本發(fā)明涉及一種信號處理裝置及信號處理方法，利用所述信號裝置及信號處理方法，從檢測對象信號被淹沒在噪聲中的輸入信號中提取所述檢測對象信號。

背景技術(shù)：

為了從被淹沒在噪聲中的輸入信號中提取檢測對象信號，隨機共振現(xiàn)象是有用的。隨機共振現(xiàn)象是如下現(xiàn)象：被淹沒在噪聲中的輸入信號進一步被添加噪聲，并且所得到的信號隨后經(jīng)受非線性處理，由此加強檢測對象信號。然而，在這種隨機共振現(xiàn)象中，用作示出檢測結(jié)果的性能的評價值的相關(guān)系數(shù)，取決于所添加的噪聲的強度而改變，如圖1中所示。在圖1的情況下，在所添加的噪聲強度為30的情況下，相關(guān)系數(shù)最大。具體地說，因為存在對于最大檢測精度的實現(xiàn)而言最佳的噪聲強度，所以期望調(diào)整噪聲強度。

j.j.collins,carsonc.chowandthomast.imhoff,"stochasticresonancewithouttuning",nature,(uk),20july1995,vol.376,pp.236-238(下文中稱作非專利文獻1)公開了如圖2中所示的構(gòu)造，其中，輸入信號i(x)被分支成多個信號、并且不同的噪聲被添加到各個信號，并且所得到的信號經(jīng)受非線性處理以進一步將其輸出合成，由此以穩(wěn)定的精度對檢測對象信號進行檢測。非專利文獻1描述了：無論強度如何，分支的增加使得相關(guān)系數(shù)能夠穩(wěn)定化，這消除了如圖1中所示的峰值，由此導(dǎo)致消除了調(diào)整噪聲強度的需要。日本特開第2013-135244號公報公開了一種構(gòu)造，其中，不準(zhǔn)備如非專利文獻1中的多個獨立的噪聲產(chǎn)生源，而是由一個噪聲產(chǎn)生源產(chǎn)生的噪聲通過被多個信號線相互延遲來添加，由此提供與非專利文獻1相同的效果。

日本特開第2011-52991號公報公開了一種方法，該方法將非線性函數(shù)設(shè)定為邏輯函數(shù)、s形函數(shù)或雙曲正切函數(shù)，由此在寬的噪聲強度范圍內(nèi)增大相關(guān)系數(shù)。在如上所述的日本特開第2011-52991號公報的情況下，不需要如非專利文獻1和日本特開第2013-135244號公報中那樣準(zhǔn)備多個非線性電路。因此，能夠通過較簡單的電路來實現(xiàn)與以上公開的效果相似的效果。

近年來，使用如上所述的隨機共振現(xiàn)象對檢測對象信號的提取也可以用于產(chǎn)品檢查等。例如，可以將所制造的產(chǎn)品成像，并且將預(yù)定噪聲添加到所得到的圖像數(shù)據(jù)以使該數(shù)據(jù)經(jīng)受非線性處理，由此提取產(chǎn)品中存在的諸如缺陷的異常部分。然后，通過配設(shè)這樣的提取步驟、彈出所提取的異常部分的步驟、以及允許檢查者確認(rèn)并最終確定所彈出的圖像的步驟，與僅通過檢查者的視覺檢查來確定產(chǎn)品的情況相比，能夠顯著地縮短檢查時間，由此提高檢查精度。此外，如上所述的異常部分提取機構(gòu)的應(yīng)用并不限于生產(chǎn)場所中的檢查步驟，而是可以用于產(chǎn)品自身。具體的示例包括將由個人打印機打印的圖像成像以自動地提取缺陷部分(如有)的功能。

然而，如非專利文獻1及日本特開第2013-135244號公報中那樣，許多非線性電路的使用導(dǎo)致復(fù)雜的處理或者價格更高的裝置的風(fēng)險?？梢酝ㄟ^使用日本特開第2011-52991號公報中所公開的方法來解決這種缺點，但是會導(dǎo)致對實際上不是缺陷的各種異常部分的非意圖的提取。

例如，為了檢測配設(shè)在噴墨打印裝置中的打印頭的噴出故障，可以從自噴墨打印裝置輸出的圖像中提取白條紋。這樣，其特征是預(yù)先就是明顯的。然而，在傳統(tǒng)方法的情況下，甚至以非意圖的方式提取了除白條紋以外的具有各種特征的異常部分。由于該原因，即使在準(zhǔn)備了如上所述的使用隨機共振現(xiàn)象的提取步驟、彈出步驟及確定步驟的情況下，也彈出許多異常部分。因此，導(dǎo)致對檢查者增加了負(fù)擔(dān)，不能縮短檢查時間，并且檢查精度也不能提高。也就是說，期望這樣的檢查方法：能夠穩(wěn)妥地僅提取其特征預(yù)先就是明顯的諸如白條紋的異常部分(如有)。

技術(shù)實現(xiàn)要素：

為解決以上缺點而做出本發(fā)明。本發(fā)明的目的是提供一種信號處理裝置及信號處理方法，通過該裝置及方法，能夠從輸入信號中精確且高效地提取檢測對象信號。

根據(jù)本發(fā)明的第一方面，提供了一種信號處理裝置，其包括：

獲取單元，其被構(gòu)造成獲取具有與多個像素位置x分別相對應(yīng)的多個輸入信號i(x)的輸入數(shù)據(jù)、以及具有作為要檢測的對象的檢測對象信號的檢測對象數(shù)據(jù)；

噪聲強度設(shè)定單元，其被構(gòu)造成基于所述輸入數(shù)據(jù)及所述檢測對象數(shù)據(jù)來設(shè)定用于使所述輸入信號i(x)經(jīng)受預(yù)定隨機共振處理的噪聲強度k，所述噪聲強度k示出了添加到所述輸入信號i(x)的噪聲的強度；以及

隨機共振處理單元，其被構(gòu)造成使用由所述噪聲強度設(shè)定單元設(shè)定的所述噪聲強度k以及用于量化所述輸入信號的閾值t，來使所述輸入信號i(x)經(jīng)受所述預(yù)定隨機共振處理以輸出處理后的數(shù)據(jù)，其中：

所述預(yù)定隨機共振處理是基于處理后的數(shù)據(jù)j(x)由i(x)、所述噪聲強度k以及所述閾值t表示的以下公式的處理，并且所述處理后的數(shù)據(jù)j(x)與以下公式中m為無窮大的情況下的結(jié)果相對應(yīng)，

j(x,m)是把通過將1至0的隨機數(shù)噪聲n(x,m)乘以所述噪聲強度k而獲得的值與所述輸入信號i(x,m)相加并進一步二值化的處理的結(jié)果，m指示所述隨機數(shù)噪聲不同的處理的數(shù)量，并且m指示多個處理中的一個處理，所述噪聲強度設(shè)定單元基于相關(guān)系數(shù)與所述噪聲強度k的函數(shù)來設(shè)定所述噪聲強度k，

所述相關(guān)系數(shù)示出了所述多個輸入信號i(x)中的各輸入信號經(jīng)受所述預(yù)定隨機共振處理的情況的結(jié)果與所述檢測對象數(shù)據(jù)之間的相關(guān)性。

根據(jù)本發(fā)明的第二方面，提供了一種信號處理方法，該方法包括以下步驟：

獲取步驟，獲取具有與多個像素位置x分別相對應(yīng)的多個輸入信號i(x)的輸入數(shù)據(jù)、以及具有作為要檢測的對象的檢測對象信號的檢測對象數(shù)據(jù)；

噪聲強度設(shè)定步驟，基于所述輸入數(shù)據(jù)及所述檢測對象數(shù)據(jù)來設(shè)定用于使所述輸入信號i(x)經(jīng)受預(yù)定隨機共振處理的噪聲強度k，所述噪聲強度k示出了添加到所述輸入信號i(x)的噪聲的強度；以及

隨機共振處理步驟，使用由所述噪聲強度設(shè)定步驟設(shè)定的所述噪聲強度k以及用于量化所述輸入信號的閾值t，來使所述輸入信號i(x)經(jīng)受所述預(yù)定隨機共振處理以輸出處理后的數(shù)據(jù)，其中

所述預(yù)定隨機共振處理是基于處理后的數(shù)據(jù)j(x)由i(x)、所述噪聲強度k以及所述閾值t表示的以下公式的處理，并且所述處理后的數(shù)據(jù)j(x)與以下公式中m為無窮大的情況下的結(jié)果相對應(yīng)，

j(x,m)是把通過將1至0的隨機數(shù)噪聲n(x,m)乘以所述噪聲強度k而獲得的值與所述輸入信號i(x,m)相加并進一步二值化的處理的結(jié)果，m指示所述隨機數(shù)噪聲不同的處理的數(shù)量，并且m指示多個處理中的一個處理，所述噪聲強度設(shè)定步驟基于相關(guān)系數(shù)與所述噪聲強度k的函數(shù)來設(shè)定所述噪聲強度k，

所述相關(guān)系數(shù)示出了所述多個輸入信號i(x)中的各輸入信號經(jīng)受所述預(yù)定隨機共振處理的情況的結(jié)果與所述檢測對象數(shù)據(jù)之間的相關(guān)性。

根據(jù)本發(fā)明的第三方面，提供了一種非臨時性計算機可讀存儲介質(zhì)，其存儲有用于使得計算機能夠執(zhí)行信號處理方法的程序，所述信號處理方法包括以下步驟：

獲取步驟，獲取具有與多個像素位置x分別相對應(yīng)的多個輸入信號i(x)的輸入數(shù)據(jù)、以及具有作為要檢測的對象的檢測對象信號的檢測對象數(shù)據(jù)；

噪聲強度設(shè)定步驟，基于所述輸入數(shù)據(jù)及所述檢測對象數(shù)據(jù)來設(shè)定用于使所述輸入信號i(x)經(jīng)受預(yù)定隨機共振處理的噪聲強度k，所述噪聲強度k示出了添加到所述輸入信號i(x)的噪聲的強度；以及

隨機共振處理步驟，使用由所述噪聲強度設(shè)定步驟設(shè)定的所述噪聲強度k以及用于量化所述輸入信號的閾值t，來使所述輸入信號i(x)經(jīng)受所述預(yù)定隨機共振處理以輸出處理后的數(shù)據(jù)，其中

所述預(yù)定隨機共振處理是基于處理后的數(shù)據(jù)j(x)由i(x)、所述噪聲強度k以及所述閾值t表示的以下公式的處理，并且所述處理后的數(shù)據(jù)j(x)與以下公式中m為無窮大的情況下的結(jié)果相對應(yīng)，

j(x,m)是把通過將1至0的隨機數(shù)噪聲n(x,m)乘以所述噪聲強度k而獲得的值與所述輸入信號i(x,m)相加并進一步二值化的處理的結(jié)果，m指示所述隨機數(shù)噪聲不同的處理的數(shù)量，并且m指示多個處理中的一個處理，所述噪聲強度設(shè)定步驟基于相關(guān)系數(shù)與所述噪聲強度k的函數(shù)來設(shè)定所述噪聲強度k，

所述相關(guān)系數(shù)示出了所述多個輸入信號i(x)中的各輸入信號經(jīng)受所述預(yù)定隨機共振處理的情況的結(jié)果與所述檢測對象數(shù)據(jù)之間的相關(guān)性。

根據(jù)本發(fā)明的第四方面，提供了一種信號處理裝置，其包括：

獲取單元，其被構(gòu)造成獲取具有與多個像素位置x分別相對應(yīng)的多個輸入信號的輸入數(shù)據(jù)、以及具有作為要檢測的對象的檢測對象信號的檢測對象數(shù)據(jù)；

噪聲強度設(shè)定單元，其被構(gòu)造成基于所述輸入數(shù)據(jù)及所述檢測對象數(shù)據(jù)來設(shè)定用于使所述輸入信號經(jīng)受預(yù)定隨機共振處理的噪聲強度，所述噪聲強度示出了添加到所述輸入信號的噪聲的強度；以及

隨機共振處理單元，其被構(gòu)造成使用由所述噪聲強度設(shè)定單元設(shè)定的所述噪聲強度以及用于量化所述輸入信號的閾值，來使所述輸入信號經(jīng)受所述預(yù)定隨機共振處理以輸出處理后的數(shù)據(jù)，其中

所述預(yù)定隨機共振處理是用于在以并行方式將噪聲添加到所述輸入信號以進行二值化處理步驟以將結(jié)果合成的方法中，輸出與并行數(shù)量為無窮大時獲得的值相對應(yīng)的值的處理，并且

所述噪聲強度設(shè)定單元基于相關(guān)系數(shù)與所述噪聲強度的函數(shù)來設(shè)定所述噪聲強度，所述相關(guān)系數(shù)示出了所述多個輸入信號中的各輸入信號經(jīng)受所述預(yù)定隨機共振處理的情況的結(jié)果與所述檢測對象數(shù)據(jù)之間的相關(guān)性。

通過以下(參照附圖)對示例性實施例的描述，本發(fā)明的其他特征將變得清楚。

附圖說明

圖1例示了隨機共振處理中所添加的噪聲強度與相關(guān)系數(shù)之間的關(guān)系；

圖2例示了非專利文獻1中的隨機共振處理；

圖3a至圖3d示出了本發(fā)明中可以使用的圖像處理裝置的實施例；

圖4是用于解釋第一實施例中的控制的構(gòu)造的框圖；

圖5是例示噴墨打印裝置的構(gòu)造的示意圖；

圖6a及圖6b例示了打印頭的打印元件及讀取頭的讀取元件的布置構(gòu)造；

圖7a及圖7b例示了隨機數(shù)產(chǎn)生的直方圖；

圖8a及圖8b用曲線圖例示了公式7及公式8；

圖9a至圖9c例示了檢測對象數(shù)據(jù)及讀取數(shù)據(jù)；

圖10a及圖10b例示了隨機共振處理的結(jié)果；

圖11a及圖11b例示了相關(guān)系數(shù)c與噪聲強度之間的關(guān)系；

圖12是例示第一實施例中的異常部分檢測算法的流程圖；

圖13是用于解釋強度設(shè)定步驟中的處理的流程圖；

圖14a及圖14b例示了能夠設(shè)定噪聲強度k的范圍；

圖15例示了相關(guān)系數(shù)c的微分值；

圖16a至圖16e例示了具有不同的相位的五種類型的檢測對象數(shù)據(jù)；并且

圖17是例示第二實施例中的異常部分檢測算法的流程圖。

具體實施方式

圖3a至圖3d例示了可以用作本發(fā)明的信號提取處理裝置的圖像處理裝置1的實施例。本發(fā)明的圖像處理裝置用于使圖像數(shù)據(jù)經(jīng)受彈出處理，以使得用戶能夠更容易地識別出例如所打印的圖像中的白條紋、或者經(jīng)受用于裝置自身的確定的處理。本發(fā)明的圖像處理裝置可以采用各種系統(tǒng)形式。

圖3a例示了其中圖像處理裝置1包括讀取單元2的實施例。例如，這與以下情況相對應(yīng)：在其上由噴墨打印裝置打印有預(yù)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(xué)傳感器來成像，并且圖像數(shù)據(jù)由圖像處理單元3來處理。圖像處理單元3包括cpu或者提供速度比cpu的速度更高的處理的圖像處理加速器，并且控制讀取單元2的讀取操作、并且使所接收到的圖像數(shù)據(jù)經(jīng)受預(yù)定檢查處理。

圖3b例示了其中圖像處理裝置1從外部連接到包括讀取單元2的讀取裝置2a的實施例。例如，這對應(yīng)于其中掃描器連接到例如pc的系統(tǒng)。可以使用一般的連接方法，例如usb、gige或cameralink。經(jīng)由接口4而將由讀取單元2讀取的圖像數(shù)據(jù)提供給圖像處理單元3。圖像處理單元3使所接收到的圖像數(shù)據(jù)經(jīng)受預(yù)定檢查處理。在這種情況下，圖像處理裝置1還可以從外部連接到包括打印單元5的打印裝置5a。

圖3c例示了其中圖像處理裝置1包括讀取單元2及打印單元5的實施例。這對應(yīng)于包括例如掃描器功能、打印機功能及圖像處理功能的復(fù)合機。圖像處理單元3控制諸如打印單元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讀取的圖像的檢查操作的所有操作。

圖3d例示了其中包括讀取單元2及打印單元5的復(fù)合機6從外部連接到圖像處理裝置1的實施例。這對應(yīng)于其中包括掃描器功能及打印機功能二者的復(fù)合機連接到例如pc的系統(tǒng)。本發(fā)明的圖像處理裝置1也可以采取圖3a至圖3d中所示出的形式中的任一種形式。然而，以下部分將使用圖3d的實施例來描述圖像檢查裝置。

(第一實施例)

圖4是用于解釋圖3d的實施例中的控制構(gòu)造的框圖。作為信號提取處理裝置的圖像處理裝置1例如由主pc組成。cpu301在使用ram302作為工作區(qū)的同時，根據(jù)存儲在hdd303中的程序來執(zhí)行各種處理。例如，cpu301基于經(jīng)由鍵盤/鼠標(biāo)i/f305而從用戶接收到的命令、或者存儲在hdd303中的程序來生成可以由復(fù)合機6打印的圖像數(shù)據(jù)，并且將該打印數(shù)據(jù)傳送到復(fù)合機6。cpu301基于存儲在hdd中的程序而使經(jīng)由數(shù)據(jù)傳送i/f304而從復(fù)合機6接收到的圖像數(shù)據(jù)經(jīng)受預(yù)定處理，以經(jīng)由顯示i/f306而將結(jié)果或各條信息顯示在未示出的顯示器上。經(jīng)由數(shù)據(jù)傳送i/f304而從復(fù)合機6接收到作為如稍后描述的本實施例的隨機共振處理的對象的圖像數(shù)據(jù)i(x)。

另一方面，在復(fù)合機6中，cpu311在使用ram312作為工作區(qū)的同時，基于存儲在rom313中的程序來執(zhí)行各種處理。復(fù)合機6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更高的速度來執(zhí)行圖像處理的硬件。通過使得cpu311能夠?qū)D像處理所需的參數(shù)及數(shù)據(jù)寫入到ram312的預(yù)定地址來激活圖像處理加速器309。在讀取以上參數(shù)及數(shù)據(jù)之后，圖像處理加速器309使所述數(shù)據(jù)經(jīng)受預(yù)定圖像處理。然而，圖像處理加速器309并不是不可缺少的元件。因此，可以由cpu311執(zhí)行相似的處理。

頭控制器314將打印數(shù)據(jù)提供給配設(shè)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能夠?qū)⒛軌蛴纱蛴☆^100打印的打印數(shù)據(jù)及控制參數(shù)寫入到ram312的預(yù)定地址來激活頭控制器314，并且頭控制器314基于所述打印數(shù)據(jù)來執(zhí)行噴出操作。

掃描器控制器307在控制布置在讀取單元2中的單獨的讀取元件的同時，將從其獲得的rgb亮度數(shù)據(jù)輸出到cpu311。cpu311將所得到的rgb亮度數(shù)據(jù)經(jīng)由數(shù)據(jù)傳送i/f310而傳送到圖像處理裝置1。圖像處理裝置1的數(shù)據(jù)傳送i/f304與復(fù)合機6的數(shù)據(jù)傳送i/f310例如可以通過usb、ieee1394或lan來連接。

圖5是例示可以用作本實施例的復(fù)合機6的噴墨打印裝置(下文中也可以簡稱為打印裝置)的構(gòu)造的示意圖。本實施例的打印裝置是全線型(fullline-type)打印裝置，其中，寬度與可以是打印介質(zhì)或檢查對象的片材p的寬度相似的打印頭100及讀取頭107沿y方向并列地布置。打印頭100包括分別地噴出黑色(k)、青色(c)、品紅色(m)及黃色(y)的墨的四個打印元件列101至104。這些打印元件列101至104沿片材p的輸送方向(y方向)并列地布置。在打印元件列101至104的更下游處，配設(shè)有讀取頭107。讀取頭107在其中包括有沿x方向布置的、用于讀取所打印的圖像的多個讀取元件。

為了進行打印處理或讀取處理，根據(jù)輸送輥105的旋轉(zhuǎn)沿圖的y方向以預(yù)定速度來輸送片材p。在該輸送期間，進行打印頭100的打印處理或讀取頭107的讀取處理。在進行打印頭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(cè)受到由平板構(gòu)成的壓板106的支撐，由此維持距打印頭100或讀取頭107的距離以及平滑性。

圖6a及圖6b例示了打印頭100中打印元件的布置構(gòu)造及讀取頭107中讀取元件的布置構(gòu)造。在打印頭100中，與各個墨顏色相對應(yīng)的打印元件列101至104被構(gòu)造成使得其中以固定的節(jié)距布置有多個打印元件108的多個打印元件基板201沿y方向交替地布置，以使得在具有交疊區(qū)域d的同時沿x方向連續(xù)。對于以固定的速度沿y方向輸送的片材p，基于打印數(shù)據(jù)以固定的頻率從各個打印元件108噴出墨，由此將分辨率與打印元件108的布置節(jié)距相對應(yīng)的圖像打印到片材p上。然而，打印元件108是以非常高的密度布置在各個打印頭中的。因此，存在以下風(fēng)險：由制造打印頭100的情況下的誤差導(dǎo)致的白條紋特別地趨向于在交疊區(qū)域d中出現(xiàn)。

另一方面，讀取頭107包括沿x方向以預(yù)定節(jié)距布置的多個讀取傳感器109。盡管未示出，但是各個讀取傳感器109由可以是讀取像素的最小單位并且沿x方向布置的多個讀取元件組成。各個讀取傳感器109的讀取元件能夠按預(yù)定頻率對以固定的速度沿y方向輸送的片材p上的圖像進行成像，以由此以讀取元件的布置節(jié)距來讀取打印在片材p上的整個圖像。

以下部分將具體地描述本實施例中的異常部分檢測算法。本實施例的異常部分檢測算法是以下算法：該算法將已打印的圖像成像，以使用隨機共振處理在所得到的圖像數(shù)據(jù)中精確地檢測在諸如交疊區(qū)域的特定位置處出現(xiàn)的諸如白條紋或黑條紋的異常部分。本實施例并不限于作為復(fù)合機6的噴墨打印裝置。然而，下文的描述將基于以下假定來進行：假定由復(fù)合機6的打印頭100打印的圖像由同一復(fù)合機的讀取頭107讀取。首先，以下部分將描述本實施例中所使用的隨機共振處理。

再次參照圖2，圖2例示了使用在非專利文件1中也公開了的隨機共振現(xiàn)象的處理的概念。輸入信號i(x)示出與由讀取傳感器109讀取的各個像素相對應(yīng)的信號值。x示出像素位置。輸入信號i(x)被分支成m個，并且各輸入信號被添加不同的噪聲n(x,m)×k。m是示出m個分支路徑中的一個分支路徑的參數(shù)，并且是從1至m的范圍中的整數(shù)。n(x,m)示出與像素位置x的分支路徑m相對應(yīng)的隨機數(shù)，并且范圍從0至1。通過將隨機數(shù)n(x,m)乘以作為整數(shù)的噪聲強度k而獲得的值n(x,m)×k被添加到輸入信號i(x)。具體地說，假定噪聲添加之后的信號值是i(x,m)，則可以獲得以下公式。

i(x,m)＝i(x)+n(x,m)×k(公式1)

通過將噪聲添加之后的信號值i(x,m)與預(yù)定閾值t相比較，進行非線性處理(二值化處理)，以由此獲得二值信號j(x,m)。具體地說，下式成立。

i(x,m)≥t→j(x,m)＝1

i(x,m)＜t→j(x,m)＝0(公式2)

其后，m個二值信號j(x,m)被合成，并且經(jīng)受平均處理。所得到的值被設(shè)定為隨機共振之后的信號值j。即，下式成立。

根據(jù)非專利文獻1，較大的值m是優(yōu)選的。值m的增加使得信號值j(x)能夠更接近于示出非線性處理中各像素的輸入信號值i(x)超過二值化閾值t的概率的值。換言之，導(dǎo)出用于計算輸入信號值i(x)超過二值化閾值t的概率的公式，使得能夠在不需要如圖2中所示的許多噪聲添加處理操作或非線性處理操作的情況下，實現(xiàn)與其等同的檢測處理。因此，以下部分將描述輸入信號值i(x)超過二值化閾值t的概率。

圖7a及圖7b例示了在產(chǎn)生無窮多個隨機數(shù)n的情況下收斂的直方圖。橫軸示出從0至1的范圍中的隨機數(shù)n。縱軸示出各值n出現(xiàn)的概率f(n)。圖7a例示了平均值是0.5并且使用基于3σ＝1的正態(tài)分布的情況，而圖7b例示了以相同的頻率產(chǎn)生0至1的范圍中的隨機數(shù)n的情況(所謂的白噪聲)。下文的描述將基于以下假定來進行：假定基于這種分布來產(chǎn)生隨機數(shù)n。

根據(jù)公式1及公式2，各個像素的二值化之后的結(jié)果是j(x,m)＝1的概率等于下式成立的概率：

i(x)+n(x,m)×k≥t。

假定k(強度)具有正的值，則可以將以上公式表達為：

n(x,m)≥{t-i(x)}/k(公式4)

假定右側(cè)是a，則以下公式可以成立。

n(x,m)≥a(公式5)

各個像素在二值化之后的結(jié)果j(x,m)是j(x,m)＝1的概率(即，隨機共振處理之后的信號值j(x))是公式5得到滿足的概率。在圖7a及圖7b的各個圖中，陰影區(qū)域的面積對應(yīng)于該概率，并且可以由以下公式來表示。

在隨機數(shù)n的產(chǎn)生的直方圖具有正態(tài)分布(如圖7a中所示)的情況下，如下所示地表示公式6。

在噪聲n的直方圖具有±3σ＝1的正態(tài)分布(如圖7a中所示)的情況下，系數(shù)α大約是α＝10.8。在常數(shù)a返回到原始公式{t-i(x,m)}/k的情況下，如下所示地表示公式7。

另一方面，在隨機數(shù)n的產(chǎn)生的直方圖如圖7b中所示的情況下，可以如下所示地表示公式6。

在常數(shù)a返回到原始公式{t-i(x)}/k的情況下，如下所示地表示公式8。

圖8a及圖8b用曲線圖例示了公式7及公式8。通過在適當(dāng)?shù)脑肼晱姸萲及閾值t下使用公式7及公式8，能夠以與使用非專利文獻1的方法對輸入信號值i(x)設(shè)定無窮大的分支數(shù)m時的精度相同的精度來提取異常部分。

接下來，以下部分將描述設(shè)定用于隨機共振處理的閾值以便設(shè)定適當(dāng)?shù)脑肼晱姸萲(即，上限值)及閾值t的方法。本實施的目的是在參照圖5、圖6a及圖6b所描述的噴墨打印裝置中的交疊區(qū)域d中檢測白條紋的存在(如有)。這樣的白條紋是通過使得打印頭100能夠打印均一的圖像以由讀取頭107讀取所打印的圖像來檢測的。具體地說，這樣的白條紋被假定為檢測對象，并且設(shè)定噪聲強度k及閾值t以便通過隨機共振處理來精確地檢測白條紋。

圖9a至圖9c例示了在預(yù)定位置處存在白條紋的情況下的檢測對象數(shù)據(jù)、使得讀取頭107能夠讀取其中在預(yù)定位置處存在白條紋的實際圖像的結(jié)果、以及讀取各個像素的結(jié)果，與x方向的位置之間的對應(yīng)關(guān)系。圖9a例示了在二維布置中的各個像素中，分別以白色像素示出與白條紋相對應(yīng)的像素、而以灰色像素示出不與白條紋相對應(yīng)的像素。

圖9b例示了讀取頭107的讀取結(jié)果的輸入數(shù)據(jù)(下文中稱作讀取數(shù)據(jù))。具體地說，將由各個讀取元件接收到的模擬信號量化成8位(256值)的結(jié)果表示為亮度值。高亮度值表示圖像具有較高的明亮度，即，白條紋的概率較高。圖9c是通過繪制沿x方向的位置與各個像素的亮度值的對應(yīng)關(guān)系而獲得的圖?？梢钥吹剑挥诎讞l紋處的像素的亮度值相對大于其他區(qū)域的亮度值。根據(jù)該圖判斷，位于白條紋處的像素的亮度值為20，被淹沒在值為40的噪聲中。本實施例中為了精確地提取白條紋，期望使如圖9b中所示的原始讀取數(shù)據(jù)經(jīng)受預(yù)定隨機共振處理，以由此獲得與對圖9a的檢測對象數(shù)據(jù)的可能相似的結(jié)果。

圖10a及圖10b例示了假定公式8中所示的白噪聲的情況下使圖9b經(jīng)受隨機共振處理的結(jié)果j(x)。圖10a例示了使用噪聲強度k＝30及二值化閾值t＝80的情況。圖10b例示了使用噪聲強度k＝40及二值化閾值t＝80的情況。將圖10a與圖10b相對比，關(guān)于圖9a中所示的白條紋位置的數(shù)據(jù)的圖10b的相關(guān)系數(shù)，比圖10a更接近于1，并且關(guān)于檢測對象數(shù)據(jù)的圖10b的相關(guān)性比圖10a更高。即，關(guān)于檢測對象數(shù)據(jù)的相關(guān)性取決于噪聲強度k。

這里，相關(guān)系數(shù)c被限定為示出整個圖像中關(guān)于檢測對象數(shù)據(jù)的相關(guān)性。在本實施例中，相關(guān)系數(shù)c是示出圖9a中所示的檢測對象數(shù)據(jù)與圖10a及圖10b中所示的隨機共振處理之后的結(jié)果之間的相關(guān)水平的檢測性能評價值。相關(guān)系數(shù)c可以由以下公式9來表示。

在該公式中，l表示像素的數(shù)量，并且在本示例中l(wèi)＝210成立。t(x)表示圖9a中所示的檢測對象信號，j(x)表示預(yù)定隨機共振處理之后的信號，表示t(x)的算術(shù)平均值，表示j(x)的算術(shù)平均值。相關(guān)系數(shù)c表示在作為比較對象的兩個信號組具有較高的相關(guān)性的情況下接近于1、而在相關(guān)性較低的情況下接近于0的評價值。具體地說，接近于1的相關(guān)系數(shù)c表示整個圖像具有在隨機共振處理之后接近于檢測對象信號t(x)的輸出信號j(x)。圖10a關(guān)于圖9a的相關(guān)系數(shù)c約為0.49。

圖11a及圖11b例示了在噪聲強度k在從0至200的范圍內(nèi)改變而將二值化閾值固定為t＝80的情況下的相關(guān)系數(shù)c。圖11a示出了基于公式9的理論值。圖11b例示了公式3中所示的隨機共振處理的樣本的數(shù)量m關(guān)于圖9b的結(jié)果而多樣地改變的情況。

在圖11a中，在噪聲強度k超過約20的情況下，相關(guān)系數(shù)c大于0，并且在k＝40處為最大，并且相關(guān)系數(shù)c在噪聲強度超過約40的情況下再次下降并接著穩(wěn)定化。從圖11b中可以看到，樣本的數(shù)量m的增加(即，樣本的數(shù)量m接近于無窮的數(shù)量)使得相關(guān)系數(shù)c能夠接近理論值。即，可以將相關(guān)系數(shù)c認(rèn)為是噪聲強度k的函數(shù)，并且清楚的是，相關(guān)系數(shù)c具有作為最大值的局部最大值。在使用該局部最大值處的噪聲強度k來進行隨機共振處理的情況下，可以在將相關(guān)系數(shù)c設(shè)定成高水平的同時執(zhí)行圖像檢查。

圖12是例示在本實施例的異常部分檢測算法中由圖像處理裝置1的cpu301執(zhí)行的處理的流程圖。在該處理開始的情況下，在步驟s1201中，cpu301首先獲取如圖9b中所示的讀取數(shù)據(jù)i(x)。具體地說，使得能夠經(jīng)由掃描器控制器307由讀取頭107讀取由打印頭100打印的圖像，并且獲取作為與各個像素相對應(yīng)的亮度值的數(shù)據(jù)i(x)。x表示像素位置。

接下來，在步驟s1202中，cpu301獲取圖9a中所示的檢測對象數(shù)據(jù)t(x)。針對要提取的各類型的對象(例如，白條紋、濃度不均)而準(zhǔn)備檢測對象數(shù)據(jù)，并且檢測對象數(shù)據(jù)可以預(yù)先存儲在hdd303中，或者可以根據(jù)需要而從外部獲取。

在步驟s1203中，cpu301確定閾值t。閾值t是這樣的值，從在圖9a中所示的檢測對象數(shù)據(jù)中信號值為“1”的像素位置x中，被設(shè)定成大于圖9b中所示的讀取數(shù)據(jù)為最大處的最大信號值sigmax的值。在圖9b的情況下，從左側(cè)起第5列且從下側(cè)起第3行的位置、以及從左側(cè)起第17列且從下側(cè)起第2行的位置的亮度值“60”，被設(shè)定為最大信號值sigmax。示例性地將比最大信號值sigmax＝60更大的值設(shè)定為閾值t＝80。

在步驟s1204中，cpu301設(shè)定最佳噪聲強度k。具體地說，公式9中所示的相關(guān)系數(shù)c被噪聲強度k微分。將微分值為0處的噪聲強度k設(shè)定為最佳噪聲強度。原因是，圖11a及圖11b示出了相關(guān)系數(shù)c在微分值為0的情況下為局部最大及最大。下面將詳細地描述。

圖13是用于解釋在步驟s1204的噪聲強度設(shè)定步驟中由cpu301執(zhí)行的處理的流程圖。在該處理開始的情況下，在步驟s1301中cpu301首先將圖9a中所示的檢測對象信號t(x)輸入到示出相關(guān)系數(shù)c的公式9，并且還用公式7或公式8代替j(x)。作為結(jié)果，相關(guān)系數(shù)c被設(shè)定成僅針對噪聲強度k的函數(shù)。在步驟s1302中，設(shè)定范圍a≤k≤b，在該范圍內(nèi)在步驟s1301中所獲得的函數(shù)c(k)被微分。

圖14a是用于解釋微分范圍a≤k≤b的圖。關(guān)于相關(guān)系數(shù)c(k)，在k等于或小于特定值的情況下c(k)＝0成立，而在該值被超過的情況下c(k)>0成立。在參照公式7或公式8的情況下，如上所述用作邊界的值k是對于所有的像素滿足t＞i(x)+k、而對于任一像素滿足t≤i(x)+k的k的邊界值。換言之，這是所有的像素適用于公式7或公式8中的第二條件、而任一像素適用于公式7或公式8中的第三條件的邊界。可以對所有的像素使用i(x)的最大信號值sigmax，來將這樣的值k表示為t-sigmax。在本實施例中，如上所述的值k被設(shè)定成用于微分的下限值a＝t-sigmax。

另一方面，在值k等于或大于特定值的情況下，相關(guān)系數(shù)c(k)收斂成具有固定的值。在相關(guān)系數(shù)c(k)收斂的情況下的值k表示以下情況：對于所有的像素x都滿足t＜i(x)+k的情況(參照公式7或公式8)，即，所有的像素適用于公式7或公式8中的第一條件或第三條件、并且甚至輸入信號i(x)的最小值超過閾值t的情況。可以在所有的像素中使用i(x)的最小信號值sigmin，來將如上所述的值k表示為t-sigmin。在本實施例中，如上所述的值k被設(shè)定成下限微分值b＝t-sigmin。在本示例的情況下，t＝80、sigmax＝60及sigmin＝0成立。因此，a＝20及b＝80成立。已經(jīng)知曉，函數(shù)c(k)在a≤k≤b的范圍內(nèi)僅有一個局部最大值。

接下來，在步驟s1303中，cpu301利用a≤k≤b的范圍內(nèi)的噪聲強度k將在步驟s1301中所計算出的相關(guān)系數(shù)c(k)微分。圖15例示了a≤k≤b的范圍內(nèi)的相關(guān)系數(shù)c(k)的微分值c’(k)?？梢钥吹剑趉＝40的附近，微分值由正改變成負(fù)，并且在該位置處c(k)具有局部最大值。cpu301計算c’(k)＝0成立處的k，并且將其設(shè)定為最佳噪聲強度k＝40。然后，該處理完成。

返回到圖12的流程圖，在步驟s1204中設(shè)定最佳噪聲強度的情況下，cpu301進行到步驟s1205以執(zhí)行預(yù)定隨機共振處理。具體地說，cpu301將在步驟s1203中所設(shè)定的閾值t、在步驟s1204中所設(shè)定的噪聲強度k、以及在步驟s1201中所獲取的讀取數(shù)據(jù)i(x)代入到公式7或公式8中，以計算各個像素的j(x)。

圖10b例示了在假定設(shè)定了閾值t＝80及噪聲強度k＝40的情況下基于公式8關(guān)于圖9b中所示的讀取數(shù)據(jù)i(x)而計算出的j(x)。與圖10a的設(shè)定閾值t＝80及噪聲強度k＝30的情況相比，獲得了更接近于圖9a中所示的檢測對象數(shù)據(jù)t(x)的結(jié)果。

在步驟s1206中，cpu301基于在步驟s1205中在優(yōu)選的條件下進行隨機共振處理的結(jié)果來進行確定處理。具體地說，在圖像中值等于或大于預(yù)定值的像素的數(shù)量等于或大于預(yù)定值時，cpu301可以確定所檢查的圖像是有缺陷的。作為另一種選擇，還可以將值等于或大于預(yù)定像素值的像素以彈出的方式顯示在經(jīng)由顯示i/f306而連接的顯示裝置上(如圖10b中所示)，以使得檢查者可以觀察到該像素。然后，該處理完成。

可以將這樣獲得的檢測結(jié)果存儲為對于打印裝置而言唯一的信息，以使得結(jié)果可以用于后續(xù)打印控制。例如，可以將產(chǎn)生白條紋的位置存儲在復(fù)合機6的rom313中，并且可以在實際打印操作期間增加位于白條紋附近的打印元件的噴出的次數(shù)，由此能夠使得圖像內(nèi)的白條紋較不突出。

根據(jù)上述本實施例，可以精確地確定出現(xiàn)在特定位置處的諸如白條紋的異常部分的存在或不存在。例如，即使在不包含白條紋的圖像經(jīng)受圖12中所示的流程圖中的一系列步驟中的處理時，也在步驟s1203及步驟s1204中設(shè)定最佳閾值t及最佳噪聲強度k。然而，在如上所述的情況下，對檢查對象數(shù)據(jù)t(x)的相關(guān)性低，因此未能提供如圖10a及圖10b中所示的在特定位置處分布等于或大于預(yù)定像素值的值的結(jié)果。因此，在步驟s1206的確定處理中，檢查者能夠基于所彈出的圖像的狀態(tài)而確定未產(chǎn)生白條紋。此外，由于值等于或大于預(yù)定像素值的像素的數(shù)量小于預(yù)定數(shù)量，因此cpu301可以確定未產(chǎn)生白條紋。

通過這種方式，在以上描述中，c(k)具有局部最大值處的噪聲強度k被設(shè)定為用于在步驟s1205中執(zhí)行的隨機共振處理的噪聲強度k。然而，并不總是需要c(k)具有局部最大值處的噪聲強度k以提高檢測精度。具體地說，通過獲得值比讀取數(shù)據(jù)i(x)自身與檢測對象數(shù)據(jù)t(x)的相關(guān)系數(shù)c的值大的相關(guān)系數(shù)c，與不進行隨機共振處理的情況相比，可以提高檢測精度。具體地說，在圖9b中所示的讀取數(shù)據(jù)的情況下，相對于圖9a的檢測對象數(shù)據(jù)的相關(guān)系數(shù)c是0.47。因此，可以執(zhí)行這樣的隨機共振處理，其提供大于0.47的相關(guān)系數(shù)c。

例如將圖10a與圖10b相比較，圖10b具有相對于圖9a中所示的檢測對象數(shù)據(jù)較高的相關(guān)性，因此能夠進行精確的檢測，如上文已經(jīng)描述的。然而，即使在圖10a的基于噪聲強度k＝30的情況下，相關(guān)系數(shù)c是0.49，這是比不進行隨機共振處理的情況下的相關(guān)系數(shù)(c＝0.47)大的值，由此提供了隨機共振處理的效果。

圖14b是用于解釋可以獲得如上所述的相關(guān)系數(shù)c的噪聲強度k的范圍的圖。在噪聲強度k大于b的情況下，不再獲得隨機共振處理的效果，并且相關(guān)系數(shù)c是讀取數(shù)據(jù)i(x)自身相對于檢測對象數(shù)據(jù)t(x)的相關(guān)系數(shù)c＝0.47。即，噪聲強度k必須滿足k<b，以便獲得隨機共振處理的效果。另一方面，已經(jīng)知曉，相關(guān)系數(shù)c在0<k<b的范圍內(nèi)具有一個局部最大值。因此，在k≤b的范圍內(nèi)存在滿足c(k)＝0.47的其他k。將其假定為c(c(b)＝c(c)＝0.47)。即，通過將滿足c<k<b的k設(shè)定為噪聲強度k、并且通過進行上述隨機共振處理，與不進行隨機共振處理的情況相比，能夠提高相關(guān)系數(shù)及檢測精度。

然而在檢查系統(tǒng)中，即使在使用以上范圍的情況下，也優(yōu)選地將噪聲強度k設(shè)定成比滿足c’(k)＝0的值(在本示例的情況下滿足k＝40的值)更大的值。原因在于，在檢查系統(tǒng)的情況下，表示未能提取具有異常部分的可能性的像素的“未檢測”是嚴(yán)重的缺點，因此維持用以提取過多量的正常像素作為異常部分的“過度檢測”的狀態(tài)是重要的。因此，可以通過將噪聲強度k設(shè)定在40≤k≤b的范圍內(nèi)(而不是在c≤k≤40的范圍內(nèi))來主動地避免“未檢測”，以使得增加各像素具有二值化結(jié)果1的概率。

盡管以上部分描述了白條紋作為示例，但是如早前已描述的，本實施例還可以檢測具有其他特征的異常部分。在這種情況下，可以針對要提取的各類型的異常部分(例如，白條紋、濃度不均)而預(yù)先準(zhǔn)備檢測對象數(shù)據(jù)t(x)。另外，可以在交換檢測對象數(shù)據(jù)t(x)的同時反復(fù)地執(zhí)行圖12中所示的流程圖，以便檢測諸如白條紋或濃度不均的具有不同特征的異常部分。在連續(xù)地檢查使用不同的打印頭在同一類型的打印介質(zhì)上基于同樣的打印數(shù)據(jù)而打印的多個測試圖案的情況下，也可以在多個測試圖案之間共享最佳閾值t及噪聲強度k。在這種情況下，在步驟s1203及步驟s1204中例如針對第一測試圖案而獲得的閾值t及噪聲強度k可以臨時地存儲起來，并且可以對后續(xù)的測試圖案省略步驟s1203及步驟s1204。因此這可以縮短對于同一類型的異常部分的檢查步驟。

根據(jù)如上所述的本實施例，利用針對檢測對象數(shù)據(jù)而設(shè)定的有效的噪聲強度，可以在無需許多非線性電路的情況下進行隨機共振處理。因此，可以精確且有效地檢測目標(biāo)異常部分。

(第二實施例)

在第一實施例中，描述了以下情況：在諸如白條紋的異常部分出現(xiàn)的位置很清楚的情況下，精確地檢測該位置處是否出現(xiàn)異常部分。然而，在實際的檢查步驟中，假定另一情況：不能穩(wěn)妥地知曉異常部分出現(xiàn)的位置。例如，參照圖5，在由打印頭100打印的圖案被讀取頭107讀取的情況下，在打印頭100與讀取頭107之間存在一定距離。因此，在沿輸送方向出現(xiàn)輕微的錯位(dislocation)的情況下，期望在打印頭100打印時白條紋沿x方向的位置與讀取頭107進行檢測的情況下白條紋沿x方向的位置不同。參照圖6a及圖6b，交疊區(qū)域d具有與多個像素相對應(yīng)的寬度，這可能導(dǎo)致不能精確地確定由在打印頭的制造期間的誤差導(dǎo)致的白條紋的位置的情況。鑒于如上所述的情況，本實施例中預(yù)先準(zhǔn)備多個檢測對象信號t(x)。將通過針對圖3d至圖6b而描述的由圖像處理裝置1和復(fù)合機6組成的構(gòu)造的示例來描述本實施例，如同第一實施例中那樣。

圖16a至圖16e例示了本實施例中準(zhǔn)備的五種類型的檢測對象數(shù)據(jù)t(x)。圖16a對應(yīng)于圖9a。圖16b至圖16e例示了通過將圖16a中所示的數(shù)據(jù)沿±x方向移動1個像素和2個像素而獲得的圖案。通過如上所述地準(zhǔn)備檢測對象數(shù)據(jù)t(x)，即使在白條紋的位置沿±x方向從圖16a的位置錯位約1個像素至2個像素的情況下，也能夠以與第一實施例的精度相似的精度檢測該位置。

圖17是用于解釋本實施例中由圖像處理裝置1的cpu301執(zhí)行的隨機共振處理的流程圖。在該處理開始的情況下，如同第一實施例中那樣，在步驟s1401中cpu301首先獲取如圖9b中所示的讀取數(shù)據(jù)i(x)。

接下來，在步驟s1402中，cpu301獲取圖16a至圖16e中所示的多個檢測對象數(shù)據(jù)t(x)中的一個。圖16a至圖16e的檢測對象數(shù)據(jù)可以預(yù)先存儲在hdd303中，或者可以根據(jù)需要而從外部獲取。

步驟s1403至步驟s1405的處理操作與圖12中的步驟s1203至步驟s1205的處理相同，因此將不進一步描述。然而，在步驟s1405中獲取的j(x)在與圖16a至圖16e的檢測對象數(shù)據(jù)相關(guān)聯(lián)的同時被臨時存儲在ram302中。

在步驟s1406中，cpu301確定是否針對圖16a至圖16e中所示的所有的檢測對象數(shù)據(jù)都執(zhí)行了隨機共振處理。如果確定存在剩余的要獲取的檢測對象數(shù)據(jù)，則步驟s1407獲取圖16a至圖16e中所示的檢測對象數(shù)據(jù)t(x)中的尚未用于隨機共振處理的一個檢測對象數(shù)據(jù)，然后處理返回到步驟s1402。在步驟s1406確定所有的檢測對象數(shù)據(jù)都經(jīng)受了隨機共振處理的情況下，處理進行到步驟s1408。

在步驟s1408中，cpu301將通過步驟s1405中的各個處理而獲得的隨機共振處理之后的結(jié)果j(x)相比較，并且選擇具有最高評價值c的一個結(jié)果。然后，處理進行到步驟s1409，并且cpu301基于在步驟s1408中選擇的隨機共振處理之后的結(jié)果來進行確定處理。具體地說，如同第一實施例中那樣，可以將值等于或大于預(yù)定像素值的像素彈出，以使得檢查者可以觀察到該像素，或者，在值等于或大于預(yù)定像素值的像素的數(shù)量等于或大于預(yù)定數(shù)量時，cpu301可以確定檢查對象圖像是有缺陷的。然后，該處理完成。

根據(jù)上述本實施例，即使在產(chǎn)生實際的異常部分的位置與讀取位置之間引起輕微的錯位的情況下，也能夠如第一實施例中那樣精確且高效地檢測到特定的異常部分。在圖16a至圖16e中，準(zhǔn)備周期相同而相位不同的多個檢測對象圖案。然而，本實施例并不限于這樣的示例。因此，在對異常部分出現(xiàn)的周期或異常部分的尺寸或異常部分的數(shù)量有多樣的期望時，可以預(yù)先準(zhǔn)備相互不同的多個檢測對象圖案。

在以上實施例中，描述了關(guān)于用于針對由讀取頭107讀取的各個像素對亮度數(shù)據(jù)進行隨機共振處理的圖像處理裝置的示例。然而，本發(fā)明的信號提取處理裝置并不限于這樣的實施例。例如，即使在電流值i(x)根據(jù)時間而改變(例如，物體的震動或聲音的改變)的輸入信號的情況下，要被提取的檢測對象信號也被淹沒在噪聲中。即使在這種情況下，如果可以預(yù)先準(zhǔn)備相對于時間軸x的檢測對象數(shù)據(jù)t(x)，則也可以如以上實施例中那樣從輸入數(shù)據(jù)i(x)中精確且高效地提取檢測對象信號。

此外，盡管經(jīng)由通過將復(fù)合機6連接到圖像處理裝置1而獲得的系統(tǒng)(如圖4所示)的示例而進行了以上描述，但是本發(fā)明并不限于這樣的實施例。

(其他實施例)

另外，可以通過讀出并執(zhí)行記錄在存儲介質(zhì)(也可以更完整地稱為“非臨時性計算機可讀存儲介質(zhì)”)上的計算機可執(zhí)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(tǒng)或裝置的計算機，來實現(xiàn)本發(fā)明的實施例，并且，可以利用通過由所述系統(tǒng)或裝置的所述計算機例如讀出并執(zhí)行來自所述存儲介質(zhì)的所述計算機可執(zhí)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(xiàn)本發(fā)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(wǎng)絡(luò)，以讀出并執(zhí)行所述計算機可執(zhí)行指令。所述計算機可執(zhí)行指令可以例如從網(wǎng)絡(luò)或所述存儲介質(zhì)被提供給所述計算機。所述存儲介質(zhì)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(tǒng)的存儲器、光盤(例如，壓縮光盤(cd)、數(shù)字通用光盤(dvd)或藍光光盤(bd)^tm)、閃存設(shè)備及存儲卡等中的一個或更多個。

本發(fā)明的實施例還可以通過如下的方法來實現(xiàn)，即，通過網(wǎng)絡(luò)或者各種存儲介質(zhì)將執(zhí)行上述實施例的功能的軟件(程序)提供給系統(tǒng)或裝置，該系統(tǒng)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(zhí)行程序的方法。

雖然參照示例性實施例對本發(fā)明進行了描述，但是應(yīng)當(dāng)理解，本發(fā)明并不限于所公開的示例性實施例。應(yīng)當(dāng)對下列權(quán)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(jié)構(gòu)和功能。