JP2016045637A - 文書処理装置及びプログラム。 - Google Patents

Abstract

【課題】文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、箇条書き記号を検出する。
【解決手段】
文書データ受付部３０１は、文書データを受け付ける。文字コード取得部３０２は、文書データから文字コードを取得する。文字画像データ生成部３０３は、取得された文字コードに基づいて、文字画像データを生成する。全体画像データ生成部３０５は、全体画像データを生成する。文章領域抽出部３０６は、文字画像データと一致する全体画像データの領域を、全体画像データの文章領域として抽出する。箇条書き記号検出部３０７は、全体画像データにおいて、抽出された文章領域を基準とした予め定められた範囲の領域内に複数存在する、文字画像データに含まれない同一の非文字オブジェクトを箇条書き記号として検出する。
【選択図】図３

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、文字認識をすることなく、予め定められた特定方向に沿って配置されている、互いに対応する複数の着目領域の文書画像内における位置を特定し、この着目領域の位置に基づいて、文書内で項目が開始される位置を特定する技術が開示されている。

特許文献２には、紙葉類の画像データに対してラベリング処理し、列挙されたラベル群の中からキーワードを構成する可能性のあるラベルを選択して、選択されたそれぞれのラベルがキーワード「様」であるか否かを判定し、「様」と判定できたラベルの存在する位置と認識できた方向によって第１の文字情報列領域の位置と方向を特定し、特定できた第１の文字情報列領域の位置と方向に従って区分情報の読み取りを行う技術が開示されている。

特許文献３には、読み取られた帳簿のイメージデータから文字領域とセルを抽出し、抽出された文字領域に対して文字認識を行い、入力されたキーワードを文字コードと比較することで検索を行い、検索されたキーワードの近傍に位置するセルを推測して選択し、選択されたセルの中の文字コードを、このセルの位置情報と文字コードの位置情報とを比較することで特定する技術が開示されている。

特許文献４には、表示された帳票イメージのフィールドに相当する領域をポインティングデバイスを用いて指示すると、当該領域内又は近傍の領域のイメージデータに基づいて、フィールド項目属性情報の作成を行う技術が開示されている。

特開２０１０−１４６１４７号公報 特開２００１−２５９５３２号公報 特開２００２−０２４７６１号公報 特開２００５−０４４２５６号公報

文字コードに基づいて箇条書き記号を検出する構成では、文書データにおいて、箇条書き記号が文字コードを有さない絵柄等の画像により表現されている場合には、箇条書き記号を検出することができないという問題があった。そして、箇条書き記号を検出することができない場合、例えば、文書データの文章を別の言語に翻訳する際に、箇条書きの行が正しく翻訳されない可能性がある。

本発明の目的は、文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、箇条書き記号を検出することが可能な文書処理装置及びプログラムを提供することである。

請求項１に係る本発明は、文書データを受け付ける受付手段と、
前記受付手段により受け付けられた文書データから文字コードを取得する取得手段と、
前記取得手段により取得された文字コードに基づいて、前記文書データにおける文字列の画像データである文字画像データを生成する第１の生成手段と、
前記文書データ全体の画像データである全体画像データを生成する第２の生成手段と、
前記文字画像データと一致する前記全体画像データの領域を、当該全体画像データの文章領域として抽出する抽出手段と、
前記全体画像データにおいて、前記抽出手段により抽出された文章領域を基準とした予め定められた範囲の領域内に複数存在する、前記文字画像データに含まれない同一の画像データを箇条書き記号として検出する検出手段と、
を有する文書処理装置である。

請求項２に係る本発明は、前記検出手段が、前記文章領域を基準とした予め定められた範囲の領域として、前記文章領域を、当該文章領域における文字列の行方向に予め定められた領域分広げた検出領域を生成し、前記全体画像データにおいて、前記検出領域内に前記文字画像データに含まれない画像データが複数存在し、当該複数の画像データがそれぞれ同一である場合、当該画像データを箇条書き記号として検出する請求項１記載の文書処理装置である。

請求項３に係る本発明は、前記検出手段が、前記文章領域における文字列の行と、前記複数の画像データの座標位置とが対応する場合に、当該複数の画像データを箇条書き記号として検出する請求項１または２記載の文書処理装置である。

請求項４に係る本発明は、前記検出手段が、検出した箇条書き記号に基づいて、前記文章領域において当該箇条書き記号と対応する文字列を箇条書きの行として検出する請求項１から３いずれか１項記載の文書処理装置である。

請求項５に係る本発明は、文書データの中から文字コードを有するオブジェクトの画像データである第１画像データを生成する第１生成手段と、
前記文書データ全体の画像データである第２画像データを生成する第２生成手段と、
前記第１画像データと一致する前記第２画像データの領域を基準とした予め定められた範囲に前記領域を拡大した拡大領域内に存在する、前記第１画像データに含まれない画像データを検出する検出手段と、
前記検出手段により検出された複数の画像データがそれぞれ対応する関係であるとき、前記複数の画像データを箇条書き記号と判定する判定手段と、
を有する文書処理装置である。

請求項６に係る本発明は、文書データを受け付けるステップと、
受け付けられた文書データから文字コードを取得するステップと、
取得された文字コードに基づいて、前記文書データにおける文字列の画像データである文字画像データを生成するステップと、
前記文書データ全体の画像データである全体画像データを生成するステップと、
前記文字画像データと一致する前記全体画像データの領域を、当該全体画像データの文章領域として抽出するステップと、
前記全体画像データにおいて、抽出された文章領域を基準とした予め定められた範囲の領域内に複数存在する、前記文字画像データに含まれない同一の画像データを箇条書き記号として検出するステップと、
をコンピュータに実行させるためのプログラムである。

請求項１に係る本発明によれば、文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、箇条書き記号を検出することが可能な文書処理装置を提供することができる。

請求項２に係る本発明によれば、文書データにおける文字列の行方向に文字コードを有さない箇条書き記号が存在する場合でも、箇条書き記号を検出することが可能な文書処理装置を提供することができる。

請求項３に係る本発明によれば、文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、文字列の行と対応する箇条書き記号を検出することが可能な文書処理装置を提供することができる。

請求項４に係る本発明によれば、文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、箇条書きの行を検出することが可能な文書処理装置を提供することができる。

請求項５に係る本発明によれば、文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、箇条書き記号を検出することが可能な文書処理装置を提供することができる。

請求項６に係る本発明によれば、文字領域に文字コードが埋め込まれている文書データにおいて、箇条書き記号が文字コードを有さない画像により表現されている場合でも、箇条書き記号を検出することが可能なプログラムを提供することができる。

本発明の一実施形態における文書処理システムのシステム構成を示す図である。 本発明の一実施形態における文書処理サーバ３０のハードウェア構成を示すブロック図である。 本発明の一実施形態における文書処理サーバ３０の機能構成を示すブロック図である。 本発明の一実施形態における文書処理サーバ３０の処理を示すフローチャートである。 本発明の一実施形態における全体画像データ、文字画像データ及び文字コードが含まれない画像データの一例を示す図である。 本発明の一実施形態における文章領域、検出領域、箇条書き記号検出及び行検出の具体的な処理の一例を示す図である。 本発明の一実施形態における文書処理サーバ３０の具体的な処理の一例を示す図である。 本発明の一実施形態における文書処理サーバ３０の具体的な処理の一例を示す図である。 本発明の一実施形態における文書処理サーバ３０の具体的な処理の一例を示す図である。

次に、本発明の実施の形態について図面を参照して詳細に説明する。

図１は、本発明の一実施形態の文書処理システムのシステム構成を示す図である。

本実施形態の文書処理システムは、図１に示されるように、端末装置１０と、画像形成装置２０と、文書処理サーバ（文書処理装置）３０がネットワーク４０を介して相互に接続されている。端末装置１０は、文書データを生成して、ネットワーク４０経由にて生成した文書データを文書処理サーバ３０に対して送信する。文書処理サーバ３０は、端末装置１０から送信された文書データを受け付けて、文書データに対して後述する処理を行う。なお、画像形成装置２０は、印刷（プリント）機能、スキャン機能、複写（コピー）機能、ファクシミリ機能等の複数の機能を有するいわゆる複合機と呼ばれる装置である。

また、本実施形態における端末装置１０及び画像形成装置２０は、文字領域に文字コードが埋め込まれ、箇条書き記号が文字コードを有さない絵柄等の画像により表現されている構造を有する文書データを生成して、この文書データをネットワーク４０を介して文書処理サーバ３０に対して送信する。もちろん、文字コードを有する画像により箇条書き記号を表現した文書データを作成することも可能である。

次に、本実施形態の文書処理システムにおける文書処理サーバ３０のハードウェア構成を図２に示す。

文書処理サーバ３０は、図２に示されるように、ＣＰＵ１１、メモリ１２、ハードディスクドライブ（ＨＤＤ）等の記憶装置１３、ネットワーク４０を介してデータの送信及び受信を行う通信インタフェース（ＩＦ）１４、タッチパネル又は液晶ディスプレイ並びにキーボードを含むユーザインタフェース（ＵＩ）装置１５を有する。これらの構成要素は、制御バス１６を介して互いに接続されている。

ＣＰＵ１１は、メモリ１２または記憶装置１３に格納された制御プログラムに基づいて所定の処理を実行して、文書処理サーバ３０の動作を制御する。なお、本実施形態では、ＣＰＵ１１は、メモリ１２または記憶装置１３内に格納された制御プログラムを読み出して実行するものとして説明したが、当該プログラムをＣＤ−ＲＯＭ等の記憶媒体に格納してＣＰＵ１１に提供することも可能である。

図３は、ＣＰＵ１１によりメモリ１２または記憶装置１３に格納された制御プログラムが実行されることにより実現される文書処理サーバ３０の機能構成を示す図である。

図３に示されるように、本実施形態における文書処理サーバ３０は、文書データ受付部３０１と、文字コード取得部３０２と、文字画像データ生成部３０３と、文字数カウント部３０４と、全体画像データ生成部３０５と、文章領域抽出部３０６と、箇条書き記号検出部３０７と、記憶部３０８とによって構成される。

文書データ受付部３０１は、端末装置１０または画像形成装置２０からネットワーク４０を介して文書データを受け付ける。ここで、本実施形態においては、文書データ受付部３０１は、文字領域に文字コードが埋め込まれ、箇条書き記号が文字コードを有さない絵柄等の画像により表現されている構造を有する文書データを受け付ける。

文字コード取得部３０２は、文書データ受付部３０１により受け付けられた文書データから文字コードを取得する。本実施形態においては、文字コード取得部３０２は、文字コードに基づいて、文字の種類、文字のサイズ及び文字の座標情報等を取得する。

文字画像データ生成部３０３は、文字コード取得部３０２により取得された文字コードに基づいて、文書データにおける文字列の画像データである文字画像データを生成する。本実施形態においては、文字画像データ生成部３０３は、文字コード取得部３０２により取得された各文字コードに基づいて、それぞれの文字の画像データである文字オブジェクトを生成することにより、文字画像データを生成する。

文字数カウント部３０４は、文字コード取得部３０２により取得された文字コードに基づいて、文字画像データにおける文字数を算出する。本実施形態においては、文字数カウント部３０４は、文字画像データ生成部３０３により生成された文字画像データを構成する文字オブジェクト数を計数する。

全体画像データ生成部３０５は、文書データ全体の画像データである全体画像データを生成する。本実施形態においては、全体画像データ生成部３０５は、文字コードに基づいて生成される文字オブジェクトと、文字コードを有さない画像オブジェクトとを含めて、文書データを構成する要素の全てがラスタライズされた画像データを全体画像データとして生成する。

文章領域抽出部３０６は、文字画像データと一致する全体画像データの領域を、全体画像データの文章領域として抽出する。本実施形態においては、文章領域抽出部３０６は、文字画像データと、全体画像データとを比較して、全体画像データにおいて、文字画像データの文字オブジェクト全体の外接矩形領域と一致する領域を文章領域として抽出する。

箇条書き記号検出部３０７は、全体画像データにおいて、文章領域抽出部３０６により抽出された文章領域を基準とした予め定められた範囲の領域内に複数存在する、同一の非文字オブジェクト（文字画像データに含まれない同一の画像データ）を箇条書き記号として検出する。なお同一である場合だけでなく、予め定められた関係にある場合に当該複数の非文字オブジェクトを箇条書き記号として検出してもよい。例えば、複数の非文字オブジェクトが連続する数字である場合、これらを箇条書き記号として扱ってもよい（この場合、一般的な画像処理技術を利用して連続する数字であるかを判断する）。

また、箇条書き記号検出部３０７は、文章領域を基準とした予め定められた範囲の領域として、文章領域を、当該文章領域における文字列の行方向に予め定められた領域分広げた検出領域を生成する。本実施形態においては、箇条書き記号検出部３０７は、文字コード取得部３０２により取得された文字サイズに基づいて、検出領域として、例えば、文章領域を文字列の行方向に文字２つ分広げた検出領域を生成する。

なお、本実施形態においては、箇条書き記号検出部３０７は、文章領域において隣接する文字オブジェクトどうしの距離が短い方向を行方向と判定する。具体的には、箇条書き記号検出部３０７は、文章領域において、左右の文字オブジェクトどうしの距離が、上下の文字オブジェクトどうしの距離よりも短い場合には、この文章領域における文字列は横書きであると考えられるため、左右方向を行方向と判定する。また、箇条書き記号検出部３０７は、文章領域において、上下の文字オブジェクトどうし距離が、左右の文字オブジェクトどうしの距離よりも短い場合には、この文章領域における文字列は縦書きであると考えられるため、上下方向を行方向と判定する。

また、一般的に横書きの文字列においては、文字を左から右方向に配置していくため、横書きの文字列に箇条書き記号を配置する際には、行の先頭の文字よりも左側に配置されることが多い。従って、本実施形態においては、箇条書き記号検出部３０７は、文章領域における文字列が横書きである場合に、文章領域を行の先頭の文字よりも左方向に予め定められた領域分広げることにより検出領域を生成する。同様に、一般的に縦書きの文字列においては、箇条書き記号が行の先頭の文字よりも上側に配置されることが多いため、本実施形態においては、箇条書き記号検出部３０７は、文章領域における文字列が縦書きである場合に、文章領域を行の先頭の文字よりも上方向に予め定められた領域分広げることにより検出領域を生成する。

さらに、本実施形態においては、箇条書き記号検出部３０７は、文字数カウント部３０４において算出された文字オブジェクト数に対して、検出領域内の画像オブジェクト数が増加している場合に、この増加した分の画像オブジェクトを非文字オブジェクトであると判定する。

また、箇条書き記号検出部３０７は、文章領域における文字列の行と、複数の非文字オブジェクトの座標位置とが対応する場合に、当該複数の非文字オブジェクトを箇条書き記号として検出する。以下、本実施形態のおいては、箇条書き記号として検出された非文字オブジェクトを非文字の箇条書き記号として説明する。

また、箇条書き記号検出部３０７は、検出した箇条書き記号に基づいて、文章領域において箇条書き記号と対応する文字列を箇条書きの行として検出する。

記憶部３０８は、箇条書き記号を示す文字コードを予め記憶する。そして、箇条書き記号検出部３０７は、記憶部３０８を参照して、文字コード取得部３０２により取得された文字コードのうち、記憶部３０８により記憶された箇条書き記号を示す文字コードが含まれる場合には、当該箇条書き記号を示す文字コードに基づく文字を箇条書き記号として検出する。以下、本実施形態においては、箇条書き記号を示す文字コードに基づく文字を文字の箇条書き記号として説明する。

次に、本実施形態における文書処理サーバ３０の処理を図４のフローチャートを参照して詳細に説明する。

まず、文書データ受付部３０１は、端末装置１０または画像形成装置２０からネットワーク４０を介して文書データを受け付ける（ステップＳ１０１）。例えば、図５（Ａ）に示されるように、文書データ受付部３０１は、文字領域に文字コードが埋め込まれ、箇条書き記号が文字コードを有さない絵柄により表現されている構造を有する文書データを受け付ける。

次に、文字コード取得部３０２は、文書データ受付部３０１により受け付けられた文書データから文字コードを取得する（ステップＳ１０２）。

そして、文字画像データ生成部３０３は、文字コード取得部３０２により取得された文字コードに基づいて、文書データにおける文字列の画像データである文字画像データを生成する（ステップＳ１０３）。例えば、図５（Ｂ）に示されるように、文字コード取得部３０２により取得された文字コードに基づいてそれぞれの文字オブジェクトを生成することにより、文字画像データを生成する。

また、文字数カウント部３０４は、文字コード取得部３０２により取得された文字コードに基づいて、文字画像データにおける文字数を算出する（ステップＳ１０４）。具体的には、文字数カウント部３０４は、文字画像データ生成部３０３により生成された文字画像データを構成する文字オブジェクト数を計数する。例えば、図５（Ｂ）に示されるように、文字数カウント部３０４は、文字画像データ生成部３０３により生成された文字画像データを構成する文字オブジェクト数が２７個であると算出する。

次に、全体画像データ生成部３０５は、文書データ全体の画像データである全体画像データを生成する（ステップＳ１０５）。具体的には、全体画像データ生成部３０５は、文字コードに基づいて生成される文字オブジェクトと、図５（Ｃ）に示されるような文字コードを有さない画像オブジェクトとを含めて、図５（Ａ）に示されるような文書データを構成する要素の全てがラスタライズされた画像データを全体画像データとして生成する。

次に、文章領域抽出部３０６は、文字画像データと一致する全体画像データの領域を、全体画像データの文章領域として抽出する（ステップＳ１０６）。本実施形態においては、文章領域抽出部３０６は、図６（Ａ）の点線の領域で示されるように、文字画像データと、全体画像データとを比較して、全体画像データにおいて、文字画像データの文字オブジェクト全体の外接矩形領域と一致する領域を文章領域として抽出する。

そして、箇条書き記号検出部３０７は、文章領域を文章領域における文字列の行方向に予め定められた領域分広げた検出領域を生成する（ステップＳ１０７）。このとき、箇条書き記号検出部３０７は、文章領域における文字列が横書きであるか縦書きであるかを判定する。そして、例えば、文章領域における文字列が横書きである場合には、箇条書き記号検出部３０７は、図６（Ｂ）の太字の点線の領域で示されるように、文章領域を、当該文章領域における行の先頭の文字よりも左方向に文字２つ分広げた検出領域を生成する。

そして、箇条書き記号検出部３０７は、文字数カウント部３０４において算出された文字オブジェクト数に対して、検出領域内の画像オブジェクト数が増加しているか否かを判定する（ステップＳ１０８）。例えば、図６（Ｂ）に示されるように、文字数カウント部３０４において算出された文字オブジェクト数２７個に対して、検出領域内の画像オブジェクト数が３０個となっている場合には、増加した分の画像オブジェクトを非文字オブジェクトであると判定する。

次に、検出領域内の画像オブジェクト数が増加していると判定された場合に（ステップＳ１０８においてｙｅｓ）、箇条書き記号検出部３０７は、増加した非文字オブジェクトが複数であるか否かを判定する（ステップＳ１０９）。例えば、図６（Ｃ）に示されるように、文字オブジェクト数２７個に対して、３つの非文字オブジェクト１０１ａ〜１０１ｃが増加していることにより、検出領域内の画像オブジェクト数が３０個となっている場合には、箇条書き記号検出部３０７は、非文字オブジェクト数が複数であると判定する。

そして、非文字オブジェクトが複数であると判定された場合（ステップＳ１０９においてｙｅｓ）、箇条書き記号検出部３０７は、文章領域における文字列の行と、複数の非文字オブジェクトの座標位置とが対応するか否かを判定する（ステップＳ１１０）。例えば、図６（Ｄ）に示されるように、複数の非文字オブジェクト１０１ａ〜１０１ｃが、それぞれ文章領域における文字列の行方向の座標位置に存在する場合には、箇条書き記号検出部３０７は、文章領域における文字列の行と、複数の非文字オブジェクト１０１ａ〜１０１ｃの座標位置とが対応すると判定する。

そして、文章領域における文字列の行と、複数の非文字オブジェクトの座標位置とが対応する場合（ステップＳ１１０においてｙｅｓ）、箇条書き記号検出部３０７は、複数の非文字オブジェクトがそれぞれ同一であるか否かを判定する（ステップＳ１１１）。例えば、箇条書き記号検出部３０７は、非文字オブジェクト１０１ａ〜１０１ｃの画素パターンをそれぞれ抽出して、それぞれの画素パターンが一致するものである場合には、非文字オブジェクト１０１ａ〜１０１ｃが同一であると判定する。

次に、複数の非文字オブジェクトがそれぞれ同一であると判定された場合（ステップＳ１１１においてｙｅｓ）、箇条書き記号検出部３０７は、それぞれ同一であると判定された複数の非文字オブジェクトを箇条書き記号として検出する（ステップＳ１１２）。また、箇条書き記号検出部３０７は、記憶部３０８を参照して、文字コード取得部３０２により取得された文字コードのうち、箇条書き記号を示す文字コードが含まれている場合には、当該箇条書き記号を示す文字コードに基づく文字を箇条書き記号として検出する。さらに、箇条書き記号検出部３０７は、検出した箇条書き記号に基づいて、図６（Ｄ）に示されるように、文章領域において箇条書き記号と対応する文字列を箇条書きの行であることを検出する。

また、上記のステップＳ１０８〜ステップＳ１１１においてｎｏと判定された場合には、箇条書き記号の検出処理を終了する。

次に、本実施形態における文書処理サーバ３０の処理の具体例を図７〜１０を参照して詳細に説明する。なお、図７〜１０に示されるように、以下の具体例においては、文章領域における文字列が横書きであるものとして説明する。

［具体例１］
まず、図７を参照して、非文字の箇条書き記号が含まれず、文字の箇条書き記号が含まれる文書データに対する文書処理サーバ３０の処理の一例を説明する。

まず、文書データ受付部３０１は、図７（Ａ）に示されるような文書データを受け付ける。

次に、図７（Ｂ）に示されるように、文字画像データ生成部３０３は、文字コード取得部３０２により取得された文字コードに基づいて文字画像データを生成する。このとき、文字数カウント部３０４は、図７（Ｂ）に示されるように、生成された文字オブジェクト数を４４個と算出する。

そして、全体画像データ生成部３０５は、文書データの全体画像データを生成し、文字領域抽出部３０６は、文字画像データと一致する全体画像データの領域を、全体画像データの文章領域として抽出し、箇条書き記号検出部３０７は、図７（Ｃ）に示されるように、文章領域を文章領域における行の先頭の文字よりも左方向に文字２つ分広げた検出領域を生成する。

また、箇条書き記号検出部３０７は、文字数カウント部３０３により算出された文字オブジェクト数４４個に対して、検出領域内の画像オブジェクト数が４４個のままであるため、画像オブジェクト数が増加していないと判定する。

さらに、箇条書き記号検出部３０７は、記憶部３０８を参照して、文字コード取得部３０２により取得された文字コードのうち、箇条書き記号を示す文字コードが含まれているか否かを判定する。このとき、画像オブジェクト１０２ａ〜１０２ｃの文字コードが箇条書き記号を示す文字コードである場合には、箇条書き記号検出部３０７は、画像オブジェクト１０２ａ〜１０２ｃを文字の箇条書き記号として検出する。

［具体例２］
次に、図８を参照して、文書データに文字の箇条書き記号と、非文字の箇条書き記号とが含まれる場合の文書処理サーバ３０の処理の一例を説明する。

まず、文書データ受付部３０１は、図８（Ａ）に示されるような文書データを受け付ける。そして、図８（Ｂ）に示されるように、文字画像データ生成部３０３は、文字コード取得部３０２により取得された文字コードに基づいて文字画像データを生成する。このとき、文字数カウント部３０４は、図８（Ｂ）に示されるように、生成された文字オブジェクト数を９４個と算出する。

そして、全体画像データ生成部３０５は、文書データの全体画像データを生成し、文字領域抽出部３０６は、文字画像データと一致する全体画像データの領域を、全体画像データの文章領域として抽出し、箇条書き記号検出部３０７は、図８（Ｃ）に示されるように、文章領域を文章領域における行の先頭の文字よりも左方向に文字２つ分広げた検出領域を生成する。

また、箇条書き記号検出部３０７は、文字数カウント部３０３により算出された文字オブジェクト数９４個に対して、図８（Ｃ）に示されるように、検出領域内の画像オブジェクト数が９７個となっているため、非文字オブジェクト１０３ａ〜１０３ｃが増加していると判定する。

そして、図８（Ｃ）に示されるように、文章領域における文字列の行と、非文字オブジェクト１０３ａ〜１０３ｃの座標位置とが対応しており、非文字オブジェクト１０３ａ〜１０３ｃがそれぞれ同一であると判定された場合、箇条書き記号検出部３０７は、非文字オブジェクト１０３ａ〜１０３ｃを非文字の箇条書き記号として検出する。

さらに、箇条書き記号検出部３０７は、記憶部３０８を参照して、文字コード取得部３０２により取得された文字コードのうち、箇条書き記号を示す文字コードが含まれているか否かを判定する。このとき、画像オブジェクト１０４ａ〜１０４ｄの文字コードが箇条書き記号を示す文字コードである場合には、箇条書き記号検出部３０７は、画像オブジェクト１０４ａ〜１０４ｄを文字の箇条書き記号として検出する。

［具体例３］
次に、図９を参照して、文書データに複数種類の非文字の箇条書き記号が含まれる場合の文書処理サーバ３０の処理の一例を説明する。

まず、文書データ受付部３０１は、図９（Ａ）に示されるような文書データを受け付ける。そして、図９（Ｂ）に示されるように、文字画像データ生成部３０３は、文字コード取得部３０２により取得された文字コードに基づいて文字画像データを生成する。このとき、文字数カウント部３０４は、図９（Ｂ）に示されるように、生成された文字オブジェクト数を６８個と算出する。

そして、全体画像データ生成部３０５は、文書データの全体画像データを生成し、文字領域抽出部３０６は、文字画像データと一致する全体画像データの領域を、全体画像データの文章領域として抽出し、箇条書き記号検出部３０７は、図９（Ｃ）に示されるように、文章領域を文章領域における行の先頭の文字よりも左方向に文字２つ分広げた検出領域を生成する。

また、箇条書き記号検出部３０７は、文字数カウント部３０３により算出された文字オブジェクト数６８個に対して、図９（Ｃ）に示されるように、検出領域内の画像オブジェクト数が７４個となっているため、非文字オブジェクト１０１ａ〜１０１ｃ及び非文字オブジェクト１０３ａ〜１０３ｃが増加していると判定する。

そして、図８（Ｃ）に示されるように、箇条書き記号検出部３０７は、文章領域における文字列の行と、非文字オブジェクト１０１ａ〜１０１ｃ及び非文字オブジェクト１０３ａ〜１０３ｃの座標位置とが対応していると判定する。

また、非文字オブジェクト１０１ａ〜１０１ｃがそれぞれ同一であると判定され、非文字オブジェクト１０３ａ〜１０３ｃがそれぞれ同一であると判定された場合、箇条書き記号検出部３０７は、非文字オブジェクト１０１ａ〜１０１ｃ及び非文字オブジェクト１０３ａ〜１０３ｃをそれぞれ非文字の箇条書き記号として検出する。

なお、本実施形態においては、文章領域を文字列の行方向に文字２つ分広げることにより検出領域を生成するものとして説明した。しかし、検出領域は、文章領域を基準とした予め定められた範囲の領域であれば文字２つ分広げたものに限定されるものではない。

また、本実施形態においては、文書データ受付部３０１において、横書きの文章で構成された文書データが受け付けられた場合について説明したが、本発明は縦書きの文章で構成された文書データに対しても同様に適用可能である。この場合には、箇条書き記号検出部３０７は、文章領域を行の先頭の文字よりも上方向に予め定められた領域分広げた検出領域を生成するようにすればよい。

さらに、本実施形態においては、箇条書き記号検出部３０７は、文章領域における文字列が横書きである場合には、文章領域を行の先頭の文字よりも左方向に予め定められた領域分広げることにより検出領域を生成するものとして説明した。しかし、文書データがアラビア語等のように文字を右から左方向に配置する言語で構成されている場合には、文章領域を行の先頭の文字よりも右方向に予め定められた領域分広げることにより検出領域を生成するようにしてもよい。または、箇条書き記号検出部３０７は、文章領域を文字列の行の両方向に予め定められた領域分広げた検出領域を生成するようにしてもよい。

また、本実施形態においては、記憶部３０８において箇条書き記号を示す文字コードを予め記憶しておき、箇条書き記号検出部３０７は、文字コード取得部３０２により取得された文字コードのうち、記憶部３０８により記憶された箇条書き記号を示す文字コードが含まれる場合には、当該箇条書き記号を示す文字コードに基づく文字を文字の箇条書き記号として検出するものとして説明した。しかし、箇条書き記号検出部３０７は、文字の箇条書き記号を検出する際に、複数の文字列の行の先頭において、同一の文字コードに基づく文字が存在する場合に、当該文字コードに基づく文字を文字の箇条書き記号として検出するようにしてもよい。

１０ 端末装置
１１ ＣＰＵ
１２ メモリ
１３ 記憶装置
１４ 通信ＩＦ
１５ ＵＩ装置
１６ 制御バス
２０ 画像形成装置
３０ 文書処理サーバ
４０ ネットワーク
１０１ａ〜１０１ｃ、１０３ａ〜１０３ｃ、１０４ａ〜１０４ｄ 非文字オブジェクト
１０２ａ〜１０２ｃ 画像オブジェクト
３０１ 文書データ受付部
３０２ 文字コード取得部
３０３ 文字画像データ生成部
３０４ 文字数カウント部
３０５ 全体画像データ生成部
３０６ 文章領域検出部
３０７ 箇条書き記号検出部
３０８ 記憶部

Claims (6)

1. 文書データを受け付ける受付手段と、
   前記受付手段により受け付けられた文書データから文字コードを取得する取得手段と、
   前記取得手段により取得された文字コードに基づいて、前記文書データにおける文字列の画像データである文字画像データを生成する第１の生成手段と、
   前記文書データ全体の画像データである全体画像データを生成する第２の生成手段と、
   前記文字画像データと一致する前記全体画像データの領域を、当該全体画像データの文章領域として抽出する抽出手段と、
   前記全体画像データにおいて、前記抽出手段により抽出された文章領域を基準とした予め定められた範囲の領域内に複数存在する、前記文字画像データに含まれない同一の画像データを箇条書き記号として検出する検出手段と、
   を有する文書処理装置。
2. 前記検出手段は、前記文章領域を基準とした予め定められた範囲の領域として、前記文章領域を、当該文章領域における文字列の行方向に予め定められた領域分広げた検出領域を生成し、前記全体画像データにおいて、前記検出領域内に前記文字画像データに含まれない画像データが複数存在し、当該複数の画像データがそれぞれ同一である場合、当該画像データを箇条書き記号として検出する請求項１記載の文書処理装置。
3. 前記検出手段は、前記文章領域における文字列の行と、前記複数の画像データの座標位置とが対応する場合に、当該複数の画像データを箇条書き記号として検出する請求項１または２記載の文書処理装置。
4. 前記検出手段は、検出した箇条書き記号に基づいて、前記文章領域において当該箇条書き記号と対応する文字列を箇条書きの行として検出する請求項１から３いずれか１項記載の文書処理装置。
5. 文書データの中から文字コードを有するオブジェクトの画像データである第１画像データを生成する第１生成手段と、
   前記文書データ全体の画像データである第２画像データを生成する第２生成手段と、
   前記第１画像データと一致する前記第２画像データの領域を基準とした予め定められた範囲に前記領域を拡大した拡大領域内に存在する、前記第１画像データに含まれない画像データを検出する検出手段と、
   前記検出手段により検出された複数の画像データがそれぞれ対応する関係であるとき、前記複数の画像データを箇条書き記号と判定する判定手段と、
   を有する文書処理装置。
6. 文書データを受け付けるステップと、
   受け付けられた文書データから文字コードを取得するステップと、
   取得された文字コードに基づいて、前記文書データにおける文字列の画像データである文字画像データを生成するステップと、
   前記文書データ全体の画像データである全体画像データを生成するステップと、
   前記文字画像データと一致する前記全体画像データの領域を、当該全体画像データの文章領域として抽出するステップと、
   前記全体画像データにおいて、抽出された文章領域を基準とした予め定められた範囲の領域内に複数存在する、前記文字画像データに含まれない同一の画像データを箇条書き記号として検出するステップと、
   をコンピュータに実行させるためのプログラム。

Images