JP2019040251A - スキャン画像にファイル名等を設定するための装置、その制御方法及びプログラム - Google Patents

Abstract

【課題】スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、少ない演算リソースで速やかにファイル名等の設定ができるようにする。
【解決手段】文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置であって、前記スキャン画像内の一続きの文字列と推認される単位領域をユーザが選択可能に表示した、前記所定の処理を行うための、ＵＩ画面を表示する表示制御手段と、前記ＵＩ画面を介してユーザが選択した単位領域に対してＯＣＲ処理を行い、該ＯＣＲ処理によって抽出された文字列を用いて前記所定の処理のための付帯情報を設定する設定手段と、を備え、前記設定手段は、ユーザが前記選択を行うまでの間、前記スキャン画像内に含まれる単位領域に対し、所定の条件に従ってＯＣＲ処理を予め実行し、前記選択に係る単位領域がＯＣＲ処理の済んだ単位領域である場合、当該ＯＣＲ処理の結果を用いて前記所定の処理のための付帯情報を設定する、ことを特徴とする。
【選択図】図９

Description

本発明は、スキャン画像の文字認識結果を用いて、当該スキャン画像に対してファイル名等を設定する技術に関する。

従来より、文書の管理手法として、紙文書をスキャンして電子化する手法が広く行われている。そして、文書の電子化に際して、スキャンされた画像データに対して文字認識処理（ＯＣＲ処理）を行い、認識された文字を電子化した文書ファイルのファイル名に使用する技術がある。この際、ＯＣＲ処理をスキャン画像の全体に対して行う場合には、処理時間が長くなったり、多くの演算リソースが必要になったりしてしまう。この点、例えば特許文献１では、原稿を読み取って得たスキャン画像をユーザに提示して領域を指定させ、当該指定された領域のみに対してＯＣＲ処理を行って文字列を取得し、当該スキャン画像のファイル名に使用する技術が開示されている。

特開２０１５−２１５８７８号公報

特許文献１の手法の場合、スキャン画像内の指定された領域のみを対象にＯＣＲ処理を行うので、画像全体を対象にＯＣＲ処理を行う場合と比較して、ＯＣＲ処理に要する時間は少なくなる。しかしながら、領域を逐一指定してその都度ＯＣＲ処理を実行するため、ファイル名に使用する文字列の領域が多いほどファイル名設定までに多くの時間を要してしまう。

本発明では、上記の課題に鑑み、スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、少ない演算リソースで速やかにファイル名等の設定ができるようにすることを目的とする。

本発明に係る装置は、文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置であって、前記スキャン画像内の一続きの文字列と推認される単位領域をユーザが選択可能に表示した、前記所定の処理を行うための、ＵＩ画面を表示する表示制御手段と、前記ＵＩ画面を介してユーザが選択した単位領域に対してＯＣＲ処理を行い、該ＯＣＲ処理によって抽出された文字列を用いて前記所定の処理のための付帯情報を設定する設定手段と、を備え、前記設定手段は、ユーザが前記選択を行うまでの間、前記スキャン画像内に含まれる単位領域に対し、所定の条件に従ってＯＣＲ処理を予め実行し、前記選択に係る単位領域がＯＣＲ処理の済んだ単位領域である場合、当該ＯＣＲ処理の結果を用いて前記所定の処理のための付帯情報を設定する、ことを特徴とする。

本発明によれば、スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、少ない演算リソースで速やかにファイル名等の設定を行うことができる。

画像処理システムの全体構成を示す図 ＭＦＰのハードウェア構成図 ファイルサーバのハードウェア構成図 ＭＦＰのソフトウェア構成図 スキャン画像の生成からアップロードまでの動作制御の流れを示すフローチャート スキャン設定画面の一例を示す図 プレビュー画面の一例を示す図 アップロード画面の一例を示す図 ファイル名生成処理の詳細を示すフローチャート ゾーンＯＣＲを行った結果の一例を示す図

以下、本発明を実施するための形態について図面を用いて説明する。なお、以下の実施の形態は特許請求の範囲に係る発明を限定するものでなく、また実施の形態で説明されている特徴の組み合わせの全てが発明の解決手段に必須のものとは限らない。

＜画像処理システムの構成＞
図１は、本実施例に係る画像処理システムの全体構成を示す図である。画像処理システムは、ＭＦＰ１１０とファイルサーバ１２０とで構成され、ＬＡＮ（Local Area Network）を介して互いに通信可能に接続されている。

ＭＦＰ（Multi Function Printer）１１０は、スキャナやプリンタといった複数の機能を有する複合機であり、画像処理装置の一例である。ファイルサーバ１２０は、電子化された文書ファイルを保存・管理する外部サーバの一例である。本実施例の画像処理システムは、ＭＦＰ１１０とファイルサーバ１２０とからなる構成としているがこれに限定されない。例えば、ＭＦＰ１１０がファイルサーバ１２０の役割を兼ね備えてもよい。また、ＬＡＮに代えてインターネットなどを介した接続形態であってもよい。また、ＭＦＰ１１０は、ＰＳＴＮ（Public Switched Telephone Networks）に接続され、ファクシミリ装置（不図示）との間で画像データをファクシミリ通信することができる。

図２は、ＭＦＰ１１０のハードウェア構成図である。ＭＦＰ１１０は、制御部２１０、操作部２２０、プリンタ部２２１、スキャナ部２２２、モデム２２３で構成される。制御部２１０は、以下の各部２１１〜２１９で構成され、ＭＦＰ１１０全体の動作を制御する。ＣＰＵ２１１は、ＲＯＭ２１２に記憶された制御プログラムを読み出して、読取／印刷／通信などＭＦＰ１１０が有する各種機能を実行・制御する。ＲＡＭ２１３は、ＣＰＵ２１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。なお、本実施例では１つのＣＰＵ２１１が１つのメモリ（ＲＡＭ２１３またはＨＤＤ２１４）を用いて後述のフローチャートに示す各処理を実行するものとするが、これに限定されない。例えば、複数のＣＰＵや複数のＲＡＭまたはＨＤＤを協働させて各処理を実行してもよい。ＨＤＤ２１４は、画像データや各種プログラムを記憶する大容量記憶部である。操作部Ｉ／Ｆ２１５は、操作部２２０と制御部２１０とを接続するインタフェースである。操作部２２０には、タッチパネルやキーボードなどが備えられており、ユーザによる操作／入力／指示を受け付ける。プリンタＩ／Ｆ２１６は、プリンタ部２２１と制御部２１０とを接続するインタフェースである。印刷用の画像データはプリンタＩ／Ｆ２１６を介して制御部２１０からプリンタ部２２１へ転送され、記録媒体上に印刷される。スキャナＩ／Ｆ２１７は、スキャナ部２２２と制御部２１０とを接続するインタフェースである。スキャナ部２２２は、不図示の原稿台やＡＤＦ（Auto Document Feeder）にセットされた原稿を読み取って画像データを生成し、スキャナＩ／Ｆ２１７を介して制御部２１０に入力する。ＭＦＰ１１０は、スキャナ部２２２で生成された画像データをプリンタ部２２１から印刷出力（コピー）する他、ファイル送信またはメール送信することができる。モデムＩ／Ｆ２１８は、モデム２２３と制御部２１０とを接続するインタフェースである。モデム２２３は、ＰＳＴＮ上のファクシミリ装置との間で画像データをファクシミリ通信する。ネットワークＩ／Ｆ２１９は、制御部２１０（ＭＦＰ１１０）をＬＡＮに接続するインタフェースである。ＭＦＰ１１０は、ネットワークＩ／Ｆ２１９を用いてＬＡＮ上の外部装置（ファイルサーバ１２０など）に画像データや情報を送信したり、各種情報を受信したりする。

図３は、ファイルサーバ１２０のハードウェア構成図である。ファイルサーバ１２０は、ＣＰＵ３１１、ＲＯＭ３１２、ＲＡＭ３１３、ＨＤＤ３１４及びネットワークＩ／Ｆ３１５で構成される。ＣＰＵ３１１は、ＲＯＭ３１２に記憶された制御プログラムを読み出して各種処理を実行することで、ファイルサーバ１２０全体の動作を制御する。ＲＡＭ３１３は、ＣＰＵ３１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。ＨＤＤ３１４は、画像データや各種プログラムを記憶する大容量記憶部である。ネットワークＩ／Ｆ３１５は、ファイルサーバ１２０をＬＡＮに接続するインタフェースである。ファイルサーバ１２０は、ネットワークＩ／Ｆ３１５を用いてＬＡＮ上の他の装置（ＭＦＰ１１０など）との間で各種情報を送受信する。

＜ＭＦＰのソフトウェア構成＞
図４は、ＭＦＰ１１０のソフトウェア構成図である。ＭＦＰ１１０のソフトウェアは、ネイティブ機能モジュール４１０とアディショナル機能モジュール４２０の大きく２つに分けられる。ネイティブ機能モジュール４１０に含まれる各部は、ＭＦＰ１１０に標準的に備えられた機能モジュールである。これに対し、アディショナル機能モジュール４２０に含まれる各部は、ＭＦＰ１１０に追加的に備わる機能モジュールであり、例えばアプリケーションのインストールによって実現される機能モジュールである。本実施例におけるアディショナル機能モジュール４２０は、Ｊａｖａ（登録商標）をベースとしたアプリケーションであり、ＭＦＰ１１０への機能追加を容易に実現できる。なお、ＭＦＰ１１０には図示しない他のアプリケーションがインストールされていても良い。以下、両機能モジュール４１０及ぶ４２０を構成する各部について説明する。

アプリケーション表示部４２３は、操作部２２０のタッチパネルに、ユーザによる各種操作を受け付けるためのＵＩ画面を表示する表示制御を行う。表示するＵＩ画面の詳細については後述する。スキャン指示部４２１は、ＵＩ画面を介して入力されたユーザ指示に従い、スキャン設定や転送設定の情報を含んだスキャン要求をスキャン実行部４１１に送信して、スキャン処理を実行させる。このスキャン要求には、後述するアプリケーション受信部４２２が受信する画像データが、当該スキャン要求に対応したものかどうかを識別するための要求ＩＤも含まれる。

スキャン実行部４１１は、スキャン指示部４２１からのスキャン要求を受けて、スキャナＩ／Ｆ２１７を介してスキャナ部２２２を制御しスキャン処理を実行する。これにより、原稿が読み取られて画像データが生成される。スキャンによって生成された画像データ（以下、「スキャン画像データ」と呼ぶ。）はその転送先を特定する転送設定の情報と共に転送部４１２に渡される。転送部４１２は、スキャン実行部４１１から受け取ったスキャン画像データを、転送設定に従って転送する。スキャン画像データの転送先としては、ファイルサーバ１２０や、ＬＡＮ上のＰＣ（不図示）等を設定可能である。ただし、本実施例では、スキャン実行部４１１で生成されたスキャン画像データは、一旦全て、アディショナル機能モジュール４２０に転送するように設定されているものとする。転送部４１２は、ＦＴＰ（File Transfer Protocol）クライアント機能を有しており、ＦＴＰサーバ機能を有するアプリケーション受信部４２２に対してＦＴＰでスキャン画像データを転送する。

アプリケーション受信部４２２は、転送部４１２から内部転送されたスキャン画像データを受信し、アプリケーション転送部４２４に渡す。アプリケーション転送部４２４は、受信したスキャン画像データを画像解析部４２５に渡す。画像解析部４２５は、受け取ったスキャン画像データに対して文字列領域の特定や文字認識といった画像解析処理を行なう。そして、スキャン画像データとその解析結果は、アプリケーション転送部４２４を介してプレビュー表示部４２６に渡される。プレビュー表示部４２６は、スキャン画像データとその解析結果に基づき、ユーザがファイル名設定を行うためのＵＩ画面を生成し、操作部２２０の液晶パネルに表示するといった表示制御を行う。

アップロード指示部４２７は、ユーザがフォルダパス設定を行うためのＵＩ画面を生成し、操作部２２０のタッチパネルに表示する。アプリケーション転送部４２４は、ファイルサーバ１２０にスキャン画像データを転送（送信）する。アプリケーション転送部４２４は、転送が終了すると、アプリケーション表示部４２３に転送が終了したことを通知する。アプリケーション表示部４２３は、アプリケーション転送部４２４からの通知を受けて、表示内容を更新する。また、アプリケーション転送部４２４は、ＳＭＢ（Server Message Block）クライアント機能を有している。これにより、ＳＭＢサーバ機能を有するファイルサーバ１２０に対して、ＳＭＢを用いてファイル操作及びフォルダ操作を行う。なお、使用するプロトコルは、ＳＭＢに限定されるものではなく、WebDAV、ＦＴＰ、ＳＭＴＰ等であってもよい。また、ＳＯＡＰやＲＥＳＴといったファイル送信目的以外のプロトコルも使用可能である。

続いて、ＭＦＰ１１０において原稿からスキャン画像を生成し、ファイルサーバ１２０にアップロードする際の動作制御について説明する。図５は、スキャン画像の生成からアップロードまでの制御の流れを示すフローチャートである。この一連の処理は、制御部２１０において、ＣＰＵ２１１がＨＤＤ２１４に記憶された制御プログラムを実行することにより実現される。以下、詳しく説明する。

ステップ５０１では、アプリケーション表示部４２３により、スキャン処理のための各種設定を行うためのＵＩ画面（以下、「スキャン設定画面」と呼ぶ。）が、操作部２２０のタッチパネルに表示される。図６は、スキャン設定画面の一例を示す図である。図６のスキャン設定画面６００には、５つの設定ボタン６０１〜６０５が存在する。［カラー設定］ボタン６０１は、原稿をスキャンする際のカラー／モノクロを設定するためのボタンである。［解像度設定］ボタン６０２は、原稿をスキャンする際の解像度を設定するためのボタンである。［両面読み取り設定］ボタン６０３は、原稿の両面をスキャンしたい場合に用いる設定ボタンである。［原稿混載設定］ボタン６０４は、サイズが異なる原稿をまとめてスキャンしたい場合に用いる設定ボタンである。［画像形式設定］ボタン６０５は、スキャン画像データの保存形式を指定する際に用いる設定ボタンである。これら設定ボタン６０１〜６０５を用いた設定時には、ＭＦＰ１１０においてサポートされている範囲で設定可能な候補（選択肢）が表示され、ユーザは表示された候補から望むものを選択する。なお、上述の設定ボタンは一例であって、これらすべての設定項目が存在しなくても良いし、これら以外の設定項目が存在してもよい。ユーザは、このようなスキャン設定画面６００を介してスキャン処理についての詳細な設定を行なう。［キャンセル］ボタン６２０は、スキャン設定を中止する場合に用いるボタンである。［スキャン開始］ボタン６２１は、原稿台等にセットした原稿に対するスキャン処理の開始を指示するためのボタンである。

ステップ５０２では、アプリケーション表示部４２３により、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［スキャン開始］ボタン６２１の押下が検出された場合は、アプリケーション表示部４２３によって各設定ボタン６０１〜６０５で設定された内容とスキャン処理の実行開始の受付が、スキャン指示部４２１に対して伝えられる。一方、［キャンセル］ボタン６２０の押下が検出された場合は本処理を終える。

ステップ５０３では、スキャン指示部４２１からの指示に応答して、スキャン実行部４１１によってスキャン処理が実行される。これにより得られたスキャン画像データは、ステップ５０４において、転送部４１２を通じてアプリケーション受信部４２２にＦＴＰで内部転送され、さらにアプリケーション転送部４２４を介して画像解析部４２５に送られる。

ステップ５０５では、画像解析部４２５において、スキャン画像データの解析処理が実行される。具体的には、まず、スキャン画像データに対し、画像信号の二値化やスキャン時にずれた原稿の傾きの修正、原稿が正立する方向への回転などを行なって、解析処理を行いやすい状態に補正する。そして、補正されたスキャン画像（２値画像）に対してエッジ抽出などを行って、当該画像内の文字列領域、すなわち、一続きの文字列と推認される塊（単位領域）を特定する。以下の表１は、ある見積書のスキャン画像の一部に対して画像解析処理を行った結果の一例を示している。

上記表１において、［番号］は、特定された各文字列領域を一意に示す番号である。この例では１から８までの通し番号が、認識した順番に付けられている。［領域のＸ座標］は、特定された各文字列領域の左上隅のＸ座標を示す。［領域のＹ座標］は、特定された各文字列領域の左上隅のＹ座標を示す。以後、文字列領域に対して“座標”と言う場合は、特に断らない限り、文字列領域の左上隅の位置座標のことを意味するものとする。［領域の幅］は、特定された各文字列領域の左辺から右辺までの距離を示す。［領域の高さ］は、特定された各文字列領域の上辺から下辺までの距離を示す。本実施例では、［領域のＸ座標］、［領域のＹ座標］、［領域の幅］、［領域の高さ］はいずれもピクセルで示すが、ポイントやインチ等で示してもよい。スキャン画像から抽出された各文字列領域の情報（以下、「文字列領域情報」と呼ぶ。）は、画像解析データとしてアプリケーション転送部４２４に渡される。画像解析データは、例えばＣＳＶやＸＭＬのフォーマットとするが、他のフォーマットであっても構わない。また、ＨＤＤ２１４に一旦保存した上で、所定のタイミングで渡してもよい。

ステップ５０６では、プレビュー表示部４２６により、ステップ５０３で読み込まれたスキャン画像が、操作部２２０のタッチパネルにプレビュー表示される。このプレビュー表示用の画面データは、アプリケーション表示部４２３によって生成・提供される。ユーザは、スキャン画像がプレビュー表示されたＵＩ画面（以下、「プレビュー画面」と呼ぶ。）を介して、スキャン画像データのファイル名を設定することができる。図７（ａ）は、プレビュー画面の一例を示す図である。プレビュー画面７００において、画面中央にあるプレビュー領域７１０内に、読み込まれたスキャン画像が表示される。そして、プレビュー領域７１０内には、スキャン画像と共にその表示状態を変更するための複数のボタン７１１〜７１４も表示される。ボタン７１１及び７１２はスキャン画像の全体を表示しきれないときに現れるボタンで、表示領域を縦方向にスクロールするためのボタンである。ＭＦＰ１１０が備えるタッチパネルは通常それほど大きくはない。そこで、例えば、スキャン画像がA4縦・横書きの原稿を読み取ったものである場合は、スキャン画像の幅方向（短手方向）全体がプレビュー領域７１０にちょうど収まるように上詰めで縮小表示されるよう初期設定される。つまり、初期設定においては、A4縦のスキャン画像の下部はプレビュー領域７１０内に表示されないことになる。このようなとき、「↓」ボタン７１２を押下すると下に表示領域がスクロールし、下部を表示させることができる。さらに、スキャン画像が例えばA4横やA3などの場合には、表示領域を横方向にスクロールするためのボタンを設ければよい。ボタン７１３及び７１４は、表示領域を拡大・縮小するためのボタンであり、「＋」のボタン７１３を押下するとズームインし、「−」のボタン７１４を押下するとズームアウトする。これらボタン操作による動作を、プレビュー画面上でのスワイプやピンチアウト／ピンチインといったユーザの指による操作で実現してもよい。また、プレビュー領域７１０には、ステップ５０５の画像解析処理によって特定された文字列領域が、上述の文字列領域情報に基づき、ユーザに識別可能な態様で表示される。図７（ｂ）は、図７（ａ）のプレビュー画面７００において、各文字列領域が囲み枠によって識別可能に表示された状態を示す図であり、各文字列領域は前述の表１の通し番号１〜８に対応している。ユーザが、プレビュー領域７１０に表示された文字列領域の中から任意の文字列領域を選択（例えば指でタッチ）すると、そこに含まれる文字列がファイル名入力欄７０１に表示、すなわち自動入力され、ファイル名を構成する文字列の一部となる。これらボタン操作による動作を、プレビュー画面上でのスワイプやピンチアウト／ピンチインといったユーザの指による操作で実現してもよい。［戻る］ボタン７２０は、プレビュー表示を中止する場合に用いるボタンである。［次へ］ボタン７２１は、読み込まれたスキャン画像データのアップロード先を設定する画面に移行するためのボタンである。なお、上述した各種ボタンの種類、各文字列領域の表示や選択の態様は一例にすぎず、これに限定されない。例えば、ファイル名入力欄７０１に表示された文字列を修正・変更したり、ファイル名を確定したりするためのボタンがあってもよい。

ステップ５０７では、プレビュー表示部４２６により、読み込まれたスキャン画像に対するファイル名の生成がなされる。このファイル名生成処理の詳細については後述する。所望するファイル名が生成されてユーザが［次へ］ボタン７２１を押下すると、ステップ５０８へ進む。

ステップ５０８では、プレビュー表示部４２６により、ステップ５０２と同様、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［次へ］ボタン８２１の押下が検出された場合は、ファイル名入力欄７０１に表示中のファイル名（ファイル名として設定された文字列）の情報がアップロード指示部４２７へ送られ、ステップ５０９へ進む。一方、［戻る］ボタン７２０の押下が検出された場合は、ステップ５０１（スキャン設定画面の表示）へ戻る。

ステップ５０９では、アップロード指示部４２７により、スキャン画像データの転送先を設定するためのＵＩ画面（以下、「アップロード設定画面」と呼ぶ。）が、操作部２２０のタッチパネルに表示される。ユーザは、このアップロード設定画面を介して、ファイルサーバ１２０へのアップロードに関する詳細設定を行う。図８は、アップロード設定画面の一例を示す図である。ユーザは、［フォルダパス］入力欄８０１に、ファイルサーバ１２０へ外部転送する際のフォルダパスの名称（パス名）を入力する。図８の例では、“2017_04_04”がパス名として入力されている。入力方法としては、例えばフォルダパス入力欄８０１へのタップ操作に応じてキーボード画面のサブウインドウ（不図示）を表示し、ユーザに、当該キーボード画面を介してパス名を入力させる方法がある。あるいは、ＨＤＤ２１４内に保持するアドレス帳の中から選択して設定できるようにしてもよい。［戻る］ボタン８２０は、アップロードに関する詳細設定を中止する場合に用いるボタンである。［アップロード］ボタン８２１は、［フォルダパス］入力欄８０１で設定したフォルダパスへのアップロードを指示するためのボタンである。

ステップ５１０では、アップロード指示部４２７により、ステップ５０８と同様、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［アップロード］ボタン８２１の押下が検出された場合は、ステップ５１１へ進む。その際、フォルダパス入力欄８０１に入力されたパス名、ステップ５０７で生成されたファイル名、ファイルサーバ設定の各情報が、アプリケーション転送部４２４へ渡される。ここで、ファイルサーバ設定は、ファイルサーバ１２０にスキャン画像データを格納するために必要な情報であり、具体的には、ホスト名、フォルダパスの起点、ログイン用のユーザ名とパスワードといった情報を含む。一方、［戻る］ボタン８２０の押下が検出された場合は、ステップ５０６（プレビュー画面の表示）へ戻る。

ステップ５１１では、アプリケーション転送部４２４により、スキャン画像データの格納先パスが、アップロード指示部４２７から受け取った情報に基づき生成される。具体的には、ファイルサーバ設定（ファイルサーバ１２０のホスト名、フォルダパスの起点）にフォルダパスを加えて生成される。これにより、例えば“\\server01\Share\2017_04_04”といった格納先パスが生成される。そして、ステップ５１２では、アプリケーション転送部４２４により、ファイルサーバ１２０に対するアクセスが実行される。この際、ファイルサーバ設定に含まれるユーザ名とパスワードをファイルサーバ１２０に送信する。ユーザ名とパスワードを受け取ったファイルサーバ１２０では、認証処理が実行される。

ステップ５１３では、アプリケーション転送部４２４により、ファイルサーバ１２０での認証結果に従って処理の切り分けがなされる。すなわち、ファイルサーバ１２０から認証成功の通知を受信した場合は、ステップ５１４に進む。一方、認証失敗の通知を受信した場合は、本処理を終了する。

ステップ５１４では、アプリケーション転送部４２４により、ステップ５１１で生成された格納先パスが示すフォルダにスキャン画像データが外部転送され、ファイルサーバ１２０内に格納される。

以上が、本実施例に係るスキャン画像の生成からアップロードまでの動作制御の内容である。なお、本実施例では、ステップ５０５及びステップ５０６の各処理を、スキャンによって生成された１ページ分の画像データに対して行うことを想定している。例えば、プレビュー画面７００内に次のページの画像解析を行うためのボタンを設け、その解析によって得られた次ページのプレビュー表示を行って、次ページ以降の文字列領域からファイル名を構成する文字列を設定できるようにしてもよい。

＜ファイル名の生成＞
図９は、プレビュー表示部４２６におけるファイル名生成処理（ステップ５０７）の詳細を示すフローチャートである。このフローでは、プレビュー表示されている範囲内の文字列領域から順にＯＣＲ処理を行って文字列を抽出する。そして、各文字列領域に対して順次ＯＣＲ処理を実行している間にユーザが所望の文字列領域をタッチすると、当該タッチされた文字列領域のＯＣＲ結果（認識文字列）をファイル名入力欄７０１に表示する。このとき、タッチされた文字列領域に対するＯＣＲ処理が実行済みで文字列が抽出されていれば、抽出済みの認識文字列が速やかに表示されることになる。以下、図９のフローに沿って詳しく説明する。

ステップ９０１では、タッチパネル上に表示されたプレビュー画面７００へのユーザによるタッチ操作の有無が監視される。タッチ操作が検出されるとステップ９０２へ進む。一方、タッチ操作が検出されなければ、ステップ９０４へ進む。

ステップ９０２では、タッチ先によって処理の切り分けがなされる。タッチ先が、［次へ］ボタン７２１または［戻る］ボタン７２０であった場合は、本処理を終了する。タッチ先がプレビュー領域７１０内に表示中の文字列領域のいずれかであった場合は、ステップ９１０へ進む。タッチ先がその他のボタンであった場合は、ステップ９０３に進む。

ステップ９０３では、タッチ先のボタンに応じた処理が実行される。例えば、タッチ先が「↓」ボタン７１２であれば下方向へ表示領域をスクロールし、「−」ボタン７１４であれば表示領域をズームアウトする。以降のステップ９０４〜ステップ９０９までの各処理は、プレビュー表示部４２６からの指示に基づき画像解析部４２５において実行される。

ステップ９０４では、現在のプレビュー領域７１０の範囲（現プレビュー範囲）における表示領域の情報が取得され、必要に応じて更新される。すなわち、後述のステップ９０９でＯＣＲ処理の一括実行が開始されている場合、現時点でＯＣＲ処理が済んだ文字列領域をハイライト表示（網掛け、枠や色の変更等）するなどして、未済のものと識別できるように表示態様が変更される。また、ステップ９０３で表示領域のスクロールや拡大・縮小といった処理がなされていれば、当該処理後の現プレビュー範囲内における表示領域を基に、文字列領域の表示態様の変更がなされる。なお、ユーザが何も操作していなければ、前述の初期設定に従った表示領域（例えばA4縦・横書き原稿のスキャン画像であれば、その幅方向全体が収まるよう上詰めで表示）の情報が、現プレビュー範囲の情報として取得されることになる。

ステップ９０５では、現プレビュー範囲内にＯＣＲ処理が未済の文字列領域が存在するかどうかが判定される。現プレビュー範囲の内側にＯＣＲ処理が未済の文字列領域が存在する場合は、ステップ９０６に進み、現プレビュー範囲内に存在する文字列領域のうち、ＯＣＲ処理が未済の文字列領域の情報（以下、「ＯＣＲ未済一覧」と呼ぶ。）が取得される。このとき、現プレビュー範囲の内と外（境界）に跨っている文字列領域も、ＯＣＲ処理が済んでいなければその対象となる。また、現プレビュー範囲に一定程度マージンを持たせるようにしてもよい。すなわち、現プレビュー範囲の周辺範囲までを、“現プレビュー範囲”として扱ってもよい。この際、現プレビュー範囲からどの程度離れた部分までを“現プレビュー範囲”と等価な領域として扱うかは、タッチパネルの解像度や演算リソース、ユースケース等を考慮して適宜設定すればよい。例えば、タッチパネルの解像度がＶＧＡ（640×480）の場合に、現プレビュー範囲の上下左右の外側方向にプラス100ピクセルまでといった具合である。これにより、ユーザがプレビューの表示領域をある程度スクロールさせても、現プレビュー範囲の周辺に存在する文字列領域であればＯＣＲ処理が既済となっているので、速やかにファイル名入力欄７１０に文字列が反映されることになる。このように、現プレビュー範囲にマージンを持たせる手法は、例えばプレビューを拡大表示している時やタッチパネル自体が小さい場合に有効である。判定の結果、現プレビュー範囲内に、ＯＣＲ処理が未済の文字列領域が存在しない場合は、ステップ９０７に進む。

ステップ９０７では、現プレビュー範囲外にＯＣＲ処理が未済の文字列領域が存在するかどうかが判定される。現プレビュー範囲の外側にＯＣＲ処理が未済の文字列領域が存在する場合は、ステップ９０８に進み、現プレビュー範囲外に存在する文字列領域のうち、ＯＣＲ処理が未済の文字列領域の情報（ＯＣＲ未済一覧）が取得される。一方、ＯＣＲ処理が未済の文字列領域が存在しない場合は、ステップ９０１に戻る。

ステップ９０９では、ステップ９０６又はステップ９０８で取得したＯＣＲ未済一覧の中の所定の文字列領域に対し、ＯＣＲ処理の一括実行（以下、「ゾーンＯＣＲ」と呼ぶ）が開始される。ここで、所定の文字列領域は、例えば文字列領域の位置座標やサイズを基準とした、予め定めた条件に従って決定される。文字列領域の位置座標に基づく条件としては、例えば、y座標が小さいものを第１優先、x座標が小さいものを第２優先とし、上位３つの文字列領域をゾーンＯＣＲの対象にする、といったものが考えられる。また、文字列領域のサイズに基づく条件としては、例えば、サイズが大きいものほど高い優先順位とし、上位３つの文字列領域をゾーンＯＣＲの対象にする、といったものが考えられる。ここで例示したように、ゾーンＯＣＲの対象を決定するための条件は、ユーザや管理者によって演算リソース等を考慮して決定される。図１０は、図７（ｂ）に示すプレビュー画面７００において、上述の位置座標に基づく条件でゾーンＯＣＲを行った結果の一例を示す図である。図１０（ａ）は１回目のゾーンＯＣＲが完了した時点の状態であり、ＯＣＲ処理が済んだ３つの文字列領域（「伝票No.210580232」、「見積書」、「株式会社川崎総合研究所」）が網掛けで表示されている。図１０（ｂ）は２回目のゾーンＯＣＲが完了した時点の状態を示しており、網掛けで表示された３つの文字列領域（「横浜株式会社」、「〒321-0000」、「神奈川県横浜市000-000」）がさらに増えている。ゾーンＯＣＲを開始すると、ステップ９０１に戻る。

プレビュー領域７１０内に表示中のいずれかの文字列領域へのタッチ操作が検出された場合のステップ９１０では、タッチ操作に係る文字列領域へのＯＣＲ処理が既に済んでいるかどうかが判定される。判定の結果、ＯＣＲ処理が既済の場合は、ステップ９１４に進む。一方、ＯＣＲ処理が未済の場合は、ステップ９１１に進む。

ステップ９１１では、上述のゾーンＯＣＲが実行中であるかどうかが判定される。ゾーンＯＣＲが実行中であれば、ステップ９１２にてゾーンＯＣＲの実行を中止した後にステップ９１３に進み、タッチ操作された文字列領域に対するＯＣＲ処理が実行される。一方、ゾーンＯＣＲが実行中でなければ、直ちにステップ９１３に進み、タッチ操作された文字列領域に対するＯＣＲ処理が実行される。

ステップ９１４では、タッチ操作された文字列領域についての、ステップ９１３で新たに抽出された文字列又はゾーンＯＣＲによって抽出済みの文字列が取得される。上述のとおり、ゾーンＯＣＲの実行中にユーザが所望の文字列領域をタッチ操作した場合には、ゾーンＯＣＲは中止され、ユーザが選択した文字列領域に対するＯＣＲ処理が優先して実行されることになる。

ステップ９１５では、ファイル名入力欄７０１に現在表示中のファイル名が取得される。続くステップ９１６では、ステップ９１４で取得した文字列が、ファイル名の構成要素として設定される。この際、ファイル名として既に設定された文字列が存在している場合は、その末尾に区切り文字を挿入した上で、当該区切り文字の後ろに文字列が追加される。なお、区切り文字は、ハイフン“−”やアンダーバー“＿”などであり特に限定されない。そして、ステップ９１７では、現時点で設定されている文字列が、ファイル名入力欄７０１に表示（自動入力）される。

以上が、ファイル名生成処理の内容である。本実施例では、スキャン画像内の文字列領域のＯＣＲ処理結果を用いてファイル名を設定する場面を例に説明したが、本発明の適用範囲はファイル名を設定する場面に限定されるものではない。例えば、スキャン画像のアップロード先といったデータの転送先設定や、ＦＡＸ送信やメール送信の宛先設定に適用してもよい。この場合、例えば、前述の図８のアップロード設定画面８００において、スキャン画像内の文字列領域のＯＣＲ処理結果をフォルダパスの候補として選択可能に表示し、ユーザ選択に応じてパス名を設定できるようにする。また、不図示の宛先設定画面において、スキャン画像内の文字列領域のＯＣＲ処理結果をＦＡＸ番号やメールアドレスの候補として選択可能に表示し、ユーザ選択に応じてＦＡＸ番号やメールアドレスを設定できるようにする。このように、ファイル名設定以外の場面、例えばデータの転送先等の設定など、スキャン画像に関連する様々な情報（付帯情報）の設定を行う場面において、本発明は幅広く適用可能である。

＜変形例＞
上述の例では、現プレビュー範囲（もしくはその周辺範囲）の内側か外側かでゾーンＯＣＲの優先順位を切り分けていたが、これに限定されない。現プレビュー範囲に関わらず、例えばスキャン画像の正位置における上部、中部、下部の順でゾーンＯＣＲを行うようにしてもよい。

また、現プレビュー範囲（もしくはその周辺範囲）の外側を対象にＯＣＲ未済一覧を取得する場合（ステップ９０７）に、例えばスキャン画像をいくつかの範囲に分割し、優先順位の高い範囲から順にＯＣＲ未済一覧の取得対象としてもよい。例えば、A4横・横書きの原稿をスキャンして得たスキャン画像の場合、左上、右上、左下、右下の４つの範囲に分割する。そして、ユーザが文字列領域を選択する可能性の高い範囲から順に、画像全体の四分の一の範囲毎にＯＣＲ未済一覧の情報を取得するようにする。一般的には、スキャン画像の正位置における上部の方が下部よりも選択する可能性が高いと考えられるので、例えば左上、右上、左下、右下の順でＯＣＲ未済一覧の情報を取得する。そして、１つの範囲内の文字列領域についてのゾーンＯＣＲが終わったら、次の範囲内の文字列領域についてのゾーンＯＣＲに進むようにする。こうして、ゾーンＯＣＲの順番を細かく制御することで、ファイル名等の設定をより効率よく行うことが可能になる。なお、スキャン画像をどのように分割するかは手動で設定してもよいし、原稿サイズや文字の記載方向に応じた分割数を予め定めておき、自動で分割されるようにしてもよい。

本実施例によれば、ゾーンＯＣＲを順次実行することによって、ユーザが所望の文字列領域を選択した時点で、当該選択に係る文字列領域のＯＣＲ処理が既済であれば、そのＯＣＲ結果を用いて速やかにファイル名等に反映することが可能となる。また、現プレビュー範囲に対して優先的にゾーンＯＣＲを実行することで、ユーザはより効率よくファイル名等を設定することが可能となる。

（その他の実施例）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

Claims (9)

1. 文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置であって、
   前記スキャン画像内の一続きの文字列と推認される単位領域をユーザが選択可能に表示した、前記所定の処理を行うための、ＵＩ画面を表示する表示制御手段と、
   前記ＵＩ画面を介してユーザが選択した単位領域に対してＯＣＲ処理を行い、該ＯＣＲ処理によって抽出された文字列を用いて前記所定の処理のための付帯情報を設定する設定手段と、
   を備え、
   前記設定手段は、
   ユーザが前記選択を行うまでの間、前記スキャン画像内に含まれる単位領域に対し、所定の条件に従ってＯＣＲ処理を予め実行し、
   前記選択に係る単位領域がＯＣＲ処理の済んだ単位領域である場合、当該ＯＣＲ処理の結果を用いて前記所定の処理のための付帯情報を設定する、
   ことを特徴とする装置。
2. 前記所定の条件は、前記ＵＩ画面に表示されている範囲を少なくとも含む所定の範囲に存在する単位領域の方が、当該所定の範囲外に存在する単位領域よりも優先順位が高い、であることを特徴とする請求項１に記載の装置。
3. 前記所定の範囲は、前記ＵＩ画面に表示されている範囲外を含まないことを特徴とする請求項２に記載の装置。
4. 前記所定の範囲は、前記ＵＩ画面に表示されている範囲とその周辺範囲であることを特徴とする請求項２に記載の装置。
5. 前記所定の条件は、前記所定の範囲に含まれる単位領域についてＯＣＲ処理を実行する際、前記スキャン画像の正位置における上部に存在する単位領域ほど優先順位が高く、下部に存在する単位領域ほど優先順位が低い、ことを特徴とする請求項２乃至４のいずれか１項に記載の装置。
6. 前記所定の条件は、前記スキャン画像の正位置における上部に存在する単位領域ほど優先順位が高く、下部に存在する単位領域ほど優先順位が低い、であることを特徴とする請求項１に記載の装置。
7. 前記設定手段は、前記所定の条件に従ったＯＣＲ処理が完了する前に、ユーザが前記選択を行った場合は、前記所定の条件に従ったＯＣＲ処理を中止し、当該選択に係る単位領域に対するＯＣＲ処理を優先して実行する、ことを特徴とする請求項１乃至６のいずれか１項に記載の装置。
8. 文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置の制御方法であって、
   前記スキャン画像内の一続きの文字列と推認される単位領域をユーザが選択可能に表示した、前記所定の処理を行うための、ＵＩ画面を表示するステップと、
   前記ＵＩ画面を介してユーザが選択した単位領域に対してＯＣＲ処理を行い、該ＯＣＲ処理によって抽出された文字列を用いて前記所定の処理のための付帯情報を設定するステップと、
   を含み、
   前記設定するステップでは、
   ユーザが前記選択を行うまでの間、前記スキャン画像内に含まれる単位領域に対し、所定の条件に従ってＯＣＲ処理を予め実行し、
   前記選択に係る単位領域がＯＣＲ処理の済んだ単位領域である場合、当該ＯＣＲ処理の結果を用いて前記所定の処理のための付帯情報を設定する、
   ことを特徴とする制御方法。
9. コンピュータを、請求項１乃至７のいずれか１項に記載の装置として機能させるためのプログラム。