JP2005044132A - 画像処理装置 - Google Patents

Abstract

【課題】画像に含まれる文字を認識するためには、時間がかかった。
【解決手段】入力部１０２は、ＲＧＢ形式の画像データを入力する。色空間変換部１０４は、ＲＧＢ形式の画像データをＬａｂ形式の色空間の画像データに変換する。認識部１０６は、明度成分Ｌについて文字認識を行う。文字形態検出部１０８は、認識した文字の色を検出する。出力部１１０は、文字と文字色とを対応付けて認識結果１２を出力する。これにより、画像処理装置１００は、比較的短期間でカラー画像に含まれる文字を認識することができる。
【選択図】図１

Description

この発明は画像処理技術に関し、とくに画像に含まれる文字を認識する文字認識装置に関する。

近年、通信技術が進歩し、コンピュータ、ファクシミリ装置、スキャナ装置、ＭＦＰ（Multi Functional Peripheral）などの機器がネットワークに接続されるようになってきた。こうしたことから、例えば業務における書類等のデジタル化が進み、各種情報をデジタルデータとして取り扱うことが注目されるようになってきた。こうした中、手書き文字や印刷された文字を光学的に読み取り、テキストデータに変換する技術としてＯＣＲ（Optical Character Reader）がある。ＯＣＲは、例えば文字の印刷された紙面をスキャナで読み取り、読み取った画像データに画像処理を施すことにより紙面に印字された文字をテキストデータに変換する技術である。こうした技術は、紙面に白黒２値で記載された文字を読み取ることを主として発達してきたが、近年ではカラープリンタなどの普及にともない、カラーで手書きもしくは印刷された文字を認識する必要性も高まってきた。そうしたカラー画像に含まれる文字をテキストデータに変換する技術がある（例えば、特許文献１参照。）。
特開平８−１２３９０１号公報

特許文献１に開示された技術において、カラー画像に含まれる文字を認識する場合、赤（Ｒ）、緑（Ｇ）、青（Ｂ）のそれぞれの色成分毎に、色範囲を設定して文字認識を行う。このため、文字の認識処理に時間がかかった。また色範囲を適切に設定しないと、文字の認識精度が著しく低下してしまう。

本発明はこうした点に鑑みてなされたもので、その目的は、比較的短時間で画像中の文字を認識し、テキストデータに変換する技術の提供にある。

本発明のある態様は、画像処理装置である。この装置は、画像データの入力を受け付ける手段と、画像データに含まれる色情報を明度成分と色成分とを含む色空間に変換する手段と、明度成分に基づいて、画像データに基づいて形成される画像に含まれる文字を認識する手段とを備える。これにより、明度成分について文字認識を行えばよいので、短時間で画像中の文字を認識することができる。

本発明の別の態様も、画像処理装置である。この装置は、画像データの入力を受け付ける手段と、画像データに含まれる色情報を輝度成分と色成分とを含む色空間に変換する手段と、輝度成分に基づいて、画像データに基づいて形成される画像に含まれる文字を認識する手段とを備える。これにより、輝度成分について文字認識を行えばよいので、短時間で画像中の文字を認識することができる。

本発明の更に別の態様も、画像処理装置である。この装置は、所定の画像データの入力を受け付ける手段と、画像データに基づいて形成される画像に含まれる文字を認識する手段と、認識した文字の形態を検出する手段と、認識した文字とその文字の形態を特定する情報とを関連付けて所定の文書記述言語に準じた形式で出力する手段とを備える。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、画像中に含まれる文字を、明度成分または輝度成分に基づいて認識してテキストデータに変換できる。これにより、比較的短時間で文字認識処理を行うことができる画像処理装置を提供できる。

図１は、実施の形態に係る画像処理装置１００とスキャナ装置２０とを示す図である。画像処理装置１００の各構成要素は、ハードウエアコンポーネントで言えば、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するＲＯＭ、ＲＡＭ、ハードディスクなどの記憶ユニット、ネットワーク接続用インターフェース等を中心に実現されるが、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。これから説明する各図は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。

文書１０は、例えば色の付いた文字が記載された用紙である。スキャナ装置２０は、文書１０を読み込んで、赤、緑、青の３つの成分からなる色空間を利用して各画素の色を表現するＲＧＢ形式の画像データを画像処理装置１００に出力する。画像処理装置１００は、スキャナ装置２０から画像データを受け付け、明度成分または輝度成分を含む他の色空間に変換する。そして、画像処理装置１００は、明度成分または輝度成分に基づいて、文字認識を行い、認識結果１２としてテキストデータを出力する。

画像処理装置１００は、ＲＧＢ形式の画像データの入力を受け付ける入力部１０２、画像データの色空間を変換する色空間変換部１０４、明度成分または輝度成分に基づいて文字認識を行う認識部１０６、検出した文字の形態を検出する文字形態検出部１０８、および認識結果を出力する出力部１１０を有する。

入力部１０２は、スキャナ装置２０からＲＧＢ形式の画像データの入力を受け付ける。また、他の例では、入力部１０２は、フレキシブルディスク、メモリカードなどの任意の記憶媒体や、ネットワークを介して画像データの入力を受け付けてもよい。入力部１０２は、受け付けた画像データを色空間変換部１０４に出力する。色空間変換部１０４は、ＲＧＢ形式の画像データをＬａｂやＹＣｒＣｂなどの明度成分（Ｌ）や輝度成分（Ｙ）を含むいずれかの色空間に変換する。以下、ＲＧＢ形式の画像データをＬａｂ形式に変換した場合を例に、後段の処理を説明する。

認識部１０６は、明度成分Ｌに基づいて、画像データに含まれる文字を認識する。ここでＬａｂにおける明度成分Ｌは、人の目の視認特性に応じて経験的に定義されている。このため、明度成分Ｌについて、例えばパターンマッチングなどの既知の文字認識処理を行うことで、認識部１０６は、人が視認できる文字を容易に認識することができる。また、人が視認し難い例えば明るい黄色などで記載された文字は、明度成分Ｌについて文字認識を行っても認識することが難しい。そこで、認識部１０６は、黄色の補色にあたるＲＧＢ形式の青成分Ｂについて、更に文字認識処理を施してもよい。このように、明度成分Ｌと青成分Ｂについて文字認識処理を行うことにより、画像データに含まれる文字を適切に認識できる。明度成分Ｌについて、文字認識処理を行うことにより、従来、赤成分Ｒ、緑成分Ｇ、青成分Ｂのそれぞれについて文字認識を行い、３ステップで行っていた処理を、明度成分Ｌのみの１ステップ、もしくは明度成分Ｌおよび青成分Ｂの２ステップで行うことができる。

認識部１０６は、認識した文字の位置情報を文字形態検出部１０８に出力する。例えば、認識部１０６は位置情報として、認識した文字を形成する画素を特定する情報を文字形態検出部１０８に出力する。文字形態検出部１０８は、認識部１０６から供給された位置情報で特定される文字の例えば色、フォント、大きさ等の文字形態を検出する。例えば、文字色を検出する場合、文字形態検出部１０８は認識部１０６から供給された位置情報で特定される画素のＲＧＢ値を、色空間変換部１０４から供給されるＲＧＢ形式の画像データから色情報として取得する。また、フォントや大きさ等形状を検出する場合、文字形態検出部１０８は、認識部１０６から認識した文字の外形を受け取り、例えばパターンマッチングなど既知の手法によりフォントや大きさを特定してもよい。

そして、文字形態検出部１０８は、検出した文字形態を示す情報を出力部１１０に出力する。出力部１１０は、認識部１０６から供給された文字と、文字形態検出部１０８から供給された文字形態とを対応付けてテキスト形式の認識結果１２を出力する。出力部１１０は、例えばＨＴＭＬなどの文書記述言語に準じた形式で認識結果１２を生成してもよい。ＨＴＭＬ形式で認識結果１２を生成する場合、出力部１１０は、文字の色やフォント等の形態を指定するためのフォントタグ１６を、認識した文字に対応付ける。例えば、文書１０に第１文字列１２ａとして青色で「あいう」と記載され、第２文字列１２ｂとして赤色で「ＡＢＣ」と記載されている場合、認識結果１２の「あいう」には青色であることを示すフォントタグ１６ａが対応付けられ、「ＡＢＣ」には赤色であることを示すフォントタグ１６ｂが対応付けられる。また、他の例では、出力部１１０は、文字形態を対応付けずに、単に認識した文字をテキストデータとして出力してもよい。

図２は、図１の画像処理装置１００における処理のフローチャートの一例である。まず、図１の入力部１０２は、画像データの入力を受け付ける（Ｓ１０）。そして、図１の色空間変換部１０４は、画像データの色空間をＬａｂ形式に変換する（Ｓ１２）。図１の認識部１０６は、明度成分Ｌについて文字認識を行い（Ｓ１４）、認識した文字の位置情報を図１の文字形態検出部１０８に出力する。文字形態検出部１０８は、位置情報で特定される位置における文字の形態を検出する（Ｓ１６）。図１の出力部１１０は、認識した文字と、文字の形態とを関連付け（Ｓ１８）、テキストデータとして出力する（Ｓ２０）。

このように明度成分Ｌに基づいて、画像データに基づいて形成される画像に含まれる文字を認識することにより、利用者の視認特性に基づいて認識しやすい色で記載された文字を優先的に文字認識できる。また、明度成分Ｌや輝度成分Ｙに基づいて文字を認識した場合、黄色の文字を認識しにくくなる。そこで、黄色を多く吸収する青成分Ｂについて、更に文字認識を行ってもよい。これにより、明度成分Ｌや輝度成分Ｙで認識しにくい色で記載された文字の認識もできる。

以上、本発明を実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

そうした変形例として、図１の画像処理装置１００を、手書きで作成した文書１０を自動的にＨＴＭＬに変換する変換装置として利用してもよい。変換装置として利用する場合、認識部１０６では、前述した文字認識の手法だけでなく、従来のＲＧＢそれぞれの成分で文字認識する手法やその他任意の文字認識手法を利用してもよい。このような変換装置により、手書きでホームページのイメージを記載し、この変換装置で読み込むことにより、自動的にＨＴＭＬに変換することができる。これにより、例えば文字入力の苦手な利用者もホームページを容易に作成することができる。

実施の形態に係る画像処理装置とスキャナ装置とを示す図である。 図１の画像処理装置における処理のフローチャートの一例である。

符号の説明

１０ 文書、１２ 認識結果、２０ スキャナ装置、１００ 画像処理装置、１０２ 入力部、１０４ 色空間変換部、１０６ 認識部、１０８ 文字形態検出部、１１０ 出力部。

Claims (3)

1. 画像データの入力を受け付ける手段と、
   前記画像データに含まれる色情報を明度成分と色成分とを含む色空間に変換する手段と、
   前記明度成分に基づいて、前記画像データに基づいて形成される画像に含まれる文字を認識する手段と、
   を備えることを特徴とする画像処理装置。
2. 画像データの入力を受け付ける手段と、
   前記画像データに含まれる色情報を輝度成分と色成分とを含む色空間に変換する手段と、
   前記輝度成分に基づいて、前記画像データに基づいて形成される画像に含まれる文字を認識する手段と、
   を備えることを特徴とする画像処理装置。
3. 所定の画像データの入力を受け付ける手段と、
   前記画像データに基づいて形成される画像に含まれる文字を認識する手段と、
   認識した文字の形態を検出する手段と、
   認識した文字とその文字の形態を特定する情報とを関連付けて出力する手段と、
   を備えることを特徴とする画像処理装置。

Images