JP2006344069A - 画像処理方法及び画像処理装置 - Google Patents

Abstract

【課題】 文書画像から選択された図形領域について、ノイズを削減してデータ量を低減させたベクトルデータを好適に生成することができる画像処理方法及び画像処理装置を提供することを目的とする。
【解決手段】 入力部１１は文書画像を入力し、領域分割部１２はそれを複数の領域に分割する。そして、クリップアート画像選択部１３は、その中からクリップアート画像を選択し、領域分割部１４が、その画像領域について複数のクラスタから成るクラスタ群を生成する。ここで、領域統合部１５は、複数のクラスタのうち類似するクラスタを統合してクラスタ群を更新し、ノイズ判定部１６は、更新後のクラスタ群に含まれる各クラスタがノイズであるか否かを判定し、ノイズ除去部１７でノイズが除去された後、ベクトル変換部１８は最終的なクラスタ群をベクトルデータに変換する。
【選択図】 図１

Description

本発明は、紙原稿をスキャンして取得した画像を領域分割して領域毎にベクトル化する画像処理方法及び画像処理装置に関する。

近年、情報の電子化が進み、紙文書をそのまま保存するのではなく、電子化して保存したり、その電子データを他装置に送信するシステムが普及してきている。また、その電子化の対象となる文書は、白黒二値の画像だけに留まらず、フルカラー（多値）画像の電子文書へとその対象を広げつつある。

さらに、対象となる電子文書は、単に紙上の文書をスキャナ等によりスキャンして画像データにしたものだけに留まっていない。例えば、文書画像の領域を分離して、文字領域に対しては文字認識処理を施して文字コード列に変換し、写真領域に対しては輪郭線のベクトルデータに変換する等、電子文書は、より高度な情報へ変換され生成された文書画像を含んできている（例えば、特許文献１参照。）。

上述したようなベクトル化された画像の中には、フルカラー画像であっても、イラストや図形作成ソフトウェアで作成された原稿をスキャンしてベクトル化した画像等もある。これらの画像は、写真等の自然画像に比べて物体の輪郭が明瞭であり、出現色も限られている等の特徴を有している。尚、以下では、このような画像を「クリップアート画像」と呼ぶ。

また、特許文献２の道路データ生成方法では、まず、フルカラーで入力された写真画像を二値画像に変換する。次いで、二値画像から輪郭線及び中心線を抽出して、得られた線と原画像の色情報をベクトルデータに変換する。尚、ノイズに対する処理は、孤立のノイズを膨張・収縮処理を施して除去することが記載されている。
特開２００４−２６５３８４号公報 特開２００４−２４６５５４号公報

しかしながら、上述したような従来の処理では、有用領域を間違ってノイズ領域として消去してしまうことがあり、そのような場合は正確な輪郭線を得ることができず、ベクトル化後の画像が画質劣化したものになってしまう。また、ノイズ除去を行わずにノイズ領域をそのまま残して輪郭線をベクトル化した場合には、ベクトルデータ量が膨大となってしまうという問題がある。

本発明は、このような事情を考慮してなされたものであり、文書画像から選択された図形領域について、ノイズを削減してデータ量を低減させたベクトルデータを好適に生成することができる（特に、イラストなどのクリップアート画像領域に対して好適なベクトルデータを生成することができる）画像処理方法及び画像処理装置を提供することを目的とする。

上記課題を解決するために、本発明に係る画像処理方法は、
文書画像を画像処理装置に入力する入力工程と、
前記文書画像を複数の領域に分割する分割工程と、
前記複数の領域から図形領域を選択する選択工程と、
選択された前記図形領域内に含まれる各画素をクラスタとして、複数のクラスタから成るクラスタ群を生成するクラスタリング工程と、
前記複数のクラスタのうち類似するクラスタを統合して前記クラスタ群を更新する統合工程と、
更新後の前記クラスタ群に含まれる各クラスタがノイズであるか否かを判定する判定工程と、
ノイズと判定されたクラスタを前記クラスタ群から除去する除去工程と、
前記クラスタ群をベクトルデータに変換する変換工程と
を有することを特徴とする。

また、本発明に係る上記画像処理方法は、
前記選択工程が、前記文書画像から分割された前記複数の領域からカラー成分を有する図形領域を選択し、
前記統合工程が、前記図形領域内の各画素の色特徴が類似する複数のクラスタを統合して前記クラスタ群を更新する
ことを特徴とする。

さらに、本発明に係る上記画像処理方法は、
生成するクラスタ数の目標値を設定する設定工程をさらに有し、
前記統合工程が、前記クラスタリング工程によって生成されたクラスタのクラスタ数が前記目標値に達するまで前記クラスタ群の更新を行う
ことを特徴とする。

さらにまた、本発明に係る上記画像処理方法は、
前記判定工程が、
前記統合工程によって更新された前記クラスタ群に含まれる各クラスタの輪郭線を追跡して該輪郭線を構成する画素数を計数する第１の工程と、
各クラスタ毎にクラスタの輪郭線を構成する画素数と所定値とを比較して、前記画素数が前記所定値よりも小さい場合に前記クラスタをノイズと判定する第２の工程と
を有することを特徴とする。

さらにまた、本発明に係る上記画像処理方法は、前記第２の工程が、前記画素数が前記所定値よりも小さいと判定されたクラスタに対して、さらに、該クラスタの周囲に他のクラスタのエッジが存在することを条件として該クラスタをノイズと判定することを特徴とする。

さらにまた、本発明に係る上記画像処理方法は、前記第２の工程が、前記画素数が前記所定値よりも小さいと判定されたクラスタに対して、さらに、該クラスタの周囲に該クラスタと同じ色特徴を有する所定値以上の画素数を有する他のクラスタが存在することを条件として該クラスタをノイズと判定することを特徴とする。

さらにまた、本発明に係る上記画像処理方法は、前記除去工程が、ノイズと判定された前記クラスタに含まれる画素を、該画素に隣接するクラスタのうち最も類似度の高いクラスタの画素として該クラスタに属させることにより、ノイズと判定された前記クラスタを除去することを特徴とする。

さらにまた、本発明に係る上記画像処理方法において、前記図形領域は、イラスト作成アプケーションを用いて作成された図形が印刷された原稿が読み取られて電子化された画像、又は紙原稿上に描かれたイラストが読み取られて電子化された画像からなる領域であることを特徴とする。

さらにまた、本発明に係る上記画像処理方法は、前記図形領域が、クリップアート画像領域であることを特徴とする。

本発明によれば、文書画像から選択された図形領域について、ノイズを削減してデータ量を低減させたベクトルデータを好適に生成することができる。

以下、図面を参照して、本発明の一実施形態に係る画像処理装置を用いた画像データのベクトル化処理について、詳細に説明する。

＜第１の実施形態＞
［装置構成］
図１は、本発明の第１の実施形態に係る、領域分割に基づいてベクトル化処理を行う機能を有する画像処理装置の構成を示すブロック図である。図１において、入力部１１は、紙原稿等をスキャンすることによってカラー文書画像を入力する。また、領域分離部１２は、入力部１１で入力されたカラー文書画像を写真領域を含む複数種類の領域に分離する。さらに、クリップアート画像選択部１３は、領域分離部１２の処理によって分離された領域からクリップアート画像を選択する。

さらにまた、図１において、領域分割部１４は、クリップアート画像選択部１３によって選択されたクリップアート画像をその色特徴に基づいて複数の領域に分割する。さらにまた、領域統合部１５は、分割された複数の領域のうち類似する領域を統合する。さらにまた、ノイズ判定部１６は、分割され統合された各領域からノイズ領域を判定する。さらにまた、ノイズ除去部１７は、ノイズ判定部１６によってノイズ領域と判定された領域を除去する。そして、ベクトル化部１８は、領域分割された結果である領域（統合された場合は統合された後の領域、ノイズ除去された場合はノイズ除去後の領域）をそれぞれベクトルデータに変換する。

図１０は、図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。尚、本実施形態では、画像処理装置として、スキャナ機能やプリンタ機能を有するディジタル複合機（ＭＦＰ）を用いているが、汎用のスキャナとパーソナルコンピュータとを接続したシステムを当該画像処理装置として用いてもよい。

図１０に示すように、ＭＦＰは、画像処理装置として機能するコントローラユニット２０００を備えている。当該コントローラユニット２０００は、画像入力デバイスであるスキャナ２０７０や画像出力デバイスであるプリンタ２０９５を接続し、スキャナ２０７０で原稿画像から読み取られた画像データをプリンタ２０９５によって印刷出力するコピー機能を実現するための制御を行う。また、コントローラユニット２０００は、ＬＡＮ１００６や公衆回線（ＷＡＮ）１００８を介して他装置との間でパターン画像やデバイス情報等の入出力を行うための制御を行う。

コントローラユニット２０００は、図１０に示すように、ＣＰＵ２００１を有している。ＣＰＵ２００１は、ＲＯＭ２００３に格納されているブートプログラムによりオペレーションシステム（ＯＳ）を立ち上げ、このＯＳ上でＨＤＤ（ハードディスクドライブ）２００４に格納されているアプリケーションプログラムを実行することによって各種処理を実行する。このＣＰＵ２００１の作業領域として、ＲＡＭ２００２が用いられる。ＲＡＭ２００２はまた、ＣＰＵ２００１の作業領域だけでなく、画像データを一時記憶するための画像メモリ領域をも提供する。ＨＤＤ２００４は、上記アプリケーションプログラムとともに、画像データを格納する。

ＣＰＵ２００１には、システムバス２００７を介して、ＲＯＭ２００３やＲＡＭ２００２とともに、操作部Ｉ／Ｆ（操作部インタフェース）２００６、ネットワークＩ／Ｆ（ネットワークインタフェース）２０１０、モデム２０５０及びイメージバスＩ／Ｆ（イメージバスインタフェース）２００５が接続されている。

操作部Ｉ／Ｆ２００６は、タッチパネルを有する操作部２０１２とのインタフェースであり、操作部２０１２に表示する画像データを操作部２０１２に対して出力する。また、操作部Ｉ／Ｆ２００６は、操作部２０１２においてユーザにより入力された情報をＣＰＵ２００１に送出する。

また、ネットワークＩ／Ｆ２０１０は、ＬＡＮ１００６に接続され、当該ＬＡＮ１００６を介してＬＡＮ１００６に接続された各装置との間で情報の入出力を行う。モデム２０５０は、公衆回線１００８に接続し、公衆回線１００８を介して他装置との間で情報の入出力を行う。

イメージバスＩ／Ｆ２００５は、システムバス２００７と画像データを高速で転送する画像バス２００８を接続し、データ構造を変換するためのバスブリッジである。画像バス２００８は、ＰＣＩバス又はＩＥＥＥ１３９４から構成される。画像バス２００８上には、ラスタイメージプロセッサ（ＲＩＰ）２０６０、デバイスＩ／Ｆ２０２０、スキャナ画像処理部２０８０、プリンタ画像処理部２０９０、画像回転部２０３０、サムネイル作成部２０３５及び画像圧縮部２０４０が設けられている。

ＲＩＰ２０６０は、ＰＤＬコードをビットマップイメージに展開するプロセッサである。デバイスＩ／Ｆ２０２０には、スキャナ２０７０及びプリンタ２０９５が接続され、画像データの同期系／非同期系の変換を行う。スキャナ画像処理部２０８０は、入力画像データに対して補正、加工、編集処理を行う。プリンタ画像処理部２０９０は、プリント出力画像データに対してプリンタの補正、解像度変換等を行う。画像回転部２０３０は、画像データの回転を行う。画像圧縮部２０４０は、多値画像データをＪＰＥＧデータに、ニ値画像データをＪＢＩＧ、ＭＭＲ、ＭＨ等のデータに圧縮するとともに、その伸長処理も行う。

［領域分割に基づいたベクトル化処理の概要］
図２は、本発明の第１の実施形態に係るクリップアート画像の領域分割に基づいたベクトル化処理の詳細について説明するためのフローチャートである。

画像処理装置では、まず、入力部１１において、紙原稿をスキャン等することによってカラー文書画像データを得る（ステップＳ１１）。次に、領域分離部１２において、ステップＳ１１で入力されたカラー文書画像に二値化処理を行って二値の画像データに変換し、この二値の画像データを文字、写真、表等の複数種類の領域に分離する（ステップＳ１２）。尚、この領域分離処理を実現するための一例として、米国特許第５，６８０，４７８号公報「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ （Ｓｈｉｎ−ＹｗａｎＷａｎｇ ｅｔ ａＩ．／Ｃａｎｏｎ Ｋ．Ｋ．）」に記載の技術を用いることができる。そして、本実施形態における領域分離処理も当該技術を利用することとする。

次いで、クリップアート画像選択部１３において、ステップＳ１２の領域分離工程で分離された領域からクリップアート画像を選択する（ステップＳ１３）。さらに、領域分割部１４において、選択された各クリップアート画像の色特徴に基づいてクラスタリング処理を行い、クリップアート画像をクラスタに分割（領域分割）する（ステップＳ１４）。尚、この領域分割処理の詳細については後述する。

そして、領域統合部１５において、ステップＳ１４の工程で分割されたクラスタを類似度により統合することによって領域統合を行う（ステップＳ１５）。尚、この領域統合処理の詳細については後述する。

その後、ノイズ判定部１６において領域分割の結果をラベリングして各クラスタの輪郭線を追跡して輪郭線を構成する画素するを計数し（ステップＳ１６）、そして、各ラベル領域の輪郭線を構成する画素数の大きさとある閾値との大きさを比較することにより、当該領域がノイズ領域であるか否かを判定する（ステップＳ１７）。その結果、ラベル領域がある程度小さいものをノイズ領域と判定する（Ｙｅｓ）。一方、ラベル領域がある程度以上の大きさがあるものはノイズ領域と判定せずに（Ｎｏ）、ステップＳ１９に進む。尚、このノイズ判定処理の詳細については後述する。

そして、ノイズ除去部１７において、ステップＳ１７で判定されたノイズ領域に含まれたノイズ画素について、隣接する領域間との類似度に基づいて再びクラスタリング処理を行うことによってノイズ除去処理を行い（ステップＳ１８）、ステップＳ１９に進む。尚、このノイズ除去処理の詳細について後述する。

ステップＳ１９では、全てのラベル領域に対して処理が終わったかどうか、すなわち、全てのラベル領域の処理が終了したか否かを判定する。その結果、処理対象がまだ存在する場合（Ｎｏ）はステップＳ１７に戻って、当該領域について上述したノイズ領域の判定処理（ステップＳ１７）とノイズ領域の除去処理（ステップＳ１８）を繰り返し実行する。一方、既に全てのラベル領域の処理が終了して処理対象がない場合（Ｙｅｓ）は、ステップＳ２０に進む。

そして、ステップＳ２０では、ベクトル化部１８において、分割された領域毎に輪郭線と領域内部の色に基づきベクトルデータに変換する。このベクトル化処理を実現する技術としては、例えば、特許第２８８５９９９号の二値画像の輪郭線の追跡をし、その座標ベクトルを選択することにより、ベクトル化するものが挙げられる。尚、本実施形態に係るベクトル化処理についても当該技術を利用するものとする。

［クリップアート画像の選択例］
図３は、本発明の第１の実施形態に係る画像処理において文書画像からクリップアート画像を選択した一例を示す図である。図３では、一文書画像から前述した領域分離法を用いて写真領域３１、テキスト領域３２、及びクリップアート領域３３がそれぞれ矩形領域として分離されている様子を示している。

［領域分割処理］
以下、図２に示すフローチャートにおける領域分割処理（ステップＳ１４）について詳細に説明する。図４は、図２に示すフローチャートにおける領域分割処理（ステップＳ１４）を詳細に説明するためのフローチャートである。

まず、ラスタスキャンされたスタートの画素により、最初のクラスタを生成する（ステップＳ１４０１）。次いで、次の画素に対して、全てのクラスタ間との類似度を求める（ステップＳ１４０２）。類似度が高いほど、画素とクラスタとの特徴が近いと考えられる。類似度の計算処理においては、例えばＲＧＢ値の色情報が用いられるが、他のカラー空間の情報、或いは、カラー以外の情報を特徴量としても使ってもよい。

そして、一番高い類似度とこの類似度に対応したクラスタ番号を記録して、この類似度を事前に設定された閾値とを比較する（ステップＳ１４０３）。その結果、閾値より高い場合（Ｙｅｓ）は、対象画素を記録された当該クラスタに属させる（ステップＳ１４０４）。一方、閾値より低い場合（Ｎｏ）は、対象画素に対して新たなクラスタを生成する（ステップＳ１４０５）。尚、上記画素に対してクラスタ間との類似度を画素間距離で求めた場合には、類似度が閾値より高い場合とは、当該閾値より画素間距離が小さいということを意味する。

ステップＳ１４０４又はステップＳ１４０５の処理後、全ての画素に対する処理が終わったかどうかを判断する（ステップＳ１４０６）。その結果、未処理の画素がまだある場合（Ｎｏ）はステップＳ１４０２に戻って、上述した処理を繰り返し実行する。一方、未処理の画素がない場合（Ｙｅｓ）は、領域分割処理（ステップＳ１４）を終了する。

［領域統合処理］
次に、図２に示すフローチャートにおける領域統合処理（ステップＳ１５）について詳細に説明する。図５は、図２に示すフローチャートにおける領域統合処理（ステップＳ１５）を詳細に説明するためのフローチャートである。

まず、最終的に分離される領域数の目標値を設定（入力）する（ステップＳ１５０１）。本実施形態では、一例として何色くらいに分離するかを目安にして行うものとする。次いで、現在のクラスタの数を計数する（ステップＳ１５０２）。そして、計数された現在のクラスタの数と設定された目標値とを比較する（ステップＳ１５０３）。

その結果、現在のクラスタ数が目標値よりも多い場合（Ｙｅｓ）は、クラスタの統合を行う。本実施形態では、クラスタの統合処理として、まず各クラスタ間の類似度（距離）を計算し（ステップＳ１５０４）、その中から一番類似度の高い２つのクラスタ（一番距離の短い２つのクラスタ）を統合処理の対象とし、当該統合処理対象の２つのクラスタを１つのクラスタに統合する（ステップＳ１５０５）。

上述したクラスタの統合処理が終った後、再びステップＳ１５０２に戻って、統合処理後のクラスタ群に対して上記処理を繰り返し実行する。尚、ステップＳ１５０３の比較処理において、現在のクラスタ数が設定された目標値よりも少ない場合（Ｎｏ）は、本領域統合処理（ステップＳ１５）を終了する。

［ノイズ判定処理］
次に、図２に示すフローチャートにおけるノイズ判定処理（ステップＳ１７）について図６を用いて詳細に説明する。図６は、図２に示すフローチャートにおけるノイズ判定処理（ステップＳ１７）について詳細に説明するための図である。

図６において、クラスタ６１とクラスタ６２は、領域分割処理（ステップＳ１４）及び領域統合処理（ステップＳ１５）後のクラスタから、それぞれ代表として選ばれた２つのクラスタ例である。図６に示すこれらのクラスタ６１、６２には小さな領域が数多く含まれており、これらをそのままクラスタの輪郭線と内部色情報とをベクトルデータに変換してしまうと、データ量が膨大となって問題となる。そこで、この問題を解決するため、前述したように領域分割の結果をラベリングし（ステップＳ１６）、そして、各ラベル領域の大きさによりノイズ領域であるかどうかを判定することとしている（ステップＳ１７）。その結果、領域６３に含まれた各領域はノイズ領域と判定され、それぞれがノイズ除去処理の対象となる。

［ノイズ除去処理］
次に、図２に示すフローチャートにおけるノイズの除去処理（ステップＳ１８）について詳細に説明する。図７は、図２に示すフローチャートにおけるノイズ除去処理（ステップＳ１８）を詳細に説明するためのフローチャートである。ノイズ除去処理では、ノイズ判定処理（ステップＳ１７）において判定されたノイズ領域をノイズ除去処理対象として、ノイズ領域に含まれたノイズ画素毎に除去処理を行う。

そこで、まず、ノイズ画素と各隣接クラスタ間の類似度（例えば、ノイズ画素と隣接領域との距離）を計算する（ステップＳ１８０１）。次いで、ノイズ画素を計算された類似度から一番類似度の高いクラスタに属させて（類似度の高い隣接クラスタに統合）、ノイズ画素の属する領域を更新する（ステップＳ１８０２）。そして、このノイズ領域に未処理のノイズ画素が存在しているかどうかを判断する（ステップＳ１８０３）。

その結果、未処理の画素がある場合（Ｙｅｓ）はステップＳ１８０１に戻って、上記処理を繰り返し実行する。一方、未処理の画素がない場合（Ｎｏ）は、このノイズ領域のノイズ除去処理を終了する。

［クリップアート画像の領域分割に基づいたベクトル化の一例］
図８は、本発明の一実施形態によるクリップアート画像の領域分割に基づいたベクトル化の一例を示す図である。図８において、８１は領域分割されるクリップアート画像である。また、８２は領域分割結果の一例を示す。すなわち、クリップアート画像８１は、前述した領域分割、領域統合、ノイズ判定、ノイズ除去の一連の処理により、例えば、分割したい領域数の目標値が１６と設定された場合は、領域分割結果８２に示す１６個のクラスタから成るクラスタ群に分割される。

ベクトル化処理に必要なクラスタの輪郭と内部色情報の例としては、図８では、クラスタ８３、輪郭線８４、及び内部色情報８５が示されている。領域分割結果８２を上記情報に基づいてベクトルデータに変換された結果がベクトル画像８６である。ベクトル画像８６のファイルサイズは２４Ｋバイトであり、元のクリップアート画像８１のファイルサイズが２７３９Ｋバイトであるので、ベクトル化によって１／１００以下のサイズに減ることになる。また、ベクトル画像８６の各クラスタ８２を部品として、各クラスタの内部色の塗り潰し等の処理を行うこともできる。

以上説明したように、本実施形態によれば、ラベリング処理により判定されたノイズ領域を再クラスタリング処理することで、ノイズを効果良く除去することができる。また、ノイズ除去された領域分割の結果をベクトル化することで、データ量を減らすことができる。

＜第２の実施形態＞
以下、本発明に係る第２実施形態について説明する。

前述した第１実施形態においては、ラベリング処理後にラベル領域の大きさによりノイズ領域であるかどうかを判定する例を示した。第２実施形態においては、画像の有用な情報が除去されるのを防ぐため、ラベル領域の大きさによりノイズ領域の判定後、さらに他の情報を利用してノイズ領域であるかどうかを判定する例について、図９を参照して説明する。尚、第２の実施形態における領域分割に基づいてベクトル化処理を行う機能を有する画像処理装置の構成について前述した第１の実施形態に係る画像処理装置と同様である。

図９は、本発明の第２の実施形態に係るクリップアート画像の領域分割に基づいたベクトル化処理の詳細について説明するためのフローチャートである。図９のフローチャートにおいて、ステップＳ１７０１とステップＳ１７０２は第２の実施形態におけるノイズ領域の判定部分であり、他のステップは前述した第１の実施形態と同じである。

まず、ステップＳ１７０１では、ラベル領域の大きさによりノイズ領域の候補であるかどうかを判定する。その結果、ラベル領域が小さくなければ（Ｎｏ）、ノイズ領域ではないと判定してステップＳ１９の処理に遷移する。一方、ラベル領域が小さいと判定された場合（Ｙｅｓ）は、ノイズ領域候補として記録して、ステップＳ１７０２の処理に遷移する。

次に、ステップＳ１７０２では、ステップＳ１７０１で記録されたノイズ領域を、周囲にエッジがあるかによって確実にノイズ領域であるかどうかを判定する。その結果、ノイズ領域候補の周囲にエッジ画素がある場合（Ｙｅｓ）は、ノイズ領域であると判定し、ステップＳ１８のノイズ除去処理に遷移する。一方、ノイズ領域候補の周囲に強いエッジ画素がない場合（Ｎｏ）は、ノイズ領域ではないと判定し、ステップＳ１９の処理に遷移する。尚、エッジ画素とは、隣接画素から色や輝度が大きく変化する画素を示すものとし、例えば、ソベルフィルタを用いることによりエッジか否か判定することができる。ここでは、エッジの周囲にはノイズが生じやすいというスキャナの特性やＪＰＥＧ圧縮等の特性に着目して、ノイズか否か判断している。

また、上記エッジ情報の他にも、ラベル領域の大きさにより判定されたノイズ領域に対して、さらに周囲領域との位置関係によりノイズ領域を判定するようにしてもよい。すなわち、小さいラベル領域に対して、周囲に同じ色の大きい領域がある場合は、確実にノイズ領域として判定する。

以上第１及び第２の実施形態を示して説明したように、本発明によれば、ノイズ除去を行った領域分割処理により各領域の輪郭を正確に取ることにより、画質の向上が出来、さらに各領域輪郭のベクトル化記述ためのデータ量を削減し、良好な画像の部品を得ることができるようになる。

＜その他の実施形態＞
以上、実施形態例を詳述したが、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体（記録媒体）等としての実施態様をとることが可能であり、具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

尚、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接あるいは遠隔から供給し、そのシステムあるいは装置のコンピュータが該供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であっても良い。

プログラムを供給するための記録媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などがある。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続し、該ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせ、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現される。

本発明の第１の実施形態に係る、領域分割に基づいてベクトル化処理を行う機能を有する画像処理装置の構成を示すブロック図である。 本発明の第１の実施形態に係るクリップアート画像の領域分割に基づいたベクトル化処理の詳細について説明するためのフローチャートである。 本発明の第１の実施形態に係る画像処理において文書画像からクリップアート画像を選択した一例を示す図である。 図２に示すフローチャートにおける領域分割処理（ステップＳ１４）を詳細に説明するためのフローチャートである。 図２に示すフローチャートにおける領域統合処理（ステップＳ１５）を詳細に説明するためのフローチャートである。 図２に示すフローチャートにおけるノイズ判定処理（ステップＳ１７）について詳細に説明するための図である。 図２に示すフローチャートにおけるノイズ除去処理（ステップＳ１８）を詳細に説明するためのフローチャートである。 本発明の一実施形態によるクリップアート画像の領域分割に基づいたベクトル化の一例を示す図である。 本発明の第２の実施形態に係るクリップアート画像の領域分割に基づいたベクトル化処理の詳細について説明するためのフローチャートである。 図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。

符号の説明

１１ 入力部
１２ 領域分離部
１３ クリップアート画像選択部
１４ 領域分割部
１４ 領域統合部
１６ ノイズ判定部
１７ ノイズ除去部
１８ ベクトル化部

Claims (12)

1. 文書画像を画像処理装置に入力する入力工程と、
   前記文書画像を複数の領域に分割する分割工程と、
   前記複数の領域から図形領域を選択する選択工程と、
   選択された前記図形領域内に含まれる各画素をクラスタとして、複数のクラスタから成るクラスタ群を生成するクラスタリング工程と、
   前記複数のクラスタのうち類似するクラスタを統合して前記クラスタ群を更新する統合工程と、
   更新後の前記クラスタ群に含まれる各クラスタがノイズであるか否かを判定する判定工程と、
   ノイズと判定されたクラスタを前記クラスタ群から除去する除去工程と、
   前記クラスタ群をベクトルデータに変換する変換工程と
   を有することを特徴とする画像処理方法。
2. 前記選択工程が、前記文書画像から分割された前記複数の領域からカラー成分を有する図形領域を選択し、
   前記統合工程が、前記図形領域内の各画素の色特徴が類似する複数のクラスタを統合して前記クラスタ群を更新する
   ことを特徴とする請求項１に記載の画像処理方法。
3. 生成するクラスタ数の目標値を設定する設定工程をさらに有し、
   前記統合工程が、前記クラスタリング工程によって生成されたクラスタのクラスタ数が前記目標値に達するまで前記クラスタ群の更新を行う
   ことを特徴とする請求項１又は２に記載の画像処理方法。
4. 前記判定工程が、
   前記統合工程によって更新された前記クラスタ群に含まれる各クラスタの輪郭線を追跡して該輪郭線を構成する画素数を計数する第１の工程と、
   各クラスタ毎にクラスタの輪郭線を構成する画素数と所定値とを比較して、前記画素数が前記所定値よりも小さい場合に前記クラスタをノイズと判定する第２の工程と
   を有することを特徴とする請求項１から３までのいずれか１項に記載の画像処理方法。
5. 前記第２の工程が、前記画素数が前記所定値よりも小さいと判定されたクラスタに対して、さらに、該クラスタの周囲に他のクラスタのエッジが存在することを条件として該クラスタをノイズと判定することを特徴とする請求項４に記載の画像処理方法。
6. 前記第２の工程が、前記画素数が前記所定値よりも小さいと判定されたクラスタに対して、さらに、該クラスタの周囲に該クラスタと同じ色特徴を有する所定値以上の画素数を有する他のクラスタが存在することを条件として該クラスタをノイズと判定することを特徴とする請求項４に記載の画像処理方法。
7. 前記除去工程が、ノイズと判定された前記クラスタに含まれる画素を、該画素に隣接するクラスタのうち最も類似度の高いクラスタの画素として該クラスタに属させることにより、ノイズと判定された前記クラスタを除去することを特徴とする請求項１から６までのいずれか１項に記載の画像処理方法。
8. 前記図形領域は、イラスト作成アプケーションを用いて作成された図形が印刷された原稿が読み取られて電子化された画像、又は紙原稿上に描かれたイラストが読み取られて電子化された画像からなる領域であることを特徴とする請求項１から７までのいずれか１項に記載の画像処理方法。
9. 前記図形領域が、クリップアート画像領域であることを特徴とする請求項１に記載の画像処理方法。
10. 文書画像を入力する入力手段と、
    前記文書画像を複数の領域に分割する分割手段と、
    前記複数の領域から図形領域を選択する選択手段と、
    選択された前記図形領域内に含まれる各画素をクラスタとして、複数のクラスタから成るクラスタ群を生成するクラスタリング手段と、
    前記複数のクラスタのうち類似するクラスタを統合して前記クラスタ群を更新する統合手段と、
    更新後の前記クラスタ群に含まれる各クラスタがノイズであるか否かを判定する判定手段と、
    ノイズと判定されたクラスタを前記クラスタ群から除去する除去手段と、
    前記クラスタ群をベクトルデータに変換する変換手段と
    を疎なることを特徴とする画像処理装置。
11. コンピュータに、
    文書画像を入力する入力手順と、
    前記文書画像を複数の領域に分割する分割手順と、
    前記複数の領域から図形領域を選択する選択手順と、
    選択された前記図形領域内に含まれる各画素をクラスタとして、複数のクラスタから成るクラスタ群を生成するクラスタリング手順と、
    前記複数のクラスタのうち類似するクラスタを統合して前記クラスタ群を更新する統合手順と、
    更新後の前記クラスタ群に含まれる各クラスタがノイズであるか否かを判定する判定手順と、
    ノイズと判定されたクラスタを前記クラスタ群から除去する除去手順と、
    前記クラスタ群をベクトルデータに変換する変換手順と
    を実行させるためのプログラム。
12. 請求項１１に記載のプログラムを格納したことを特徴とするコンピュータ読み取り可能な記憶媒体。

Images