画像特性判別処理装置、画像特性判別処理方法、該方法を実行させるためのプログラム及び該プログラムを格納したコンピュータ読み取り可能な記憶媒体
【課題】 本発明は罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【解決手段】 本発明の画像特性判別処理方法によれば、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとする。そして、抽出したランの長さが所定値以上であるランを罫線ランとし、判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする。抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とし、判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別する。次に、判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する。
【解決手段】 本発明の画像特性判別処理方法によれば、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとする。そして、抽出したランの長さが所定値以上であるランを罫線ランとし、判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする。抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とし、判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別する。次に、判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は画像特性判別処理装置、画像特性判別処理方法、該方法を実行させるためのプログラム及び該プログラムを格納したコンピュータ読み取り可能な記憶媒体に関し、詳細には文字認識装置の前処理として罫線や文字を含む認識対象画像の特性を判別する処理方法に関する。
【背景技術】
【０００２】
画像の罫線や文字の識別処理は、濃い又はかすれている等の処理対象画像の特性によって識別処理に使用されているアルゴリズムやしきい値が対応できずに識別精度が低下することがある。画像の特性は、スキャナ等の入力装置で入力する時の２値化スレッシュを変更したりすることで、入力画像の濃さなどを補正し識別アルゴリズムに対応した画像特性を得ることは可能である。
【０００３】
しかし、一度入力されてしまった２値データに対して、アルゴリズムに合わない特性だからと言って再度入力し直すなどは現実的ではない上に、能率が悪い。罫線や文字識別処理の前処理として、処理画像の特性を把握しその特性の情報を提供することができれば、その情報に対応したアルゴリズムやしきい値などに変更することが可能となり、識別精度を向上させることが可能となる。そこで、特許文献１では、品質を分析する品質分析手段として、かすれ状態、つぶれ状態を分析する手段を有する認識処理装置が提案されている。
【特許文献１】特開平１０−１５４２０４号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記特許文献１のような分析では、画像が濃く、つぶれているような場合をつぶれ画像と定義しまうと、つぶれ画像の特徴は文字がつぶれて画像部が太り罫線に接触している場合が多く、更につぶれ画像における実線識別処理においては画像が密で結合しているためにつぶれた文字部に短い実線が誤認識されることが多くなる。
【０００５】
本発明はこれらの問題点を解決するためのものであり、罫線や文字の識別精度を向上させるための有益な情報を提供可能な、画像特性判別処理装置、画像特性判別処理方法、該方法を実行させるプログラム及び該プログラムを格納したコンピュータ読み取り可能な記憶媒体を提供することを目的とする。
【課題を解決するための手段】
【０００６】
前記問題点を解決するために、本発明の画像特性判別処理装置は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、該ラン抽出手段により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、該単独罫線判別手段により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手段と、該つぶれ画像判別手段により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段とを有することに特徴がある。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【０００７】
また、本発明の画像特性判別処理装置は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、該ラン抽出手段により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、該単独罫線判別手段により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手段と、該かすれ画像判別手段により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段とを有することに特徴がある。よって、接触しない実線を利用してかすれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【０００８】
更に、別の発明としての画像特性判別処理方法は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、該ラン抽出工程により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、該単独罫線判別工程により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別工程と、該つぶれ画像判別工程により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程とを有することに特徴がある。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【０００９】
また、別の発明としての画像特性判別処理方法は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、該ラン抽出工程により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、該単独罫線判別工程により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別工程と、該かすれ画像判別工程により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程とを有することに特徴がある。よって、接触しない実線を利用してかすれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【００１０】
更に、別の発明として、コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、該ラン抽出手順により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、該単独罫線判別手順により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手順と、該つぶれ画像判別手順により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順とを実行させるプログラムに特徴がある。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【００１１】
また、別の発明として、コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、該ラン抽出手順により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、該単独罫線判別手順により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手順と、該かすれ画像判別手順により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順とを実行させるプログラムに特徴がある。よって、接触しない実線を利用してかすれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【００１２】
更に、別の発明として、上記記載の画像特性判別処理方法を実行させるためのプログラムを格納したコンピュータ読み取り可能な記憶媒体に特徴がある。よって、既存のシステムを変えることなく、かつ画像特性判別処理システムを構築する装置を汎用的に使用することができる。
【発明の効果】
【００１３】
本発明の画像特性判別処理方法によれば、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとする。そして、抽出したランの長さが所定値以上であるランを罫線ランとし、判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする。そして、抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とし、判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別する。次に、判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【発明を実施するための最良の形態】
【００１４】
はじめに、本発明における構成及び動作の説明の中で使用する語句を以下に定義しておく。「矩形」とは２値画像データの画像部（例えば黒画素部）を一塊として、それらが接触包含される外接四角形で囲んだ範囲を矩形と定義する。よって、連結する黒画素を全て包含する外接範囲を矩形とする。「矩形抽出」とは矩形の位置座標を抽出することを矩形抽出と定義する。「処理方向」とは画像をＸ，Ｙの２次元とすれば、Ｘ方向（スキャン時の主走査方向）の処理とＹ方向（スキャン時の副走査方向）の処理を２方向の処理がある。点線抽出の場合には、点線がＸ方向に延びている場合とＹ方向に延びている場合があり、Ｘ方向とＹ方向の２方向でそれぞれ処理を行うものとする。「実線識別処理」の例として、矩形抽出後、着目する矩形を処理開始とし、同ベクトル上でかつ所定の距離内に存在する矩形どうしを結合してゆく処理とする。
【００１５】
以下、図を用いて本発明の実施の形態の動作を説明する。
図１は本発明の第１の実施の形態に係る画像特性判別処理方法の全体動作を示すフローチャートである。同図において、先ず、処理のスキャナなどで画像を２値画像入力部で２値化データに変換し、高速化のために圧縮画像を作成する（ステップＳ１０１，Ｓ１０２）。ここで、圧縮画像とは１／４圧縮の場合４画素のうち全て白画素であった場合にのみ白画素ひとつに置き換え、４画素中１つでも黒画素が含まれていれば、黒画素ひとつに置き換えるといった圧縮処理をさす。次に、罫線認識処理で罫線を認識する（ステップＳ１０３）。抽出された罫線を使ってつぶれ領域候補抽出処理を実行する（ステップＳ１０４）。抽出されたつぶれ領域候補の特徴より画像の特性を判別する（ステップＳ１０５）。
【００１６】
次に、図１のステップ１０３の処理で共通に用いられる処理、ラン抽出の一例を図２に従って説明する。ラン抽出処理はいずれの方法でもよしとする。ただし、ランの位置情報を提供する処理であることが必要である。また、入力された２値データをそのまま使用するか、処理時間短縮のために圧縮画像データを用いるかのどちらでも自由とする。ただし、本発明では、罫線認識処理の場合には圧縮画像(画素)データを矩形抽出処理の場合にはそのままの２値(画素)データを用いる。図２において、全ライン数を計数し、更に１ライン毎の画素数を計数する（ステップＳ２０１，Ｓ２０２）。そして、主走査方向の１ライン毎に黒画素連結を調べてゆき、黒画素の連結が途切れた時に黒画素一塊をランとして登録する（ステップＳ２０３；ＹＥＳ、ステップＳ２０４）。同様の処理を全ラインに対して繰返す（ステップＳ２０５）。
【００１７】
また、図１のステップＳ１０３での罫線認識処理の一例を図３に従って説明する。罫線認識方法はいずれの方法でもよいが、罫線認識情報として、認識した罫線の位置を示すアドレス情報を提供する処理であることが必要である。ここでは一方向のみの罫線認識の場合であるが、Ｘ、Ｙ方向と両方向の罫線認識するには、図３の処理を繰り返せばよい。図３において、図２で抽出されたランの全ての数を計数し、そのランの長さが所定値のＡ値以上であるかを判定する（ステップＳ３０１，Ｓ３０２）。所定値のＡ値以上であるものを罫線ランとして登録する（ステップＳ３０２；ＹＥＳ、ステップＳ３０３）。以上の処理を全てのランに対して行う（ステップＳ３０４）。次に、その罫線ラン数を計数し、罫線ラン同士が所定値以内に存在しているかを調べて、所定値内であれば罫線として登録する（ステップＳ３０５、ステップＳ３０６；ＹＥＳ、ステップＳ３０７）。同様の処理を全罫線ランの数だけ繰り返す（ステップＳ３０８）。
【００１８】
更に、図１のステップＳ１０４でのつぶれ領域候補抽出処理の一例を図４に従って説明する。図１のステップＳ１０３で抽出された全罫線において、全罫線数を計数し、その罫線の長さが所定値のＢ値以下であるかを判定する（ステップＳ４０１，Ｓ４０２）。所定値のＢ値以下であるのものを短罫線として登録する（ステップＳ４０２；ＹＥＳ、ステップＳ４０３）。以上の処理を全ての罫線に対して行う（ステップＳ４０４）。次に、全短罫線数を計数し、短罫線同士で完全に交差しているものがないかを探索する（ステップＳ４０５，Ｓ４０６）。図５の（ａ）を例にすると、短罫線ＡとＢは接触しているだけでなく完全に交差している。例えば、図５の（ｃ）に示すように交差接触しているだけでは、枠の場合であることがあるために完全に突き抜けて交差していることが条件である。図５の（ａ）で示すような位置関係にあれば、それを包含する領域を登録する（ステップＳ４０６；ＹＥＳ、ステップＳ４０７）。次に、図５の（ｂ）で示すように短罫線Ｃも完全交差していれば、図４のステップＳ４０７で登録した領域を成長させる。以上同様の処理を全短罫線に対して実施して領域を抽出する（ステップＳ４０８）。
【００１９】
次に、図１のステップ１０５での画像特性判別処理を図６に従って説明する。図１のステップＳ１０４で抽出されたつぶれ領域候補は大体文字上で抽出される(図５の（ｄ）参照)。そこで、通常の文字サイズを予測し、あるいは予め、サイズをいずれかの手段を用いて情報として与えておき、それよりも大きい領域の場合には「文字がつぶれて隣どうし接触しあいつながっている状態」であると判別する。従って、図６の抽出された全領域のうち領域面積が所定値のＣ値以上のものをつぶれ領域として登録する（ステップＳ５０１、ステップＳ５０２；ＹＥＳ、ステップＳ５０３）。以上の処理を全ての領域に対して行う（ステップＳ５０４）。ステップＳ５０３でつぶれ領域として登録されたものが所定値のＤ個以上あればつぶれ画像と判別する（ステップＳ５０５；ＹＥＳ、ステップＳ５０６）。
【００２０】
また、図１のステップ１０５での画像特性判別処理の別の例を図７に従って説明する。図１のステップＳ１０４で抽出されたつぶれ領域候補に対して、各領域に包含されている罫線の信頼性を評価し、つぶれ領域であるか否かの判別をする（ステップＳ６０１〜Ｓ６０５）ことで、さらに画像特性判別の精度を向上させるものである。例えば図５の（ａ）を例にとると、罫線ＡとＢが誤認識された罫線であるかの判定を行う。その判定方法はいずれの方式でも可とする。判定方法の一例をあげると、罫線Ａの近傍に黒画素を利用し、例えば黒画素密度が高い場合には文字上で誤認識された罫線と判別する。このようにして、つぶれ領域候補を構成する罫線のうち誤認識された罫線の占める割合が所定値Ｚ値以上であればつぶれ領域と判定する（ステップＳ６０３；ＹＥＳ）。ステップＳ６０４でつぶれ領域として登録されたものが所定値のＤ個以上あればつぶれ画像と判別する（ステップＳ６０６；ＹＥＳ、ステップＳ６０７）。
【００２１】
また、上記実施の形態ではつぶれ領域候補の面積が文字サイズ以上という条件を判定理由に用いているが、文字サイズが不明であったり、想定した文字サイズが実際の認識対象の文字サイズと異なっていた場合には画像特性の判定精度が悪くなる可能性がある。そこで、全つぶれ領域候補の面積のバラツキを算出（分散値）を用いることでこれを解決する。つまり、抽出されたつぶれ領域候補がバラツキなく一定であれば、つぶれていない一文字一文字上で抽出された領域であると判別できるのである。図８のステップＳ７０１でつぶれ領域候補数が所定値のＹ個以上の場合（ステップＳ７０１；ＹＥＳ）、分散値を算出し、所定値のＥ値以上であれば、つぶれ画像と判別する（ステップＳ７０２、ステップＳ７０３；ＹＥＳ、ステップＳ７０４）。
【００２２】
図９は本発明の第２の実施の形態に係る画像特性判別処理方法の全体動作を示すフローチャートである。同図において、先ず、処理のスキャナなどで画像を２値画像入力部で２値化データに変換し、高速化のために圧縮画像を作成する（ステップＳ８０１，Ｓ８０２）。次に、罫線認識処理で罫線を認識する（ステップＳ８０３）。抽出された罫線を使って罫線特徴判別処理を実行する（ステップＳ８０４）。判別された罫線特徴情報を用いて画像の特性を判別する（ステップＳ８０５）。
【００２３】
図９のステップＳ８０３での罫線認識処理の一例を図１０に従って説明する。
図９のステップＳ８０３で抽出された全罫線を計数し、他の罫線と接触せずに単独に存在しているか否かを判別する（ステップＳ９０１，Ｓ９０２）。単独存在していれば単独罫線として登録する（ステップＳ９０２；ＹＥＳ、ステップＳ９０３）。以上の処理を全ての罫線に対して行う（ステップＳ９０４）。次に、単独罫線を計数し、単独罫線を判別された単独罫線周囲近傍の黒画素密度を求めてその値が所定値のＧ値以上であれば（ステップＳ９０５、ステップＳ９０６；ＹＥＳ）、つぶれ文字上に誤認識された罫線と判別して罫線として登録していたものを無効化する（ステップＳ９０７）。全単独罫線に対して判別処理が終了すれば（ステップＳ９０８；ＹＥＳ）、無効化罫線数が所定値のＨ値以上であれば、つぶれ画像であると判定する（ステップＳ９０９；ＹＥＳ、ステップＳ９１０）。
【００２４】
また、図９のステップＳ８０３での罫線認識処理の別の例を図１１に従って説明する。図９のステップＳ８０３で抽出された全罫線を計数し、他の罫線と接触せずに単独に存在しているか否かを判別する（ステップＳ１００１，Ｓ１００２）。単独存在していれば単独罫線として登録する（ステップＳ１００２；ＹＥＳ、ステップＳ１００３）。以上の処理を全ての罫線に対して行う（ステップＳ１００４）。次に、単独罫線と判別された罫線に対して、その罫線範囲内を処理対象としてラン抽出処理を行う（ステップＳ１００５，Ｓ１００６）。その結果、抽出されたランの数が所定値のＦ値以上であれば、かすれ罫線であると判定して登録する（ステップＳ１０７；ＹＥＳ、ステップＳ１００８）。以上の処理を全ての単独罫線に対して行う（ステップＳ１００９）。次に、かすれ罫線と判別された罫線の数が所定値のＹ値以上であれば、かすれ画像であると判定する（ステップＳ１０１０；ＹＥＳ、ステップＳ１０１１）。
【００２５】
次に、図１２は本発明のシステム構成を示すブロック図である。つまり、同図は上記各実施の形態における画像特性判別処理方法によるソフトウェアを実行させるマイクロプロセッサ等から構築されるハードウェアを示すものである。同図において、画像特性判別処理システムはインターフェース（以下Ｉ／Ｆと略す）１２１、ＣＰＵ１２２、ＲＯＭ１２３、ＲＡＭ１２４、表示装置１２５、ハードディスク１２６、キーボード１２７及びＣＤ−ＲＯＭドライブ１２８を含んで構成されている。また、汎用の処理装置を用意し、ＣＤ−ＲＯＭなどの読取可能な記憶媒体１２９には、本発明の画像特性判別処理方法を実行させるプログラムが記録されている。更に、Ｉ／Ｆ１２１を介して外部装置から制御信号が入力され、キーボード１２７によって操作者による指令又は自動的に本発明のプログラムが起動される。そして、ＣＰＵ１２２は当該プログラムに従って上述の画像特性判別処理方法を施し、その処理結果をＲＡＭ１２４やハードディスク１２６等の記録装置に格納し、必要により表示装置１２５などに出力する。以上のように、本発明の画像特性判別処理方法を実行するプログラムが記憶した媒体を用いることにより、既存のシステムを変えることなく、かつ画像特性判別処理システムを構築する装置を汎用的に使用することができる。
【００２６】
なお、本発明は上記実施の形態に限定されるものではなく、特許請求の範囲内の記載であれば多種の変形や置換可能であることは言うまでもない。
【図面の簡単な説明】
【００２７】
【図１】本発明の第１の実施の形態に係る画像特性判別処理方法の全体動作を示すフローチャートである。
【図２】第１の実施の形態におけるラン抽出動作の一例を示すフローチャートである。
【図３】第１の実施の形態における罫線認識処理動作の一例を示すフローチャートである。
【図４】第１の実施の形態におけるつぶれ領域候補抽出処理動作の一例を示すフローチャートである。
【図５】第１の実施の形態における画像認識対象の一例を示す図である。
【図６】第１の実施の形態における画像特性判別処理動作の一例を示すフローチャートである。
【図７】第１の実施の形態における画像特性判別処理動作の別の例を示すフローチャートである。
【図８】第１の実施の形態におけるつぶれ領域候補抽出処理動作の別の例を示すフローチャートである。
【図９】本発明の第２の実施の形態に係る画像特性処理方法の全体動作を示すフローチャートである。
【図１０】第２の実施の形態における罫線認識処理動作の一例を示すフローチャートである。
【図１１】第２の実施の形態における罫線認識処理動作の別の例を示すフローチャートである。
【図１２】本発明のシステム構成を示すブロック図である。
【符号の説明】
【００２８】
１２１；Ｉ／Ｆ、１２２；ＣＰＵ、１２３；ＲＯＭ、１２４；ＲＡＭ、
１２５；表示装置、１２６；ハードディスク、１２７；キーボード、
１２８；ＣＤ−ＲＯＭドライブ、１２９；記憶媒体。
【技術分野】
【０００１】
本発明は画像特性判別処理装置、画像特性判別処理方法、該方法を実行させるためのプログラム及び該プログラムを格納したコンピュータ読み取り可能な記憶媒体に関し、詳細には文字認識装置の前処理として罫線や文字を含む認識対象画像の特性を判別する処理方法に関する。
【背景技術】
【０００２】
画像の罫線や文字の識別処理は、濃い又はかすれている等の処理対象画像の特性によって識別処理に使用されているアルゴリズムやしきい値が対応できずに識別精度が低下することがある。画像の特性は、スキャナ等の入力装置で入力する時の２値化スレッシュを変更したりすることで、入力画像の濃さなどを補正し識別アルゴリズムに対応した画像特性を得ることは可能である。
【０００３】
しかし、一度入力されてしまった２値データに対して、アルゴリズムに合わない特性だからと言って再度入力し直すなどは現実的ではない上に、能率が悪い。罫線や文字識別処理の前処理として、処理画像の特性を把握しその特性の情報を提供することができれば、その情報に対応したアルゴリズムやしきい値などに変更することが可能となり、識別精度を向上させることが可能となる。そこで、特許文献１では、品質を分析する品質分析手段として、かすれ状態、つぶれ状態を分析する手段を有する認識処理装置が提案されている。
【特許文献１】特開平１０−１５４２０４号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記特許文献１のような分析では、画像が濃く、つぶれているような場合をつぶれ画像と定義しまうと、つぶれ画像の特徴は文字がつぶれて画像部が太り罫線に接触している場合が多く、更につぶれ画像における実線識別処理においては画像が密で結合しているためにつぶれた文字部に短い実線が誤認識されることが多くなる。
【０００５】
本発明はこれらの問題点を解決するためのものであり、罫線や文字の識別精度を向上させるための有益な情報を提供可能な、画像特性判別処理装置、画像特性判別処理方法、該方法を実行させるプログラム及び該プログラムを格納したコンピュータ読み取り可能な記憶媒体を提供することを目的とする。
【課題を解決するための手段】
【０００６】
前記問題点を解決するために、本発明の画像特性判別処理装置は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、該ラン抽出手段により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、該単独罫線判別手段により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手段と、該つぶれ画像判別手段により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段とを有することに特徴がある。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【０００７】
また、本発明の画像特性判別処理装置は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、該ラン抽出手段により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、該単独罫線判別手段により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手段と、該かすれ画像判別手段により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段とを有することに特徴がある。よって、接触しない実線を利用してかすれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【０００８】
更に、別の発明としての画像特性判別処理方法は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、該ラン抽出工程により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、該単独罫線判別工程により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別工程と、該つぶれ画像判別工程により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程とを有することに特徴がある。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【０００９】
また、別の発明としての画像特性判別処理方法は、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、該ラン抽出工程により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、該単独罫線判別工程により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別工程と、該かすれ画像判別工程により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程とを有することに特徴がある。よって、接触しない実線を利用してかすれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【００１０】
更に、別の発明として、コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、該ラン抽出手順により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、該単独罫線判別手順により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手順と、該つぶれ画像判別手順により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順とを実行させるプログラムに特徴がある。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【００１１】
また、別の発明として、コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、該ラン抽出手順により抽出したランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、該単独罫線判別手順により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手順と、該かすれ画像判別手順により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順とを実行させるプログラムに特徴がある。よって、接触しない実線を利用してかすれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【００１２】
更に、別の発明として、上記記載の画像特性判別処理方法を実行させるためのプログラムを格納したコンピュータ読み取り可能な記憶媒体に特徴がある。よって、既存のシステムを変えることなく、かつ画像特性判別処理システムを構築する装置を汎用的に使用することができる。
【発明の効果】
【００１３】
本発明の画像特性判別処理方法によれば、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとする。そして、抽出したランの長さが所定値以上であるランを罫線ランとし、判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする。そして、抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とし、判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別する。次に、判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する。よって、接触しない実線情報よりつぶれ画像特性を判別して、罫線や文字の識別精度を向上させるための有益な情報を提供できる。
【発明を実施するための最良の形態】
【００１４】
はじめに、本発明における構成及び動作の説明の中で使用する語句を以下に定義しておく。「矩形」とは２値画像データの画像部（例えば黒画素部）を一塊として、それらが接触包含される外接四角形で囲んだ範囲を矩形と定義する。よって、連結する黒画素を全て包含する外接範囲を矩形とする。「矩形抽出」とは矩形の位置座標を抽出することを矩形抽出と定義する。「処理方向」とは画像をＸ，Ｙの２次元とすれば、Ｘ方向（スキャン時の主走査方向）の処理とＹ方向（スキャン時の副走査方向）の処理を２方向の処理がある。点線抽出の場合には、点線がＸ方向に延びている場合とＹ方向に延びている場合があり、Ｘ方向とＹ方向の２方向でそれぞれ処理を行うものとする。「実線識別処理」の例として、矩形抽出後、着目する矩形を処理開始とし、同ベクトル上でかつ所定の距離内に存在する矩形どうしを結合してゆく処理とする。
【００１５】
以下、図を用いて本発明の実施の形態の動作を説明する。
図１は本発明の第１の実施の形態に係る画像特性判別処理方法の全体動作を示すフローチャートである。同図において、先ず、処理のスキャナなどで画像を２値画像入力部で２値化データに変換し、高速化のために圧縮画像を作成する（ステップＳ１０１，Ｓ１０２）。ここで、圧縮画像とは１／４圧縮の場合４画素のうち全て白画素であった場合にのみ白画素ひとつに置き換え、４画素中１つでも黒画素が含まれていれば、黒画素ひとつに置き換えるといった圧縮処理をさす。次に、罫線認識処理で罫線を認識する（ステップＳ１０３）。抽出された罫線を使ってつぶれ領域候補抽出処理を実行する（ステップＳ１０４）。抽出されたつぶれ領域候補の特徴より画像の特性を判別する（ステップＳ１０５）。
【００１６】
次に、図１のステップ１０３の処理で共通に用いられる処理、ラン抽出の一例を図２に従って説明する。ラン抽出処理はいずれの方法でもよしとする。ただし、ランの位置情報を提供する処理であることが必要である。また、入力された２値データをそのまま使用するか、処理時間短縮のために圧縮画像データを用いるかのどちらでも自由とする。ただし、本発明では、罫線認識処理の場合には圧縮画像(画素)データを矩形抽出処理の場合にはそのままの２値(画素)データを用いる。図２において、全ライン数を計数し、更に１ライン毎の画素数を計数する（ステップＳ２０１，Ｓ２０２）。そして、主走査方向の１ライン毎に黒画素連結を調べてゆき、黒画素の連結が途切れた時に黒画素一塊をランとして登録する（ステップＳ２０３；ＹＥＳ、ステップＳ２０４）。同様の処理を全ラインに対して繰返す（ステップＳ２０５）。
【００１７】
また、図１のステップＳ１０３での罫線認識処理の一例を図３に従って説明する。罫線認識方法はいずれの方法でもよいが、罫線認識情報として、認識した罫線の位置を示すアドレス情報を提供する処理であることが必要である。ここでは一方向のみの罫線認識の場合であるが、Ｘ、Ｙ方向と両方向の罫線認識するには、図３の処理を繰り返せばよい。図３において、図２で抽出されたランの全ての数を計数し、そのランの長さが所定値のＡ値以上であるかを判定する（ステップＳ３０１，Ｓ３０２）。所定値のＡ値以上であるものを罫線ランとして登録する（ステップＳ３０２；ＹＥＳ、ステップＳ３０３）。以上の処理を全てのランに対して行う（ステップＳ３０４）。次に、その罫線ラン数を計数し、罫線ラン同士が所定値以内に存在しているかを調べて、所定値内であれば罫線として登録する（ステップＳ３０５、ステップＳ３０６；ＹＥＳ、ステップＳ３０７）。同様の処理を全罫線ランの数だけ繰り返す（ステップＳ３０８）。
【００１８】
更に、図１のステップＳ１０４でのつぶれ領域候補抽出処理の一例を図４に従って説明する。図１のステップＳ１０３で抽出された全罫線において、全罫線数を計数し、その罫線の長さが所定値のＢ値以下であるかを判定する（ステップＳ４０１，Ｓ４０２）。所定値のＢ値以下であるのものを短罫線として登録する（ステップＳ４０２；ＹＥＳ、ステップＳ４０３）。以上の処理を全ての罫線に対して行う（ステップＳ４０４）。次に、全短罫線数を計数し、短罫線同士で完全に交差しているものがないかを探索する（ステップＳ４０５，Ｓ４０６）。図５の（ａ）を例にすると、短罫線ＡとＢは接触しているだけでなく完全に交差している。例えば、図５の（ｃ）に示すように交差接触しているだけでは、枠の場合であることがあるために完全に突き抜けて交差していることが条件である。図５の（ａ）で示すような位置関係にあれば、それを包含する領域を登録する（ステップＳ４０６；ＹＥＳ、ステップＳ４０７）。次に、図５の（ｂ）で示すように短罫線Ｃも完全交差していれば、図４のステップＳ４０７で登録した領域を成長させる。以上同様の処理を全短罫線に対して実施して領域を抽出する（ステップＳ４０８）。
【００１９】
次に、図１のステップ１０５での画像特性判別処理を図６に従って説明する。図１のステップＳ１０４で抽出されたつぶれ領域候補は大体文字上で抽出される(図５の（ｄ）参照)。そこで、通常の文字サイズを予測し、あるいは予め、サイズをいずれかの手段を用いて情報として与えておき、それよりも大きい領域の場合には「文字がつぶれて隣どうし接触しあいつながっている状態」であると判別する。従って、図６の抽出された全領域のうち領域面積が所定値のＣ値以上のものをつぶれ領域として登録する（ステップＳ５０１、ステップＳ５０２；ＹＥＳ、ステップＳ５０３）。以上の処理を全ての領域に対して行う（ステップＳ５０４）。ステップＳ５０３でつぶれ領域として登録されたものが所定値のＤ個以上あればつぶれ画像と判別する（ステップＳ５０５；ＹＥＳ、ステップＳ５０６）。
【００２０】
また、図１のステップ１０５での画像特性判別処理の別の例を図７に従って説明する。図１のステップＳ１０４で抽出されたつぶれ領域候補に対して、各領域に包含されている罫線の信頼性を評価し、つぶれ領域であるか否かの判別をする（ステップＳ６０１〜Ｓ６０５）ことで、さらに画像特性判別の精度を向上させるものである。例えば図５の（ａ）を例にとると、罫線ＡとＢが誤認識された罫線であるかの判定を行う。その判定方法はいずれの方式でも可とする。判定方法の一例をあげると、罫線Ａの近傍に黒画素を利用し、例えば黒画素密度が高い場合には文字上で誤認識された罫線と判別する。このようにして、つぶれ領域候補を構成する罫線のうち誤認識された罫線の占める割合が所定値Ｚ値以上であればつぶれ領域と判定する（ステップＳ６０３；ＹＥＳ）。ステップＳ６０４でつぶれ領域として登録されたものが所定値のＤ個以上あればつぶれ画像と判別する（ステップＳ６０６；ＹＥＳ、ステップＳ６０７）。
【００２１】
また、上記実施の形態ではつぶれ領域候補の面積が文字サイズ以上という条件を判定理由に用いているが、文字サイズが不明であったり、想定した文字サイズが実際の認識対象の文字サイズと異なっていた場合には画像特性の判定精度が悪くなる可能性がある。そこで、全つぶれ領域候補の面積のバラツキを算出（分散値）を用いることでこれを解決する。つまり、抽出されたつぶれ領域候補がバラツキなく一定であれば、つぶれていない一文字一文字上で抽出された領域であると判別できるのである。図８のステップＳ７０１でつぶれ領域候補数が所定値のＹ個以上の場合（ステップＳ７０１；ＹＥＳ）、分散値を算出し、所定値のＥ値以上であれば、つぶれ画像と判別する（ステップＳ７０２、ステップＳ７０３；ＹＥＳ、ステップＳ７０４）。
【００２２】
図９は本発明の第２の実施の形態に係る画像特性判別処理方法の全体動作を示すフローチャートである。同図において、先ず、処理のスキャナなどで画像を２値画像入力部で２値化データに変換し、高速化のために圧縮画像を作成する（ステップＳ８０１，Ｓ８０２）。次に、罫線認識処理で罫線を認識する（ステップＳ８０３）。抽出された罫線を使って罫線特徴判別処理を実行する（ステップＳ８０４）。判別された罫線特徴情報を用いて画像の特性を判別する（ステップＳ８０５）。
【００２３】
図９のステップＳ８０３での罫線認識処理の一例を図１０に従って説明する。
図９のステップＳ８０３で抽出された全罫線を計数し、他の罫線と接触せずに単独に存在しているか否かを判別する（ステップＳ９０１，Ｓ９０２）。単独存在していれば単独罫線として登録する（ステップＳ９０２；ＹＥＳ、ステップＳ９０３）。以上の処理を全ての罫線に対して行う（ステップＳ９０４）。次に、単独罫線を計数し、単独罫線を判別された単独罫線周囲近傍の黒画素密度を求めてその値が所定値のＧ値以上であれば（ステップＳ９０５、ステップＳ９０６；ＹＥＳ）、つぶれ文字上に誤認識された罫線と判別して罫線として登録していたものを無効化する（ステップＳ９０７）。全単独罫線に対して判別処理が終了すれば（ステップＳ９０８；ＹＥＳ）、無効化罫線数が所定値のＨ値以上であれば、つぶれ画像であると判定する（ステップＳ９０９；ＹＥＳ、ステップＳ９１０）。
【００２４】
また、図９のステップＳ８０３での罫線認識処理の別の例を図１１に従って説明する。図９のステップＳ８０３で抽出された全罫線を計数し、他の罫線と接触せずに単独に存在しているか否かを判別する（ステップＳ１００１，Ｓ１００２）。単独存在していれば単独罫線として登録する（ステップＳ１００２；ＹＥＳ、ステップＳ１００３）。以上の処理を全ての罫線に対して行う（ステップＳ１００４）。次に、単独罫線と判別された罫線に対して、その罫線範囲内を処理対象としてラン抽出処理を行う（ステップＳ１００５，Ｓ１００６）。その結果、抽出されたランの数が所定値のＦ値以上であれば、かすれ罫線であると判定して登録する（ステップＳ１０７；ＹＥＳ、ステップＳ１００８）。以上の処理を全ての単独罫線に対して行う（ステップＳ１００９）。次に、かすれ罫線と判別された罫線の数が所定値のＹ値以上であれば、かすれ画像であると判定する（ステップＳ１０１０；ＹＥＳ、ステップＳ１０１１）。
【００２５】
次に、図１２は本発明のシステム構成を示すブロック図である。つまり、同図は上記各実施の形態における画像特性判別処理方法によるソフトウェアを実行させるマイクロプロセッサ等から構築されるハードウェアを示すものである。同図において、画像特性判別処理システムはインターフェース（以下Ｉ／Ｆと略す）１２１、ＣＰＵ１２２、ＲＯＭ１２３、ＲＡＭ１２４、表示装置１２５、ハードディスク１２６、キーボード１２７及びＣＤ−ＲＯＭドライブ１２８を含んで構成されている。また、汎用の処理装置を用意し、ＣＤ−ＲＯＭなどの読取可能な記憶媒体１２９には、本発明の画像特性判別処理方法を実行させるプログラムが記録されている。更に、Ｉ／Ｆ１２１を介して外部装置から制御信号が入力され、キーボード１２７によって操作者による指令又は自動的に本発明のプログラムが起動される。そして、ＣＰＵ１２２は当該プログラムに従って上述の画像特性判別処理方法を施し、その処理結果をＲＡＭ１２４やハードディスク１２６等の記録装置に格納し、必要により表示装置１２５などに出力する。以上のように、本発明の画像特性判別処理方法を実行するプログラムが記憶した媒体を用いることにより、既存のシステムを変えることなく、かつ画像特性判別処理システムを構築する装置を汎用的に使用することができる。
【００２６】
なお、本発明は上記実施の形態に限定されるものではなく、特許請求の範囲内の記載であれば多種の変形や置換可能であることは言うまでもない。
【図面の簡単な説明】
【００２７】
【図１】本発明の第１の実施の形態に係る画像特性判別処理方法の全体動作を示すフローチャートである。
【図２】第１の実施の形態におけるラン抽出動作の一例を示すフローチャートである。
【図３】第１の実施の形態における罫線認識処理動作の一例を示すフローチャートである。
【図４】第１の実施の形態におけるつぶれ領域候補抽出処理動作の一例を示すフローチャートである。
【図５】第１の実施の形態における画像認識対象の一例を示す図である。
【図６】第１の実施の形態における画像特性判別処理動作の一例を示すフローチャートである。
【図７】第１の実施の形態における画像特性判別処理動作の別の例を示すフローチャートである。
【図８】第１の実施の形態におけるつぶれ領域候補抽出処理動作の別の例を示すフローチャートである。
【図９】本発明の第２の実施の形態に係る画像特性処理方法の全体動作を示すフローチャートである。
【図１０】第２の実施の形態における罫線認識処理動作の一例を示すフローチャートである。
【図１１】第２の実施の形態における罫線認識処理動作の別の例を示すフローチャートである。
【図１２】本発明のシステム構成を示すブロック図である。
【符号の説明】
【００２８】
１２１；Ｉ／Ｆ、１２２；ＣＰＵ、１２３；ＲＯＭ、１２４；ＲＡＭ、
１２５；表示装置、１２６；ハードディスク、１２７；キーボード、
１２８；ＣＤ−ＲＯＭドライブ、１２９；記憶媒体。
【特許請求の範囲】
【請求項１】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、
該ラン抽出手段により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、
該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、
該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、
該単独罫線判別手段により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手段と、
該つぶれ画像判別手段により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段と
を有することを特徴とする画像特性判別処理装置。
【請求項２】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、
該ラン抽出手段により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、
該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、
該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、
該単独罫線判別手段により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手段と、
該かすれ画像判別手段により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段と
を有することを特徴とする画像特性判別処理装置。
【請求項３】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、
該ラン抽出工程により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、
該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、
該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、
該単独罫線判別工程により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別工程と、
該つぶれ画像判別工程により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程と
を有することを特徴とする画像特性判別処理方法。
【請求項４】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、
該ラン抽出工程により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、
該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、
該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、
該単独罫線判別工程により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別工程と、
該かすれ画像判別工程により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程と
を有することを特徴とする画像特性判別処理方法。
【請求項５】
コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、
該ラン抽出手順により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、
該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、
該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、
該単独罫線判別手順により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手順と、
該つぶれ画像判別工程により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順と
を実行させるプログラム。
【請求項６】
コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、
該ラン抽出手順により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、
該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、
該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、
該単独罫線判別手順により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手順と、
該かすれ画像判別手順により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順と
を実行させるプログラム。
【請求項７】
請求項５又は６に記載のプログラムを格納したコンピュータ読み取り可能な記憶媒体。
【請求項１】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、
該ラン抽出手段により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、
該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、
該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、
該単独罫線判別手段により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手段と、
該つぶれ画像判別手段により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段と
を有することを特徴とする画像特性判別処理装置。
【請求項２】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手段と、
該ラン抽出手段により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手段と、
該罫線ラン判別手段により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手段と、
該罫線抽出手段により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手段と、
該単独罫線判別手段により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手段と、
該かすれ画像判別手段により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手段と
を有することを特徴とする画像特性判別処理装置。
【請求項３】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、
該ラン抽出工程により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、
該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、
該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、
該単独罫線判別工程により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別工程と、
該つぶれ画像判別工程により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程と
を有することを特徴とする画像特性判別処理方法。
【請求項４】
光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出工程と、
該ラン抽出工程により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別工程と、
該罫線ラン判別工程により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出工程と、
該罫線抽出工程により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別工程と、
該単独罫線判別工程により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別工程と、
該かすれ画像判別工程により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別工程と
を有することを特徴とする画像特性判別処理方法。
【請求項５】
コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、
該ラン抽出手順により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、
該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、
該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、
該単独罫線判別手順により判別された単独罫線を計数し、単独罫線周辺近傍の黒画素密度を求め、求めた黒画素密度が所定値以上であればつぶれ文字上に誤認識された無効化罫線と判別し、当該無効化罫線の数が所定値以上であればつぶれ画像であると判別するつぶれ画像判別手順と、
該つぶれ画像判別工程により判別されたつぶれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順と
を実行させるプログラム。
【請求項６】
コンピュータに、光学的に読み取った画像データの主走査方向及び副走査方向の１ライン毎に黒画素連結を調べ、黒画素の連結が途切れた時に黒画素一塊をランとするラン抽出手順と、
該ラン抽出手順により抽出した前記ランの長さが所定値以上であるランを罫線ランとする罫線ラン判別手順と、
該罫線ラン判別手順により判別された罫線ランの数を計数して罫線ラン同士が所定値以内に存在している罫線ラン同士を罫線とする罫線抽出手順と、
該罫線抽出手順により抽出された全罫線を計数し、他の罫線と接触せずに単独で存在する罫線を単独罫線とする単独罫線判別手順と、
該単独罫線判別手順により判別された単独罫線を含む領域内を処理対象とするラン抽出処理を施し、抽出したランの数が所定値以上であればかすれ罫線であると判別し、当該かすれ罫線の数が所定値以上であればかすれ画像であると判別するかすれ画像判別手順と、
該かすれ画像判別手順により判別されたかすれ画像が占める割合に基づいて認識対象の画像の特性を判別する画像特性判別手順と
を実行させるプログラム。
【請求項７】
請求項５又は６に記載のプログラムを格納したコンピュータ読み取り可能な記憶媒体。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２００８−１１７４１８（Ｐ２００８−１１７４１８Ａ）
【公開日】平成２０年５月２２日（２００８．５．２２）
【国際特許分類】
【出願番号】特願２００７−３２９７６２（Ｐ２００７−３２９７６２）
【出願日】平成１９年１２月２１日（２００７．１２．２１）
【分割の表示】特願２００１−４３１４５（Ｐ２００１−４３１４５）の分割
【原出願日】平成１３年２月２０日（２００１．２．２０）
【出願人】（０００００６７４７）株式会社リコー (37,907)
【Ｆターム（参考）】
【公開日】平成２０年５月２２日（２００８．５．２２）
【国際特許分類】
【出願日】平成１９年１２月２１日（２００７．１２．２１）
【分割の表示】特願２００１−４３１４５（Ｐ２００１−４３１４５）の分割
【原出願日】平成１３年２月２０日（２００１．２．２０）
【出願人】（０００００６７４７）株式会社リコー (37,907)
【Ｆターム（参考）】
[ Back to top ]