JP2002157550A - 文字認識装置、文字認識方法、および記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 文字認識処理の前処理で画像データのノイズ
を高精度に除去することによって、文字認識の全体とし
ての精度を向上させる文字認識装置を提供する。 【解決手段】 文字画像から行を切り出す行切出し部４
０と、行切出し部４０で切り出された行に関する情報を
基に画像の一部を取捨選択する基準値を設定し、この基
準値により切り出された行から画像の一部を選択してか
ら文字画像を切り出す文字切出し部５０と、文字切出し
部５０で切り出された文字画像に対し文字認識を行う文
字認識部６０とを備えた。また、文字切出し部５０は行
切出し部４０で切り出された行に関する情報を基に画像
の一部を取捨選択する基準値を設定し、この基準値によ
り切り出された行から画像の一部を選択してから文字画
像を切り出す。文字認識部６０は文字切出し部５０で切
り出された文字画像に対し文字認識を行って、認識結果
の文字ごとに確信度を算出する。そして、文字認識部６
０で算出された確信度の低い行に対し、画像の一部を取
捨選択する基準値を変更して、再度、行切り出しを行っ
て文字認識するようにした。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力された画像デ
ータから文字画像を切り出し、文字認識する文字認識装
置、文字認識方法および記録媒体に関し、特に、文字認
識する際の文字行の切出しの仕方を改良した技術に関す
る。

【０００２】

【従来の技術】近年、スキャナ等から計算機に取り込ん
だ文書画像データ中の文字画像を識別し、文字コードと
して出力する光学的文字読取（ＯＣＲ）ソフトウェア
は、非常に広範囲に用いられている。これは、文字コー
ドとして電子データ化した情報は紙ベースのものや画像
データと比較して、再利用が容易であって、保管や交換
も効率的に行えるというメリットを持つためである。一
般に、画像中の文字を認識する場合は、印刷文字、手書
き文字等を光学的に走査し、読み取って量子化された画
像データを得る。次に、この画像データから画像上の文
字行と対応する文字行データを切り出す。次に、この文
字行データから文字パターンデータを切り出して、正規
化、雑音除去等を行った文字画像データを得る。次に、
この文字画像データから特徴を抽出し、この特徴に基づ
いて画像データをパターンマッチング等の手法により判
断して文字認識する。

【０００３】このような文字認識処理中での画像データ
から文字行データを切り出す方法には、次のような二つ
の方法に大別される。 （Ａ）黒画素を行方向に射影する方法 文字行方向を主走査方向、文字列方向を副走査方向とし
て、文書を走査し、主走査方向の黒画素を副走査方向に
射影した黒画素の分布を作成する。この黒画素の分布が
「０」から「１」以上に変化する位置から、「１」以上
から「０」に変化する直前の位置までの領域に対応する
画像データ部分が文字行データとして切り出される。 （Ｂ）黒画素の連結矩形を統合する方法 画像データの連結黒画素の外接矩形を設定し、近隣の矩
形同士は同一行に属すると判断し、その近隣の矩形を統
合していき、一つの行を作成する。また、文字の切り出
し方法には、切り出された行の画像を垂直射影すること
によって文字存在部分の矩形領域を切り出し、この矩形
領域を予め設定された標準文字サイズをもとに結合また
は分離することによって、個々の文字の矩形を生成する
方法がある（特開平６−３２５２０７号公報）。また、
特開平５−３５９１３号公報の技術では、横書きの場
合、従来技術では横方向の分割しか行わなかった行切り
出し処理を、縦方向にも行い、複雑なレイアウトの行を
正しく切り出すようにしている。

【０００４】

【発明が解決しようとする課題】しかしながら、特開平
５−３５９１３号公報の方法では、原稿全般にわたって
のノイズ混入や、形の不定な、原稿汚れなど、縦横の直
線で分離できないものに対しては効果を発揮することが
できない。また、特開平６−３２５２０７号公報の方法
でも、原稿全般にわたってのノイズ混入や、形の不定、
原稿汚れ等は、短い仮文字行の範囲でも行に包含されて
しまうので、それらの連結によって行全体を正しく切り
出しはできない。本発明は、上記の問題点を解決するた
めに、文字認識処理の前処理において、画像データのノ
イズを高精度に除去することによって、文字認識の全体
としての精度を向上させる文字認識装置、文字認識方
法、および記録媒体を提案することを目的とする。

【０００５】

【課題を解決するための手段】上記の問題を解決するた
めに、請求項１に記載の発明は、文字画像に対し文字認
識を行う文字認識装置において、前記文字画像から行を
切り出す行切出し部と、前記行切出し部で切り出された
行に関する情報を基に画像の一部を取捨選択する基準値
を設定し、この基準値により切り出された行から画像の
一部を選択してから文字画像を切り出す文字切出し部
と、前記文字切出し部で切り出された文字画像に対し文
字認識を行う文字認識部とを備えたことを特徴とする。
また、請求項２に記載の発明は、文字画像に対し文字認
識を行う文字認識装置において、前記文字画像から行を
切り出す行切出し部と、前記行切出し部で切り出された
行に関する情報を基に画像の一部を取捨選択する基準値
を設定し、この基準値により切り出された行から画像の
一部を選択してから文字画像を切り出す文字切出し部
と、前記文字切出し部で切り出された文字画像に対し文
字認識を行って、認識結果の文字ごとに確信度を算出す
る文字認識部とを備え、前記文字認識部で算出された確
信度の低い行に対し、画像の一部を取捨選択する基準値
を変更して、再度、行切り出しを行って文字認識するよ
うにしたことを特徴とする。また、請求項３に記載の発
明は、請求項１または請求項２に記載の文字認識装置に
おいて、前記文字認識部で文字認識された結果と、その
結果に対応する文字画像とを対比させて出力する結果出
力部とを備えたことを特徴とする。また、請求項４に記
載の発明は、文字画像に対し文字認識を行う文字認識方
法において、前記文字画像から行を切り出し、この切り
出された行に関する情報を基に画像の一部を取捨選択す
る基準値を設定し、この基準値により切り出された行か
ら画像の一部を選択してから文字画像を切り出して、そ
の文字画像に対し文字認識を行うようにしたことを特徴
とする。

【０００６】また、請求項５に記載の発明は、文字画像
に対し文字認識を行う文字認識方法において、前記文字
画像から行を切り出し、この切り出された行に関する情
報を基に画像の一部を取捨選択する基準値を設定し、こ
の基準値により切り出された行から画像の一部を選択し
てから文字画像を切り出し、この切り出された文字画像
に対し文字認識を行って、認識結果の文字ごとに確信度
を算出し、算出された確信度の低い行に対し、画像の一
部を取捨選択する基準値を変更して、再度、行切り出し
を行うようにして文字認識することを特徴とする。ま
た、請求項６に記載の発明は、コンピュータを、文字画
像に対し文字認識を行う文字認識装置として機能させる
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
な記録媒体であって、前記文字画像から行を切り出す行
切出し部と、前記行切出し部で切り出された行に関する
情報を基に画像の一部を取捨選択する基準値を設定し、
この基準値により切り出された行から画像の一部を選択
してから文字画像を切り出す文字切出し部と、前記文字
切出し部で切り出された文字画像に対し文字認識を行う
文字認識部と、前記文字認識部で文字認識された結果
と、その結果に対応する文字画像とを対比させて出力す
る結果出力部とを備えた文字認識プログラムを記録した
ことを特徴とする。また、請求項７に記載の発明は、コ
ンピュータを、文字画像に対し文字認識を行う文字認識
装置として機能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であって、前記文字画
像から行を切り出す行切出し部と、前記行切出し部で切
り出された行に関する情報を基に画像の一部を取捨選択
する基準値を設定し、この基準値により切り出された行
から画像の一部を選択してから文字画像を切り出す文字
切出し部と、前記文字切出し部で切り出された文字画像
に対し文字認識を行って、認識結果の文字ごとに確信度
を算出する文字認識部と、前記文字認識部で文字認識さ
れた結果と、その結果に対応する文字画像とを対比させ
て出力する結果出力部とを備え、前記文字認識部で算出
された確信度の低い行に対し、画像の一部を取捨選択す
る基準値を変更して、再度、行切り出しを行って文字認
識する文字認識プログラムを記録したことを特徴とす
る。

【０００７】

【発明の実施の形態】以下に、図面を用いて本発明の実
施の形態の構成および動作を詳細に述べる。この実施の
形態を説明するために、図２に示すような原稿を用い
る。なお、この実施の形態では、日本語文の横書原稿を
例に用いるが、特にことわらない限り、本発明はここで
説明する実施の形態に限定されるものではなく、一旦、
行切り出し処理を確定し、文字サイズを推定した後、推
定した文字サイズを利用して有効画像を判断し、文字認
識処理を行うことによって、高精度に文字切り出し処理
を行うことを示すものであり特定の言語、文字画像種類
(手書き／活字文字など)、書式(縦書き／横書き)に限
定されるものではない。

【０００８】＜実施の形態＞ （１）実施の形態の構成 図１は、本発明の実施の形態の文字認識装置の構成を示
すブロック図である。この実施の形態の文字認識装置１
００は、制御部１０、画像入力部２０、矩形抽出部３
０、行切出し部４０、文字切出し部５０、文字認識部６
０、結果出力部７０、原画像記憶部２５、認識辞書６
５、認識結果記憶部７５から構成されている。制御部１
０は、スキャナやファイルからの画像を読み取り、画像
情報から文字認識し、最終結果である認識結果を出力す
るまでの全体を制御する。画像入力部２０は、スキャナ
やファイルからの画像（図２参照）を読み取り、その画
像データを原画像記憶部２５へ格納する。矩形抽出部３
０は、原画像記憶部２５に記憶された画像データの黒画
素の連結を探索し、それと外接する矩形を作成する（図
３参照）。行切出し部４０は、矩形抽出部３０で抽出さ
れた矩形から行を切り出す。図２や図４の原稿のよう
に、文字画像は、さまざまのサイズの黒画素から構成さ
れているが、行を切り出すとき、ノイズや罫線等、文字
画像を構成している黒画素とは思えない著しく大きい矩
形、あるいは著しく小さい矩形を予め設定している有効
矩形を判定する基準値（矩形サイズ、矩形の存在位置等
の矩形を特徴付ける複数の値から決定される）を用いて
無効と判定し、残りの有効と判断された近隣同士の矩形
を統合して行き、これを行として切り出す。図３や図５
は、文字矩形範囲を求めた後の結果であり、図中の矩形
が文字矩形候補となる。文字切出し部５０は、切り出さ
れた行から文字を切り出し、その文字部分を囲む矩形の
対角座標値を抽出し、その文字部分の大きさを正規化
し、特徴量を計算する。まず、行切り出し部４０で行を
切り出した後、文字行の高さが求まるので、そこから文
字サイズを推定し、その結果に基づいて、有効矩形を判
定する基準値を再設定し、全矩形の有効／無効判定を再
度行い、有効として残った矩形に対して文字切出しを行
う。一般的な原稿では、行ごとに文字サイズが統一され
ている場合がほとんどであるから、行ごとに文字サイズ
を設定し直せば効果的である。一般的な活字フォントの
場合、文字サイズは行の高さとほぼ等しいと考えて良
い。手書きの場合でも、文字サイズは行の高さとほぼ等
しいと考えて良い。このような性質がない特殊な場合に
は、予め、行の高さと文字サイズとの関係を調査してお
き、行の高さから文字サイズを推定する関係式を作成し
ておけばよい。

【０００９】図５の行切り出し結果では、行の高さ a,
b, c の文字サイズの異る３行が切り出されており、文
字サイズが異ると同一文字であっても、その矩形サイズ
は著しく異っている。図６に、行の高さ b の行と、行
の高さ c の行に属する「プ」を取り出して示す。（説
明のため、画像は拡大しているが、両者の相対的な比率
は図４と等しい。） 今、図７に示すように、図６の画像データに対してノイ
ズが混入している場合を考えると、有効矩形を判定する
基準値が、文字サイズによらず固定値の場合には、 文字画像の一部(「プ」の半濁点)を削除してしまう(図
８) 本来ノイズとして削除したい矩形が残ってしまう(図９) ことがあり、このため、正しい文字認識結果を得られな
い原因となる。そこで、有効矩形を判定する基準値を固
定値ではなく、行の高さ（文字サイズはこの行の高さと
ほぼ同一と考える）に応じて有効矩形を判定する基準値
を設定すれば、矩形の有効／無効判定を精度よく行え
る。たとえば、 有効矩形最小サイズ（基準値）＝ 行の高さ ／５ 程度に設定しておけば、行の高さ b の場合、および 行
の高さ c の場合、いずれも問題なくノイズを除去でき
る。文字認識部６０は、文字切出し部５０で切り出した
文字画像の特徴量と標準パターンの認識辞書６５とから
パターンマッチングを行い、１文字あたり単数または複
数の認識候補文字とその順位、およびそれらに対応する
標準パターンとの距離値を認識結果記憶部７５へ記憶す
る。認識辞書６５は、文字ごとに文字コード、その文字
の標準パターンの特徴量等の情報を保持する。結果出力
部７０は、認識結果記憶部７５に格納されている認識結
果をディスプレイ、プリンタまたはファイル等の出力装
置に原画像記憶部２５に記憶された原画像データと対応
させて認識結果の文字を出力したり、ネットワークを介
して他のコンピュータへ送信したりすることによってオ
ペレータ結果を提供する。本発明の文字認識装置を本実
施の形態のように構成すると、一旦、行切り出し処理を
確定し、行の高さから文字サイズを推定し、矩形の有効
サイズを設定することによって、矩形の有効／無効を高
精度に判定できるため、不要な矩形が混入することな
く、文字画像範囲を正しく特定することができるので、
高精度かつ原稿品質によらず安定した性能を発揮する文
字認識装置を実現することができる。

【００１０】（２）処理手順 図１０は、本実施の形態の文字認識装置の処理の手順を
説明するためのフローチャートである。スキャナやファ
イルからの画像を読み取り、その画像データを原画像記
憶部２５へ格納する（ステップＳ１００）。これにより
画像入力部２０を構成する。原画像記憶部２５に格納さ
れた画像データの黒画素の連結を探索し、それと外接す
る矩形を作成する（ステップＳ１１０）。これにより矩
形抽出部３０を構成する。行切り出しのために、矩形の
有効／無効を判断するための基準値を予め調整済みの値
に設定する（ステップＳ１２０）。この矩形の有効／無
効を判断するために利用する基準値は、矩形サイズ、矩
形の存在位置等の矩形を特徴づける複数の値によって定
義される。文字認識用の認識サブルーティンを呼び出す
（ステップＳ１３０）。認識サブルーティンで文字認識
された結果を認識結果記憶部７５から取り出して、原画
像記憶部２５に記憶された原画像データと対応させて、
ディスプレイ、プリンタまたはファイル等の出力装置へ
出力したり、ネットワークを介して他のコンピュータへ
送信したりすることによってオペレータへ結果を提供す
る（ステップＳ１４０）。これにより結果出力部７０を
構成する。

【００１１】（３）認識サブルーティンの処理手順 図１１は、文字認識を行うための認識サブルーティンの
処理手順を説明するフローチャートである。ステップＳ
１２０で設定した有効矩形の判定基準値によって、ステ
ップＳ１１０で抽出された矩形の有効／無効を判定する
（ステップＳ２００）。この判定は、ノイズや罫線等、
文字画像を構成している黒画素とは思えない著しく大き
い矩形、あるいは著しく小さい矩形をこの基準値を用い
て無効と判定することによって排除するためである。ス
テップＳ２００で有効と判断した矩形を対象に行を切り
出す（ステップＳ２１０）。行切り出し処理は、近隣の
矩形同士を統合していき、一つの行を作成する。図５
は、行切り出し結果であり、図中の矩形が文字矩形候補
となる。ステップＳ２００とステップＳ２１０により行
切出し部４０を構成する。行を切り出した後、各文字行
の高さを求め、その高さから各行における文字サイズを
推定する（ステップＳ２２０）。一般には、文字のサイ
ズは行の高さとほぼ同程度であるとする。しかし、特殊
な場合には、予め、行の高さと文字サイズとの関係を調
査しておき、行の高さから文字サイズを推定する関係式
を作成しておき、これを用いて文字サイズを推定する。
各行について、その文字サイズから矩形の有効／無効を
判断するための基準値を再設定する（ステップＳ２３
０）。たとえば、基準値を（文字サイズ / 5）程度に設
定する。この基準値により、ステップＳ１１０で求めた
矩形の有効／無効を再度、判定する（ステップＳ２４
０）。各行において、有効として残った矩形に対して文
字切出しを行い、その文字部分を囲む矩形の対角座標値
を抽出する（ステップＳ２５０）。切り出された文字画
像に対して正規化を行い、文字画像の特徴量を計算する
（ステップＳ２６０）。ステップＳ２２０からステップ
Ｓ２６０で文字切出し部５０を構成する。ステップＳ２
６０で求めた特徴量と標準パターンの認識辞書６５とで
パターンマッチングを行い、１文字あたり単数または複
数の認識候補文字とその順位、およびそれらに対応する
標準パターンとの距離値を認識結果記憶部７５へ記憶す
る（ステップＳ２７０）。上記のように文字認識部６０
を構成する。

【００１２】＜実施の形態の変形例１＞上記の実施の形
態のように、有効矩形の判定を高精度に行ったとして
も、誤って判定する可能性がなくなったわけではない。
一般的には、文字認識処理結果として、文字ごとに認識
結果の確からしさ(確信度)が算出される。たとえば、認
識辞書との照合距離が遠いほど、もとの文字画像と認識
結果の文字の特徴は類似していないことから、文字認識
の確からしさ(確信度)を算出することができる。また、
認識結果の複数候補に、小さい距離のものが多ければ、
認識結果として類似している文字が複数存在しているこ
とを示すから、認識結果もあいまいであり確からしくな
いと考えられるので、このことから確からしさ(確信度)
を算出する方法もある。また、有効矩形の判定が誤って
いた場合には、行切り出し処理が誤ってしまうことがあ
る。行切り出し処理を誤ると、正しく１文字ずつ範囲を
特定することができず、結果的にその行に属する文字の
ほとんどが誤った認識結果となってしまう。この場合、
各文字の認識結果の確からしさは低いものであることが
多い。したがって、本実施の形態の変形例１は、文字認
識した結果、各行で確信度の低い認識結果が多い場合に
は、有効矩形の判定が間違っていたものとし、有効矩形
判定基準値を別の算出式によって設定し直し、再度、有
効矩形の判定を試みて、行切り出し処理から文字認識処
理までを実行することによって、正しい認識結果に到達
する可能性を高める。

【００１３】図１２は、本変形例１の処理を説明するた
めのフローチャートである。スキャナやファイルからの
画像を読み取り、その画像データを原画像記憶部２５へ
格納する（ステップＳ３００）。これにより画像入力部
２０を構成する。原画像記憶部２５に格納された画像デ
ータの黒画素の連結を探索し、それと外接する矩形を作
成する（ステップＳ３１０）。これにより矩形抽出部３
０を構成する。行切り出しのために、矩形の有効／無効
を判断するための基準値を予め調整済みの値に設定する
（ステップＳ３２０）。この矩形の有効／無効を判断す
るために利用する基準値は、矩形サイズ、矩形の存在位
置等の矩形を特徴づける複数の値によって定義される。
文字認識用の認識サブルーティンを呼び出す（ステップ
Ｓ３３０）。認識サブルーティンで文字認識された結果
の各文字候補に関して、認識結果の確からしさ(確信度)
を計算する（ステップＳ３４０）。認識辞書５５の標準
パターンとの照合距離や、認識結果の複数候補間におけ
る照合距離のばらつき具合等から確からしさ(確信度)を
算出する。認識結果の確信度の低い文字が多い行を検出
する（ステップＳ３５０）。たとえば、行に属する総文
字数に対して確信度の低い文字の総数の割合が、規定値
よりも多ければ行切り出し処理が誤っていると判断す
る。この確信度の低い文字が多いとして検出された（ス
テップＳ３６０）行に対して、矩形の有効／無効を判断
するための基準値を別に用意した基準値に設定し（ステ
ップＳ３７０）、再度、その行に対して認識処理をする
ためにステップＳ３３０へ戻る。確信度の低い行がなけ
れば、認識サブルーティンで文字認識された結果を認識
結果記憶部７５から取り出して、原画像記憶部２５に記
憶された原画像データと対応させて、ディスプレイ、プ
リンタまたはファイル等の出力装置へ出力したり、ネッ
トワークを介して他のコンピュータへ送信したりするこ
とによってオペレータへ結果を提供する（ステップＳ３
８０）。これにより結果出力部７０を構成する。

【００１４】＜実施の形態の変形例２＞原稿に書かれた
文字の文字サイズが予めわかっている場合には、オペレ
ータがその文字サイズの値を入力することによって、基
準値を設定する構成にしておけば、上記の実施の形態や
変形例１のようなことを行うことなく、精度良く文字認
識を行うことができる。したがって、本変形例２は、原
稿の文字サイズが予めわかっている時には、その値をオ
ペレータが入力し、有効矩形の判定基準値をこの文字サ
イズによって設定するように構成する。なお、上記の実
施の形態、変形例１または変形例２を組み合わせた構成
とすると、より広範囲なノイズ等の削除に貢献できる文
字認識装置を構成することができる。

【００１５】＜コンピュータによる実施の形態＞さら
に、本発明は上記の実施の形態のみに限定されたもので
はない。たとえば、図１に示した文字認識装置は、図１
３のようなハードウェア構成を持つコンピュータ装置２
００によっても実現が可能である。すなわち、コンピュ
ータ装置２００は、キーボード、マウス、タッチパネ
ル、スキャナ等により構成され、情報の入力に使用され
る入力装置１と、種々の出力情報や入力装置１からの入
力された情報などを表示したり、プリンタ等へ出力させ
る出力装置２と、種々のプログラムを動作させるＣＰＵ
（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；
中央処理ユニット）３と、プログラム自身を保持し、ま
たそのプログラムがＣＰＵ３によって実行されるときに
一時的に作成される情報等を保持するメモリ４と、本発
明の文字認識装置の原画像記憶部２５、認識辞書５５、
認識結果記憶部６５およびプログラムやプログラム実行
時の一時的な情報等を保持する記憶装置５と、プログラ
ムやデータ等を記憶した記録媒体を装着してそれらを読
み込み、メモリ４または記憶装置５へ格納するのに用い
られる媒体駆動装置６と、ネットワーク９へ接続するた
めのインタフェースであるネットワーク接続装置７とか
ら構成され、それらはバス８で接続されている。また、
ネットワーク９は、コンピュータ装置２００と他のコン
ピュータ装置２００とを結合するための伝送路であっ
て、一般には、ケーブルで実現され、通信プロトコルに
はＴＣＰ／ＩＰが使われる。ただし、伝送路としてはケ
ーブルだけではなく、それらの間の通信プロトコルが一
致するものであれば無線、有線および放送波のいずれで
もよく、たとえば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎ
ｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔ
ｗｏｒｋ）、インターネット、アナログ電話網、デジタ
ル電話網（ＩＳＤＮ：Ｉｎｔｅｇｒａｌ Ｓｅｒｖｉｃ
ｅ Ｄｉｇｉｔａｌ Ｎｅｔｗｏｒｋ）、ＰＨＳ（パー
ソナルハンディシステム）、携帯電話網、衛星通信網な
どを用いることができる。このようなコンピュータ装置
２００の構成において、図１に示した文字認識装置を構
成する各機能をそれぞれプログラム化し、予めＣＤ−Ｒ
ＯＭ等の記録媒体に書き込んでおき、このＣＤ−ＲＯＭ
を各サイトのＣＤ−ＲＯＭドライブのような媒体駆動装
置６を搭載したコンピュータ装置に装着して、これらの
プログラムをそれぞれのコンピュータ装置のメモリ４あ
るいは記憶装置５に格納し、それを実行することによっ
て、上記の実施の形態と同様な機能を実現することがで
きる。

【００１６】なお、記録媒体としては半導体媒体（たと
えば、ＲＯＭ、ＩＣメモリカード等）、光媒体（たとえ
ば、ＤＶＤ、ＭＯ、ＭＤ、ＣＤ−Ｒ等）、磁気媒体（た
とえば、磁気テープ、フレキシブルディスク等）のいず
れであってもよい。また、コンピュータ装置２００のメ
モリ４へロードしたプログラムを実行することにより上
記した実施の形態の機能が実現されるだけでなく、その
プログラムの指示に基づき、オペレーティングシステム
等が実際の処理の一部または全部を行い、その処理によ
って上記した実施の形態の機能が実現される場合も含ま
れる。また、上記した実施の形態を実現するプログラム
がＲＯＭ等のような半導体の記録媒体である場合には、
媒体駆動装置６からではなく、直接、メモリ４へロード
して実行される。

【００１７】＜本発明のネットワーク環境での運用＞図
１４は、本発明を有線または無線の通信ネットワークに
接続して運用する形態の構成を示している。たとえば、
文字認識プログラムを保持するサーバー２１０と複数の
オペレータが利用する端末２２０とをネットワーク９で
接続する。この場合、サーバー２１０およびオペレータ
の端末２２０は、図１３に示した汎用のコンピュータ装
置２００で構成される。オペレータは、端末２２０から
サーバー２１０に対してログインしたり、文字認識のた
めの画像データを入力し、サーバー２１０の文字認識プ
ログラムへ文字認識の実行を依頼する。サーバー２１０
の文字認識プログラムは送信された画像データの文字領
域に対する文字認識結果を要求もとの端末２２０へ戻
す。オペレータの端末２２０は、この認識結果やもとの
画像データとを対比させながら出力する。このようにす
ることで、常に最新の文字認識プログラムを使えるとい
う利点がある。また、図１４のようにサーバー２１０と
端末２２０とを有線または無線の通信ネットワークで接
続した場合、サーバー２１０の磁気ディスク等の記憶装
置に本発明の機能を実現する文字認識プログラムを格納
しておき、端末２２０に対してダウンロード等の形式で
頒布することも可能である。さらに、本発明の機能を実
現する文字認識プログラムを媒体や放送波による配布で
提供するようにしてもよい。

【００１８】

【発明の効果】以上説明したように、本発明によれば、
オペレータの入力により、あるいは、一旦、行切り出し
処理を確定し、行の高さから文字サイズを推定して、矩
形の有効サイズを設定することによって、矩形の有効／
無効を高精度に判定できるため、不要な矩形が混入する
ことなく、文字画像範囲を正しく特定することができの
で、高精度かつ原稿品質によらず安定した性能を発揮す
る文字認識装置を実現できる。

【図面の簡単な説明】

【図１】実施の形態の機能構成を示すブロック図であ
る。

【図２】実施の形態の説明に用いる原稿を例示した図で
ある。

【図３】図２の原稿の矩形抽出結果を示す図である。

【図４】複数サイズの文字が混在する原稿の例を示す図
である。

【図５】図４の原稿の行切り出し結果を示す図である。

【図６】図３の原稿から異なるサイズの文字を抽出した
例を示す図である。

【図７】図６にノイズが混入している例を示す図であ
る。

【図８】有効矩形の判定の基準値が大きいときの判定結
果を示す図である。

【図９】有効矩形の判定の基準値が小さいときの判定結
果を示す図である。

【図１０】実施の形態の処理手順を説明するフローチャ
ートである。

【図１１】認識サブルーティンの処理手順を説明するフ
ローチャートである。

【図１２】変形例１の処理手順を説明するフローチャー
トである。

【図１３】本発明の文字認識装置が稼動するためのコン
ピュータ装置を示す図である。

【図１４】本発明のネットワーク環境での運用例を説明
するための図である。

【符号の説明】

１ … 入力装置 ２ … 出力装置 ３ … ＣＰＵ ４ … メモリ ５ … 記憶装置 ６ … 媒体駆動装置 ７ … ネットワーク接続装置 ８ … バス ９ … ネットワーク １０ … 制御部 ２０ … 画像入力部 ３０ … 矩形抽出部 ４０ … 行切出し部 ５０ … 文字切出し部 ６０ … 文字認識部 ７０ … 結果出力部 ２５ … 原画像記憶部 ５５ … 認識辞書 ６５ … 認識結果記憶部 １００ … 文字認識装置 ２００ … コンピュータ装置 ２１０ … サーバー ２２０ … 端末

Claims (7)

【特許請求の範囲】
1. 【請求項１】 文字画像に対し文字認識を行う文字認識
   装置において、 前記文字画像から行を切り出す行切出し部と、 前記行切出し部で切り出された行に関する情報を基に画
   像の一部を取捨選択する基準値を設定し、この基準値に
   より切り出された行から画像の一部を選択してから文字
   画像を切り出す文字切出し部と、 前記文字切出し部で切り出された文字画像に対し文字認
   識を行う文字認識部と、 を備えたことを特徴とする文字認識装置。
2. 【請求項２】 文字画像に対し文字認識を行う文字認識
   装置において、 前記文字画像から行を切り出す行切出し部と、 前記行切出し部で切り出された行に関する情報を基に画
   像の一部を取捨選択する基準値を設定し、この基準値に
   より切り出された行から画像の一部を選択してから文字
   画像を切り出す文字切出し部と、 前記文字切出し部で切り出された文字画像に対し文字認
   識を行って、認識結果の文字ごとに確信度を算出する文
   字認識部とを備え、 前記文字認識部で算出された確信度の低い行に対し、画
   像の一部を取捨選択する基準値を変更して、再度、行切
   り出しを行って文字認識するようにしたことを特徴とす
   る文字認識装置。
3. 【請求項３】 請求項１または請求項２に記載の文字認
   識装置において、 前記文字認識部で文字認識された結果と、その結果に対
   応する文字画像とを対比させて出力する結果出力部とを
   備えたことを特徴とする文字認識装置。
4. 【請求項４】 文字画像に対し文字認識を行う文字認識
   方法において、 前記文字画像から行を切り出し、この切り出された行に
   関する情報を基に画像の一部を取捨選択する基準値を設
   定し、この基準値により切り出された行から画像の一部
   を選択してから文字画像を切り出して、その文字画像に
   対し文字認識を行うようにしたことを特徴とする文字認
   識方法。
5. 【請求項５】 文字画像に対し文字認識を行う文字認識
   方法において、 前記文字画像から行を切り出し、この切り出された行に
   関する情報を基に画像の一部を取捨選択する基準値を設
   定し、この基準値により切り出された行から画像の一部
   を選択してから文字画像を切り出し、この切り出された
   文字画像に対し文字認識を行って、認識結果の文字ごと
   に確信度を算出し、算出された確信度の低い行に対し、
   画像の一部を取捨選択する基準値を変更して、再度、行
   切り出しを行うようにして文字認識することを特徴とす
   る文字認識方法。
6. 【請求項６】 コンピュータを、文字画像に対し文字認
   識を行う文字認識装置として機能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であ
   って、 前記文字画像から行を切り出す行切出し部と、 前記行切出し部で切り出された行に関する情報を基に画
   像の一部を取捨選択する基準値を設定し、この基準値に
   より切り出された行から画像の一部を選択してから文字
   画像を切り出す文字切出し部と、 前記文字切出し部で切り出された文字画像に対し文字認
   識を行う文字認識部と、 前記文字認識部で文字認識された結果と、その結果に対
   応する文字画像とを対比させて出力する結果出力部とを
   備えた文字認識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。
7. 【請求項７】 コンピュータを、文字画像に対し文字認
   識を行う文字認識装置として機能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であ
   って、 前記文字画像から行を切り出す行切出し部と、 前記行切出し部で切り出された行に関する情報を基に画
   像の一部を取捨選択する基準値を設定し、この基準値に
   より切り出された行から画像の一部を選択してから文字
   画像を切り出す文字切出し部と、 前記文字切出し部で切り出された文字画像に対し文字認
   識を行って、認識結果の文字ごとに確信度を算出する文
   字認識部と、 前記文字認識部で文字認識された結果と、その結果に対
   応する文字画像とを対比させて出力する結果出力部とを
   備え、 前記文字認識部で算出された確信度の低い行に対し、画
   像の一部を取捨選択する基準値を変更して、再度、行切
   り出しを行って文字認識する文字認識プログラムを記録
   したコンピュータ読み取り可能な記録媒体。