JP2011070327A - 画像属性判定装置、画像属性判定方法および画像属性判定プログラム - Google Patents

Abstract

【課題】画像の属性を、精度よく判定する。
【解決手段】特徴抽出部は、処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う。属性判定部は、オブジェクト画像と、処理対象画像に対し特徴抽出画像処理が行われることにより得られる処理済画像が示す、オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、オブジェクト画像の属性を判定する。
【選択図】図１３

Description

本発明は、画像の属性を判定するための処理を行う画像属性判定装置、画像属性判定方法および画像属性判定プログラムに関する。

従来から、スキャナ等で読み取った原稿の画像データから、写真、図画、活字、手書き文字等の画像属性を判別する技術として、以下の技術が知られている。当該技術は、読み取り画像をブロックに分割し、ブロック毎に算出した各種特徴量に基づいて画像属性を判別する技術（以下、従来技術Ａという）である（特許文献１，２参照）。この場合、ブロックのサイズは、読み取り原稿サイズ、解像度、検出精度等に応じて、例えば８×８画素のように決定される。

また、上記とは別に、手書きによる訂正部分の検出方法として、読み取り画像から取り消し線や取り消し記号等を検出し、それらを含む領域、またはそれらを含む領域の周辺の領域を手書き部分として検出する技術（以下、従来技術Ｂという）が知られている（特許文献３参照）。

特開２００１−０６１０６１号公報 特開２００７−２４３４４２号公報 特開２００７−２８０２６６号公報

読み取り原稿には、大小様々な形状の画像があらゆる位置に存在する。そのため、必ずしも、特定の属性の画像が完全に分離されるようにブロックが分割されるとは限らず、一つのブロックの中に複数種類の属性の画像が含まれる場合も生じる。そのため、ブロック毎に画像属性を判別する従来技術Ａでは、画像属性の判定の精度が悪いという問題点がある。

また、従来技術Ｂでは、手書きによる訂正部分の検出はできる。しかしながら、原稿に存在する手書き部分（文字）には、訂正を目的とするもの以外に、訂正を目的としない手書き部分が存在する。訂正を目的としない手書き部分は、例えば、署名、メモ書き、落書き等が記載された部分である。

このような訂正を目的としない手書き部分は、取り消し線や取り消し記号を伴わない。すなわち、従来技術Ｂでは、手書きによる訂正部分以外の画像に関しては、画像属性の判定には利用できない。また、従来技術Ｂでは、ブロック毎に画像の属性の判定を行う。そのため、従来技術Ｂにおいても、従来技術Ａと同様な理由により、画像属性の判定の精度が悪いという問題点がある。

本発明は、上述の問題点を解決するためになされたものであって、その目的は、画像の属性を、精度よく判定することを可能とする画像属性判定装置等を提供することである。

上述の課題を解決するために、この発明のある局面に従う画像属性判定装置は、オブジェクト画像を示す処理対象画像を処理する。画像属性判定装置は、前記処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う特徴抽出部と、前記オブジェクト画像と、前記処理対象画像に対し前記特徴抽出画像処理が行われることにより得られる処理済画像が示す、前記オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、前記オブジェクト画像の属性を判定する属性判定部とを備える。

すなわち、特徴抽出部は、処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う。属性判定部は、オブジェクト画像と、処理対象画像に対し特徴抽出画像処理が行われることにより得られる処理済画像が示す、オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、オブジェクト画像の属性を判定する。

したがって、従来のようにブロック毎ではなく、処理対象画像が示すオブジェクト画像毎に、画像の属性を判定する。そのため、画像の属性を、精度よく判定することができる。

また、前記処理対象画像は多値画像であり、前記特徴抽出部は、隣接する画素の濃度変化が大きい程大きな値を出力するフィルタを前記処理対象画像にかける第１の前記特徴抽出画像処理を行い、前記画像属性判定装置は、さらに、前記処理対象画像が示す前記オブジェクト画像の形状が残るように前記処理対象画像を２値化する第１の２値化処理と、前記処理済画像が示す前記変化後オブジェクト画像のうち濃度が所定値以上の部分が残るように前記処理済画像を２値化する第２の２値化処理とを行う２値化処理部を備え、前記属性判定部は、前記第１の２値化処理が行われることにより生成されたオブジェクト２値画像の面積と、前記第２の２値化処理が行われることにより生成された変化後オブジェクト２値画像の面積とを比較することにより、前記オブジェクト画像の属性を判定することが好ましい。

また、前記処理対象画像は２値画像であり、前記特徴抽出部は、前記処理対象画像が示す前記オブジェクト画像の線の部分を細くする第２の前記特徴抽出画像処理を行い、前記属性判定部は、前記オブジェクト画像の面積と、前記第２の特徴抽出画像処理が行われることにより得られた前記変化後オブジェクト画像の面積とを比較することにより、前記オブジェクト画像の属性を判定することが好ましい。

また、前記処理対象画像は２値画像であり、前記画像属性判定装置は、さらに、前記処理対象画像が示す前記オブジェクト画像の線の部分を細くして細線化処理画像を生成する細線化処理部を備え、前記特徴抽出部は、前記細線化処理画像が示す細線化オブジェクト画像のうち、直線部分のみを残す第３の前記特徴抽出画像処理を行い、前記属性判定部は、前記細線化オブジェクト画像の面積と、前記第３の特徴抽出画像処理が行われることにより得られた変化後細線化オブジェクト画像の面積とを比較することにより、前記オブジェクト画像の属性を判定することが好ましい。

また、前記オブジェクト画像は、文字を示す画像であり、前記属性判定部が判定する画像の属性は、手書き文字または活字であることが好ましい。

これにより、手書き文字と、活字とを判定することができる。
この発明の他の局面に従う画像属性判定方法は、オブジェクト画像を示す処理対象画像を処理する画像属性判定装置が行う。画像属性判定方法は、前記処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う特徴抽出ステップと、前記オブジェクト画像と、前記処理対象画像に対し前記特徴抽出画像処理が行われることにより得られる処理済画像が示す、前記オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、前記オブジェクト画像の属性を判定する属性判定ステップとを備える。

この発明のさらに他の局面に従う画像属性判定プログラムは、オブジェクト画像を示す処理対象画像を処理するためのプログラムである。画像属性判定プログラムは、前記処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う特徴抽出ステップと、前記オブジェクト画像と、前記処理対象画像に対し前記特徴抽出画像処理が行われることにより得られる処理済画像が示す、前記オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、前記オブジェクト画像の属性を判定する属性判定ステップとをコンピュータに実行させる。

なお、本発明は、このような画像属性判定装置を構成する複数の構成要素の全てまたは一部を、システムＬＳＩ（Large Scale Integration：大規模集積回路）として実現してもよい。

また、本発明は、このような画像属性判定方法として実現するだけでなく、このような画像属性判定方法に含まれる各ステップをコンピュータに実行させるプログラムとして実現してもよい。そして、そのようなプログラムを格納するコンピュータ読み取り可能な記録媒体として実現されてもよい。また、当該プログラムは、インターネット等の伝送媒体を介して配信されてもよい。

本発明により、画像の属性を、精度よく判定することができる。

第１の実施の形態におけるネットワークシステムの構成を示す図である。 画像形成装置内のハードウエア構成を示したブロック図である。 操作パネル部の外観を示す図である。 画像属性判定処理のフローチャートである。 第１の実施の形態において処理される一例の画像を示す図である。 第１の実施の形態において処理される一例の画像を示す図である。 第２のラベル付け処理のフローチャートである。 属性判定処理のフローチャートである。 画像属性判定処理Ａのフローチャートである。 第２の実施の形態において処理される一例の画像を示す図である。 画像属性判定処理Ｂのフローチャートである。 第３の実施の形態において処理される一例の画像を示す図である。 本発明に係る画像形成装置の特徴的な第１の機能構成を示すブロック図である。 本発明に係る画像形成装置の特徴的な第２の機能構成を示すブロック図である。 本発明に係る画像形成装置の特徴的な第３の機能構成を示すブロック図である。 本発明に係る画像形成装置の特徴的な第４の機能構成を示すブロック図である。

以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

＜第１の実施の形態＞
（システムの構成）
図１は、第１の実施の形態におけるネットワークシステム１０００の構成を示す図である。図１に示されるように、ネットワークシステム１０００は、画像形成装置１００と、端末装置２０１と、端末装置２０２と、ルーター６０とを含む。

画像形成装置１００は、ＭＦＰ（MultiFunction Peripheral）である。画像形成装置１００は、ＦＡＸ機能、コピー機能、プリンタ機能、スキャナ機能等の複数の機能を有する。なお、画像形成装置１００は、ＭＦＰに限定されることなく、たとえば、ＦＡＸ機能、コピー機能、プリンタ機能の少なくとも１つの機能を有する装置であってもよい。

端末装置２０１および端末装置２０２は、ＰＣ（Personal Computer）である。
画像形成装置１００、端末装置２０１、端末装置２０２およびルーター６０は、ネットワーク２０に接続される。ネットワーク２０は、たとえば、ＬＡＮ（Local Area Network）である。

ルーター６０は、ネットワーク２０とインターネット７０とを接続する機能を有する。
端末装置２０１および端末装置２０２の各々は、ネットワーク２０を介して、画像形成装置１００とデータ通信を行なう。

なお、端末装置２０１および端末装置２０２の少なくとも一方は、ネットワークシステム１０００に含まれなくてもよい。また、端末装置２０１および端末装置２０２は、ネットワークシステム１０００に含まれなくてもよい。

また、画像形成装置１００は、ＰＳＴＮ（Public Switched Telephone Network：公衆交換電話網）４０を利用して、画像形成装置１０１とデータ通信を行なう。

画像形成装置１０１は、画像形成装置１００と同じ構成および機能を有する装置である。

（画像形成装置）
次に、画像形成装置１００について詳細に説明する。

図２は、画像形成装置１００内のハードウエア構成を示したブロック図である。なお、図２には、説明のために、記録媒体５０も示している。記録媒体５０には、後述するプログラム５１が記録されている。すなわち、プログラム５１は、媒体等に記録されてプログラム製品として流通される。また、記録媒体５０もプログラム製品として流通される。

図２に示されるように、画像形成装置１００は、制御部１１０と、ＲＡＭ（Random Access Memory）１２０と、記憶部１２２と、記憶媒体アクセス部１３０とを備える。制御部１１０、ＲＡＭ１２０、記憶部１２２および記憶媒体アクセス部１３０は、データバス１０２に接続されている。

制御部１１０は、ＣＰＵ（Central Processing Unit）である。なお、制御部１１０は、ＣＰＵに限定されることなく、演算機能を有するその他の回路であってもよい。

ＲＡＭ１２０は、揮発性のメモリである。ＲＡＭ１２０は、制御部１１０によってデータアクセスされる。ＲＡＭ１２０は、一時的にデータを記憶するワークメモリとしての機能を有する。

記憶部１２２は、不揮発性のメモリである。記憶部１２２は、たとえば、ハードディスクドライブである。なお、記憶部１２２は、ハードディスクドライブに限定されることなく、不揮発性のメモリであれば、その他のメモリ（たとえば、フラッシュメモリ）であってもよい。記憶部１２２は、制御部１１０によって、データアクセスされる。記憶部１２２には、プログラム５１、その他の各種データ等が記憶されている。

制御部１１０は、記憶部１２２に記憶されているプログラム５１を実行し、プログラム５１に基づいて、画像形成装置１００内の各部に対する各種処理や、演算処理等を行なう。

記憶媒体アクセス部１３０は、制御部１１０からの指示により、プログラム５１が記憶された記録媒体５０から、プログラム５１を読み出す機能を有する。記録媒体５０に記憶されているプログラム５１は、制御部１１０が行なうインストール処理により、記憶媒体アクセス部１３０により読み出され、記憶部１２２に記憶される。このインストール処理用プログラムは、予め、記憶部１２２に格納されている。インストール処理は、制御部１１０が、インストール処理用プログラムに基づいて行なう。

記録媒体５０は、ＳＤ（Secure Digital）メモリーカードである。なお、記録媒体５０は、ＳＤメモリーカードに限定されることなく、データを不揮発的に記録可能なその他の媒体であってもよい。

画像形成装置１００は、さらに、操作パネル部３００を備える。
操作パネル部３００は、データバス１０２に接続されている。操作パネル部３００は、表示部３１０と、入力部３２０とを有する。

図３は、操作パネル部３００の外観を示す図である。
表示部３１０は、文字や画像等を表示する機能を有する。表示部３１０には、文字や画像等を表示する表示面が設けられる。表示部３１０は、ＬＣＤパネル（Liquid Crystal Display Panel）を使用した装置である。なお、表示部３１０は、上記以外の表示方式のパネルを使用した装置であってもよい。

また、表示部３１０は、ユーザが、表示面に直接触れることで、情報入力可能なタッチパネル機能を有する。表示部３１０は、ユーザが表示面にタッチした位置情報を、制御部１１０へ送信する。制御部１１０は、受信した位置情報に基づいて、所定の処理を行なう。すなわち、表示部３１０は、ユーザが画像形成装置１００を操作するためのインターフェースである。

入力部３２０は、数字ボタン群３２２を含む。数字ボタン群３２２は、複数の数字ボタンを含む。数字ボタン群３２２に含まれる複数の数字ボタンの各々は、ユーザにより押下されることにより、数字を入力するためのボタンである。入力部３２０は、さらに、画像形成装置１００を操作するための複数のボタンを含む。

入力部３２０は、当該入力部３２０に含まれる複数のボタンのうち、ユーザにより押下操作されたボタンに対応するボタン信号を、制御部１１０へ送信する。制御部１１０は、受信したボタン信号に基づいて、所定の処理を行なう。すなわち、入力部３２０は、ユーザが画像形成装置１００を操作するためのインターフェースである。以下においては、ユーザによる、表示部３１０の表示面に対するタッチ操作または入力部３２０の操作を、インターフェース操作Ｍともいう。

再び、図２を参照して、画像形成装置１００は、さらに、スキャナ部１５０と、印刷部１６０と、通信部１７０と、モデム１７２と、ＮＣＵ１７４とを備える。

スキャナ部１５０は、原稿を読み取ることにより画像を取得する機能を有する。原稿は、例えば、紙等の記録媒体である。以下においては、スキャナ部１５０が原稿を読み取ることにより画像を取得する処理を、原稿読取り処理という。

以下においては、原稿読取り処理が行われることにより得られる画像を、読取り画像という。

印刷部１６０は、紙等の媒体に、指示された画像または文字を印字してプリントアウトする機能（以下、印刷機能という）を有する。以下においては、印刷部１６０が、記録媒体に、画像または文字を印字してプリントアウトするための処理を印刷処理という。

印刷処理における記録媒体は、例えば、紙、ＯＨＰ（OverHead Projector）フィルムなど、画像を形成することが可能な媒体であればどのような媒体であってもよい。なお、本実施の形態においては、印刷の対象となる記録媒体は、一例として、紙であるとする。

通信部１７０は、有線技術または無線技術を利用して、ネットワーク２０に接続される装置とデータ通信を行なう機能を有する。有線技術は、たとえば、イーサネット（登録商標）に基づく技術である。なお、有線技術は、イーサネット（登録商標）に基づく技術に限定されることなく、その他の有線技術であってもよい。

無線技術は、たとえば、ＩＥＥＥ８０２．１１ｇに基づく技術である。なお、無線技術は、ＩＥＥＥ８０２．１１ｇに基づく技術に限定されることなく、その他の無線技術であってもよい。

モデム１７２は、ファクシミリ規格に従った通信（以下、ファクシミリ通信という）を行う機能を有する。モデム１７２は、ファクシミリ通信において、送信対象となる画像データを変調する。また、モデム１７２は、ファクシミリ通信において、外部から受信した画像データを復調する。

ＮＣＵ１７４は、ＰＳＴＮ４０と接続される回線終端装置である。

（画像属性の判定）
次に、原稿読取り処理により得られた画像に示されるオブジェクト画像の属性を判定するための処理（以下、画像属性判定処理という）について説明する。

図４は、画像属性判定処理のフローチャートである。
ステップＳ１０では、スキャナ部１５０が前述した原稿読取り処理を行うことにより、制御部１１０は、読取り画像（以下、処理対象画像という）を取得する。なお、以下においては、処理対象画像を、原画像ともいう。

なお、処理対象画像は、読取り画像に限定されない。処理対象画像は、例えば、画像形成装置１００がインターネット７０から取得した画像であってもよい。また、処理対象画像は、例えば、記録媒体５０に記録されている画像であってもよい。

ここで、処理対象画像は、一例として、図５の処理対象画像４００であるとする。
図５は、第１の実施の形態において処理される一例の画像を示す図である。

図５を参照して、処理対象画像４００は、一例として、“０”〜“２５５”の範囲の画素値を示す複数の画素から構成されるグレースケール画像である。本実施の形態におけるグレースケール画像では、画素値“０”の画素は白を示し、画素値“２５５”の画素は黒を示すとする。すなわち、グレースケール画像を構成する各画素は、当該画素の画素値が大きい程、黒に近い画素である。

処理対象画像４００は、オブジェクト画像４１０，４２０を示す。オブジェクト画像４１０は、活字を示す画像である。すなわち、オブジェクト画像４１０の属性は、活字である。

以下においては、グレースケール画像において、上下方向、左右方向および斜め方向の少なくとも１つの方向に隣接する２つの画素の画素値の差が大きい部分を、濃度大変化部という。濃度大変化部は、例えば、隣接する２つの画素の画素値の差が所定値（例えば、１５０）以上である部分である。

以下においては、ユーザが、鉛筆、ボールペン等により描いた文字を、手書き文字という。オブジェクト画像４２０は、手書き文字を示す画像である。すなわち、オブジェクト画像４１０の属性は、手書き文字である。

属性が活字であるオブジェクト画像では、隣接画素間の濃度変化が大きく、濃度大変化部が多い傾向がある。一方、属性が手書き文字であるオブジェクト画像では、隣接画素間の濃度変化が小さく、濃度大変化部が少ない傾向がある。

例えば、処理対象画像４００に示されるように、属性が活字であるオブジェクト画像４１０では、濃度大変化部が多い。一方、属性が手書き文字であるオブジェクト画像４２０では、濃度大変化部が少ない。

再び、図４を参照して、ステップＳ１００では、制御部１１０が、処理対象画像の種類を判定する。処理対象画像がグレースケール画像である場合、処理はステップＳ１２０に移行する。処理対象画像がカラー画像である場合、処理はステップＳ１１０に移行する。

ステップＳ１１０では、グレースケール変換処理が行われる。グレースケール変換処理では、カラー画像である処理対象画像を、グレースケール画像に変換する処理が行われる。カラー画像をグレースケール画像に変換する処理は、周知な技術であるので詳細な説明は行わない。

ステップＳ１２０では、第１の２値化処理が行われる。第１の２値化処理は、処理対象画像が示すオブジェクト画像の形状が残るように処理対象画像を２値化する処理である。第１の２値化処理では、制御部１１０が、グレースケール画像としての処理対象画像を、例えば、判別分析法（大津法）により算出されるしきい値（以下、第１の２値化しきい値という）に基づいて、２値画像に変換する。

判別分析法（大津法）は、グレースケール画像を２値画像に変換するためのしきい値を算出する方法である。具体的には、判別分析法（大津法）は、画像のヒストグラムを２クラスに分割した場合のクラス間分散が最大になる時のしきい値を、２値化のしきい値として算出する方法である。

なお、判別分析法（大津法）は、非特許文献“大津展之、“判別および最小２乗基準に基づく自動しきい値選定法”、電子通信学会論文誌、vol.J63-D,no.4,pp.349-356,1980”に開示されている周知な技術であるので詳細な説明は行わない。

具体的には、第１の２値化処理では、制御部１１０が、処理対象画像において、第１の２値化しきい値未満の画素値の画素を、白の画素に変換する。また、制御部１１０が、処理対象画像において、第１の２値化しきい値以上の画素値の画素を、黒の画素に変換する。第１の２値化処理により、処理対象画像が２値化された画像（以下、処理対象２値画像という）が得られる。制御部１１０は、処理対象２値画像を、ＲＡＭ１２０に記憶させる。

以下においては、２値画像に示される黒の画素および白の画素を、それぞれ、オン画素およびオフ画素という。

処理対象画像が処理対象画像４００である場合、第１の２値化処理により得られる画像は、図５の２値画像４０１である。この場合、２値画像４０１は、処理対象２値画像である。

２値画像４０１は、オブジェクト２値画像４１１，４２１を示す。オブジェクト２値画像４１１，４２１の各々は、複数のオン画素から構成される。オブジェクト２値画像４１１，４２１は、それぞれ、オブジェクト画像４１０，４２０に対応する２値画像である。オブジェクト２値画像４１１，４２１の形状は、それぞれ、オブジェクト画像４１０，４２０の形状と同じである。

すなわち、第１の２値化処理により得られた画像は、処理対象画像４００が示すオブジェクト画像４１０，４２０の形状が残るように、処理対象画像４００が２値化された画像である。

なお、第１の２値化処理は、判別分析法（大津法）を利用した処理に限定されず、他の方法により算出された２値化のしきい値を利用する処理であってもよい。

ステップＳ１３０では、処理対象２値画像に対し第１の孤立点除去処理が行われる。第１の孤立点除去処理では、制御部１１０が、処理対象２値画像において孤立画素（孤立点）がある場合、当該孤立画素を除去する。孤立画素は、当該孤立画素に対する８方向に隣接するオン画素が存在しない１つのオン画素である。当該８方向は、上、下、左、右、左上、左下、右上および右下方向である。

処理対象２値画像が、例えば、図５の２値画像４０１である場合、処理対象２値画像には、孤立画素は存在しない。この場合、孤立画素を除去する処理は行われない。

なお、ステップＳ１３０の孤立点除去処理は行われなくてもよい。
ステップＳ１４０では、ラベリングとしての第１のラベル付け処理が行われる。第１のラベル付け処理では、制御部１１０が、孤立点除去処理が行われた処理対象２値画像において、複数のオン画素から構成される連結画素群（連結部分）を抽出し、抽出された連結画素群毎に、異なるラベル番号を昇順（１，２，３，・・・）につける。ラベル番号は、画素毎につけられる。なお、処理対象２値画像におけるオフ画素には、ラベル番号“０”がつけられる。

連結画素群の抽出には、８点連結が採用される。この場合、抽出される同一の連結画素群を構成する複数のオン画素の各々は、当該オン画素に対する８方向の少なくとも１つの方向に隣接する他のオン画素が存在する画素である。当該８方向は、上、下、左、右、左上、左下、右上および右下方向である。

なお、連結画素群の抽出には、８点連結に限定されず、４点連結が採用されてもよい。この場合、抽出される同一の連結画素群を構成する複数のオン画素の各々は、当該オン画素に対する４方向の少なくとも１つの方向に隣接する他のオン画素が存在する画素である。当該４方向は、上、下、左および右方向である。

以下においては、第１のラベル付け処理により得られる画像を、第１のラベル画像という。制御部１１０は、第１のラベル画像を、ＲＡＭ１２０に記憶させる。

例えば、第１のラベル付け処理において、処理対象２値画像が、図５の２値画像４０１である場合、第１のラベル付け処理において抽出される連結画素群は、オブジェクト２値画像４１１，４２１である。この場合、オブジェクト２値画像４１１，４２１に、それぞれ、ラベル番号“１”，“２”がつけられる。この場合、第１のラベル付け処理により得られる第１のラベル画像は、図５の第１のラベル画像４０２である。

第１のラベル画像４０２において、白の部分は、ラベル番号“０”がつけられている。なお、図を見やすくするために、第１のラベル画像４０２において、ラベル番号“０”は示していない。第１のラベル画像４０２は、ラベル行列としてのラベル群４１２，４２２を示す。ラベル群４１２，４２２は、それぞれ、オブジェクト２値画像４１１，４２１に対応する。

再び、図４を参照して、ステップＳ１４０の処理の後、処理はステップＳ１５０に移行する。

ステップＳ１５０では、グレースケール画像である処理対象画像に対し第１の特徴抽出画像処理が行われる。当該処理対象画像は、ステップＳ１０の処理で取得された画像またはステップＳ１１０の処理により得られた画像である。第１の特徴抽出画像処理は、処理対象画像が示すオブジェクト画像の特徴を抽出するための処理である。

第１の特徴抽出画像処理では、制御部１１０が、処理対象画像に対し、レンジフィルタをかける（適用する）。レンジフィルタは、注目画素の近傍の８画素の画素値における最大値と最小値との差分を出力するフィルタである。すなわち、レンジフィルタは、隣接する画素の濃度変化（濃度差）が大きい程、大きな値を出力するフィルタである。つまり、レンジフィルタは、画像における濃度大変化部の合計面積を増やすためのフィルタでもある。

なお、レンジフィルタは、周知なフィルタであるので詳細な説明は行わない。
活字を示す処理対象画像にレンジフィルタがかけられた場合、活字は濃度大変化部が多いので、活字に対応する部分の大部分が大きい画素値の画素（黒に近い画素）になることが想定される。また、手書き文字を示す処理対象画像にレンジフィルタがかけられた場合、手書き文字は濃度大変化部が少ないので、手書き文字に対応する部分の大部分が小さい画素値の画素（濃度の薄い画素）になることが想定される。

以下においては、第１の特徴抽出画像処理が行われることにより得られる画像を、第１の処理済画像という。また、以下においては、第１の処理済画像が示すオブジェクト画像を、変化後オブジェクト画像という。変化後オブジェクト画像は、処理対象画像が示すオブジェクト画像の状態が変化した画像である。

制御部１１０は、第１の特徴抽出画像処理が行われることにより得られた第１の処理済画像を、ＲＡＭ１２０に記憶させる。

なお、第１の特徴抽出画像処理で使用されるフィルタは、レンジフィルタに限定されず、濃度大変化部の合計面積を増やすためのフィルタであればよい。第１の特徴抽出画像処理で使用されるフィルタは、例えば、ラプラシアンフィルタであってもよい。ラプラシアンフィルタも、画像における濃度大変化部の合計面積を増やすためのフィルタである。

ここで、処理対象画像が図５の処理対象画像４００である場合、第１の特徴抽出画像処理が行われることにより、処理対象画像４００は、図６の処理済画像５００になる。すなわち、第１の特徴抽出画像処理が行われることにより、処理対象画像４００に含まれる濃度大変化部の合計面積は増加する。処理済画像５００は、第１の処理済画像である。

処理済画像５００は、オブジェクト画像５１０，５２０を示す。オブジェクト画像５１０，５２０は、変化後オブジェクト画像である。オブジェクト画像５１０は、図５のオブジェクト画像４１０に対し第１の特徴抽出画像処理が行われることにより得られた画像である。オブジェクト画像５２０は、図５のオブジェクト画像４２０に対し第１の特徴抽出画像処理が行われることにより得られた画像である。

図５の処理済画像５００に示されるように、活字を示すオブジェクト画像５１０の大部分が大きい画素値の画素（黒に近い画素）を示す。また、処理済画像５００に示されるように、手書き文字を示すオブジェクト画像５２０の大部分が小さい画素値の画素（濃度の薄い画素）を示す。

なお、図５の処理対象画像４００および図６の処理済画像５００において、濃さが同じように見える画素の画素値は、必ずしも同じ画素値ではない。例えば、処理対象画像４００における画素４４１の画素値は、処理済画像５００における画素５４１の画素値より大きい。

ステップＳ１６０では、第２の２値化処理が行われる。第２の２値化処理は、第１の処理済画像が示す変化後オブジェクト画像のうち、濃度（画素値）が所定値以上の部分が残るように第１の処理済画像を２値化する処理である。すなわち、第２の２値化処理は、第１の処理済画像が示す変化後オブジェクト画像のうち、濃度大変化部に対応する画素を、オン画素として抽出する処理である。

第２の２値化処理では、第２の２値化しきい値に基づいて、２値画像が生成される。ここで、第２の２値化しきい値は、例えば、第１の処理済画像を構成する各画素の最大の画素値の９０％の画素値であるとする。例えば、当該最大の画素値が“２００”である場合、第２の２値化しきい値は“１８０”である。

なお、第２の２値化しきい値は、上記定義に基づくものに限定されず、例えば、前述した判別分析法（大津法）により算出されるしきい値であってもよい。

具体的には、第２の２値化処理では、制御部１１０が、第１の処理済画像において、第２の２値化しきい値未満の画素値の画素を、白の画素に変換する。また、制御部１１０が、第１の処理済画像において、第２の２値化しきい値以上の画素値の画素を、黒の画素に変換する。第２の２値化処理により、第１の処理済画像が２値化された画像（以下、第１の処理済２値画像という）が得られる。制御部１１０は、第１の処理済２値画像を、ＲＡＭ１２０に記憶させる。

第１の処理済２値画像は、第１の処理済画像が示す変化後オブジェクト画像が２値化された画像（以下、変化後オブジェクト２値画像という）を示す。

第１の処理済画像が、図６の処理済画像５００である場合、第２の２値化処理により得られる２値画像は、図６の２値画像５０１である。この場合、２値画像５０１は、第１の処理済２値画像である。

２値画像５０１は、変化後オブジェクト２値画像５１１，５２１を示す。変化後オブジェクト２値画像５１１，５２１の各々は、複数のオン画素から構成される。変化後オブジェクト２値画像５１１，５２１は、それぞれ、オブジェクト画像５１０，５２０に対応する２値画像である。すなわち、第２の２値化処理により、第１の処理済画像としての処理済画像５００が示すオブジェクト画像５１０，５２０の各々において、濃度大変化部に対応する画素が、オン画素として抽出される。

ステップＳ１７０では、第１の処理済２値画像に対し第２の孤立点除去処理が行われる。第２の孤立点除去処理では、制御部１１０が、第１の処理済２値画像において孤立画素（孤立点）がある場合、当該孤立画素を除去する。なお、第２の孤立点除去処理は、ステップＳ１３０の第１の孤立点除去処理と同様なので詳細な説明は繰り返さない。

なお、ステップＳ１７０の第２の孤立点除去処理は行われなくてもよい。
ステップＳ２００では、ラベリングとしての第２のラベル付け処理が行われる。

図７は、第２のラベル付け処理のフローチャートである。
ステップＳ２１０では、制御部１１０が、第２の孤立点除去処理が行われた第１の処理済２値画像において、ｋ（自然数）番目の処理対象画素がオン画素およびオフ画素のいずれであるか判定する。ここで、ｋの初期値は１である。第１の処理済２値画像は、例えば、２値画像５０１である。

ここで、１番目の処理対象画素は、第１の処理済２値画像の左上の画素（１行１列目の画素）である。第１の処理済２値画像において、ｋの値が１増加する毎に、ｋ番目の処理対象画素は１画素分右に移動する。すなわち、ｕ（自然数）＋１番目の処理対象画素は、ｕ番目の処理対象画素の右隣の画素である。例えば、３番目の処理対象画素は、第１の処理済２値画像の１行３列目の画素である。

なお、ｕ番目の処理対象画素が第１の処理済２値画像のｍ（自然数）行目の右端の画素である場合、ｕ＋１番目の処理対象画素は、ｍ＋１行目の左端の画素である。

ｋ番目の処理対象画素がオン画素である場合、処理はステップＳ２２０に移行する。一方、ｋ番目の処理対象画素がオフ画素である場合、処理は後述するステップＳ２５０に移行する。

以下においては、画像におけるｙ行ｘ列目の画素の座標を、座標（ｘ、ｙ）とも表記する。

ステップＳ２２０では、前述の処理で得られた第１のラベル画像において、ｋ番目の処理対象画素に対応する位置に“０”以外のラベル番号が存在するか否かが判定される。具体的には、制御部１１０が、第１のラベル画像において、ｋ番目の処理対象画素の座標の位置に、“０”以外のラベル番号が存在するか否かを判定する。

ステップＳ２２０において、ＹＥＳならば、処理はステップＳ２３０に移行する。一方、ステップＳ２２０において、ＮＯならば、処理はステップＳ２４０に移行する。

ステップＳ２３０では、制御部１１０が、第１のラベル画像におけるｋ番目の処理対象画素の座標の位置のラベル番号を、第１の処理済２値画像におけるｋ番目の処理対象画素の座標の画素に割り当てる（つける）。以下においては、第１のラベル画像におけるｋ番目の処理対象画素の座標を、第１処理対象座標という。

ここで、一例として、第１のラベル画像が図５の第１のラベル画像４０２であり、第１の処理済２値画像が図６の２値画像５０１であるとする。また、ｋ番目の処理対象画素は、２値画像５０１の画素５５１であるとする。すなわち、画素５５１の座標は、第１処理対象座標である。また、画素５５１の座標（第１処理対象座標）は、図５の第１のラベル画像４０２のラベル番号４５１の座標と同じであるとする。

この場合、ｋ番目の処理対象画素としての画素５５１は、オン画素であるため、ステップＳ２１０の処理により、ステップＳ２２０の処理が行われる。また、ステップＳ２２０でＹＥＳと判定され、ステップＳ２３０の処理が行われる。ステップＳ２３０では、制御部１１０が、第１のラベル画像４０２における第１処理対象座標の位置のラベル番号４５１（１）を、第１の処理済２値画像としての２値画像５０１における第１処理対象座標の画素に割り当てる（つける）。

ステップＳ２２０において、ＮＯと判定される場合は、ｋ番目の処理対象画素に対応する位置にラベル番号“０”が存在する場合である。この場合、処理はステップＳ２４０に移行する。

ステップＳ２４０では、制御部１１０が、ｋ番目の処理対象画素の近傍８画素にそれぞれ対応する、第１のラベル画像内の８個のラベル番号のうち、最も多いラベル番号を、第１の処理済２値画像におけるｋ番目の処理対象画素の座標の画素に割り当てる（つける）。当該最も多いラベル番号が複数存在する場合は、例えば、そのうちの最小の値を採用することにより、割り当てるラベル番号を一意に決定する。以下においては、最も多いラベル番号を、最頻値ともいう。

なお、ｋ番目の処理対象画素の近傍８画素にそれぞれ対応する、第１のラベル画像内の８個のラベル番号が全て“０”である場合、割り当てるラベル番号は“０”とする。また、当該近傍８画素にそれぞれ対応する８個のラベル番号が全て“０”である場合、例えば、最頻値を決定するための対象範囲を、ｋ番目の処理対象画素の近傍２４画素まで拡張してもよい。

ステップＳ２５０では、制御部１１０が、ラベル番号“０”を、第１の処理済２値画像におけるｋ番目の処理対象画素の座標の画素に割り当てる（つける）。すなわち、第１のラベル画像におけるｋ番目の処理対象画素の座標の位置のラベル番号に関わらず、ラベル番号“０”が割り当てられる。そして、処理は、ステップＳ２６０に移行する。

ステップＳ２６０では、制御部１１０が、ｋ番目の処理対象画素が最終画素であるか否かを判定する。当該最終画素は、第１の処理済２値画像の右下の画素である。第１の処理済２値画像が、例えば、４００個の画素から構成される画像である場合、最終画素は、４００番目の処理対象画素である。

ステップＳ２６０において、ＹＥＳならば、制御部１１０は、上記処理により得られた画像を、ＲＡＭ１２０に記憶させる。そして、この第２のラベル付け処理は終了し、再度、図４の画像属性判定処理に戻り、処理はステップＳ３００に移行する。一方、ステップＳ２６０において、ＮＯならば、処理は、ステップＳ２６１に移行する。

以下においては、第２のラベル付け処理により得られる画像を、第２のラベル画像という。すなわち、第２のラベル画像は、ステップＳ２６０でＹＥＳと判定された時点において得られた画像である。上記処理により、第２のラベル画像は、ＲＡＭ１２０に記憶される。

ステップＳ２６１では、制御部１１０が、ｋの値を１インクリメントする。そして、再度、ステップＳ２１０の処理が行われる。

以上説明した第２のラベル付け処理における各処理が、ステップＳ２６０でＹＥＳと判定されるまで繰り返される。

ここで、第２のラベル付け処理において、第１の処理済２値画像が、例えば、図６の２値画像５０１である場合、第２のラベル付け処理により得られる第２のラベル画像は、図６の第２のラベル画像５０２である。

第２のラベル画像５０２において、白の部分は、ラベル番号“０”がつけられている。なお、図を見やすくするために、第２のラベル画像５０２において、ラベル番号“０”は示していない。第２のラベル画像５０２は、ラベル行列としてのラベル群５１２，５２２を示す。ラベル群５１２，５２２は、それぞれ、変化後オブジェクト２値画像５１１，５２１に対応する。

再び、図４を参照して、ステップＳ３００では、属性判定処理が行われる。
図８は、属性判定処理のフローチャートである。

ステップＳ３１０では、制御部１１０が、ＲＡＭ１２０に記憶されている第１のラベル画像および第２のラベル画像から、ｐ（自然数）番目のラベル群を取得する。ここで、ｐの初期値は“１”である。ここで、ｐ番目のラベル群は、ラベル番号“ｐ”から構成されるラベル群である。

以下においては、第１のラベル画像から取得されたラベル群を、第１ラベル群という。また、以下においては、第２のラベル画像から取得されたラベル群を、第２ラベル群という。

ここで、例えば、第１のラベル画像および第２のラベル画像が、それぞれ、図５の第１のラベル画像４０２および図６の第２のラベル画像５０２であるとする。また、ｐの値は“１”であるとする。

この場合、第１のラベル画像４０２から、第１ラベル群としてのラベル群４１２が取得される。また、第２のラベル画像５０２から、第２ラベル群としてのラベル群５１２が取得される。

ステップＳ３２０では、第１のラベル面積算出処理が行われる。第１のラベル面積算出処理では、制御部１１０が、第１ラベル群の面積（以下、第１ラベル面積という）を算出する。具体的には、第１ラベル群を構成するラベル番号の数を算出し、当該ラベル番号の数を第１ラベル面積とする。第１ラベル面積は、第１ラベル群に対応するオブジェクト２値画像の面積を示す。

ここで、第１ラベル群は、ラベル群４１２であるとする。この場合、第１ラベル面積（オブジェクト２値画像の面積）は、“１７６”であるとする。

ステップＳ３３０では、第２のラベル面積算出処理が行われる。第２のラベル面積算出処理では、制御部１１０が、第２ラベル群の面積（以下、第２ラベル面積という）を算出する。具体的には、第２ラベル群を構成するラベル番号の数を算出し、当該ラベル番号の数を第２ラベル面積とする。第２ラベル面積は、第２ラベル群に対応する変化後オブジェクト２値画像の面積を示す。

ここで、第２ラベル群は、ラベル群５１２であるとする。この場合、第２ラベル面積（変化後オブジェクト２値画像の面積）は、“１４０”であるとする。

ステップＳ３４０では、制御部１１０が、ラベル面積変化度を算出する。ラベル面積変化度は、以下の式１により算出される。

ラベル面積変化度＝第２ラベル面積÷第１ラベル面積 ・・・（式１）

本実施の形態において、ラベル面積変化度は、ステップＳ１５０の第１の特徴抽出画像処理により、処理対象２値画像が示すオブジェクト２値画像が、第１の処理済２値画像が示す変化後オブジェクト２値画像に変化する場合における変化の度合いを示す。すなわち、ラベル面積変化度は、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いを示す。つまり、ラベル面積変化度は、第１ラベル面積から、第２ラベル面積へ変化する場合の変化の度合いを示す。

ここで、第１ラベル面積および第２ラベル面積は、それぞれ、“１７６”および“１４０”であるとする。この場合、ラベル面積変化度は、１４０÷１７６＝７９．５（％）である。

ラベル面積変化度が大きい程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは小さい。すなわち、ラベル面積変化度が小さい程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは大きい。

ただし、この変化の度合いとは、第１ラベル面積から、第２ラベル面積へ変化する場合において、画素数が減少する変化の度合いを示している。第１の特徴抽出画像処理の種類によっては、第１ラベル面積から、第２ラベル面積へ変化する場合において、画素数が増加することもあり得る。すなわち、ラベル面積変化度が、１００（％）を超える場合も考えられる。

この場合、ラベル面積変化度が１００（％）を超えて大きい程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは大きく、ラベル面積変化度が１００（％）に近い程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは小さいというように読み替えるものとする。

なお、ラベル面積変化度は、以下の式２により算出されてもよい。

ラベル面積変化度＝第２ラベル面積−第１ラベル面積 ・・・（式２）

ステップＳ３５０では、制御部１１０が、ラベル面積変化度が、画像属性判定しきい値以上であるか否かを判定する。画像属性判定しきい値は、予め定められた値である。画像属性判定しきい値は、一例として、“５０”であるとする。

ステップＳ３５０において、ＹＥＳである場合、処理はステップＳ３６０に移行する。一方、ステップＳ３５０において、ＮＯならば、処理はステップＳ３７０に移行する。

ステップＳ３６０では、制御部１１０が、算出したラベル面積変化度に対応するオブジェクト画像の属性は、属性Ａであると判定する。属性Ａは、例えば、活字である。なお、属性Ａは、活字に限定されることなく、例えば、文字であってもよい。

ステップＳ３７０では、制御部１１０が、算出したラベル面積変化度に対応するオブジェクト画像の属性は、属性Ｂであると判定する。属性Ｂは、例えば、手書き文字である。なお、属性Ｂは、手書き文字に限定されることなく、例えば、写真であってもよい。

ステップＳ３８０では、全てのラベル群を取得したか否かが判定される。具体的には、制御部１１０が、第１のラベル画像および第２のラベル画像の各々が示す全てのラベル群を取得したか否かを判定する。ステップＳ３８０において、ＹＥＳならば、この属性判定処理は終了し、図４の画像属性判定処理に戻り、画像属性判定処理は終了する。ステップＳ３８０において、ＮＯならば、ステップＳ３８１の処理が行われる。

ステップＳ３８１では、制御部１１０が、ｐの値を１インクリメントする。そして、再度、ステップＳ３１０の処理が行われる。

以上の属性判定処理により、処理対象画像が示すオブジェクト画像毎に、画像の属性を判定することができる。

なお、本実施の形態の第２のラベル付け処理を行わずに、第１の処理済２値画像に対応するラベル画像を得るには、第１の処理済２値画像に対し、例えば、ステップＳ１４０の第１のラベル付け処理を行うことが考えられる。

しかしながら、この場合、得られるラベル画像は、第１のラベル画像と比較して、ラベル群の数が異なったり、ラベル番号付けの順序が異なったりする。すなわち、当該得られるラベル画像と、第１のラベル画像との間で、ラベル番号が対応しなくなる可能性が高くなる。

本発明は、処理対象画像（原画像）に対応する第１のラベル画像と、第１の処理済２値画像の両者を参照することで、第１の処理済２値画像に対応する第２のラベル画像を得ることができる。

この場合、第２のラベル画像は、第１のラベル画像と比較して、ラベル群の数およびラベル番号付けの順序が同じ画像である。その結果、処理対象画像（原画像）に対応する第２のラベル画像が示す第２ラベル群（変化後オブジェクト２値画像）の面積を算出することが可能になる。この点が本発明の特徴である。

なお、第２のラベル画像では、第１の特徴抽出画像処理の種類によっては、同じラベル番号を示すラベル群同士が分断されていたり、異なるラベル番号を示すラベル群同士が連結する場合もある。しかしながら、ラベル群の面積の算出には問題ない。

また、第１の特徴抽出画像処理の種類によっては、処理対象画像（原画像）に対応する第１のラベル画像と同じラベル番号を示す、第２のラベル画像におけるラベル群が消滅して存在しない場合も考えられる。この場合、第２のラベル画像において、消滅したラベル番号のラベル群の面積は“０”にするなどして対処する。

（画像の属性の判定例（活字、手書きの判定））
次に、画像の属性の判定の例について説明する。具体的には、活字と手書きとを判定する処理の例について説明する。

ここで、処理対象画像は、図５の処理対象画像４００であるとする。処理対象画像４００は、オブジェクト画像４１０，４２０を示す。前述したように、オブジェクト画像４１０の属性は、活字である。また、オブジェクト画像４２０の属性は、手書き文字である。すなわち、処理対象画像としての処理対象画像４００は、活字と手書き文字とが混在した画像である。

この場合、前述した図４のステップＳ１０〜ステップＳ１７０の処理が行われることにより、以下の画像が得られる。なお、ステップＳ１５０の第１の特徴抽出画像処理では、処理対象画像４００に対しレンジフィルタがかけられるとする。

まず、処理対象２値画像として、図５の２値画像４０１が得られる。処理対象２値画像（２値画像４０１）は、オブジェクト２値画像４１１，４２１を示す。また、第１のラベル画像として、第１のラベル画像４０２が得られる。また、第１の処理済画像として、図６の処理済画像５００が得られる。処理済画像５００は、オブジェクト画像５１０，５２０を示す。オブジェクト画像５１０は活字に対応する画像である。オブジェクト画像５２０は手書き文字に対応する画像である。

また、第１の処理済２値画像として、２値画像５０１が得られる。第１の処理済２値画像（２値画像５０１）は、変化後オブジェクト２値画像５１１，５２１を示す。

次に、図７の第２のラベル付け処理が行われる。これにより、第２のラベル画像として、図６の第２のラベル画像５０２が得られる。

次に、図８の属性判定処理が行われる。まず、ステップＳ３１０の処理が行われることにより、第１のラベル画像４０２が示す第１ラベル群として、ラベル群４１２が得られる。また、第２のラベル画像５０２が示す第２ラベル群として、ラベル群５１２が得られる。

また、ステップＳ３２０の処理が行われることにより、第１ラベル群（ラベル群４１２）に対応するオブジェクト２値画像４１１の面積“１７６”が算出されるとする。また、ステップＳ３３０の処理が行われることにより、第２ラベル群（ラベル群５１２）に対応する変化後オブジェクト２値画像５１１の面積“１４０”が算出されるとする。

次に、ステップＳ３４０の処理が行われる。これにより、オブジェクト２値画像４１１から変化後オブジェクト２値画像５１１へ変化する場合の変化の度合いを示すラベル面積変化度“７９．５”（％）が算出される。前述したように、ラベル面積変化度が大きい程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは小さい。

すなわち、オブジェクト２値画像４１１から、変化後オブジェクト２値画像５１１へ変化する場合の変化の度合いは小さい。これは、活字は濃度大変化部が多く、処理対象画像４００にレンジフィルタがかけられることにより得られる処理済画像５００において、活字に対応するオブジェクト画像５１０の大部分が大きい画素値の画素（黒に近い画素）を示すためである。

したがって、ステップＳ３５０の処理における画像属性判定しきい値を“５０”とし、ステップＳ３６０における属性Ａを活字とする。そして、ステップＳ３５０，Ｓ３６０の処理が行われることにより、ラベル面積変化度“７９．５”に対応するオブジェクト画像４１０の属性は、活字であると判定される。

すなわち、オブジェクト２値画像４１１の面積と、変化後オブジェクト２値画像５１１の面積とを比較することにより、オブジェクト画像４１０の属性が活字であると判定される。つまり、オブジェクト画像４１０の属性を判定できる。

次に、ステップＳ３８０，Ｓ３８１の処理が行われ、再度、ステップＳ３１０の処理が行われる。この処理により、第１のラベル画像４０２が示す第１ラベル群として、ラベル群４２２が得られる。また、第２のラベル画像５０２が示す第２ラベル群として、ラベル群５２２が得られる。

また、ステップＳ３２０の処理が行われることにより、第１ラベル群（ラベル群４２２）に対応するオブジェクト２値画像４２１の面積“１８９”が算出されるとする。また、ステップＳ３３０の処理が行われることにより、第２ラベル群（ラベル群５２２）に対応する変化後オブジェクト２値画像５２１の面積“４０”が算出されるとする。

次に、ステップＳ３４０の処理が行われる。これにより、オブジェクト２値画像４２１から、変化後オブジェクト２値画像５２１へ変化する場合の変化の度合いを示すラベル面積変化度“２１．２”（％）が算出される。

前述したように、ラベル面積変化度が大きい程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは小さい。すなわち、ラベル面積変化度が小さい程、オブジェクト２値画像から変化後オブジェクト２値画像へ変化する場合の変化の度合いは大きい。

すなわち、オブジェクト２値画像４２１から、変化後オブジェクト２値画像５２１へ変化する場合の変化の度合いは大きい。これは、手書き文字は濃度大変化部が少なく、処理対象画像４００にレンジフィルタがかけられることにより得られる処理済画像５００において、手書き文字に対応するオブジェクト画像５２０の大部分が小さい画素値の画素（濃度の薄い画素）を示すためである。

したがって、ステップＳ３５０の処理における画像属性判定しきい値を“５０”とし、ステップＳ３７０における属性Ｂを手書き文字とする。そして、ステップＳ３５０，Ｓ３７０の処理が行われることにより、ラベル面積変化度“２１．２”に対応するオブジェクト画像４２０の属性は、手書き文字であると判定される。

すなわち、オブジェクト２値画像４２１の面積と、変化後オブジェクト２値画像５２１の面積とを比較することにより、オブジェクト画像４２０の属性が手書き文字であると判定される。つまり、オブジェクト画像４２０の属性を判定できる。

以上説明したように、本実施の形態では、処理対象画像が示すオブジェクト画像の特徴を抽出するための第１の特徴抽出画像処理を処理対象画像に対し行う。また、オブジェクト画像と、処理対象画像に対し第１の特徴抽出画像処理が行われることにより得られる第１の処理済画像が示す、オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、オブジェクト画像の属性を判定する。

具体的には、処理対象画像に対応する第１のラベル画像が示すラベル群の面積と、第１の処理済画像に対応する第２のラベル画像が示すラベル群の面積とから算出されるラベル面積変化度から、当該ラベル面積変化度に対応するオブジェクト画像の属性を判定する。

なお、第２のラベル画像は、処理対象画像（原画像）に対応する第１のラベル画像と、第１の処理済画像を２値化した第１の処理済２値画像とを利用する第２のラベル付け処理により得られる。なお、第２のラベル画像は、第１のラベル画像と比較して、ラベル群の数およびラベル番号付けの順序が同じ画像である。

そのため、処理対象画像が示すオブジェクト画像毎に、画像の属性を判定することができる。すなわち、従来のようにブロック毎ではなく、処理対象画像が示すオブジェクト画像毎に、画像の属性を判定する。そのため、画像の属性を、精度よく判定することができる。

なお、ステップＳ１５０の第１の特徴抽出画像処理では、処理対象画像に対しラプラシアンフィルタがかけられてもよい。ここで、処理対象画像が、写真と文字とが混在した画像であるとする。

この場合、処理対象画像において、低周波成分の割合が多い写真領域は小さな値が出力されると想定される。また、処理対象画像において、高周波成分の割合が多い文字領域は、大きな値が出力されると想定される。

したがって、ラプラシアンフィルタがかけられることにより得られる第１の処理済２値画像は、処理対象２値画像（原画像）と比較して、文字領域に対応する各ラベル群の面積の増減は、写真領域に対応する各ラベル群の面積の増減と比べて、増加数が多いか減少数が少ないと想定される。

従って、前述した図７、図８の処理が行われることにより、面積が一定数または一定割合以上増えているラベル群は文字であり、それ以外のラベル群は写真であると判定することができる。あるいは、面積が一定数または一定割合以上減っているラベル群は写真であり、それ以外のラベル群は文字であると判定することができる。

以上により、写真の部分（領域）と、文字の部分（領域）とを判定することができる。

＜第２の実施の形態＞
次に、処理対象画像が２値画像である場合において、処理対象画像が示すオブジェクト画像の属性を判定するための処理（以下、画像属性判定処理Ａという）について説明する。

本実施の形態におけるネットワークシステムは、図１のネットワークシステム１０００と同じである。すなわち、本実施の形態における画像形成装置は、図２の画像形成装置１００と同じである。

（画像属性の判定）
図９は、画像属性判定処理Ａのフローチャートである。図９において、図４のステップ番号と同じステップ番号の処理は、第１の実施の形態で説明した処理と同様な処理が行なわれるので詳細な説明は繰り返さない。

ステップＳ１０では、第１の実施の形態で説明した処理と同様な処理が行われる。この処理により、得られる処理対象画像は、一例として、図１０の処理対象画像６００であるとする。

図１０は、第２の実施の形態において処理される一例の画像を示す図である。
図１０を参照して、処理対象画像６００は２値画像である。以下においては、ステップＳ１０の処理により得られる処理対象画像が２値画像である場合、当該処理対象画像を、処理対象２値画像ともいう。すなわち、処理対象画像６００は、処理対象２値画像である。処理対象２値画像は、例えば、ファクシミリ受信により得られた２値画像である。

処理対象画像６００は、オブジェクト画像６１０，６２０を示す。オブジェクト画像６１０は、活字の“１”を示す。オブジェクト画像６２０は、活字の“２”を示す。すなわち、オブジェクト画像６１０，６２０の属性は、活字である。

以下においては、処理対象２値画像が示すオブジェクト画像を、オブジェクト２値画像ともいう。処理対象２値画像が、処理対象画像６００である場合、オブジェクト画像６１０，６２０は、オブジェクト２値画像である。

再び、図９を参照して、ステップＳ１０１では、制御部１１０が、処理対象画像の種類を判定する。処理対象画像がグレースケール画像である場合、処理はステップＳ１２０に移行する。処理対象画像がカラー画像である場合、処理はステップＳ１１０に移行する。処理対象画像が２値画像である場合、処理はステップＳ１３０に移行する。ここでは、処理対象画像が２値画像であるとして、処理はステップＳ１３０に移行する。

ステップＳ１３０では、処理対象２値画像に対し第１の孤立点除去処理が行われる。第１の孤立点除去処理は、第１の実施の形態で説明した処理と同様な処理が行なわれるので詳細な説明は繰り返さない。

ステップＳ１４０では、第１の実施の形態で説明した処理と同様に、第１のラベル付け処理が行われる。ここで、処理対象２値画像が、一例として、図１０の処理対象画像６００であるとする。この場合、第１のラベル付け処理により、図１０の第１のラベル画像６０２が得られる。

第１のラベル画像６０２において、白の部分は、ラベル番号“０”がつけられている。なお、図を見やすくするために、第１のラベル画像６０２において、ラベル番号“０”は示していない。第１のラベル画像６０２は、ラベル行列としてのラベル群６１２，６２２を示す。ラベル群６１２，６２２は、それぞれ、オブジェクト画像６１０，６２０に対応する。

再び、図９を参照して、ステップＳ１４０の処理の後、処理はステップＳ１５１に移行する。

ステップＳ１５１では、処理対象２値画像に対し第２の特徴抽出画像処理が行われる。第２の特徴抽出画像処理は、処理対象２値画像（処理対象画像）が示すオブジェクト画像の特徴を抽出するための処理である。

第２の特徴抽出画像処理では、制御部１１０が、処理対象２値画像に対し細線化処理を行う。細線化処理は、画像（オブジェクト画像）が示す線の部分を細くする処理である。細線化処理は、周知な技術であるので詳細な説明は繰り返さない。本実施の形態における細線化処理は、一例として、線の幅を“１”にする処理であるとする。

以下においては、第２の特徴抽出画像処理が行われることにより得られる画像を、第２の処理済画像という。また、以下においては、第２の処理済画像が示すオブジェクト画像を、第２変化後オブジェクト２値画像という。

制御部１１０は、第２の特徴抽出画像処理が行われることにより得られた第２の処理済画像を、ＲＡＭ１２０に記憶させる。

ここで、第２の特徴抽出画像処理により処理される処理対象２値画像は、図１０の処理対象画像６００であるとする。この場合、第２の特徴抽出画像処理が行われることにより、処理対象画像６００は、図１０の処理済画像８００になる。処理済画像８００は、第２の処理済画像である。なお、処理済画像８００は、２値画像である。

処理済画像８００は、オブジェクト画像８１０，８２０を示す。オブジェクト画像８１０，８２０は、第２変化後オブジェクト２値画像である。オブジェクト画像８１０は、図１０のオブジェクト画像６１０に対し第２の特徴抽出画像処理が行われることにより得られた画像である。オブジェクト画像８２０は、図１０のオブジェクト画像６２０に対し第２の特徴抽出画像処理が行われることにより得られた画像である。

なお、第２の特徴抽出画像処理で行われる処理は、細線化処理に限定されず、例えば、オブジェクト画像における境界線を抽出する処理（以下、境界線抽出処理という）であってもよい。以下においては、境界線抽出処理により得られる画像を、境界線画像という。

そして、図７のステップＳ２００の第２のラベル付け処理が行われる。本実施の形態では、２値画像としての第２の処理済画像に対し第２のラベル付け処理が行われる。本実施の形態における第２のラベル付け処理の説明は、第１の実施の形態の第２のラベル付け処理の説明において、第１の処理済２値画像を第２の処理済画像に置き換えた説明と同様なので詳細な説明は繰り返さない。

ここで、第２の処理済画像が、図１０の処理済画像８００であるとする。この場合、第２のラベル付け処理により得られる第２のラベル画像は、図１０の第２のラベル画像８０２である。また、この処理により、第２のラベル画像８０２は、ＲＡＭ１２０に記憶される。

第２のラベル画像８０２において、白の部分は、ラベル番号“０”がつけられている。なお、図を見やすくするために、第２のラベル画像８０２において、ラベル番号“０”は示していない。第２のラベル画像８０２は、ラベル行列としてのラベル群８１２，８２２を示す。ラベル群８１２，８２２は、それぞれ、オブジェクト画像８１０，８２０に対応する。前述したように、オブジェクト画像８１０，８２０は、第２変化後オブジェクト２値画像である。

再び、図９を参照して、ステップＳ３００では、図８の属性判定処理が行われる。属性判定処理は、第１の実施の形態と同様な処理なので詳細な説明は繰り返さない。

ここで、一例として、第１のラベル画像および第２のラベル画像は、それぞれ、第１のラベル画像６０２および第２のラベル画像８０２であるとする。この場合、ステップＳ３１０の処理が行われることにより、第１ラベル群としてのラベル群６１２および第２ラベル群としてのラベル群８１２が取得される。

ステップＳ３２０の処理が行われることにより、第１ラベル面積が算出される。この場合、第１ラベル面積は、第１ラベル群（ラベル群６１２）に対応するオブジェクト２値画像（オブジェクト画像６１０）の面積を示す。

ステップＳ３３０の処理が行われることにより、第２ラベル面積が算出される。この場合、第２ラベル面積は、第２ラベル群（ラベル群８１２）に対応する第２変化後オブジェクト２値画像（オブジェクト画像８１０）の面積を示す。

そして、ステップＳ３４０の処理により、ラベル面積変化度が算出される。

本実施の形態におけるラベル面積変化度は、ステップＳ１５１の第２の特徴抽出画像処理により、処理対象画像が示すオブジェクト２値画像が、第２の処理済画像が示す第２変化後オブジェクト２値画像に変化する場合における変化の度合いを示す。すなわち、ラベル面積変化度は、オブジェクト２値画像から第２変化後オブジェクト２値画像へ変化する場合の変化の度合いを示す。つまり、ラベル面積変化度は、第１ラベル面積から、第２ラベル面積へ変化する場合の変化の度合いを示す。

ラベル面積変化度が大きい程、オブジェクト２値画像から第２変化後オブジェクト２値画像へ変化する場合の変化の度合いは小さい。すなわち、ラベル面積変化度が小さい程、オブジェクト２値画像から第２変化後オブジェクト２値画像へ変化する場合の変化の度合いは大きい。

活字は、一般的に、手書き文字より線が細い傾向がある。そのため、処理対象のオブジェクト２値画像の属性が活字である場合、第２の特徴抽出画像処理において細線化処理を行うと、ラベル面積変化度は大きい値となる。

すなわち、処理対象のオブジェクト２値画像の属性が活字である場合、細線化処理による、オブジェクト２値画像から第２変化後オブジェクト２値画像へ変化する場合の変化の度合いは小さい。これは、活字は線が細いため、細線化処理が行われても、処理対象のオブジェクト２値画像において線が細くなる部分が少ないためである。

一方、手書き文字は、活字より線が太い傾向がある。処理対象のオブジェクト２値画像の属性が手書き文字である場合、第２の特徴抽出画像処理において細線化処理を行うと、ラベル面積変化度は小さい値となる。

すなわち、処理対象のオブジェクト２値画像の属性が手書き文字である場合、細線化処理による、オブジェクト２値画像から第２変化後オブジェクト２値画像へ変化する場合の変化の度合いは大きい。これは、手書き文字は線が太いため、細線化処理が行われた場合、処理対象のオブジェクト２値画像において線が細くなる部分が多いためである。

したがって、ステップＳ３６０における属性Ａを活字とし、ステップＳ３７０における属性Ｂを手書き文字とする。また、ステップＳ３５０の処理における画像属性判定しきい値は、一例として“５０”とする。

これにより、処理対象２値画像（処理対象画像）が示すオブジェクト２値画像の属性が活字である場合、ステップＳ３５０，Ｓ３６０の処理が行われることにより、処理対象２値画像（処理対象画像）が示すオブジェクト２値画像の属性が活字であると判定される。

すなわち、処理対象２値画像（処理対象画像）が示すオブジェクト２値画像の面積と、第２変化後オブジェクト２値画像の面積とを比較することにより、オブジェクト２値画像の属性が活字であると判定される。

また、処理対象２値画像（処理対象画像）が示すオブジェクト２値画像の属性が手書き文字である場合、ステップＳ３５０，Ｓ３７０の処理が行われることにより、処理対象２値画像（処理対象画像）が示すオブジェクト２値画像の属性が手書き文字であると判定される。

すなわち、処理対象２値画像（処理対象画像）が示すオブジェクト２値画像の面積と、第２変化後オブジェクト２値画像の面積とを比較することにより、オブジェクト２値画像の属性が手書き文字であると判定される。

以上により、本実施の形態においても、第１の実施の形態と同様な効果を得ることができる。すなわち、処理対象画像が示すオブジェクト画像毎に、画像の属性を判定することができる。つまり、従来のようにブロック毎ではなく、オブジェクト画像毎に、画像の属性を判定する。そのため、画像の属性を、精度よく判定することができる。

＜第３の実施の形態＞
次に、処理対象画像が２値画像である場合において、処理対象画像が示すオブジェクト画像の属性を判定するための処理（以下、画像属性判定処理Ｂという）について説明する。

本実施の形態におけるネットワークシステムは、図１のネットワークシステム１０００と同じである。すなわち、本実施の形態における画像形成装置は、図２の画像形成装置１００と同じである。

（画像属性の判定）
図１１は、画像属性判定処理Ｂのフローチャートである。図１１において、図９のステップ番号と同じステップ番号の処理は、第１および第２の実施の形態で説明した処理と同様な処理が行なわれるので詳細な説明は繰り返さない。

ステップＳ１０では、第１の実施の形態で説明した処理と同様な処理が行われる。この処理により、得られる処理対象画像は、一例として、図１２の処理対象画像６００であるとする。

図１２は、第３の実施の形態において処理される一例の画像を示す図である。
図１２を参照して、処理対象画像６００は、図１０の処理対象画像６００と同じなので詳細な説明は繰り返さない。

以下においては、ステップＳ１０の処理により得られる処理対象画像が２値画像である場合、当該処理対象画像を、処理対象２値画像ともいう。すなわち、処理対象画像６００は、処理対象２値画像である。

再び、図１１を参照して、ステップＳ１０１では、第２の実施の形態で説明した処理と同様な処理が行なわれるので詳細な説明は繰り返さない。ここでは、処理対象画像が２値画像であるとして、処理はステップＳ１３０に移行する。

ステップＳ１３０では、第２の実施の形態で説明した処理と同様な処理が行なわれるので詳細な説明は繰り返さない。

ステップＳ１３２では、制御部１１０が、処理対象２値画像に対し細線化処理を行う。細線化処理は、第２の実施の形態で説明した細線化処理と同様な処理なので詳細な説明は繰り返さない。前述したように、細線化処理は、画像（オブジェクト画像）が示す線の部分を細くする処理である。

以下においては、ステップＳ１３２の細線化処理が行われることにより得られる画像を、細線化画像という。また、以下においては、細線化画像が示すオブジェクト画像を、細線化オブジェクト画像という。

制御部１１０は、細線化処理が行われることにより得られた細線化画像を、ＲＡＭ１２０に記憶させる。

ここで、細線化処理により処理される処理対象２値画像は、図１２の処理対象画像６００であるとする。この場合、細線化処理が行われることにより、処理対象画像６００は、図１２の細線化画像６０３になる。なお、細線化画像６０３は、２値画像である。

細線化画像６０３は、細線化オブジェクト画像６１３，６２３を示す。細線化オブジェクト画像６１３は、図１２のオブジェクト画像６１０に対し細線化処理が行われることにより得られた画像である。細線化オブジェクト画像６２３は、図１２のオブジェクト画像６２０に対し細線化処理が行われることにより得られた画像である。すなわち、細線化オブジェクト画像６１３，６２３は、それぞれ、オブジェクト画像６１０，６２０に対応する。細線化オブジェクト画像は、細線化処理により、対応するオブジェクト画像の形状が変化した画像である。

なお、ステップＳ１３２で行われる処理は、細線化処理に限定されず、例えば、オブジェクト画像における境界線を抽出する処理（以下、境界線抽出処理という）であってもよい。以下においては、境界線抽出処理により得られる画像を、境界線画像という。

ステップＳ１４２では、細線化画像に対し第１のラベル付け処理が行われる。ステップＳ１４２の第１のラベル付け処理の説明は、図４のステップＳ１４０の第１のラベル付け処理の説明において、処理対象２値画像を細線化画像に置き換えた説明と同様なので詳細な説明は繰り返さない。

ここで、細線化画像は、一例として、図１２の細線化画像６０３であるとする。この場合、ステップＳ１４２の第１のラベル付け処理により、第１のラベル画像６０４が得られる。

第１のラベル画像６０４において、白の部分は、ラベル番号“０”がつけられている。なお、図を見やすくするために、第１のラベル画像６０４において、ラベル番号“０”は示していない。第１のラベル画像６０４は、ラベル行列としてのラベル群６１４，６２４を示す。ラベル群６１４，６２４は、それぞれ、細線化オブジェクト画像６１３，６２３に対応する。すなわち、ラベル群６１４，６２４は、それぞれ、オブジェクト画像６１０，６２０に対応する。

再び、図１１を参照して、ステップＳ１４２の処理の後、処理はステップＳ１５２に移行する。

ステップＳ１５２では、細線化画像に対し第３の特徴抽出画像処理が行われる。第３の特徴抽出画像処理は、細線化画像が示す細線化オブジェクト画像の特徴を抽出するための処理である。すなわち、第３の特徴抽出画像処理は、処理対象２値画像（処理対象画像）が示すオブジェクト画像の特徴を抽出するための処理である。

第３の特徴抽出画像処理では、制御部１１０が、細線化画像に対し直線部分抽出処理を行う。直線部分抽出処理は、細線化画像が示す細線化オブジェクト画像のうち、直線部分のみを残す（抽出する）処理である。

以下においては、第３の特徴抽出画像処理が行われることにより得られる画像を、第３の処理済画像という。また、以下においては、第３の処理済画像が示すオブジェクト画像を、第３変化後細線化オブジェクト画像という。第３変化後細線化オブジェクト画像は、第３の特徴抽出画像処理により、対応する細線化オブジェクト画像の形状が変化した画像である。

制御部１１０は、第３の特徴抽出画像処理が行われることにより得られた第３の処理済画像を、ＲＡＭ１２０に記憶させる。

ここで、第３の特徴抽出画像処理により処理される細線化画像は、図１２の細線化画像６０３であるとする。この場合、細線化画像６０３は、図１２の処理済画像９００になる。処理済画像９００は、第３の処理済画像である。なお、処理済画像９００は、２値画像である。

処理済画像９００は、オブジェクト画像９１０，９２０を示す。オブジェクト画像９１０，９２０は、第３変化後細線化オブジェクト画像である。オブジェクト画像９１０は、細線化オブジェクト画像６１３に対し第３の特徴抽出画像処理が行われることにより得られた画像である。オブジェクト画像９２０は、細線化オブジェクト画像６２３に対し第３の特徴抽出画像処理が行われることにより得られた画像である。

そして、図７のステップＳ２００の第２のラベル付け処理が行われる。本実施の形態では、２値画像としての第３の処理済画像に対し第２のラベル付け処理が行われる。本実施の形態における第２のラベル付け処理の説明は、第１の実施の形態の第２のラベル付け処理の説明において、第１の処理済２値画像を第３の処理済画像に置き換えた説明と同様なので詳細な説明は繰り返さない。

ここで、第３の処理済画像が、図１２の処理済画像９００であるとする。この場合、第２のラベル付け処理により得られる第２のラベル画像は、図１２の第２のラベル画像９０２である。また、この処理により、第２のラベル画像９０２は、ＲＡＭ１２０に記憶される。

第２のラベル画像９０２において、白の部分は、ラベル番号“０”がつけられている。なお、図を見やすくするために、第２のラベル画像９０２において、ラベル番号“０”は示していない。第２のラベル画像９０２は、ラベル行列としてのラベル群９１２，９２２を示す。ラベル群９１２，９２２は、それぞれ、オブジェクト画像９１０，９２０に対応する。前述したように、オブジェクト画像９１０，９２０は、第３変化後細線化オブジェクト画像である。

再び、図１１を参照して、ステップＳ３００では、図８の属性判定処理が行われる。属性判定処理は、第１の実施の形態と同様な処理なので詳細な説明は繰り返さない。

ここで、一例として、第１のラベル画像および第２のラベル画像は、それぞれ、第１のラベル画像６０４および第２のラベル画像９０２であるとする。この場合、ステップＳ３１０の処理が行われることにより、第１ラベル群としてのラベル群６１４および第２ラベル群としてのラベル群９１２が取得される。

ステップＳ３２０の処理が行われることにより、第１ラベル面積が算出される。この場合、第１ラベル面積は、第１ラベル群に対応する細線化オブジェクト画像（細線化オブジェクト画像６１３）の面積を示す。

ステップＳ３３０の処理が行われることにより、第２ラベル面積が算出される。この場合、第２ラベル面積は、第２ラベル群に対応する第３変化後オブジェクト２値画像（オブジェクト画像９１０）の面積を示す。

そして、ステップＳ３４０の処理により、ラベル面積変化度が算出される。
本実施の形態におけるラベル面積変化度は、ステップＳ１５２の第３の特徴抽出画像処理により、細線化画像が示す細線化オブジェクト画像が、第３の処理済画像が示す第３変化後細線化オブジェクト画像に変化する場合における変化の度合いを示す。すなわち、ラベル面積変化度は、細線化オブジェクト画像から第３変化後細線化オブジェクト画像へ変化する場合の変化の度合いを示す。つまり、ラベル面積変化度は、第１ラベル面積から、第２ラベル面積へ変化する場合の変化の度合いを示す。

ラベル面積変化度が大きい程、細線化オブジェクト画像から第３変化後細線化オブジェクト画像へ変化する場合の変化の度合いは小さい。すなわち、ラベル面積変化度が小さい程、細線化オブジェクト画像から第３変化後細線化オブジェクト画像へ変化する場合の変化の度合いは大きい。

活字は、一般的に、手書き文字より直線部分が多い傾向がある。そのため、処理対象の細線化オブジェクト画像に対応するオブジェクト画像の属性が活字である場合、第３の特徴抽出画像処理において直線部分抽出処理を行うと、ラベル面積変化度は大きい値となる。

すなわち、処理対象の細線化オブジェクト画像に対応するオブジェクト画像の属性が活字である場合、直線部分抽出処理による、細線化オブジェクト画像から第３変化後細線化オブジェクト画像へ変化する場合の変化の度合いは小さい。これは、活字は手書き文字より直線部分が多いため、直線部分抽出処理が行われることにより、細線化オブジェクト画像の大部分が残るためである。

一方、手書き文字は、活字より直線部分が少ない傾向がある。そのため、処理対象の細線化オブジェクト画像に対応するオブジェクト画像の属性が手書き文字である場合、第３の特徴抽出画像処理において直線部分抽出処理を行うと、ラベル面積変化度は小さい値となる。

すなわち、処理対象の細線化オブジェクト画像に対応するオブジェクト画像の属性が手書き文字である場合、直線部分抽出処理による、細線化オブジェクト画像から第３変化後細線化オブジェクト画像へ変化する場合の変化の度合いは大きい。これは、手書き文字は活字より直線部分が少ないため、直線部分抽出処理が行われた場合、細線化オブジェクト画像の大部分がなくなるためである。

したがって、ステップＳ３６０における属性Ａを活字とし、ステップＳ３７０における属性Ｂを手書き文字とする。また、ステップＳ３５０の処理における画像属性判定しきい値は、一例として“５０”とする。

これにより、処理対象２値画像（処理対象画像）が示すオブジェクト画像の属性が活字である場合、ステップＳ３５０，Ｓ３６０の処理が行われることにより、細線化オブジェクト画像に対応するオブジェクト画像の属性が活字であると判定される。

すなわち、細線化オブジェクト画像の面積と、第３変化後細線化オブジェクト画像の面積とを比較することにより、細線化オブジェクト画像に対応するオブジェクト画像の属性が活字であると判定される。

また、処理対象２値画像（処理対象画像）が示すオブジェクト画像の属性が手書き文字である場合、ステップＳ３５０，Ｓ３７０の処理が行われることにより、処理対象２値画像（処理対象画像）が示すオブジェクト画像の属性が手書き文字であると判定される。

すなわち、細線化オブジェクト画像の面積と、第３変化後細線化オブジェクト画像の面積とを比較することにより、細線化オブジェクト画像に対応するオブジェクト画像の属性が手書き文字であると判定される。

以上により、本実施の形態においても、第１の実施の形態と同様な効果を得ることができる。すなわち、処理対象画像が示すオブジェクト画像毎に、画像の属性を判定することができる。つまり、従来のようにブロック毎ではなく、オブジェクト画像毎に、画像の属性を判定する。そのため、画像の属性を、精度よく判定することができる。

（機能ブロック図）
図１３は、本発明に係る画像形成装置１００の特徴的な第１の機能構成を示すブロック図である。つまり、図１３は、図２に示されるハードウエア構成によって実現される画像形成装置１００の機能のうち、本発明に関わる機能を示すブロック図である。なお、図１３には、説明のために、制御部１１０を示す。

制御部１１０は、機能的には、特徴抽出部１１１と、属性判定部１１２とを含む。
画像形成装置１００は、オブジェクト画像を示す処理対象画像を処理する画像属性判定装置である。

特徴抽出部１１１は、処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う。属性判定部１１２は、オブジェクト画像と、処理対象画像に対し特徴抽出画像処理が行われることにより得られる処理済画像が示す、オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、オブジェクト画像の属性を判定する。

なお、図１３の制御部１１０に含まれる、特徴抽出部１１１および属性判定部１１２の全てまたは一部は、ＬＳＩ（Large Scale Integration：大規模集積回路）等のハードウエアで構成されてもよい。また、特徴抽出部１１１および属性判定部１１２の全てまたは一部は、制御部１１０により実行されるプログラムのモジュールであってもよい。

図１４は、本発明に係る画像形成装置１００の特徴的な第２の機能構成を示すブロック図である。つまり、図１４は、図２に示されるハードウエア構成によって実現される画像形成装置１００の機能のうち、本発明に関わる機能を示すブロック図である。なお、図１４には、説明のために、制御部１１０を示す。

制御部１１０は、機能的には、特徴抽出部１１１と、属性判定部１１２と、２値化処理部１１３とを含む。

画像形成装置１００は、オブジェクト画像を示す処理対象画像を処理する画像属性判定装置である。ここで、処理対象画像は多値画像である。

特徴抽出部１１１は、隣接する画素の濃度変化が大きい程大きな値を出力するフィルタを処理対象画像にかける第１の特徴抽出画像処理を行う。すなわち、特徴抽出部１１１は、図４のステップＳ１５０の処理を行う。

２値化処理部１１３は、処理対象画像が示すオブジェクト画像の形状が残るように処理対象画像を２値化する第１の２値化処理と、処理済画像が示す変化後オブジェクト画像のうち、濃度が所定値以上の部分が残るように処理済画像を２値化する第２の２値化処理とを行う。すなわち、２値化処理部１１３は、図４のステップＳ１２０，Ｓ１６０の処理を行う。

第１の２値化処理が行われることにより、処理対象画像が２値化された画像はオブジェクト画像が２値化された画像であるオブジェクト２値画像を示す。第２の２値化処理が行われることにより、処理済画像が２値化された画像は変化後オブジェクト画像が２値化された画像である変化後オブジェクト２値画像を示す。

属性判定部１１２は、オブジェクト２値画像の面積と、変化後オブジェクト２値画像の面積とを比較することにより、オブジェクト画像の属性を判定する。すなわち、属性判定部１１２は、図８の属性判定処理を行う。

なお、図１４の制御部１１０に含まれる、特徴抽出部１１１、属性判定部１１２および２値化処理部１１３の全てまたは一部は、ＬＳＩ（Large Scale Integration：大規模集積回路）等のハードウエアで構成されてもよい。また、特徴抽出部１１１、属性判定部１１２および２値化処理部１１３の全てまたは一部は、制御部１１０により実行されるプログラムのモジュールであってもよい。

図１５は、本発明に係る画像形成装置１００の特徴的な第３の機能構成を示すブロック図である。つまり、図１５は、図２に示されるハードウエア構成によって実現される画像形成装置１００の機能のうち、本発明に関わる機能を示すブロック図である。なお、図１５には、説明のために、制御部１１０を示す。

制御部１１０は、機能的には、特徴抽出部１１１と、属性判定部１１２とを含む。
画像形成装置１００は、オブジェクト画像を示す処理対象画像を処理する画像属性判定装置である。ここで、処理対象画像は２値画像である。

特徴抽出部１１１は、処理対象画像が示すオブジェクト画像の線の部分を細くする第２の特徴抽出画像処理を行う。すなわち、特徴抽出部１１１は、図９のステップＳ１５１の処理を行う。

属性判定部１１２は、オブジェクト画像の面積と、処理対象画像に対し第２の特徴抽出画像処理が行われることにより得られる、オブジェクト画像の状態が変化した変化後オブジェクト画像の面積とを比較することにより、オブジェクト画像の属性を判定する。すなわち、属性判定部１１２は、図８の属性判定処理を行う。

なお、図１５の制御部１１０に含まれる、特徴抽出部１１１および属性判定部１１２の全てまたは一部は、ＬＳＩ（Large Scale Integration：大規模集積回路）等のハードウエアで構成されてもよい。また、特徴抽出部１１１および属性判定部１１２の全てまたは一部は、制御部１１０により実行されるプログラムのモジュールであってもよい。

図１６は、本発明に係る画像形成装置１００の特徴的な第４の機能構成を示すブロック図である。つまり、図１６は、図２に示されるハードウエア構成によって実現される画像形成装置１００の機能のうち、本発明に関わる機能を示すブロック図である。なお、図１６には、説明のために、制御部１１０を示す。

制御部１１０は、機能的には、特徴抽出部１１１と、属性判定部１１２と、細線化処理部１１４とを含む。

画像形成装置１００は、オブジェクト画像を示す処理対象画像を処理する画像属性判定装置である。ここで、処理対象画像は２値画像である。

細線化処理部１１４は、処理対象画像が示すオブジェクト画像の線の部分を細くする細線化処理を行う。すなわち、細線化処理部１１４は、図１１のステップＳ１３２の処理を行う。

細線化処理が行われることにより処理対象画像が変化した画像である細線化処理画像は、オブジェクト画像の形状が変化した細線化オブジェクト画像を示す。

特徴抽出部１１１は、細線化処理画像が示す細線化オブジェクト画像のうち、直線部分のみを残す第３の特徴抽出画像処理を行う。すなわち、特徴抽出部１１１は、図１１のステップＳ１５２の処理を行う。

属性判定部１１２は、細線化オブジェクト画像の面積と、細線化処理画像に対し第３の特徴抽出画像処理が行われることにより得られる、細線化オブジェクト画像の形状が変化した変化後細線化オブジェクト画像の面積とを比較することにより、オブジェクト画像の属性を判定する。すなわち、属性判定部１１２は、図８の属性判定処理を行う。

なお、図１６の制御部１１０に含まれる、特徴抽出部１１１、属性判定部１１２および細線化処理部１１４の全てまたは一部は、ＬＳＩ（Large Scale Integration：大規模集積回路）等のハードウエアで構成されてもよい。また、特徴抽出部１１１、属性判定部１１２および細線化処理部１１４の全てまたは一部は、制御部１１０により実行されるプログラムのモジュールであってもよい。

以上、本発明における画像形成装置１００について、実施の形態に基づいて説明したが、本発明は、これらの実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、あるいは異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の範囲内に含まれる。

また、本発明は、画像形成装置１００が備える特徴的な構成部の動作をステップとする画像属性判定方法として実現してもよい。また、そのような画像属性判定方法に含まれるステップをコンピュータに実行させるプログラムとして実現してもよい。そして、そのようなプログラムは、ＣＤ−ＲＯＭ等の記録媒体又はインターネット等の伝送媒体を介して配信してもよい。

なお、第１、第２および第３の実施の形態で説明した処理を行う装置は、ＦＡＸ機能、コピー機能、プリンタ機能の少なくとも１つの機能を有する画像形成装置に限定されることなく、一般的な、ＰＣ（Personal Computer）であってもよい。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

本発明は、画像の属性を、精度よく判定することを可能とする画像属性判定装置として、利用することができる。

１００ 画像形成装置
１１０ 制御部
１１１ 特徴抽出部
１１２ 属性判定部
１１３ ２値化処理部
１１４ 細線化処理部
１２０ ＲＡＭ
１２２ 記憶部
１５０ スキャナ部
１６０ 印刷部
１７０ 通信部
３００ 操作パネル部
１０００ ネットワークシステム

Claims (7)

1. オブジェクト画像を示す処理対象画像を処理する画像属性判定装置であって、
   前記処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う特徴抽出部と、
   前記オブジェクト画像と、前記処理対象画像に対し前記特徴抽出画像処理が行われることにより得られる処理済画像が示す、前記オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、前記オブジェクト画像の属性を判定する属性判定部と
   を備える、画像属性判定装置。
2. 前記処理対象画像は多値画像であり、
   前記特徴抽出部は、隣接する画素の濃度変化が大きい程大きな値を出力するフィルタを前記処理対象画像にかける第１の前記特徴抽出画像処理を行い、
   前記画像属性判定装置は、さらに、
   前記処理対象画像が示す前記オブジェクト画像の形状が残るように前記処理対象画像を２値化する第１の２値化処理と、前記処理済画像が示す前記変化後オブジェクト画像のうち濃度が所定値以上の部分が残るように前記処理済画像を２値化する第２の２値化処理とを行う２値化処理部を備え、
   前記属性判定部は、前記第１の２値化処理が行われることにより生成されたオブジェクト２値画像の面積と、前記第２の２値化処理が行われることにより生成された変化後オブジェクト２値画像の面積とを比較することにより、前記オブジェクト画像の属性を判定する、
   請求項１に記載の画像属性判定装置。
3. 前記処理対象画像は２値画像であり、
   前記特徴抽出部は、前記処理対象画像が示す前記オブジェクト画像の線の部分を細くする第２の前記特徴抽出画像処理を行い、
   前記属性判定部は、前記オブジェクト画像の面積と、前記第２の特徴抽出画像処理が行われることにより得られた前記変化後オブジェクト画像の面積とを比較することにより、前記オブジェクト画像の属性を判定する、
   請求項１に記載の画像属性判定装置。
4. 前記処理対象画像は２値画像であり、
   前記画像属性判定装置は、さらに、
   前記処理対象画像が示す前記オブジェクト画像の線の部分を細くして細線化処理画像を生成する細線化処理部を備え、
   前記特徴抽出部は、前記細線化処理画像が示す細線化オブジェクト画像のうち、直線部分のみを残す第３の前記特徴抽出画像処理を行い、
   前記属性判定部は、前記細線化オブジェクト画像の面積と、前記第３の特徴抽出画像処理が行われることにより得られた変化後細線化オブジェクト画像の面積とを比較することにより、前記オブジェクト画像の属性を判定する、
   請求項１に記載の画像属性判定装置。
5. 前記オブジェクト画像は、文字を示す画像であり、
   前記属性判定部が判定する画像の属性は、手書き文字または活字である、
   請求項１〜４のいずれかに記載の画像属性判定装置。
6. オブジェクト画像を示す処理対象画像を処理する画像属性判定装置が行う画像属性判定方法であって、
   前記処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う特徴抽出ステップと、
   前記オブジェクト画像と、前記処理対象画像に対し前記特徴抽出画像処理が行われることにより得られる処理済画像が示す、前記オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、前記オブジェクト画像の属性を判定する属性判定ステップと
   を備える、画像属性判定方法。
7. オブジェクト画像を示す処理対象画像を処理するための画像属性判定プログラムであって、
   前記処理対象画像が示すオブジェクト画像の特徴を抽出するための特徴抽出画像処理を行う特徴抽出ステップと、
   前記オブジェクト画像と、前記処理対象画像に対し前記特徴抽出画像処理が行われることにより得られる処理済画像が示す、前記オブジェクト画像の状態が変化した変化後オブジェクト画像とに基づいて、前記オブジェクト画像の属性を判定する属性判定ステップと
   をコンピュータに実行させるための画像属性判定プログラム。

Images