JP2012022601A

JP2012022601A - 文書処理装置及びプログラム

Info

Publication number: JP2012022601A
Application number: JP2010161525A
Authority: JP
Inventors: Kumi Fujiwara; 久美藤原
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2010-07-16
Filing date: 2010-07-16
Publication date: 2012-02-02
Anticipated expiration: 2030-07-16
Also published as: JP5499970B2; US20120014612A1; US8526744B2

Abstract

【課題】文書に含まれ順序が明らかでない複数の記述と、他の文書とから、記述の最適な順序を予測する場合よりその文書と他の文書との相違を精度良く検出すること。
【解決手段】文書処理装置は、比較元となる文書から取得される複数の比較元記述からなる比較元データであって、それぞれ前記複数の比較元記述が順序付けられてなる複数の比較元データを取得する比較元データ取得手段と、それぞれ比較先となる文書から取得される１または複数の比較先データを取得する比較先データ取得手段と、前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち前記比較元データと前記比較先データとの相違の量が最も小さい組合せについての当該相違に基づいて比較結果を出力する比較結果出力手段と、を含む。
【選択図】図１３

Description

本発明は文書処理装置及びプログラムに関する。

特許文献１には、文書の画像の更新履歴を管理する文書管理装置が開示されている。この画像文書管理装置では、スキャナで読み取った２つの文書の画像のそれぞれを複数の領域に分割し、２つの文書で対応する２つの領域間で画像もしくはＯＣＲ処理された文字が一致するか判断し、一致しない領域があればそれについて更新履歴を作成する。

特開２００８−１４６１０４号公報

本発明の目的は、文書に含まれ順序が明らかでない複数の記述と、他の文書とから、記述の最適な順序を予測する場合よりその文書と他の文書との相違を精度良く検出することのできる文書処理装置およびプログラムを提供することである。

請求項１に記載の発明は文書処理装置であって、比較元となる文書から取得される複数の比較元記述からなる比較元データであって、それぞれ前記複数の比較元記述が順序付けられてなる複数の比較元データを取得する比較元データ取得手段と、それぞれ比較先となる文書から取得される１または複数の比較先データを取得する比較先データ取得手段と、前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち前記比較元データと前記比較先データとの相違の量が最も小さい組合せについての当該相違に基づいて比較結果を出力する比較結果出力手段と、を含むことを特徴とする。

請求項２に記載の発明は請求項１に記載の発明において、前記複数の比較元記述のそれぞれは、前記文書の画像上の互いに異なる領域から取得される、ことを特徴とする。

請求項３に記載の発明は請求項２に記載の発明において、前記比較元データ取得手段は、前記複数の比較元記述が取得される領域の配置に基づいて、それぞれ当該複数の比較元記述が順序づけられてなる複数の比較元データを生成する、ことを特徴とする。

請求項４に記載の発明は請求項１から３のいずれかに記載の発明において、前記比較先データ取得手段は、比較先となる文書から取得される複数の比較先記述からなる比較先データであって、それぞれ前記複数の比較先記述が順序づけられてなる１または複数の比較先データを生成し取得する、ことを特徴とする。

請求項５に記載の発明は請求項４に記載の発明において、前記複数の比較元記述と前記複数の比較先記述とに基づいて、前記複数の比較元記述と前記複数の比較先記述とを共通の区分で分類する記述分類手段をさらに含み、前記比較元データ取得手段は前記比較元記述を順序づけてなる複数の比較元データを前記区分ごとに生成し、前記比較先データ取得手段は前記比較先記述を順序づけてなる１または複数の比較先データを前記区分ごとに生成し、前記比較結果出力手段は、前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち当該比較元データと当該比較先データとの相違の量が最も小さい組合せを前記区分ごとに選択し、前記各区分において前記選択された組合せについての前記相違に基づいて比較結果を出力する、ことを特徴とする。

請求項６に記載の発明は請求項５に記載の発明において、前記記述分類手段は、前記複数の比較元記述のうち対応する比較先記述を有する２つの比較元記述の間にある複数の比較元記述と、当該２つの比較元記述に対応する２つの比較先記述の間にある複数の比較先記述とを共通の区分に分類する、ことを特徴とする。

請求項７に記載の発明は請求項４に記載の発明において、前記比較元データ生成手段は、複数の比較元記述のうち対応する比較先記述を有する１または複数の比較元記述以外の比較元記述を順序づけてなる比較元データを生成し、前記比較先データ生成手段は、対応する比較先記述を有する前記１または複数の比較元記述に対応する比較先記述以外の比較先記述を順序づけてなる比較先データを生成する、ことを特徴とする。

請求項８に記載の発明は、比較元となる文書から取得される複数の比較元記述からなる比較元データであって、それぞれ前記複数の比較元記述が順序付けられてなる複数の比較元データを取得する比較元データ取得手段、それぞれ比較先となる文書から取得される１または複数の比較先データを取得する比較先データ取得手段、および、前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち前記比較元データと前記比較先データとの相違の量が最も小さい組合せについての当該相違に基づいて比較結果を出力する比較結果出力手段、としてコンピュータを機能させるためのプログラムである。

請求項１，８に記載の発明によれば、一の文書に含まれ順序が明らかでない複数の記述と、他の文書とから、記述の最適な順序を予測する場合より一の文書と他の文書との相違を精度良く検出することができる。

請求項２に記載の発明によれば、一の文書の画像上の複数の領域に含まれ順序が明らかでない複数の記述と、他の文書とから一の文書と他の文書との相違を検出することができる。

請求項３に記載の発明によれば、一の文書の画像上の複数の領域に含まれ順序が明らかでない複数の記述と他の文書とから本構成を有しない場合より少ない計算量で一の文書と他の文書との相違を精度良く検出することができる。

請求項４に記載の発明によれば、一の文書に含まれ順序が明らかでない複数の記述と、他の文書に含まれ順序が明らかでない記述とから、記述の最適な順序を予測する場合より一の文書と他の文書との相違を精度良く検出することができる。

請求項５に記載の発明によれば、含まれる記述が互いに共通の区分で分類される２つの文書に含まれる複数の記述から、本構成を有しない場合より少ない計算量で一の文書と他の文書との相違を精度良く検出することができる。

請求項６に記載の発明によれば、互いに対応する記述を含む２つの文書であってそれらの間にある記述が共通の区分に分類される２つの文書に含まれる複数の記述から、本構成を有しない場合より少ない計算量で２つの文書の相違を精度良く検出することができる。

請求項７に記載の発明によれば、互いに対応する記述を含む２つの文書に含まれる複数の記述から、本構成を有しない場合より少ない計算量で一の文書と他の文書との相違を検出することができる。

本発明の実施形態にかかる文書作成システムの概要の一例を示す図である。本発明の実施形態にかかる文書処理装置の構成の一例を示す図である。本発明の実施形態にかかる文書処理装置が実現する機能を示す機能ブロック図である。比較先となる文書の画像の一例を示す図である。比較元となる文書の画像の一例を示す図である。図４に示す画像上の各領域から取得された記述の情報の一例を示す図である。図５に示す画像上の各領域から取得された記述の情報の一例を示す図である。記述分類部の処理フローを示す図である。比較先記述のグループの一例を示す図である。文字の属性により分類された比較元記述と比較先記述のグループの例を示す図である。比較元データの順序付けの例を示す図である。比較元記述または比較先記述を順序づける方法の一例を説明する図である。組合せ生成部、相違量計算部および組合せ選択部の処理フローを示す図である。２番目のグループの１番目の組合せにおける比較元データと比較先データとの相違を示す図である。２番目のグループの２番目の組合せにおける比較元データと比較先データとの相違を示す図である。比較結果が出力された画像の一例を示す図である。比較先となる文書の画像の他の例を示す図である。比較元となる文書の画像の他の例を示す図である。

以下、本発明の実施形態について図面に基づき詳細に説明する。図１は、本発明の実施形態にかかる文書作成システムの概要の一例を示す図である。本図に示す文書管理システムは、文書処理装置１と、印刷装置２と、読取装置３と、を含む。

文書処理装置１は、機能的に印刷用画像データ生成部６０と比較部５０とを含む。印刷用画像データ生成部６０は、テキストファイルのように文字コードを含む文書ファイル６から印刷用の画像の情報を生成し、その情報を印刷用の画像データファイル７として出力する。印刷装置２は印刷用の画像データファイル７を取得し、紙などの記録媒体８上にその画像を印刷する。読取装置３は記録媒体８に掲載された画像を読取り、その画像の情報である画像データファイル９を生成する。上述の一連の処理は１つ１つの文書ファイルに対して行われる。互いに異なる２つの文書ファイルに上述の一連の処理を行うと２つの読取り後の画像データファイル９ができる。比較部５０はその２つの画像データファイル９を取得し、比較結果を出力する。ここで、比較部５０が取得する文書の情報は必ずしも記録媒体８から読み取られた画像の情報（画像データファイル９）でなくてもよい。例えば２つの印刷用の画像の情報（画像データファイル７）であってもよいし、一方が印刷用の画像の情報（画像データファイル７）で他方が読取り後の画像の情報（画像データファイル９）であってもよい。

図２は、本発明の実施形態にかかる文書処理装置１の構成の一例を示す図である。本図に示すように、文書処理装置１は、ＣＰＵ１１と、記憶部１２と、通信部１３と、入出力部１４とを含んでいる。文書処理装置１は例えばパーソナルコンピュータによって構成されている。

ＣＰＵ１１は、記憶部１２に格納されているプログラムに従って動作する。なお、上記プログラムは、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ等の情報記録媒体に格納されて提供されるものであってもよいし、インターネット等のネットワークを介して提供されるものであってもよい。

記憶部１２は、ＲＡＭやＲＯＭ等のメモリ素子およびハードディスクドライブ等によって構成されている。記憶部１２は、上記プログラムを格納する。また、記憶部１２は、各部から入力される情報や演算結果を格納する。

通信部１３は、他の装置と通信接続するための通信手段等で構成されている。通信部１３は、ＣＰＵ１１の制御に基づいて、印刷装置２などの装置に情報を送信し、読取装置３などから受信した情報をＣＰＵ１１や記憶部１２に入力する。

入出力部１４は、モニタ等の表示出力手段や、キーボード、マウス等の入力手段などを制御する手段によって構成されている。入出力部１４は、ＣＰＵ１１の制御に基づいて、画像データ等をモニタ等に対して出力し、キーボードやマウスより操作者からの情報を取得する。なお、印刷装置２や読取装置３はプリンタケーブル等を介して入出力部１４に接続されてもよい。

図３は、本発明の実施形態にかかる文書処理装置１が実現する機能を示す機能ブロック図である。本図は特に文書処理装置１の比較部５０に含まれる機能を示している。文書処理装置１は、記述取得部５１と、記述分類部５２と、比較元データ取得部５３と、比較先データ取得部５４と、組合せ生成部５５と、相違量計算部５６と、組合せ選択部５７と、比較結果出力部５８と、を含む。これらの機能はＣＰＵ１１が記憶部１２に格納されたプログラムを実行し、通信部１３および入出力部１４を制御することによって実現される。

記述取得部５１は、ＣＰＵ１１、記憶部１２、通信部１３を中心として実現される。記述取得部５１は、比較先となる文書から複数の記述（以下では比較先記述と記す）を取得し、比較元となる文書から複数の記述（以下では比較元記述と記す）を取得する。より具体的には記述取得部５１は読取装置３から比較先となる文書および比較元となる文書の画像を取得し、比較先となる文書の画像から複数の記述（以下では比較先記述と記す）を取得し、また比較元となる文書の画像から複数の記述（以下では比較元記述と記す）を取得する。記述取得部５１は取得した比較先記述と比較元記述とを記憶部１２に記憶する。

以下では具体的な例を用いて記述取得部５１の動作を説明する。図４は比較先となる文書の画像の一例を示す図である。図５は比較元となる文書の画像の一例を示す図である。記述取得部５１は、比較先となる文書の画像や比較元となる文書の画像を互いに分離された複数の領域に区分する。画像上の領域を区分する方法としては、ＯＣＲ処理等に含まれる公知のレイアウト解析技術を用いればよい。図４に示す例では比較先となる画像はａ１からａ７までの７つの矩形の領域に区分され、図５に示す例では比較元となる画像はｂ１からｂ９までの９つの矩形の領域に区分される。なお、文字列の違いや印刷もしくは読取誤差などに伴い比較先と比較元のうち一方の文書の画像では１つの領域として認識される文字列が、他方の画像では複数の領域にまたがる文字列として認識される場合がある。図４および図５の例では例えば比較先の画像のａ４の領域と比較元の画像のｂ５およびｂ７の領域との関係がこれにあたる。本実施形態では複数行にわたる文字列であっても行が異なれば異なる領域に区分する。

また記述取得部５１は、それぞれの記述が取得された領域の位置、大きさ、記述の文字列および文字の属性（例えばフォントサイズや装飾）などといった記述の情報を取得する。図６は図４に示す画像上の各領域から取得された記述の情報の一例を示す図であり、図７は図５に示す画像から認識された各領域の記述の情報の一例を示す図である。図６および図７に示す例では、記述取得部５１は各記述の情報として、領域の識別子、矩形の領域の左上の座標を取得し、各領域の縦横のサイズの情報を取得する。また各記述の情報として太字、斜体、下線といった文字の装飾の情報やフォントサイズも取得する。

記述分類部５２は、ＣＰＵ１１、記憶部１２を中心として実現される。記述分類部５２は、複数の比較元記述と複数の比較先記述とに基づいて、その複数の比較元記述と複数の比較先記述とを共通の区分で分類する。図８は、記述分類部５２の処理フローを示す図である。はじめに記述分類部５２は、互いに対応する比較元記述と比較先記述との組を探す（ステップＳ１０１）。より具体的には、例えば比較元記述と比較先記述との間で文字列や文字の属性などの記述の要素が一致するもの同士を互いに対応する比較元記述と比較先記述として検出する。以下では文字列が一致するものどうしを検出する場合について説明する。図６および図７の例では、記述分類部５２は領域ａ１の記述と領域ｂ１の記述の組、領域ａ３の記述と領域ｂ３の記述の組、および領域ａ７の記述と領域ｂ９の記述の組を検出する。なお比較元記述もしくは比較先記述の文字列が予め定められた文字数以上である比較元記述と比較先記述の組のみを検出するようにしてもよい。その場合、ユーザがみると対応する記述でないが文字列が偶然一致するとわかるような比較元記述と比較先記述の組を誤検出する可能性が低くなる。

次に記述分類部５２は検出された組に含まれる比較元記述と比較先記述とを以降の処理の対象から除外する（ステップＳ１０２）。検出された組に含まれる比較元記述と比較先記述とは、分類の対象から除外され、さらに比較元データ取得部５３や比較先データ取得部５４の処理対象からも除外される。記述分類部５２は、除外されなかった比較元記述と、比較先記述とのそれぞれをグループに分類する（ステップＳ１０３）。記述分類部５２は例えばステップＳ１０１で検出された複数の比較元記述のうちの２つの間にある比較元記述を１つのグループとし、同様にステップＳ１０１で検出された複数の比較先記述のうち２つの間にある比較先記述を１つのグループとする。図９は比較先記述のグループの一例を示す図である。ステップＳ１０１で検出された比較先記述の領域である領域ａ１、ａ３、ａ７について、対応する比較元記述を有する領域のなかで隣り合う領域である領域ａ１と領域ａ３との間にある領域ａ２の記述が比較先記述の１つ目のグループｇａ１として分類され、同様に領域ａ３と領域ａ７との間にある領域ａ４，ａ５，ａ６の記述が比較先記述の２つ目のグループｇａ２として分類される。対応する比較先記述を有する比較元記述の間にある比較元記述であるか否かは、横書きの文書の場合はその記述を取得した領域の左上の位置のｙ座標の大小によって定める。図９に示す場合は領域ａ３のｙ座標の値ｙａ３より大きく領域ａ７のｙ座標の値ｙａ７より小さいｙ座標の値をもつ領域ａ４，ａ５，ａ６の記述をグループとして認識する。また縦書きの文書や２段組の文書などの場合には、領域のｘ座標の値も用いて比較先記述のグループを分類してよい。また同様の方法で比較元記述のグループも分類される。

そして記述分類部５２は比較元記述のグループと比較先記述のグループとを対応付けし同じ区分とする（ステップＳ１０４）。より具体的にはステップＳ１０１で検出された隣り合う２つの比較元記述の間にある比較元記述のグループと、その２つの比較元記述に対応する２つの比較先記述の間にある複数の比較先記述のグループとが対応させて、同じ区分とする。本実施形態の例では対応する比較元記述のグループと比較先記述のグループとに同じ順序をつけることで同じ区分に分類している。図４および図５の例では、領域ａ２の比較先記述からなるグループｇａ１と領域ｂ２の比較元記述からなるグループｇｂ１とが対応づけられ、どちらも１番目のグループとして分類される。領域ａ４からａ６の比較先記述からなるグループｇａ２と領域ｂ４からｂ８の比較元記述からなるグループｇｂ２とが対応づけられ、どちらも２番目のグループとして分類される。

なお記述分類部５２は、ステップＳ１０１において文字の属性が同じ比較元記述と比較先記述の組を検出してもよい。文書そのものの題名や章の見出しなどで用いるフォントサイズや下線などの装飾を他の記載と異ならせており、さらに比較元の文書と比較先の文書とで共通の装飾を行っている場合、装飾から互いに対応する比較元記述と比較先記述の組が取得される。図１０は文字の属性により分類された比較元記述と比較先記述のグループの例を示す図である。図１０の左側が比較先の文書の画像であり、右側が比較元の文書の画像である。本図では領域ｃ１の比較先記述の文字列「ＡＡＡ」と、領域ｄ１の比較元記述の文字列「ＡＡＢＣ」とは異なるものの、フォントサイズが等しく同じ下線の文字装飾がされているので、対応する比較先記述と比較元記述として検出される。また領域ｃ１の比較先記述と領域ｄ４の比較元記述とも同様にして対応する比較先記述と比較元記述として検出される。結果として、領域ｃ１と領域ｃ３の間にある領域ｃ２の比較先記述と、領域ｄ１と領域ｄ４の間にある領域ｄ２，ｄ３の比較元記述とが同じ区分のグループに分類される。なお、この場合は互いに対応する比較先記述と比較元記述とをステップＳ１０３以降の処理の対象としてもよい。

比較元データ取得部５３は、ＣＰＵ１１、記憶部１２を中心として実現される。比較元データ取得部５３は、複数の比較元記述を順序づけてなる複数の比較元データを前記区分ごとに生成して取得する。なお、あるグループに着目すると比較元データ取得部５３はそれぞれ複数の比較元記述の少なくとも一部が順序付けられてなる複数の比較元データを生成し取得している。また比較先データ取得部５４は、ＣＰＵ１１、記憶部１２を中心として実現される。比較先データ取得部５４は、複数の比較先記述を順序づけてなる複数の比較先データを前記区分ごとに生成して取得する。なお、あるグループにおける処理内容に着目すると比較先データ取得部５４はそれぞれ複数の比較先記述の少なくとも一部が順序付けられてなる複数の比較先データを生成し取得している。比較元データ取得部５３と比較先データ取得部５４の処理内容との違いは、比較元データ取得部５３の入力が比較元記述のグループで出力が比較元データであり、比較先データ取得部５４の入力が比較先記述のグループで出力が比較先データである点である。

比較元データ取得部５３は、その比較元記述が取得される領域の配置に基づいて比較元記述を順序付けし、複数の比較元データを生成する。同様に比較先データ取得部５４は、その比較先記述が取得される領域の配置に基づいて比較先記述を順序付けし、１または複数の比較先データを生成する。領域の配置を用いて順序付けするには、各比較元記述または比較先記述が取得された領域の左上の座標などを用いる。例えば比較元データ取得部５３は、１つの比較元データを生成する際には各記述が取得された領域のｘ座標が小さいものから順序づけ、さらにｘ座標が同じものの間ではｙ座標が小さいものから順序づける。もう１つの比較元データを生成する際には各記述が取得された領域のｙ座標が小さいものから順序付け、さらにｙ座標が同じものの間ではｘ座標が小さいものから順序づける。比較先データ取得部５４も同様である。以下ではこの処理を図４から７に示す例で行った場合について説明する。図１１は比較元データの順序付けの例を示す図である。領域ｂ４，ｂ５，ｂ６のｘ座標が等しく、領域ｂ７，ｂ８のｘ座標が等しいとした場合、２番目の比較元記述のグループｇｂ２での比較元記述の順序は、前者の方法で順序付けを行うと、ｂ４，ｂ５，ｂ６，ｂ７，ｂ８の順（図中実線矢印）となり、後者の方法の場合で順序付けを行うと、ｂ４，ｂ５，ｂ７，ｂ６，ｂ８の順（図中破線矢印）となる。得られる２番目のグループの比較元データの数は２である。ここで領域の識別子を記述の識別子として記している。一方、比較先記述の２番目のグループｇａ１では前者の方法で順序付けを行っても後者の方法で割付を行ってもａ４，ａ５，ａ６の順となる。よって得られる２番目のグループの比較先データの数は１である。

ここで、比較元データや比較先データを生成する際の順序付けする際に、各領域のサイズを考慮するようにしてもよい。この方法では、１つの比較元データを生成する際には各領域のｙ座標が小さい記述からいくつかの行候補集合を順に生成し、若い行候補集合に属する記述から順序づけるが、さらに同じ行候補集合に属するものの中ではｘ座標が小さいものから順序づける。もう１つの比較元データを生成する際には各記述の領域のｘ座標が小さいものからいくつかの列候補集合を順に生成し、若い列候補集合に属する記述から順序づけるが、同じ列候補集合に属するものの中ではｙ座標が小さいものから順序づける。図１２は、比較元記述または比較先記述を順序付ける方法の一例を示す図である。例えば、以下の条件を満たす領域ａｋとａｈとを行候補集合にする。

ｘａｋ＋ｗａｋ ≦ ｘａｈ

｜ｙａｋ−ｙａｈ｜ ≦ ｍａｘ（ｈａｋ，ｈａｈ）

こうすると、複数の記述の領域の間でｙ座標の位置がずれていてもｙ方向に投影してみると領域が重なっている２つの記述は同じ行候補として扱われる。本実施形態のように、記述の配置の情報を用いると、生成する比較元データの数が少なくなり、以降の計算量も少なくなる。また配置を用いる場合は位置が近いものが連続するといった法則に反する比較元データまたは比較先データが排除される。比較元データ取得部５３および比較先データ取得部５４は、配置の情報を用いずに記述の全ての順列を用いて比較元データあるいは比較先データを生成してもよい。

また、比較元データと比較先データの両方を順序付けにより生成しなくてもよい。例えば、２つの文書の画像のうち、認識された領域の数が多い方のデータ（これを比較元データと決めてもよい）だけを順序付けにより生成してもよい。このとき、領域の数の少ない方のデータ（これを比較先データと決めてもよい）を、記述取得部５１が記述の情報を取得する順番をそのまま利用して生成してよい。なお、記述分類部５２で記載したように、複数の比較元記述のうち対応する比較先記述を有する１または複数の比較元記述を順序付けの対象から除外している。

本実施形態では上述のように複数行にわたる文字列であっても行が異なれば異なる領域に区分している。そうすると例えば図５に示す領域ｂ５とｂ６とが１つの領域と認識されることが防がれ、順序付けにより比較元データのうち少なくとも１つにおける複数の記述の文字列の並びが比較先データの記述の文字列の並びと同じになる。

図１３は、組合せ生成部５５、相違量計算部５６および組合せ選択部５７の処理フローを示す図である。組合せ生成部５５はＣＰＵ１１、記憶部１２を中心として実現される。組合せ生成部５５は、前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せをグループの区分ごとに生成する。より具体的には、はじめに組合せ生成部５５は、変数ｉに１を代入する（ステップＳ２０１）。次に組合せ生成部５５は、ｉ番目のグループについて比較元データと比較先データとの全ての組合せを生成する（Ｓ２０２）。組合せの数は、（比較元データの数）×（比較先データの数）となる。図４から７に示す例の２番目のグループの場合、比較元データの数が２、比較先データの数が１なので、組合せの数は２となる。

相違量計算部５６はＣＰＵ１１、記憶部１２を中心として実現される。相違量計算部５６は前記各組合せについて比較元データと比較先データとの相違の量を計算する。はじめに相違量計算部５６は変数ｊに１を代入する（ステップＳ２０３）。次に相違量計算部５６は、ｊ番目の組合せについて比較元データと比較先データとを比較する（ステップＳ２０４）。比較は、組合せを構成する比較元データや比較先データにおける文字列やフォントサイズ、太字の装飾があるか否か、斜体の装飾があるか否か、下線の装飾があるか否かなどの点について行われる。なお比較元データや比較先データにおける文字列は順序付けられた各記述の文字列がその順序付けされた順番で並べられたものである。図１４は、２番目のグループの１番目の組合せにおける比較元データと比較先データとの相違を示す図である。本図では文字列の比較結果が不一致であることが検出されている。次に相違量計算部５６は各組合せにおける相違の量を計算する（ステップＳ２０５）。例えば相違量計算部５６は文字列、フォントサイズ、太字の装飾などの各要素についての相違の大きさを要素値として求め、さらに各要素値を重み付けして対合わせた値をその組合せの相違の量とする。文字列の要素については、一方の文字列から他方の文字列に変えるよう編集するのに必要な編集コストを相違量の要素値とする。具体的には挿入、削除、移動を行う場合のコストは１文字あたり１とし、置換を行う場合のコストは１文字あたり２として集計して編集コストを求める。図１４の例では、挿入３文字、削除３文字、移動２文字であるので変数コストは８である。また、装飾については、一致する場合に予め定められた要素値を設定するようにしてもよいし、一致する文字数を要素値としてもよい。各要素の重みが１であるとすると、図１４に示す組合せの相違の量は８である。図１５は２番目のグループの２番目の組合せにおける比較元データと比較先データとの相違を示す図である。図１５に示す組合せの相違の量は６となる。

次に相違量計算部５６は相違の量を計算した組合せがこのグループにおいて最後の組合せでなければ（ステップＳ２０６のＮ）ｊを１増やして（ステップＳ２０７）ステップＳ２０４以降の処理を繰り返す。その組合せが最後の組合せであれば（ステップＳ２０６のＹ）、次のステップＳ２０８の処理に進む。

組合せ選択部５７はＣＰＵ１１、記憶部１２を中心として実現される。組合せ選択部５７は複数の組合せのうち前記比較元データと前記比較先データとの相違の量が最も小さい組合せを選択し、記憶部１２に記憶する（ステップＳ２０８）。図１４および図１５に示す例では、２番目のグループでは２番目の組合せにおける比較元データと比較先データとの相違の量が小さいので、この組合せが選択され、比較結果が記憶部１２に記憶される。そして処理しているグループが最後のグループでなければ（ステップＳ２０９のＮ）、ｉを１増やして（ステップＳ２１０）ステップＳ２０２以降の処理を繰り返す。処理しているグループが最後のグループであれば、組合せ生成部５５、相違量計算部５６、および組合せ選択部５７で行う処理は終了する。

比較結果出力部５８はＣＰＵ１１、記憶部１２、入出力部１４を中心として実現される。比較結果出力部５８は、組合せ選択部５７で選択されたグループの各区分における組合せについての比較元データと比較先データの相違に基づいて、比較結果を出力する。図１６は比較結果が出力された画像の一例を示す図である。左側が比較先の文書であり、右側が比較元の文書である。図１６の例では不一致となった文字の背景を変化させて出力している。文字そのものの色を変化させて出力してもよい。なお、不一致のあった比較元データのグループに含まれる記述の背景の色を変化させるようにしてもよい。また、一方の文書のみを表示し、相違のある箇所のみ、その相違の文字がわかるように表示してもよい。また比較元の文書も比較先の文書も表示せず、相違のある部分の文字列とその位置とを出力してもよい。

なお、本実施形態にかかる文書処理装置１では、比較する２つの文書のレイアウトが２段組の文書と１段組の文書とで異なる場合でも比較結果が出力される。図１７は比較先となる文書の画像の他の例を示す図であり、図１８は比較元となる文書の画像の他の例を示す図である。記述取得部５１はこの例において複数行にわたる文字列であっても行が異なれば異なる領域に区分する。すると１段組の比較先の文書からａ１、ａ２、ａ３の比較先記述が取得され、２段組の比較元の文書からｂ１、ｂ２、ｂ３、ｂ４、ｂ５、ｂ６の比較元記述が取得される。これらから比較先データ取得部５４はａ１、ａ２、ａ３の順で順序づけられた記述からなる比較先データを生成し、比較元データ取得部５３は少なくともｂ１、ｂ２、ｂ３、ｂ４、ｂ５、ｂ６の順で順序づけられた記述からなる比較元データを生成する。すると、相違量計算部５６は上述の比較元データと比較先データとの組合せについて比較を行い、それは他の組合せより相違の量が小さいことが明らかなので、比較結果出力部５８はその組合せについての相違を比較結果として出力する。

１文書処理装置、２印刷装置、３読取装置、６文書ファイル、７，９画像データファイル、８記録媒体、１１ＣＰＵ、１２記憶部、１３通信部、１４入出力部、５０比較部、５１記述取得部、５２記述分類部、５３比較元データ取得部、５４比較先データ取得部、５５組合せ生成部、５６相違量計算部、５７組合せ選択部、５８比較結果出力部、６０印刷用画像データ生成部。

Claims

比較元となる文書から取得される複数の比較元記述からなる比較元データであって、それぞれ前記複数の比較元記述が順序付けられてなる複数の比較元データを取得する比較元データ取得手段と、
それぞれ比較先となる文書から取得される１または複数の比較先データを取得する比較先データ取得手段と、
前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち前記比較元データと前記比較先データとの相違の量が最も小さい組合せについての当該相違に基づいて比較結果を出力する比較結果出力手段と、
を含むことを特徴とする文書処理装置。
前記複数の比較元記述のそれぞれは、前記文書の画像上の互いに異なる領域から取得される、
ことを特徴とする請求項１に記載の文書処理装置。
前記比較元データ取得手段は、前記複数の比較元記述が取得される領域の配置に基づいて、それぞれ当該複数の比較元記述が順序づけられてなる複数の比較元データを生成する、
ことを特徴とする請求項２に記載の文書処理装置。
前記比較先データ取得手段は、比較先となる文書から取得される複数の比較先記述からなる比較先データであって、それぞれ前記複数の比較先記述が順序づけられてなる１または複数の比較先データを生成し取得する、
ことを特徴とする請求項１から３のいずれか一項に記載の文書処理装置。
前記複数の比較元記述と前記複数の比較先記述とに基づいて、前記複数の比較元記述と前記複数の比較先記述とを共通の区分で分類する記述分類手段をさらに含み、
前記比較元データ取得手段は前記比較元記述を順序づけてなる複数の比較元データを前記区分ごとに生成し、
前記比較先データ取得手段は前記比較先記述を順序づけてなる１または複数の比較先データを前記区分ごとに生成し、
前記比較結果出力手段は、前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち当該比較元データと当該比較先データとの相違の量が最も小さい組合せを前記区分ごとに選択し、前記各区分において前記選択された組合せについての前記相違に基づいて比較結果を出力する、
ことを特徴とする請求項４に記載の文書処理装置。
前記記述分類手段は、前記複数の比較元記述のうち対応する比較先記述を有する２つの比較元記述の間にある複数の比較元記述と、当該２つの比較元記述に対応する２つの比較先記述の間にある複数の比較先記述とを共通の区分に分類する、
ことを特徴とする請求項５に記載の文書処理装置。
前記比較元データ生成手段は、複数の比較元記述のうち対応する比較先記述を有する１または複数の比較元記述以外の比較元記述を順序づけてなる比較元データを生成し、
前記比較先データ生成手段は、対応する比較先記述を有する前記１または複数の比較元記述に対応する比較先記述以外の比較先記述を順序づけてなる比較先データを生成する、
ことを特徴とする請求項４に記載の文書処理装置。
比較元となる文書から取得される複数の比較元記述からなる比較元データであって、それぞれ前記複数の比較元記述が順序付けられてなる複数の比較元データを取得する比較元データ取得手段、
それぞれ比較先となる文書から取得される１または複数の比較先データを取得する比較先データ取得手段、および、
前記比較元データのうち１つと前記比較先データのうち１つとからなる複数の組合せのうち前記比較元データと前記比較先データとの相違の量が最も小さい組合せについての当該相違に基づいて比較結果を出力する比較結果出力手段、
としてコンピュータを機能させるプログラム。