６の処理によって、訓練される。予測モデルＭ３の訓練は、プリンタ２００（図１）の製造者によって、行われる。予測モデルＭ３の訓練には、印刷システム１０００のデータ処理装置１００が使用されることとする。これに代えて、他のデータ処理装置（図示せず）が使用されてよい。

【0106】

Ｓ６１０では、プロセッサ１１０は、色クラス対応関係ＣＣＲ（図５（Ａ））を表す色クラスデータ１３６を、記憶装置１１５（ここでは、不揮発性記憶装置１３０）から取得する。上述したように、色クラスデータ１３６は、色ベクトルＣＶとクラス番号ＣＬとの適切な対応関係を表している。

【0107】

Ｓ６２０では、プロセッサ１１０は、色クラス対応関係ＣＣＲの文字色ＣＣと背景色ＣＢとに従って、複数の訓練画像データを、ランダムに生成する。図１７（Ａ）－図１７（Ｈ）は、訓練画像の例を示す図である。訓練画像Ｄ４１－Ｄ４８は、文字を表す文字部分Ｃ４１－Ｃ４８と、文字部分Ｃ４１－Ｃ４８に隣接する背景部分Ｂ４１－Ｂ４８と、をそれぞれ含んでいる。

【0108】

プロセッサ１１０は、色クラス対応関係ＣＣＲ（図５（Ａ））から、ランダムに色ベクトルＣＶを選択する。プロセッサ１１０は、選択された色ベクトルＣＶの文字色ＣＣを有する文字部分と背景色ＣＢを有する背景部分とを有する訓練画像のデータを生成する。ここで、プロセッサ１１０は、文字部分を形成する単語と、文字のサイズと、訓練画像内の単語の位置と、訓練画像のサイズ（高さと幅）と、訓練画像のアスペクト比と、を含む複数のパラメータのそれぞれを、ランダムに決定する。

【0109】

プロセッサ１１０は、複数の色ベクトルＣＶを使用して、複数の訓練画像を生成する。また、プロセッサ１１０は、同じ色ベクトルＣＶから、複数の訓練画像を生成する。例えば、図１７（Ａ）－図１７（Ｄ）の訓練画像Ｄ４１－Ｄ４４は、１番の色ベクトルＣＶ（１）に基づいて生成されている。図１７（Ｅ）－図１７（Ｈ）の訓練画像Ｄ４５－Ｄ４８は、７番の色ベクトルＣＶ（７）に基づいて生成されている。

【0110】

Ｓ６３０（図１６）では、プロセッサ１１０は、複数の訓練画像データを使用して、予測モデルＭ３を訓練する。訓練方法は、予測モデルＭ３に適する任意の方法であってよい。例えば、プロセッサ１１０は、訓練画像データを使用して予測モデルＭ３の演算を実行することによって、クラス番号ＣＬを示す出力値を算出する。プロセッサ１１０は、出力値と正解のクラス番号ＣＬとの間の差分を示す損失が小さくなるように、予測モデルＭ３の複数のパラメータを調整する。正解のクラス番号ＣＬは、出力値の算出に使用された訓練画像データの文字部分の色と背景部分の色とに、色クラス対応関係ＣＣＲ（図５（Ａ））によって対応付けられるクラス番号ＣＬである。予測モデルＭ３の複数のパラメータは、例えば、誤差逆伝播法と勾配降下法とを使用する方法によって、調整される。損失は、例えば、いわゆる交差エントロピーであってよい。

【0111】

このように、本実施例では、予測モデルＭ３は、色クラス対応関係ＣＣＲ（図５（Ａ））から選択される色ベクトルＣＶによって示される文字色ＣＣの文字部分と背景色ＣＢの背景部分とを有する画像が入力される場合に、色クラス対応関係ＣＣＲによって色ベクトルＣＶに対応付けられるクラス番号ＣＬを予測するように、訓練される。すなわち、訓練済の予測モデルＭ３は、色クラス対応関係ＣＣＲ（すなわち、色ベクトルＣＶとクラス番号ＣＬとの対応関係）を示している。訓練済の予測モデルＭ３のデータ１３９は、色クラス対応関係ＣＣＲを表す対応データの例である。

【0112】

Ｓ６４０では、プロセッサ１１０は、訓練済の予測モデルＭ３のデータ１３９を、記憶装置１１５（本実施例では、不揮発性記憶装置１３０）に格納する。そして、プロセッサ１１０は、図１６の処理を終了する。訓練済の予測モデルＭ３のデータ１３９は、複数のプリンタ２００に共通に使用されてよい。例えば、プリンタ２００の製造者は、サーバ等を通じて、データ１３９を配布してよい。

【0113】

図１８は、クラス分類処理の例を示すフローチャートである。この処理は、図６のＳ２５０で、図１０の処理の代わりに実行される。

【0114】

Ｓ７１０では、プロセッサ１１０は、入力画像データのうちの注目領域の画像を表す部分画像データを使用して、予測モデルＭ３に入力するための画像データであるモデル用画像データを生成する。モデル用画像データは、モデル用画像データの画像であるモデル用画像が注目領域の画像のうちの文字部分の少なくとも一部と背景部分の少なくとも一部を含むように、生成される。例えば、プロセッサ１１０は、注目領域の画像の解像度を、予測モデルＭ３に適する解像度に変換することによって、モデル用画像データを生成する。

【0115】

Ｓ７２０では、プロセッサ１１０は、モデル用画像データを予測モデルＭ３に入力することによって、注目領域のクラス番号ＣＬ＿ｔを予測する。本実施例では、プロセッサ１１０は、モデル用画像データを使用して予測モデルＭ３の演算を実行することによって、クラス番号ＣＬを示す出力値を算出する。図１６で説明したように、予測モデルＭ３は、色クラス対応関係ＣＣＲ（図５（Ａ））によって定められる色ベクトルＣＶとクラス番号ＣＬとの対応関係を予測するように、訓練済である。従って、プロセッサ１１０は、注目領域の文字部分の色と背景部分の色とに適するクラス番号ＣＬ＿ｔを予測できる。クラス番号ＣＬ＿ｔの予測の後、プロセッサ１１０は、図１８の処理、すなわち、図６のＳ２５０の処理を終了する。

【0116】

なお、モデル用画像データは、注目領域の画像のうちの文字部分の少なくとも一部と背景部分の少なくとも一部を表すように、構成される。すなわち、モデル用画像データは、文字部分の色と背景部分の色とを表している。本実施例では、プロセッサ１１０は、注目領域の文字部分の色と背景部分の色と予測モデルＭ３とを使用して、注目領域のクラス番号ＣＬ＿ｔを選択している。

【0117】

以上のように、本実施例では、予測モデルＭ３は、訓練画像に対応付けられる正解クラスを訓練画像を使用して予測するように訓練済である（図１６）。図１６のＳ６１０、Ｓ６２０、図１７（Ａ）－図１７（Ｈ）で説明したように、訓練画像Ｄ４１－Ｄ４８は、文字を表す文字部分Ｃ４１－Ｃ４８（訓練文字部分とも呼ぶ）と、文字部分Ｃ４１－Ｃ４８に隣接する背景部分Ｂ４１－Ｂ４８（訓練背景部分とも呼ぶ）とを表すように、ランダムに生成される。訓練文字部分Ｃ４１－Ｃ４８は、色クラス対応関係ＣＣＲ（図５（Ａ））の文字色ＣＣを有する文字を表している。文字色ＣＣは、参考画像の文字部分の色を示している（例えば、図５（Ｃ）－図５（Ｆ）の参考画像Ｄ１１－Ｄ１４の文字部分Ｃ１１－Ｃ１４のいずれかの色）。訓練背景部分Ｂ４１－Ｂ４８は、色クラス対応関係ＣＣＲの背景色ＣＢを有している。背景色ＣＢは、参考画像の背景部分の色を示している（例えば、図５（Ｃ）－図５（Ｆ）の参考画像Ｄ１１－Ｄ１４の背景部分Ｂ１１－Ｂ１４のいずれかの色）。Ｓ６３０で説明したように、正解クラスは、訓練文字部分の色と訓練背景部分の色との組み合わせに色クラス対応関係ＣＣＲによって対応付けられるクラスである。

【0118】

図１８のＳ７２０では、プロセッサ１１０は、予測モデルＭ３にモデル用画像データを入力することによって予測されるクラスを、注目領域のクラス（本実施例では、クラス番号ＣＬ＿ｔ）として採用する。Ｓ７１０で説明したように、モデル用画像データのモデル用画像は、注目領域の文字部分の少なくとも一部と背景部分の少なくとも一部とを表している。

【0119】

このように、プロセッサ１１０は、注目領域の文字部分の少なくとも一部と背景部分の少なくとも一部とを表す画像を訓練済の予測モデルＭ３に入力することによって、注目領域の適切なクラス番号ＣＬ＿ｔを選択できる。

【0120】

Ｄ．変形例：
（１）文字部分と背景部分とを含む対象領域を入力画像から検出する方法は、ＣＲＡＦＴを使用する方法に代えて、他の任意の方法であってよい。例えば、検出モデルＭ１は、ＹＯＬＯ（You only look once）、ＳＳＤ(Single Shot MultiBox Detector)、Ｒ－ＣＮＮ（Region Based Convolutional Neural Networks）など、文字を表す領域を検出する種々の物体検出モデルであってよい。また、検出モデルＭ１は、ＣＮＮを含まない物体検出モデル（例えば、複数の全結合層で構成されるモデル）であってよい。また、プロセッサ１１０は、検出モデルＭ１を使用せずに、文字のテンプレート画像を使用するテンプレートマッチングによって、対象領域を検出してよい。

【0121】

（２）対象領域から文字部分と背景部分とを検出する処理は、図８の処理に代えて、他の種々の処理であってよい。例えば、入力画像の文字の色と背景の色とは、予め決められてよい。この場合、プロセッサ１１０は、文字の色を含む所定の文字色範囲内の色を有する複数の画素を、文字部分として検出してよい。また、プロセッサ１１０は、背景の色を含む所定の背景色範囲内の色を有する複数の画素を、背景部分として検出してよい。また、プロセッサ１１０は、種々の二値化によって、対象領域を文字部分と背景部分とに区分してよい。例えば、大津の二値化が採用されてよい。

【0122】

（３）参考画像の文字部分（例えば、図５（Ｃ）－図５（Ｆ）の参考画像Ｄ１１－Ｄ１４の文字部分Ｃ１１－Ｃ１４）は、互いに異なる色を有する複数の部分を含んでよい。この場合、図５（Ａ）の文字色ＣＣは、文字部分の複数の画素の複数の色値の代表色値であってよい。代表色値を使用することによって、色クラス対応関係ＣＣＲは、文字部分の色とクラス番号ＣＬとの適切な対応関係を定めることができる。ここで、文字部分の内の色のばらつきが小さいことが好ましい。色のばらつきが小さいほど、代表色値は、文字部分の色を適切に近似できる。

【0123】

同様に、参考画像の背景部分（例えば、図５（Ｃ）－図５（Ｆ）の参考画像Ｄ１１－Ｄ１４の背景部分Ｂ１１－Ｂ１４）は、互いに異なる色を有する複数の部分を含んでよい。この場合、図５（Ａ）の背景色ＣＢは、背景部分の複数の画素の複数の色値の代表色値であってよい。代表色値を使用することによって、色クラス対応関係ＣＣＲは、背景部分の色とクラス番号ＣＬとの適切な対応関係を定めることができる。ここで、背景部分の内の色のばらつきが小さいことが好ましい。色のばらつきが小さいほど、代表色値は、背景部分の色を適切に近似できる。

【0124】

（４）入力画像の文字部分（例えば、図９（Ａ）の第１対象領域Ｅ２１の文字部分Ｃ２１）は、互いに異なる色を有する複数の部分を含んでよい。図１０のＳ４１０で算出される代表色値（すなわち、文字色値ＶＣ１）を使用することによって、プロセッサ１１０は、文字部分の色に適するクラス番号ＣＬ＿ｔを選択できる。ここで、文字部分の内の色のばらつきが小さいことが好ましい。色のばらつきが小さいほど、代表色値（ここでは、文字色値ＶＣ１）は、文字部分の色を適切に近似できる。

【0125】

同様に、入力画像の背景部分（例えば、図９（Ａ）の第１対象領域Ｅ２１の背景部分Ｂ２１）は、互いに異なる色を有する複数の部分を含んでよい。図１０のＳ４２０で算出される代表色値（すなわち、背景色値ＶＢ１）を使用することによって、プロセッサ１１０は、背景部分の色に適するクラス番号ＣＬ＿ｔを選択できる。ここで、背景部分の内のばらつきが小さいことが好ましい。色のばらつきが小さいほど、代表色値（ここでは、背景色値ＶＢ１）は、背景部分の色を適切に近似できる。

【0126】

（５）上記各実施例と各変形例とにおいて、注目部分（例えば、文字部分、または、背景部分）の代表色値は、注目部分の全ての画素ではなく、注目部分の一部の領域の複数の画素を使用して決定されてよい。また、代表色値は、色成分毎の代表値（例えば、ＲＧＢのそれぞれの代表値）を表してよい。代表値は、平均値、最頻値、中央値など、種々の要約統計量であってよい。

【0127】

（６）図１０のＳ４４０でのクラス番号ＣＬ＿ｔの選択方法は、図１２（Ａ）、図１２（Ｂ）で説明した方法に代えて、他の種々の方法であってよい。例えば、注目色ベクトルＣＶｔと色ベクトルＣＶ（ｉ）との間の類似度は、コサイン類似度とは異なる種々の類似度であってよい。例えば、ユークリッド距離が使用されてよい。類似度は、ユークリッド距離が小さいほど、高い。また、２個のベクトルＣＶｔ、ＣＶ（ｉ）の類似度を使用する方法に代えて、他の方法でクラス番号ＣＬ＿ｔが選択されてよい。例えば、プロセッサ１１０は、いわゆるk近傍法によって、色クラス対応関係ＣＣＲ（図５（Ａ））の複数の対応関係の複数のクラス番号ＣＬから、注目色ベクトルＣＶｔに対応付けるべきクラス番号ＣＬ＿ｔを選択してよい。

【0128】

（７）図１８のＳ７１０では、モデル用画像データのモデル用画像は、注目領域の画像のうちの文字部分の一部と背景部分の一部とで構成される画像であってよい。例えば、プロセッサ１１０は、注目領域の一部を抽出することによって、モデル用画像データを生成してよい。

【0129】

（８）図１８のＳ７２０で使用される予測モデルＭ３は、ＶＧＧ１６に代えて、他の種々のモデルであってよい。例えば、予測モデルＭ３は、１以上の畳込層を含む種々の畳込分類器であってよい。また、予測モデルＭ３は、畳込層を含まないモデルであってよい。例えば、予測モデルＭ３は、複数の全結合層で構成されてよい。

【0130】

（９）図１４のＳ５３０での予測モデルＭ２の訓練方法は、LightGBMに代えて、勾配ブースティングと呼ばれる種々の訓練方法を採用可能である。例えば、XGBoost（eXtreme Gradient Boosting）、または、Catboost（Category Boosting）と呼ばれる訓練方法が採用されてよい。予測モデルＭ２の構成は、訓練方法に適する種々の構成であってよい。

【0131】

また、予測モデルＭ２の構成と訓練方法とは、単純な決定木、または、ランダムフォレストと呼ばれるアーキテクチャに基づいて、構成されてよい。

【0132】

なお、文字部分の色数は、少ない場合が多い（例えば、文字部分は、単色で表現される）。背景部分の色数についても、同様である。このように、クラス番号ＣＬ＿ｔの選択に使用されるデータ（例えば、文字部分の色と背景部分の色を示す色ベクトルＣＶｔ、または、対象領域の画像データ）は、疎なデータであり得る。勾配ブースティングは、決定木や畳込分類器に比べて、疎なデータを使用する分類に適している。

【0133】

（１０）滲み影響軽減処理（図６：Ｓ２６０）は、印刷済の画像に対する滲みの影響を軽減する種々の処理であってよい。図１３の実施例では、プロセッサ１１０は、文字部分Ｃ３０を変更せずに、背景部分Ｂ３１－Ｂ３３に隙間Ａ３１－Ａ３３を形成する。従って、文字が細い線を含む場合に、隙間の形成による細い線の消失を防止できる。これに代えて、隙間は、背景部分のうちの文字部分に接する部分と、文字部分のうちの背景部分に接する部分と、の両方を含んでよい。また、文字が太い線で形成される場合、プロセッサ１１０は、背景部分を変更せずに、文字部分に隙間を形成してよい。

【0134】

隙間の色は、インクの無い色（本実施例では、白）に代えて、他の色に設定されてよい。例えば、プロセッサ１１０は、隙間を形成すべき部分の色を薄くすることによって、隙間を形成してよい（例えば、明度が高められてよい）。

【0135】

なお、滲み影響軽減処理は、入力画像データの色空間（ここでは、ＲＧＢ色空間）に代えて、他の色空間（例えば、使用可能なインクの色に対応する色空間。本実施例では、ＫＣＭＹ色空間）で実行されてよい。プロセッサ１１０は、入力画像データを使用する色変換処理によって生成されるＫＣＭＹのラスタデータを使用して、滲み影響軽減処理を実行してよい。例えば、図６のＳ２２０－Ｓ２６０は、ＫＣＭＹのラスタデータを使用して実行されてよい。この場合、色クラス対応関係ＣＣＲ（図５（Ａ））の背景色ＣＢと文字色ＣＣと、Ｓ４１０、Ｓ４２０（図１０、図１５）で算出される各代表色とは、ＲＧＢの３個の成分値に代えて、ＫＣＭＹの４個の成分値で表されてよい。

【0136】

（１１）印刷機構３００の構成は、図１、図２の構成に代えて、他の種々の構成であってよい。例えば、印刷機構３００は、固定された印刷ヘッドに対して記録媒体が移動するように構成されてよい。使用可能な印刷材は、２以上の任意の印刷材であってよい（例えば、ＣＭＹの３色、ＫＹの２色、など）。印刷材は、インクに限らず、着色材を含む任意の印刷材（例えば、トナー）であってよい。使用可能な記録媒体は、複数種類の布地を含んでよい（例えば、綿生地、麻生地、ポリエステル生地、など）。使用可能な記録媒体は、布地に限らず、紙、樹脂製のフィルム、皮、など、種々の記録媒体を含んでよい。複数種類の記録媒体が使用可能である場合、色クラス対応関係ＣＣＲ（ひいては、予測モデルＭ２、Ｍ３）は、記録媒体の種類毎に準備されてよい。

【0137】

（１２）印刷材の滲みの度合い（図５（Ｂ））の評価方法は、種々の方法であってよい。例えば、「ISO13660」の「raggedness」の「ぼやけ度」の測定結果が、Ｑ個のクラスに分類されてよい。

【0138】

（１３）印刷処理（図６）を実行するデータ処理装置は、プリンタ２００の一部であってよい。例えば、プリンタ２００のプロセッサ２１０が、印刷処理を実行してよい。また、ネットワークを介して互いに通信可能な複数の装置（例えば、コンピュータ）が、データ処理装置による印刷処理の機能を一部ずつ分担して、全体として、印刷処理の機能を提供してもよい（これらの装置を備えるシステムがデータ処理装置に対応する）。

【0139】

上記各実施例において、ハードウェアによって実現されていた構成の一部をソフトウェアに置き換えるようにしてもよく、逆に、ソフトウェアによって実現されていた構成の一部あるいは全部をハードウェアに置き換えるようにしてもよい。例えば、図１のＳ２６０の滲み影響軽減処理の機能を、専用のハードウェア回路によって実現してもよい。

【0140】

また、本開示の機能の一部または全部がコンピュータプログラムで実現される場合には、そのプログラムは、コンピュータ読み取り可能な記録媒体（例えば、一時的ではない記録媒体）に格納された形で提供することができる。プログラムは、提供時と同一または異なる記録媒体（コンピュータ読み取り可能な記録媒体）に格納された状態で、使用され得る。「コンピュータ読み取り可能な記録媒体」は、メモリーカードやＣＤ－ＲＯＭのような携帯型の記録媒体に限らず、各種ＲＯＭ等のコンピュータ内の内部記憶装置や、ハードディスクドライブ等のコンピュータに接続されている外部記憶装置も含み得る。

【0141】

上記の実施例と変形例とは、適宜に組み合わせることができる。また、上記した実施例と変形例とは、本開示の理解を容易にするためのものであり、本発明を限定するものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物が含まれる。

【符号の説明】

【0142】

１００…データ処理装置、１１０…プロセッサ、１１５…記憶装置、１２０…揮発性記憶装置、１３０…不揮発性記憶装置、１３１…第１プログラム、１３２…第２プログラム、１３６…色クラスデータ、ＣＣＲ…色クラス対応関係、１３７、１３８、１３９…データ、Ｍ１…検出モデル、Ｍ２、Ｍ３…予測モデル、１４０…表示部、１５０…操作部、１７０…通信インタフェース、２００…プリンタ、２０１…筐体、２１０…プロセッサ、２１５…記憶装置、２２０…揮発性記憶装置、２３０…不揮発性記憶装置、２３１…プログラム、２４０…表示部、２５０…操作部、２７０…通信インタフェース、３００…印刷機構、３１０…印刷ヘッド、３２０…ヘッド駆動部、３３０…主走査部、３４０…搬送部、３４２…プラテン、３４４…トレイ、１０００…印刷システム、Ｓ…衣服

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】