JP2001014468A

JP2001014468A - 画像処理方法、画像処理装置、地肌除去方法および記録媒体

Info

Publication number: JP2001014468A
Application number: JP2000030025A
Authority: JP
Inventors: Goro Bessho; 吾朗別所; Michiyoshi Tachikawa; 道義立川; Toshifumi Yamaai; 敏文山合; Fumihiro Hasegawa; 史裕長谷川; Takayuki Nishimura; 隆之西村
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1999-04-27
Filing date: 2000-02-08
Publication date: 2001-01-19

Abstract

(57)【要約】【課題】帳票や図面などの画像中から地肌色のべた塗
り領域の境界線を抽出する。【解決手段】帳票画像から区切線を認識し（２）、塗
りつぶしパターンのサイズを変えながらべた塗り領域を
検索する（３）。矩形が連続しているものを統合し
（４）、小面積の領域を除いた、べた塗り領域を抽出し
（５）、輪郭線にフィルタ処理を行って小さな凸凹を除
き（６）、べた塗り領域に重なっている区切線を除去す
る（７）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、帳票や図面などの
画像中から、べた塗り領域を抽出し、その境界線（輪
郭）を認識する画像処理方法、装置およびべた塗り領域
抽出処理プログラムを記録した記録媒体、さらに地肌を
除去する地肌除去方法に関する。

【０００２】

【従来の技術】帳票などに記入された手書き文字または
活字文字、記号などを認識し、これをパソコンなどに自
動的に入力することにより、伝票などの入力作業を省力
化することが行われている。また、帳票などの表を読み
取り、認識する際に、罫線と文字、記号とを分離して認
識することが重要である。なお、本出願人は先に、図面
の輪郭（例えば建設図面の壁など）や表の区切線（例え
ば帳票の罫線など）を精度よく認識する画像認識方法を
提案した（特開平８−２２１５７１号公報を参照）。

【０００３】

【発明が解決しようとする課題】ところで、同一フォー
マットの定型帳票を複数読み取って、文字、記号などが
記入されている欄の位置合せを行う場合に、位置合わせ
の精度が悪いと認識率が低下してしまう問題がある。

【０００４】本発明は上記した問題点を解決するために
なされたもので、本発明の目的は、帳票や図面などの画
像中から地肌色のべた塗り領域の境界線を抽出し、べた
塗り領域を位置合わせに利用する画像処理方法、装置お
よび記録媒体を提供することにある。

【０００５】本発明の他の目的は、地肌色や網掛けなど
をノイズとして除去し、文字や罫線のみが認識しやすい
ように２値化する地肌除去方法を提供することにある。

【０００６】本発明のさらに他の目的は、地肌領域また
は網掛け領域をべた塗り状態の領域に変換した後、べた
塗り状態の領域を抽出する画像処理方法を提供すること
にある。

【０００７】

【課題を解決するための手段】本発明では、帳票などの
入力画像から区切線を認識し、入力画像から正方形のパ
ターンサイズを変えながら矩形領域を検索し、連続して
いる矩形を統合すると共に小面積の矩形領域を除くこと
により、べた塗り領域を抽出し、べた塗り領域の輪郭線
にフィルタ処理を行って小さな凸凹を除き、また、べた
塗り領域に重なっている区切線を除去する。

【０００８】また、本発明では、帳票などの多値画像の
領域全体に対して判別分析法を適用して、しきい値を決
定し、多値画像を２値画像に変換し、変換した２値画像
からべた塗り領域を抽出する。べた塗り領域と、全領域
からべた塗り領域を除いた領域に対して、それぞれ判別
分析法を適用して、それぞれしきい値を決定し、それぞ
れの多値画像をそれぞれのしきい値で２値化し、地肌を
除去した２値画像に変換する。

【０００９】さらに、本発明では、帳票などを２値画像
データとして読み取り、画像データ中の所定濃度以上の
地肌領域または網掛け領域が、べた塗り状態になるまで
膨張処理を繰り返し、べた塗り状態の領域を抽出する。

【００１０】

【発明の実施の形態】以下、本発明の一実施例を図面を
用いて具体的に説明する。（実施例１）図１は、本発明
の実施例１の構成を示す。図において、１はスキャナな
どの画像入力部、２は区切り線認識部、３はべた塗りパ
ターン検索部、４は領域統合部、５はべた塗り領域抽出
部、６はフィルタ処理部、７は区切り線除去部である。
また、図２、３は、本発明の処理フローチャートであ
る。

【００１１】以下、図２、３を参照して本発明の処理動
作を説明する。まず、ステップ１０１において、画像入
力部１では、帳票または図面を２値画像データとして読
み取る。図４は、帳票画像の一例を示す。なお、帳票な
どの画像は、図示しないネットワークなどを介して受信
するようにしてもよい。

【００１２】ステップ１０２において、区切り線認識部
２は帳票などの２値画像データから罫線、枠線などを認
識する。罫線、枠線などを認識する方法としては、例え
ば前掲した公報に記載された方法など公知の方法を用い
る。

【００１３】ステップ１０３からステップ１１０までの
処理が、べた塗りパターン検索部３と領域統合部４で実
行されるべた塗り領域の検索処理の流れである。ステッ
プ１０３では、所定濃度の地肌色のべた塗り領域を検索
するための前処理として、べた塗りパターン検索部３で
は、検索するべた塗り正方形パターンサイズの初期値
（２のべき乗指数：ｎ）を設定する。検索する正方形パ
ターンのサイズは、２のｎ乗からｎを１ずつ減らし、小
さいサイズに移行していく。２のｎ乗が最大サイズのべ
た塗り領域に内接する最大正方形の１辺の長さに相当す
るように、ｎの値を決定する。例えば、帳票を４００ｄ
ｐｉで読み込んだ場合、ｎ＝８で実行した結果が、図５
に示す最大サイズの正方形である。

【００１４】ステップ１０４では、べた塗り領域を検索
する一連の処理の終了判定を行う。ｎがｎ（ｍｉｎ）よ
り小さくなれば、べた塗り領域検索処理を終了する。こ
こで、ｎ（ｍｉｎ）は、最低ドットサイズである。すな
わち、文字やノイズなどと、べた塗り領域の一部とを識
別するためのサイズのしきい値であり、例えばｎ（ｍｉ
ｎ）＝３（８ドット）である。

【００１５】また、ｎがｎ（ｍｉｎ）より小さくなけれ
ば、ステップ１０５に移る。ステップ１０５では、処理
効率を考慮して、べた塗り領域を検索する正方形のサイ
ズを判定している。ｎがｎｓより大きければ、ステップ
１０６に移行する。また、ｎがｎｓより大きくなけれ
ば、ステップ１０７移行する。ここで、ｎｓは、べた塗
り領域を検索する正方形サイズの大小を分けるしきい値
であり、例えばｎｓ＝３（８ドット）である。

【００１６】ステップ１０６では、画像の全領域を１辺
が２のｎ乗サイズの正方形の桝目に分割して、左上から
右下までの全ての領域をべた塗りパターンで検索する。
その後、ステップ１０８に移行する。

【００１７】ステップ１０７では、画像の全領域を１辺
が２のｎ乗サイズの正方形の桝目に分割して左上から右
下までの全てをべた塗りパターンで検索するのではな
く、ステップ１０６の方法で既に検索済みのより大きい
正方形に隣接する周辺の画像領域に対し、２のｎ乗サイ
ズの正方形のべた塗りパターンで検索する。その後、ス
テップ１０８に移行する。

【００１８】ステップ１０６とステップ１０７の両方の
処理で検索した結果を、図５に示す。図５において、最
小の正方形がステップ１０７で検索されたべた塗り領域
であり、それより大きい正方形が、ステップ１０６で検
索されたべた塗り領域である。なお、図５は、ｎ（ｍｉ
ｎ）＝ｎｓ＝３で実行したものである。

【００１９】ステップ１０８において、領域統合部４で
は、処理効率を上げるために、上記ステップ１０６とス
テップ１０７で検索したべた塗り領域の管理情報（正方
形の群）を統合するための判定を行う。すなわち、上下
または左右に同じ大きさの矩形が連続して検索されてい
るか否かを判定し、ＹＥＳであれば、統合する処理であ
るステップ１０９に移行する。ＮＯであれば、統合する
ことなくステップ１１０に移行する。

【００２０】ステップ１０９は、単一の矩形情報に統合
する処理である。すなわち、上下または左右に矩形が複
数連続していても単一矩形として処理できるものを見つ
け出して、これらを統合することにより情報量を削減
し、ステップ１１０に移行する。

【００２１】ステップ１０８とステップ１０９の処理に
よって、矩形情報を統合した例を、図６に示す。図５
は、統合する前の矩形情報である。

【００２２】ステップ１１０の処理は、次の大きさの正
方形パターンの検索を行う準備のために、その１辺のサ
イズを１／２にする処理である。その後、ステップ１０
４に戻って、次の大きさの正方形の検索を行う。

【００２３】ステップ１１１以降の処理は、検索された
べた塗り領域を使用して、帳票処理に必要な処理、つま
りべた塗り領域の輪郭抽出と、誤認織した区切線の除去
を行う。ステップ１１１において、べた塗り領域抽出部
５は、以下の処理の準備として、上記検索済みのべた塗
り認識矩形の全てに対し、接続するもの同士によるグル
ープ（群）分けを行う。具体的には、全てのべた塗り認
識矩形に対して所属するグループＮＯを付ける。グルー
プ数はＭ個とし、グループＮＯは、Ｏ〜（Ｍ−１）で表
す。グループ分けの方法としては、どのような方法を用
いてもよい。

【００２４】続いて、ステップ１１２では、ステップ１
１１でグループ分けされたべた塗り矩形領域をグループ
別に処理するための識別カウンタｍを０に初期設定し、
ステップ１１３（図３）処理に進む。

【００２５】ステップ１１３では、グループ識別カウン
タｍの終了判定を行う。すなわち、ｍ＜Ｍであれば、グ
ループ別処理が継続中であるので、ステップ１１４に移
行する。また、ｍ＜ＭがＮＯであれば、グループ別処理
が終了したので、全ての処理を終了する。

【００２６】ステップ１１４では、ｍ番目にグループ分
けされた接続するべた塗り領域群が、ノイズなどではな
く、帳票上のべた塗り領域であるか否かを、面積の大き
さが許容値以上であるか否かを基に判定する。面積の許
容値に相当するしきい値として、例えば、４００ｄｐｉ
で読み取った帳票の場合、６４×６４ｄｏｔを使用す
る。面積がしきい値より小さい場合はステップ１１５に
移行し、小さくない場合は、ステップ１１６に移行す
る。

【００２７】ステップ１１５では、ｍ番目に接続するべ
た塗り領域群はノイズと判定し、そのグループに属する
べた塗り認識矩形情報を全て削除して、ステップ１２０
に移行する。ステップ１１４およびステップ１１５で処
理した結果の例を図７に示す。処理前の図６と比較し
て、小面積の矩形からなる領域群（例えば、文字
「動」、「車」中の領域群）が除かれている。

【００２８】ステップ１１６では、べた塗り領域群の面
積が許容条件を満たしていると判定し、帳票処理に必要
な処理（べた塗り領域の輪郭抽出と、誤抽出した区切線
の除去）のために、まず、ｍ番目の接続するべた塗り領
域群の最外郭線（輪郭）を取得し、ステップ１１７に移
行する。

【００２９】ステップ１１７において、フィルタ処理部
６は、取得した最外郭線に対し、水平および垂直方向線
にのみローパスフィルタリングを行い、小さい凸凹を除
いた直線にする。ステップ１１７で処理した結果の例を
図８に示す。その後、帳票処理に必要な処理である、誤
抽出した区切線などの除去のためにステップ１１８に移
行する。

【００３０】ステップ１１８において、区切線除去部７
は、先のステップ１０２における図面認識処理で認識・
抽出された区切線などが、ｍ番目の接続するべた塗り領
域群に重なっているか否かを判定する。ＹＥＳであれ
ば、区切線などが誤認識されたものとみなして、ステッ
プ１１９に移行する。ＮＯであれば、区切線などが正し
く認識されたものとみなし、その情報を保存し、ステッ
プ１２０に移行する。

【００３１】ステップ１１９では、ステップ１１８の判
定を基に、誤認識されたとみなされる区切線などが、ｍ
番目の接続するべた塗り領域群に重なっている箇所を除
去し、ステップ１２０に移行する。ステップ１２０で
は、次の接続するべた塗り領域群の処理の準備のため
に、識別カウンタを＋１して、ステップ１１３に戻る。

【００３２】なお、上記した実施例では帳票画像を例に
説明したが、本発明はこれに限定されず、建設図面（家
屋図面）の画像などにも適用することができる。家屋図
面に適用する場合には、図面認識時に、壁などの骨格線
が認識される。

【００３３】また、本発明は上記した実施例に限定され
ず、ソフトウェアによっても実現することができる。本
発明をソフトウェアによって実現する場合には、図９に
示すように、ＣＰＵ、メモリ、表示装置、ハードディス
ク、キーボード、ＣＤ−ＲＯＭドライブ、スキャナなど
からなるコンピュータシステムを用意し、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体には、本発
明に係るべた塗り領域を抽出する機能を実現するプログ
ラムが記録されていて、このプログラムをシステムにイ
ンストールする。また、スキャナなどの画像入力手段か
ら入力された帳票などの画像は一時的にハードディスク
などに格納される。そして、該プログラムが起動される
と、一時保存された画像データが読み込まれて、べた塗
り領域を抽出する処理を実行し、その抽出結果をディス
プレイなどに出力する。

【００３４】（実施例２）本実施例は、帳票や図面など
をスキャナで読み取った多値画像から、地肌色や網掛け
などをノイズとして除去し、文字や罫線のみが認識しや
すいように２値化する実施例である。

【００３５】図１０は、本発明の実施例２の構成を示
す。また、図１１は、本発明の実施例２に係る処理フロ
ーチャートである。

【００３６】ステップ２０１において、多値画像入力部
１１では、帳票または図面を多値画像データとして読み
取り、メモリ１２に記憶する。図１２は、帳票の多値
（２５６階調）画像データの例を示す。なお、帳票など
の画像データ（多値画像データあるいはそのランレング
スを符号化した画像データ）は、図示しないネットワー
クなどを介して受信するようにしてもよい。

【００３７】ステップ２０２において、２値画像変換部
１３は、高濃度の領域を抽出するために、判別分析法に
よって画像の全領域の２値化しきい値を求め、画像を多
値から２値に変換し、変換部内のメモリに格納する。図
１３は、多値画像を２値画像に変換した例を示す。

【００３８】ステップ２０３において、べた塗り領域抽
出部１４は、上記変換部１３内に格納された２値画像か
ら、実施例１で説明したように、べた塗り領域を抽出
し、その位置情報とべた塗り領域の個数Ｎを抽出部内の
メモリに格納する。図１４は、２値画像から、べた塗り
領域を抽出した例を示す。

【００３９】ステップ２０４では、Ｎが０より大きけれ
ばステップ２０５に進み、Ｎが０より大きくなければ、
ステップ２０７に進む。ステップ２０４以下の処理は、
領域別多値／２値変換部１５で実行される。

【００４０】ステップ２０５では、ステップ２０１の処
理でメモリ１２上に格納した多値画像データに対して、
Ｎ番目のべた塗り領域に対応する箇所に判別分析法を適
用して、白黒判別の境界しきい値を求め、多値画像を２
値画像に変換し、ステップ２０６に進む。ステップ２０
６では、Ｎを−１し、ステップ２０４に戻り、次のべた
塗り領域に対応する箇所の多値画像を２値画像に変換す
る。

【００４１】ステップ２０７では、べた塗り領域以外の
領域に対応する箇所に判別分析法を適用して、白黒判別
の境界しきい値を求め、多値画像を２値画像に変換し、
ステップ２０８に進む。図１５は、領域別に多値／２値
変換を行った結果を示す。ステップ２０８では、図示し
ない認識部で、２値画像データから帳票の罫線などを公
知の認識方法によって認識する。

【００４２】なお、本実施例においても、実施例１で説
明したと同様にしてソフトウェアによって実現できる。

【００４３】（実施例３）帳票や図面などにおいて、強
調したい領域を色分けしたりあるいは網掛けしている
が、帳票の罫線あるいは図面の区切り線、骨格線を認識
する際に、上記した領域を識別する必要がある。

【００４４】本実施例は、地肌濃度の高い領域あるいは
網掛け領域を抽出する実施例である。なお、本発明は、
家屋図面を認識する場合に、木造板張りと表現された
「床上げ表現」領域を抽出する例にも適用することがで
きる。

【００４５】図１６は、本発明の実施例３の構成を示
し、また、図１７は、本発明の実施例３に係る処理フロ
ーチャートである。

【００４６】ステップ３０１において、画像入力部２１
では、帳票または図面を２値画像データとして読み取
る。図１８は、２値の帳票画像データの例を示す。な
お、帳票などの画像データ（２値画像データあるいはそ
のランレングスを符号化した画像データ）は、図示しな
いネットワークなどを介して受信するようにしてもよ
い。

【００４７】ステップ３０２において、区切線認識部２
２では、帳票または図面の２値画像データから、区切り
線、骨格線を公知の方法によって認識する。

【００４８】ステップ３０３以下の処理で、地肌濃度の
高い領域あるいは網掛け領域を、べた塗り領域に変換す
る。まず、ステップ３０３では、画像膨張機能を用いて
地肌濃度の高い領域あるいは網掛け領域を、べた塗り領
域に変換するときの膨張サイズを決定するための前処理
として、画素塊計数部２３は、現在の画像の黒ドットか
らなる領域数（以下、黒ドット領域数）ＢｅｆｏｒＩＣ
ｎｔと、白ドットからなる領域数（以下、白ドット領域
数）ＢｅｆｏｒＬＣｎｔを計測する。その結果を、前回
情報の格納エリアにそれぞれ格納する。ここで、領域数
とは、それぞれ黒ドットが接続している固まりの数、白
ドットが接続している固まりの数を表す。なお、上記し
た各領域の識別方法およびその計測方法は公知の方法を
用いる。

【００４９】ステップ３０４において、膨張処理部２４
では、画像の全黒画素に対して、１ドット幅（８近傍）
の画像膨張処理を行う。この画像膨張処理は、公知の手
法を用いる。なお、この膨張処理には収縮処理も含まれ
る。

【００５０】ステップ３０５では、ステップ３０４の処
理で画像膨張した後の画像について、黒ドット領域数Ｎ
ｏｗＩＣｎｔと白ドット領域数ＮｏｗＬＣｎｔを計測す
る。そして、その結果を、現在領域情報の格納エリアに
それぞれ格納する。図１９は、画像の膨張、収縮処理に
よって黒ドット領域数と白ドット領域数が変化する例を
示す。

【００５１】ステップ３０６では、前回の黒ドット領域
数と現在の黒ドット領域数、前回の白ドット領域数と現
在の白ドット領域数をそれぞれ比較し、顕著な変化が続
いているか否かの判定を行い、その変化が顕著である間
は、画像膨張処理を継続する。例えば、（現在の黒ドッ
ト領域数）／（前回の黒ドット領域数）が、所定の閾値
ＴｈＩより小さく、かつ（現在の白ドット領域数）／
（前回の白ドット領域数）が、所定の閾値ＴｈＬより小
さいとき、画像膨張によるカスレ処理に効果があると判
断し、画像膨張処理を継続するために、ステップ３０７
に進む。ステップ３０６でＮＯであれば、画像膨張処理
のループから抜けて、ステップ３０９に進む。

【００５２】ステップ３０７では、前回の黒ドット領域
数を現在の黒ドット領域数で置き換え、次の画像膨張処
理と、その結果の判定処理の準備を行う。

【００５３】ステップ３０８では、前回の白ドット領域
数を現在の白ドット領域数で置き換え、次の画像膨張処
理と、その結果の判定処理の準備を行い、ステップ３０
４に戻り、画像膨張処理を行う。

【００５４】ステップ３０９では、地肌濃度の高い領域
あるいは網掛け領域を、べた塗り領域に変換した結果を
用いて、実施例１で説明した、べた塗り領域の抽出処理
を抽出部２５で行う。図２０は、地肌濃度の高い領域あ
るいは網掛け領域が、べた塗り領域に変換された例を示
す。また、以下の処理の準備として、上記抽出済みのべ
た塗り認識矩形の全てに対し、接続するもの同士による
グループ（群）分けを行う。具体的には、全てのべた塗
り認識矩形に対して所属するグループＮＯを付ける。グ
ループ数はＭ個とし、グループＮＯは、Ｏ〜（Ｍ−１）
で表す。なお、グループ分けの方法としては公知の方法
を用いればよい。

【００５５】ステップ３１０では、ステップ３０９でグ
ループ分けされた、べた塗り矩形領域をグループ別に処
理するための識別カウンタｍを０に初期設定する。ステ
ップ３１１では、グループ識別カウンタｍの終了判定を
行い、ｍ＜ＭがＹＥＳであれば、グループ別処理が継続
中と判定し、ステップ３１２に進む。また、ＮＯであれ
ば、グループ別処理が終了したと判定し、全ての処理が
終了する。図２１は、抽出されたべた塗り領域（黒のべ
た塗り領域）を示す。

【００５６】ステップ３１２では、ステップ３０２で認
識処理された区切り線や骨格線が、接続するべた塗り領
域群ｍに重なっているか否かを判定する。ＹＥＳであれ
ば、区切り線や骨格線が誤認識されたと判定し、ステッ
プ３１３に進み、ＮＯであれば、認識された区切り線や
骨格線を保存し、ステップ３１４に進む。

【００５７】ステップ３１３では、誤認識された区切り
線や骨格線が、ｍ番目の接続するべた塗り領域群に重な
る箇所を、区切線除去部２６で除去し、ステップ３１４
に進む。ステップ３１４では、識別カウンタを＋１して
ステップ３１１に戻る。

【００５８】なお、本実施例においても、実施例１と同
様にソフトウェアによって実現できる。

【００５９】

【発明の効果】以上、説明したように、本発明によれ
ば、スキャナで読み取った帳票画像や図面画像中から、
濃いあるいは薄い地肌色のべた塗り領域の境界線を高速
かつ精度よく抽出することができる。また、帳票内の枠
線などの区切線や家屋図面の骨格線を認識する機能と組
み合わせているので、抽出された帳票内の区切線や図面
の骨格線がべた塗り領域に重なっている場合は、それを
べた塗り領域から除くことができる。

【００６０】また、スキャナの読取り濃度が合わない
（べた塗りになった）領域を読み取り条件を変えて読み
込む場合に、べた塗り箇所を高速に検索して特定するこ
とが可能になる。

【００６１】さらに、同一フォーマットの定型帳票を複
数読み取って欄の位置合せを行う場合に、べた塗り領域
を使用することにより高速に位置合せをすることができ
る。

【００６２】また、本発明によれば、地肌色や網掛けな
どをノイズとして除去し、文字や罫線のみが鮮鋭化され
るように２値化することができる。従って、地肌の濃度
が高い領域に記入された文字でもＯＣＲ処理することが
できる。また、着色した地肌または濃淡のある帳票を印
刷あるいは記録する場合にも、２値画像で処理できるの
で、メモリの容量を削減できる。さらに、帳票画像全体
を多値／２値変換することにより得られる２値画像と、
領域別に多値／２値変換することにより得られる２値画
像とを、それぞれ例えば機密性の帳票画像と公開性の帳
票画像とに分けて使用することもできる。

【００６３】さらに、本発明によれば、地肌濃度の高い
領域あるいは網掛け領域をべた塗り領域に変換している
ので、高速かつ精度よく地肌濃度の高い領域あるいは網
掛け領域を抽出することができ、また、べた塗り領域に
重なっている区切り線を正確に除去することが可能とな
る。

【図面の簡単な説明】

【図１】本発明の実施例１の構成を示す。

【図２】本発明の実施例１の処理フローチャートを示
す。

【図３】図２の続きの処理フローチャートである。

【図４】帳票画像の一例を示す。

【図５】べた塗りの正方形を抽出した画像の例を示す。

【図６】べた塗り矩形を統合した画像の例を示す。

【図７】接続するべた塗り領域群から小面積を除いた画
像の例を示す。

【図８】接続するべた塗り領域群の輪郭線に対してフィ
ルタ処理した画像を示す。

【図９】本発明をソフトウェアによって実現する場合の
構成例を示す。

【図１０】本発明の実施例２の構成を示す。

【図１１】本発明の実施例２に係る処理フローチャート
である。

【図１２】帳票の多値（２５６階調）画像データの例を
示す。

【図１３】多値画像を２値画像に変換した例を示す。

【図１４】２値画像から、べた塗り領域を抽出した例を
示す。

【図１５】領域別に多値／２値変換を行った結果を示
す。

【図１６】本発明の実施例３の構成を示す。

【図１７】本発明の実施例３に係る処理フローチャート
である。

【図１８】２値の帳票画像データの例を示す。

【図１９】画像の膨張、収縮処理によって黒ドット領域
数と白ドット領域数が変化する例を示す。

【図２０】地肌濃度の高い領域あるいは網掛け領域が、
べた塗り領域に変換された例を示す。

【図２１】抽出されたべた塗り領域を示す。

【符号の説明】

１画像入力部２区切線認識部３べた塗りパターン検索部４領域統合部５べた塗り領域抽出部６フィルタ処理部７区切線除去部

───────────────────────────────────────────────────── フロントページの続き (72)発明者山合敏文東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者長谷川史裕東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者西村隆之鳥取県鳥取市千代水一丁目百番地アイシン千代ビルリコー鳥取技術開発株式会社内Ｆターム(参考） 5B029 BB02 CC27 CC28 DD05 5B050 BA16 EA02 EA06 EA14 5B080 GA25 5L096 BA17 EA02 EA37 EA43 FA03 FA06 FA59 GA55

Claims

【特許請求の範囲】

【請求項１】画像中から所定形状のパターンを順次大
きさを変えながら検索することにより、べた塗り領域を
抽出することを特徴とする画像処理方法。
【請求項２】前記所定形状の第１の大きさのパターン
を検索した後、前記第１のパターンに隣接する周辺の領
域から前記第１の大きさより小さい第２の大きさのパタ
ーンを検索することを特徴とする請求項１記載の画像処
理方法。
【請求項３】前記検索されたパターンの大きさが同一
で、かつ連続しているとき、それらを一つの領域に統合
することを特徴とする請求項１または２記載の画像処理
方法。
【請求項４】前記パターンは、１辺が２のｎ乗で、ｎ
を大きい値から順次小さい値に連続して変えることによ
り生成される、異なる大きさの正方形のパターンである
ことを特徴とする請求項１、２または３記載の画像処理
方法。
【請求項５】前記統合後の領域が相互に接続している
領域群について、該領域群の面積が所定のしきい値を超
えるとき、べた塗り領域として抽出することを特徴とす
る請求項３記載の画像処理方法。
【請求項６】前記抽出されたべた塗り領域の輪郭に対
してフィルタリングを実行することを特徴とする請求項
１または５記載の画像処理方法。
【請求項７】前記べた塗り領域に、区切線を含む線分
が重なっているとき、該線分を除去することを特徴とす
る請求項１記載の画像処理方法。
【請求項８】画像中から所定形状のパターンを順次大
きさを変えながら検索する手段と、前記検索された同一
パターンを一つの領域に統合する手段と、相互に接続す
る領域の群の内、所定の面積を超える領域群をべた塗り
領域として抽出する手段と、前記べた塗り領域の輪郭に
対してフィルタ処理する手段と、前記べた塗り領域から
所定の線分を除去する手段とを備えたことを特徴とする
画像処理装置。
【請求項９】画像中から所定形状のパターンを順次大
きさを変えながら検索する機能と、前記検索されたパタ
ーンを基にべた塗り領域を抽出する機能をコンピュータ
に実現させるためのプログラムを記録したコンピュータ
読み取り可能な記録媒体。
【請求項１０】多値画像から地肌を除去する地肌除去
方法であって、前記多値画像の全領域に対して判別分析
法を適用してしきい値を決定し、前記多値画像を前記し
きい値で２値化することにより２値画像に変換した後、
前記２値画像からべた塗り領域を抽出し、該べた塗り領
域（以下、第１の領域）の多値画像と、全領域から前記
第１の領域を除いた領域（以下、第２の領域）の多値画
像に対してそれぞれ判別分析法を適用して、それぞれし
きい値を決定し、前記第１、第２の多値画像をそれぞれ
のしきい値で２値化することにより地肌を除去すること
を特徴とする地肌除去方法。
【請求項１１】２値画像に対して膨張処理を繰り返し
実行することにより、前記画像中の所定領域をべた塗り
状態の領域に変換し、該べた塗り領域を抽出することを
特徴とする画像処理方法。
【請求項１２】前記所定領域における、膨張処理の前
後の黒画素および白画素の塊の数の変化量が所定値を超
えている間、前記膨張処理を実行することを特徴とする
請求項１１記載の画像処理方法。
【請求項１３】前記所定領域は、地肌濃度の高い領域
または網掛け領域であることを特徴とする請求項１１記
載の画像処理方法。
【請求項１４】前記べた塗り領域に、予め認識された
区切線を含む線分が重なっているとき、該線分を除去す
ることを特徴とする請求項１４記載の画像処理方法。