JP2019046377A - Line segment extraction program, image processing device and line segment extraction method - Google Patents
Line segment extraction program, image processing device and line segment extraction method Download PDFInfo
- Publication number
- JP2019046377A JP2019046377A JP2017171465A JP2017171465A JP2019046377A JP 2019046377 A JP2019046377 A JP 2019046377A JP 2017171465 A JP2017171465 A JP 2017171465A JP 2017171465 A JP2017171465 A JP 2017171465A JP 2019046377 A JP2019046377 A JP 2019046377A
- Authority
- JP
- Japan
- Prior art keywords
- line segment
- area
- image
- unit
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
Description
本発明は、線分抽出プログラム、画像処理装置及び線分抽出方法に関する。 The present invention relates to a line segment extraction program, an image processing apparatus, and a line segment extraction method.
従来より、帳簿や伝票等の各種帳票をスキャンすることにより電子化された帳票画像に対して、文字認識処理等を行う帳票画像処理システムが知られている。当該帳票画像処理システムでは、文字認識精度を上げるために、文字と罫線（線分）とを正しく識別することが求められる。 Conventionally, a form image processing system has been known which performs character recognition processing and the like on form images digitized by scanning various forms such as books and slips. The form image processing system is required to correctly identify characters and ruled lines (line segments) in order to improve character recognition accuracy.
しかしながら、帳票には長さや太さの異なる複数の線分が含まれており、それら全ての線分を、例えば線分の形状に基づいて抽出しようとすると、文字の一部を誤抽出してしまうといった問題がある。 However, the form includes a plurality of line segments having different lengths and thicknesses, and when trying to extract all those line segments based on the shape of the line segment, for example, a part of the characters is erroneously extracted. There is a problem of
一つの側面では、画像から線分を抽出する際の誤抽出を低減させることを目的としている。 In one aspect, the object is to reduce erroneous extraction when extracting line segments from an image.
一態様によれば、線分抽出プログラムは、
画像から線分の候補領域を抽出し、
前記線分の候補領域の周囲となる周囲領域を特定し、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する、処理をコンピュータに実行させる。
According to one aspect, the line segment extraction program
Extract line segment candidate regions from the image,
Identifying a surrounding area around the candidate area of the line segment;
The computer is made to execute processing of determining whether the candidate region of the line segment is a line segment based on the index value calculated from the feature amount of the surrounding region.
画像から線分を抽出する際の誤抽出を低減させることができる。 Erroneous extraction when extracting line segments from an image can be reduced.
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。 Hereinafter, each embodiment will be described with reference to the attached drawings. In the present specification and the drawings, components having substantially the same functional configuration will be denoted by the same reference numerals and redundant description will be omitted.
［第１の実施形態］
＜帳票画像処理システムのシステム構成＞
はじめに、帳票画像処理システムのシステム構成について説明する。帳票画像処理システムは、帳簿（例えば、仕訳帳、現金出納帳、売掛帳）や伝票（例えば、見積書、請求書、納品書、領収書）等の各種帳票をスキャンすることで電子化した帳票画像に対して、文字認識処理等を行うシステムである。
First Embodiment
<System Configuration of Form Image Processing System>
First, the system configuration of the form image processing system will be described. The form image processing system was digitized by scanning various forms such as books (eg, journals, cash books, accounts receivables) and slips (eg, quotations, invoices, delivery notes, receipts) It is a system that performs character recognition processing and the like on a form image.
図１は、帳票画像処理システムのシステム構成の一例を示す図である。図１に示すように、帳票画像処理システム１００は、読取装置１１０と、読取装置１１０と接続される画像処理装置１２０とを有する。
FIG. 1 is a diagram showing an example of a system configuration of a form image processing system. As shown in FIG. 1, the form
読取装置１１０は、スキャナ等の画像形成装置である。読取装置１１０は、帳票１３０をスキャンすることで帳票１３０を電子化し、帳票画像を形成する。読取装置１１０は、電子化した帳票画像を画像処理装置１２０に送信する。
The
画像処理装置１２０には、前処理プログラム、線分抽出プログラム、帳票識別プログラム、文字認識プログラム等がインストールされている。画像処理装置１２０は、これらのプログラムを実行することで、前処理部１２１、線分抽出部１２２、帳票識別部１２３、文字認識部１２４として機能する。
In the
前処理部１２１は、読取装置１１０より帳票画像を受信し、受信した帳票画像を２値化することで、２値化画像を生成する。また、前処理部１２１は、生成した２値化画像を線分抽出部１２２及び文字認識部１２４に通知する。
The preprocessing
線分抽出部１２２は、前処理部１２１より２値化画像を受信し、受信した２値化画像から罫線（線分）を抽出する。また、線分抽出部１２２は、抽出した線分の位置を示す線分情報を帳票識別部１２３に通知する。
The line
帳票識別部１２３は、線分抽出部１２２より線分情報を受信し、受信した線分情報に基づいて、帳票の種類を識別する。また、帳票識別部１２３は、識別した帳票の種類を示す帳票情報を文字認識部１２４に通知する。
The
文字認識部１２４は、前処理部１２１より２値化画像を受信し、帳票識別部１２３より帳票情報を受信する。文字認識部１２４は、受信した帳票情報に基づいて、２値化画像に対して文字認識処理を行う際の対象領域を特定する。更に、文字認識部１２４は、特定した対象領域より文字を抽出し、文字認識処理を行う。
The character recognition unit 124 receives the binarized image from the
＜画像処理装置のハードウェア構成＞
次に、画像処理装置１２０のハードウェア構成について説明する。図２は、画像処理装置のハードウェア構成の一例を示す図である。
<Hardware Configuration of Image Processing Device>
Next, the hardware configuration of the
図２に示すように、画像処理装置１２０は、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３を有する。ＣＰＵ２０１、ＲＯＭ２０２、ＲＡＭ２０３は、いわゆるコンピュータを形成する。また、画像処理装置１２０は、補助記憶装置２０４、操作装置２０５、表示装置２０６、Ｉ／Ｆ（Interface）装置２０７、ドライブ装置２０８を有する。なお、画像処理装置１２０の各ハードウェアは、バス２０９を介して相互に接続されている。
As shown in FIG. 2, the
ＣＰＵ２０１は、補助記憶装置２０４にインストールされた各種プログラム（例えば、前処理プログラム、線分抽出プログラム、帳票識別プログラム、文字認識プログラム等）を実行する。
The
ＲＯＭ２０２は、不揮発性メモリであり、主記憶装置として機能する。ＲＯＭ２０２は、補助記憶装置２０４にインストールされた各種プログラムをＣＰＵ２０１が実行するために必要な各種プログラム、データ等を格納する。具体的には、ＲＯＭ２０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
The
ＲＡＭ２０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリであり、主記憶装置として機能する。ＲＡＭ２０３は、補助記憶装置２０４にインストールされた各種プログラムがＣＰＵ２０１によって実行される際に展開される、作業領域を提供する。
The
補助記憶装置２０４は、各種プログラムや、各種プログラムがＣＰＵ２０１によって実行される際に用いられる情報を格納する。
The
操作装置２０５は、画像処理装置１２０のユーザが画像処理装置１２０に対して各種指示を入力する際に用いる入力デバイスである。表示装置２０６は、画像処理装置１２０の内部情報を表示する表示デバイスである。
The
Ｉ／Ｆ装置２０７は、読取装置１１０と、画像処理装置１２０とを通信可能に接続する接続デバイスである。
The I /
ドライブ装置２０８は記録媒体２１０をセットするためのデバイスである。ここでいう記録媒体２１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体２１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
The
なお、補助記憶装置２０４にインストールされる各種プログラムは、例えば、配布された記録媒体２１０がドライブ装置２０８にセットされ、該記録媒体２１０に記録された各種プログラムがドライブ装置２０８により読み出されることでインストールされる。
The various programs installed in the
＜画像処理装置の機能構成＞
次に、画像処理装置１２０の機能構成について説明する。ここでは、画像処理装置１２０の各部（前処理部１２１、線分抽出部１２２、帳票識別部１２３、文字認識部１２４）のうち、前処理部１２１及び線分抽出部１２２について、機能構成の詳細を説明する。
<Functional Configuration of Image Processing Device>
Next, the functional configuration of the
図３は、前処理部及び線分抽出部の機能構成の詳細を示す図である。図３に示すように、前処理部１２１は、帳票画像取得部３１１と、２値化部３１２とを有する。
FIG. 3 is a diagram showing details of functional configurations of the pre-processing unit and the line segment extraction unit. As shown in FIG. 3, the
帳票画像取得部３１１は、読取装置１１０より帳票画像を受信し、受信した帳票画像を２値化部３１２に通知する。２値化部３１２は、帳票画像を２値化することで、２値化画像を生成する。また、２値化部３１２は、生成した２値化画像を線分抽出部１２２及び文字認識部１２４に通知する。
The form
線分抽出部１２２は、２値化画像取得部３２１と、黒ラン画像抽出部３２２と、線分候補領域特定部３２３と、文字領域画像抽出部３２４と、文字サイズ算出部３２５と、周囲領域特定部３２６と、ノイズ判定部３２７とを有する。
The line
２値化画像取得部３２１は、２値化部３１２より２値化画像を受信し、黒ラン画像抽出部３２２及び文字領域画像抽出部３２４に通知する。
The binarized
黒ラン画像抽出部３２２は、２値化画像から黒ラン画像を抽出する。黒ラン画像とは、２値化画像において、黒画素が横方向の１ラインまたは縦方向の１ラインに連続している塊を指す。黒ラン画像抽出部３２２は、横方向の各ラインで黒ラン画像を抽出し、線分候補領域特定部３２３に通知する。
The black run
なお、黒ラン画像抽出部３２２は、縦方向の各ラインについても同様の処理を行うことで、縦方向の黒ラン画像を抽出し、線分候補領域特定部３２３に通知する。
The black run
線分候補領域特定部３２３は抽出部の一例であり、黒ラン画像抽出部３２２より受信した横方向の黒ラン画像を、隣接する横方向のライン間で統合することで、横方向の線分候補を抽出する。同様に、線分候補領域特定部３２３は、黒ラン画像抽出部３２２より受信した縦方向の黒ラン画像を、隣接する縦方向のライン間で統合することで、縦方向の線分候補を抽出する。
The line segment candidate
また、線分候補領域特定部３２３は、それぞれの線分候補に外接する外接矩形領域（線分候補領域）を特定し、２値化画像における当該外接矩形領域の位置を示す線分候補領域情報を算出する。更に、線分候補領域特定部３２３は、算出した線分候補領域情報を、周囲領域特定部３２６に通知する。
The line segment candidate
文字領域画像抽出部３２４は、２値化画像から文字領域画像を抽出する。文字領域画像とは、２値化画像において、黒画素が互いに隣接している塊を指す。文字領域画像抽出部３２４は、抽出した各文字領域画像をラベリングして、文字サイズ算出部３２５に通知する。
The character area
文字サイズ算出部３２５は、文字領域画像抽出部３２４より受信した各文字領域画像に基づいて、２値化画像に含まれている各文字の文字幅（Ｗｃ）と文字高さ（Ｈｃ）とを算出する。
Based on each character area image received from the character area
具体的には、文字サイズ算出部３２５は、文字領域画像に外接する外接矩形領域を特定し、特定した外接矩形領域の幅についてヒストグラムを作成し、出現頻度が最大となる幅を判定する。文字サイズ算出部３２５は、出現頻度が最大となる幅を、２値化画像に含まれている各文字の文字幅（Ｗｃ）として周囲領域特定部３２６に通知する。
Specifically, the character
同様に、文字サイズ算出部３２５は、特定した外接矩形領域の高さについてヒストグラムを作成し、出現頻度が最大となる高さを判定する。文字サイズ算出部３２５は、出現頻度が最大となる高さを、２値化画像に含まれている各文字の文字高さ（Ｈｃ）として周囲領域特定部３２６に通知する。
Similarly, the character
周囲領域特定部３２６は特定部の一例である。周囲領域特定部３２６は、線分候補領域特定部３２３より線分候補領域情報を受信し、文字サイズ算出部３２５より文字幅（Ｗｃ）及び文字高さ（Ｈｃ）を受信する。また、周囲領域特定部３２６は、受信した線分候補領域情報に基づいて、２値化画像における線分候補領域の位置を識別する。
The surrounding
そして、周囲領域特定部３２６は、位置を識別した線分候補領域に対して、上下方向及び左右方向に独立した領域（線分候補領域の周囲に位置する周囲領域）を特定し、特定した周囲領域の位置を示す周囲領域情報をノイズ判定部３２７に通知する。なお、周囲領域特定部３２６は、線分候補領域の周囲に位置する周囲領域を特定するにあたり、文字幅（Ｗｃ）及び文字高さ（Ｈｃ）を用いる。
Then, the surrounding
ノイズ判定部３２７は判定部の一例である。ノイズ判定部３２７は、周囲領域特定部３２６より受信した周囲領域情報に基づいて、それぞれの線分候補について周囲領域を特定する。また、ノイズ判定部３２７は、２値化画像より、特定した周囲領域に含まれる各画素の画素値を抽出し、抽出した画素値に基づいて、それぞれの線分候補が線分であるのかノイズであるのかを判定する。
The
ノイズ判定部３２７は、それぞれの線分候補のうち、線分であると判定した線分候補について、線分の位置を示す線分情報を帳票識別部１２３に通知する。
The
＜線分抽出処理の流れ＞
次に、線分抽出部１２２により実行される線分抽出処理全体の流れについて説明する。図４は、線分抽出処理の流れを示すフローチャートである。画像処理装置１２０が起動し、前処理部１２１が読取装置１１０より帳票画像を受信し、２値化画像を生成すると、図４に示す線分抽出処理が開始される。
<Flow of line segment extraction process>
Next, the flow of the entire line segment extraction process performed by the line
ステップＳ４０１において、２値化画像取得部３２１は、２値化部３１２より２値化画像を受信する。
In step S401, the binarized
ステップＳ４０２において、黒ラン画像抽出部３２２及び線分候補領域特定部３２３は、線分候補抽出処理を実行し、線分候補領域情報を周囲領域特定部３２６に通知する。なお、線分候補抽出処理（ステップＳ４０２）の詳細は後述する。
In step S402, the black run
ステップＳ４０３において、文字領域画像抽出部３２４及び文字サイズ算出部３２５は、文字サイズ算出処理を実行し、文字幅（Ｗｃ）及び文字高さ（Ｈｃ）を、周囲領域特定部３２６に通知する。なお、文字サイズ算出処理（ステップＳ４０３）の詳細は後述する。
In step S403, the character area
ステップＳ４０４において、周囲領域特定部３２６は、線分候補の数をカウントするカウンタｉに１を代入する。
In step S404, the surrounding
ステップＳ４０５において、周囲領域特定部３２６は、ｉ番目の線分候補についての線分候補領域情報を、線分候補領域特定部３２３より受信する。
In step S405, the surrounding
ステップＳ４０６において、周囲領域特定部３２６は、ｉ番目の線分候補が横方向の線分候補であった場合、ｉ番目の線分候補についての線分候補領域情報に基づいて、線分候補領域に対する周囲領域のうち、上領域及び下領域を特定する。
In step S406, when the i-th line segment candidate is a line segment candidate in the horizontal direction, the surrounding
また、周囲領域特定部３２６は、ｉ番目の線分候補が縦方向の線分候補であった場合、ｉ番目の線分候補についての線分候補領域情報と、文字高さ（Ｈｃ）とに基づいて、線分候補領域に対する周囲領域のうち、上領域及び下領域を特定する。
In addition, when the i-th line segment candidate is a line segment candidate in the vertical direction, the surrounding
そして、周囲領域特定部３２６は、特定した上領域及び下領域の２値化画像における位置を示す上領域情報及び下領域情報を算出し、周囲領域情報としてノイズ判定部３２７に通知する。なお、上下領域情報算出処理（ステップＳ４０６）の詳細は後述する。
Then, the surrounding
ステップＳ４０７において、周囲領域特定部３２６は、ｉ番目の線分候補が横方向の線分候補であった場合、ｉ番目の線分候補についての線分候補領域情報と、文字幅（Ｗｃ）とに基づいて、線分候補領域に対する周囲領域のうち、左領域及び右領域を特定する。
In step S407, when the i-th line segment candidate is a line segment candidate in the horizontal direction, the surrounding
また、周囲領域特定部３２６は、ｉ番目の線分候補が縦方向の線分候補であった場合、ｉ番目の線分候補についての線分候補領域情報に基づいて、線分候補領域に対する周囲領域のうち、左領域及び右領域を特定する。
In addition, when the i-th line segment candidate is a line segment candidate in the vertical direction, the surrounding
そして、周囲領域特定部３２６は、特定した左領域及び右領域の２値化画像における位置を示す左領域情報及び右領域情報を算出し、周囲領域情報としてノイズ判定部３２７に通知する。なお、左右領域情報算出処理の詳細（ステップＳ４０７）は後述する。
Then, the surrounding
ステップＳ４０８において、ノイズ判定部３２７は、ｉ番目の線分候補についての周囲領域情報に基づいて特定される周囲領域（上領域、下領域、左領域、右領域）に含まれる各画素の画素値を２値化画像より抽出する。そして、ノイズ判定部３２７は、抽出した画素値に基づいて、ｉ番目の線分候補が、線分であるのかノイズであるのかを判定する。なお、ノイズ判定処理（ステップＳ４０８）の詳細は後述する。
In step S408, the
ステップＳ４０９において、周囲領域特定部３２６は、全ての線分候補についてステップＳ４０５〜ステップＳ４０８までの処理を行ったか否かを判定する。ステップＳ４０９において、線分候補の中に、ステップＳ４０５〜ステップＳ４０８までの処理を行っていない線分候補があると判定した場合には、ステップＳ４１０に進む。
In step S409, the surrounding
ステップＳ４１０において、周囲領域特定部３２６は、カウンタｉをインクリメントし、ステップＳ４０５に戻る。
In step S410, the surrounding
一方、ステップＳ４０９において、全ての線分候補について、ステップＳ４０５〜ステップＳ４０８までの処理を行ったと判定した場合、線分抽出処理を終了する。 On the other hand, if it is determined in step S409 that the processing from step S405 to step S408 has been performed for all line segment candidates, the line segment extraction processing is ended.
＜線分候補抽出処理の詳細＞
次に、線分候補抽出処理（図４のステップＳ４０２）の詳細について説明する。図５は、線分候補抽出処理の詳細を示すフローチャートである。ここでは、横方向の線分候補を抽出する場合の線分候補抽出処理について、具体例を参照しながら説明する。
<Details of line segment candidate extraction process>
Next, details of the line segment candidate extraction process (step S402 in FIG. 4) will be described. FIG. 5 is a flowchart showing details of the line segment candidate extraction process. Here, line segment candidate extraction processing in the case of extracting line segment candidates in the horizontal direction will be described with reference to a specific example.
ステップＳ５０１において、黒ラン画像抽出部３２２は、２値化画像５００を取得し、取得した２値化画像５００の横方向の各ラインで、所定の閾値以上の長さを有する黒ラン画像を抽出する。なお、２値化画像５００には、横方向の線分５１１、５１２と、縦方向の線分５３１、５３３とが含まれ、更に、文字列５４０が含まれているものとする。
In step S501, the black run
ステップＳ５０２において、黒ラン画像抽出部３２２は、ステップＳ５０１において抽出した黒ラン画像のうち、隣接するライン間（ここでは、隣接する横方向のライン間）の黒ラン画像を統合することで、横方向の線分候補を抽出する。
In step S502, the black run
ステップＳ５０３において、黒ラン画像抽出部３２２は、抽出した線分候補に外接する外接矩形領域５２１、５２２、５４１〜５４６を特定する。
In step S503, the black run
なお、外接矩形領域５２１は、線分候補として抽出された線分５１１に外接する外接矩形領域である。線分５１１は、複数ライン分の黒ラン画像が統合されることで、線分候補として抽出される。
The circumscribed
同様に、外接矩形領域５２２は、線分候補として抽出された線分５１２に外接する外接矩形領域である。線分５１２は、複数ライン分の黒ラン画像が統合されることで、線分候補として抽出される。
Similarly, the circumscribed
一方、外接矩形領域５４１〜５４６は、文字列５４０に含まれる文字の一部に外接する外接矩形領域である。図５に示すように、文字列５４０に含まれる文字の一部も、複数ライン分の黒ラン画像が統合されることで、線分候補として抽出される。
On the other hand, the circumscribed
ステップＳ５０４において、線分候補領域特定部３２３は、特定した外接矩形領域５２１、５２２、５４１〜５４６の２値化画像５００内での位置を示す線分候補領域情報を算出し、周囲領域特定部３２６に通知する。
In step S504, the line segment candidate
＜文字サイズ算出処理の流れ＞
次に、文字サイズ算出処理（図４のステップＳ４０３）の詳細について説明する。図６は、文字サイズ算出処理の詳細を示すフローチャートである。ここでは、文字幅（Ｗｃ）を算出する場合の文字サイズ算出処理について、具体例を参照しながら説明する。
<Flow of character size calculation process>
Next, details of the character size calculation process (step S403 in FIG. 4) will be described. FIG. 6 is a flowchart showing details of the character size calculation process. Here, the character size calculation process for calculating the character width (Wc) will be described with reference to a specific example.
ステップＳ６０１において、文字領域画像抽出部３２４は、２値化画像５００を取得し、取得した２値化画像５００から文字領域画像を抽出し、抽出した各文字領域画像をラベリングして、文字サイズ算出部３２５に通知する。なお、図６に示すように、２値化画像５００には、文字列５４０が含まれるものとする。
In step S601, the character area
ステップＳ６０２において、文字サイズ算出部３２５は、文字領域画像抽出部３２４より通知された各文字領域画像に外接する外接矩形領域６２１〜６３５をそれぞれ特定する。
In step S602, the character
ステップＳ６０３において、文字サイズ算出部３２５は、特定した各外接矩形領域６２１〜６３５の幅を算出し、算出した外接矩形領域の幅について、ヒストグラム６４０を作成する。
In step S603, the character
ステップＳ６０４において、文字サイズ算出部３２５は、作成したヒストグラム６４０に基づいて、出現頻度が最大となる幅を判定する。また、文字サイズ算出部３２５は、出現頻度が最大となる幅を文字幅（Ｗｃ）に決定し、周囲領域特定部３２６に通知する。
In step S604, the character
＜上下領域情報算出処理及び左右領域情報算出処理の詳細＞
次に、上下領域情報算出処理（図４のステップＳ４０６）及び左右領域情報算出処理（図４のステップＳ４０７）の詳細について説明する。上述したとおり、周囲領域特定部３２６は、線分候補領域それぞれに対して、周囲領域として、上領域、下領域、左領域、右領域を特定する。ここでは、横方向の線分候補についての上下領域情報算出処理及び左右領域情報算出処理について説明する。
<Details of Upper and Lower Region Information Calculation Processing and Left and Right Region Information Calculation Processing>
Next, details of the upper and lower area information calculation process (step S406 in FIG. 4) and the left and right area information calculation process (step S407 in FIG. 4) will be described. As described above, the surrounding
図７は、上下領域情報算出処理及び左右領域情報算出処理の詳細を示すフローチャートである。このうち、図７（ａ）は、周囲領域情報として、上領域情報と下領域情報とを算出する上下領域情報算出処理のフローチャートを表している。図７（ｃ）の具体例を参照しながら、図７（ａ）に示す上下領域情報算出処理の流れについて説明する。 FIG. 7 is a flowchart showing details of upper and lower area information calculation processing and left and right area information calculation processing. Among these, FIG. 7A shows a flowchart of upper and lower area information calculation processing for calculating upper area information and lower area information as surrounding area information. A flow of upper and lower area information calculation processing shown in FIG. 7A will be described with reference to a specific example of FIG. 7C.
ステップＳ７０１において、周囲領域特定部３２６は、線分候補領域特定部３２３より線分候補領域情報を取得する。線分候補領域情報には、線分候補に外接する外接矩形領域５２１の左上の頂点の座標（ｘ１，ｙ１）と、右下の頂点の座標（ｘ２，ｙ２）とが含まれているものとする（図７（ｃ）参照）。
In
ステップＳ７０２において、周囲領域特定部３２６は、上領域（Ａｕ）の位置を示す上領域情報として、上領域（Ａｕ）の左上の頂点の座標（ｘ１，ｙ１−Ｋ×Ｈ）と、右下の頂点の座標（ｘ２，ｙ１−１）とを算出する。なお、“Ｈ”は、線分候補に外接する外接矩形領域５２１の太さを表す。また、“Ｋ”は所定数を表す。
In step S702, the surrounding
つまり、上領域（Ａｕ）は、線分候補に外接する外接矩形領域５２１の上側に隣接する矩形領域であって、線分候補に外接する外接矩形領域５２１と同じ幅（ｗ）を有する。また、上領域（Ａｕ）は、線分候補に外接する外接矩形領域５２１の太さ（Ｈ）を基準として所定数（Ｋ）倍の高さ（Ｋ×Ｈ）を有する。
That is, the upper area (Au) is a rectangular area adjacent to the upper side of the circumscribed
ステップＳ７０３において、周囲領域特定部３２６は、下領域（Ａｄ）の位置を示す下領域情報として、下領域（Ａｄ）の左上の頂点の座標（ｘ１，ｙ２＋１）と、右下の頂点の座標（ｘ２，ｙ２＋Ｋ×Ｈ）とを算出する。
In step S703, the surrounding
つまり、下領域（Ａｄ）は、線分候補に外接する外接矩形領域５２１の下側に隣接する矩形領域であって、線分候補に外接する外接矩形領域５２１と同じ幅（ｗ）を有する。また、下領域（Ａｄ）は、線分候補に外接する外接矩形領域５２１の太さ（Ｈ）を基準として所定数（Ｋ）倍の高さ（Ｋ×Ｈ）を有する。
That is, the lower area (Ad) is a rectangular area adjacent to the lower side of the circumscribed
図７（ｂ）は、周囲領域情報として、左領域情報と右領域情報とを算出する左右領域情報算出処理のフローチャートを表している。図７（ｃ）の具体例を参照しながら、図７（ｂ）に示す左右領域情報算出処理について説明する。 FIG. 7B shows a flowchart of left / right area information calculation processing for calculating left area information and right area information as surrounding area information. The left and right area information calculation process shown in FIG. 7B will be described with reference to a specific example of FIG. 7C.
ステップＳ７１１において、周囲領域特定部３２６は、線分候補領域特定部３２３より線分候補領域情報を取得する。上述したとおり、線分候補領域情報には、線分候補に外接する外接矩形領域５２１の左上の頂点の座標（ｘ１，ｙ１）と、右下の頂点の座標（ｘ２，ｙ２）とが含まれているものとする（図７（ｃ）参照）。
In step S711, the surrounding
ステップＳ７１２において、周囲領域特定部３２６は、文字サイズ算出部３２５より文字幅（Ｗｃ）を取得する。
In step S 712, the surrounding
ステップＳ７１３において、周囲領域特定部３２６は、左領域（Ａｌ）の位置を示す左領域情報として、左領域（Ａｌ）の左上の頂点の座標（ｘ１−Ｗｃ，ｙ１−Ｋ×Ｈ）と、右下の頂点の座標（ｘ１−１，ｙ２＋Ｋ×Ｈ）とを算出する。
In step S 713, the surrounding
つまり、左領域（Ａｌ）は、線分候補に外接する外接矩形領域５２１の左側に隣接する矩形領域であって、文字幅（Ｗｃ）と同じ幅（Ｗｃ）を有する。また、左領域（Ａｌ）は、線分候補に外接する外接矩形領域５２１の太さ（Ｈ）を基準として、（２Ｋ）倍したものに、線分候補に外接する外接矩形領域５２１の太さ（Ｈ）を加算した高さ（２×Ｋ×Ｈ＋Ｈ）を有する。
That is, the left area (Al) is a rectangular area adjacent to the left side of the circumscribed
ステップＳ７１４において、周囲領域特定部３２６は、右領域（Ａｒ）の位置を示す右領域情報として、右領域（Ａｒ）の左上の頂点の座標（ｘ２＋１，ｙ１−Ｋ×Ｈ）と、右下の頂点の座標（ｘ２＋Ｗｃ，ｙ２＋Ｋ×Ｈ）とを算出する。
In step S714, the surrounding
つまり、右領域（Ａｒ）は、線分候補に外接する外接矩形領域５２１の右側に隣接する矩形領域であって、文字幅（Ｗｃ）と同じ幅（Ｗｃ）を有する。また、右領域（Ａｒ）は、線分候補に外接する外接矩形領域５２１の太さ（Ｈ）を基準として、（２Ｋ）倍したものに、線分候補に外接する外接矩形領域５２１の太さ（Ｈ）を加算した高さ（２×Ｋ×Ｈ＋Ｈ）を有する。
That is, the right area (Ar) is a rectangular area adjacent to the right side of the circumscribed
＜ノイズ判定処理の詳細＞
次に、ノイズ判定処理（図４のステップＳ４０８）の詳細について説明する。図８及び図９は、ノイズ判定処理の詳細を示す第１及び第２のフローチャートである。
<Details of noise determination processing>
Next, details of the noise determination process (step S408 in FIG. 4) will be described. 8 and 9 are first and second flowcharts showing the details of the noise determination process.
ステップＳ８０１において、ノイズ判定部３２７は、周囲領域特定部３２６より、周囲領域情報（上領域（Ａｕ）情報、下領域（Ａｄ）情報、左領域（Ａｌ）情報、右領域（Ａｒ）情報）を受信する。
In step S801, the
ステップＳ８０２において、ノイズ判定部３２７は、周囲領域の数をカウントするカウンタｎに１を代入する。
In step S802, the
ステップＳ８０３において、ノイズ判定部３２７は、ｎ番目の周囲領域に含まれる各画素の画素値を抽出する。ここでは、１番目の周囲領域として、２値化画像より、上領域（Ａｕ）に含まれる各画素の画素値を抽出する。
In step S803, the
ステップＳ８０４において、ノイズ判定部３２７は、抽出した画素値（ｇ（ｘ、ｙ））の平均値ｍを下式に基づいて算出する。
In step S804, the
ステップＳ８０５において、ノイズ判定部３２７は、抽出した画素値（ｇ（ｘ、ｙ））の分散値ｖを下式に基づいて算出する。
In step S805, the
ステップＳ８０６において、ノイズ判定部３２７は、カウンタｎが４未満であるか否かを判定する。ステップＳ８０６において、カウンタｎが４未満である場合（ステップＳ８０６においてＹｅｓの場合）には、ステップＳ８０７に進む。
In step S806, the
ステップＳ８０７において、ノイズ判定部３２７は、カウンタｎをインクリメントし、ステップＳ８０３に戻る。
In step S807, the
一方、ステップＳ８０６において、カウンタｎが４以上である場合（ステップＳ８０６においてＮｏの場合）には、ステップＳ８０８に進む。 On the other hand, when the counter n is 4 or more in step S806 (No in step S806), the process proceeds to step S808.
ステップＳ８０８において、ノイズ判定部３２７は、上領域内の画素値の分散値（ｖｕ）と、下領域内の画素値の分散値（ｖｄ）と、左領域内の画素値の分散値（ｖｌ）と、右領域内の画素値の分散値（ｖｒ）とを取得し、図９のステップＳ９０１に進む。
In step S808, the
ステップＳ９０１において、ノイズ判定部３２７は、周囲領域についての各分散値に基づいて、線分候補が線分であるのかノイズであるのかを判定するための指標値を算出する。具体的には、ノイズ判定部３２７は、周囲領域の幅と高さのうち、長さが長い方の値（Ｔとおく）を用いて、周囲領域についての各分散値を除算することで各分散値を正規化し、指標値（正規化分散値）を算出する（下式参照）。
In step S901, the
例えば、上領域（Ａｕ）の場合、高さ（Ｋ×Ｈ）より幅（ｗ）の方が長いため、Ｔ＝ｗとなり、指標値（Ｓｕ）は、分散値（ｖｕ）／ｗとなる。同様に、下領域（Ａｄ）の場合、指標値（Ｓｄ）は、分散値（ｖｄ）／ｗとなる。 For example, in the case of the upper region (Au), the width (w) is longer than the height (K × H), so T = w, and the index value (Su) becomes the variance value (vu) / w. Similarly, in the case of the lower area (Ad), the index value (Sd) is the variance value (vd) / w.
一方、左領域（Ａｌ）の場合、幅（Ｗｃ）より高さ（２×Ｋ×Ｈ＋Ｈ）の方が長いため、Ｔ＝（２×Ｋ×Ｈ＋Ｈ）となり、指標値（Ｓｌ）は、分散値（ｖｌ）／（２×Ｋ×Ｈ＋Ｈ）となる。同様に、右領域（Ａｒ）の場合、指標値（Ｓｒ）は、分散値（ｖｒ）／（２×Ｋ×Ｈ＋Ｈ）となる。 On the other hand, in the case of the left region (Al), since the height (2 × K × H + H) is longer than the width (Wc), T = (2 × K × H + H), and the index value (Sl) is the dispersion value It becomes (vl) / (2 × K × H + H). Similarly, in the case of the right area (Ar), the index value (Sr) is the variance value (vr) / (2 × K × H + H).
なお、本実施形態では、指標値として正規化分散値を用いる例を示したが、正規化分散値以外の指標値を用いてもよい。例えば、ノイズ判定部３２７は、それぞれの周囲領域内で各画素の勾配値（勾配の強さ）を求め、周囲領域内の勾配値の平均値を、指標値として用いてもよい。ここで、各画素の勾配値は、例えば、１つの画素とその周囲にある８画素との間の差分値を求め、その最大値と定義してもよい。
In the present embodiment, an example in which the normalized dispersion value is used as the index value is shown, but an index value other than the normalized dispersion value may be used. For example, the
あるいは、ノイズ判定部３２７は、例えば、線分候補領域の平均の画素値を求め、各周囲領域で、線分候補領域の平均の画素値に対して所定の閾値以内の画素値となる、類似している画素を特定して、その画素数を求め、その画素数をそれぞれの周囲領域の画素数で割った平均値を、指標値として用いてもよい。
Alternatively, for example, the
ステップＳ９０２において、ノイズ判定部３２７は、算出した指標値（Ｓｕ、Ｓｄ、ｌ、Ｓｒ）に基づいて、線分候補が線分であるのかノイズであるのかを判定する。具体的には、ノイズ判定部３２７は、指標値についての下記の条件が成立するか否かを判定する。
・Ｓｕ＜Ｔｈ１、かつ、Ｓｄ＜Ｔｈ１
・Ｓｌ＜Ｔｈ２、かつ、Ｓｒ＜Ｔｈ２
ただし、Ｔｈ１、Ｔｈ２は所定の閾値である。
In step S902, the
Su <Th 1 and Sd <Th 1
Sl <Th 2 and Sr <Th 2
However, Th 1 and Th 2 are predetermined threshold values.
ステップＳ９０２において上記条件が成立すると判定した場合には（ステップＳ９０２においてＹｅｓの場合には）、ステップＳ９０３に進む。ステップＳ９０２において、ノイズ判定部３２７は、処理対象の線分候補が、線分であると判定する。つまり、周囲領域に分布している黒画素が少なく、正規化分散値が小さい場合には、処理対象の線分候補が、線分であると判定する。
If it is determined in step S902 that the above condition is satisfied (in the case of Yes in step S902), the process proceeds to step S903. In step S902, the
ステップＳ９０４において、ノイズ判定部３２７は、線分であると判定した線分候補についての線分候補領域情報を、線分情報として、帳票識別部１２３に出力する。
In step S904, the
一方、ステップＳ９０２において上記条件が成立しないと判定した場合には（ステップＳ９０２においてＮｏの場合には）、ステップＳ９０５に進む。ステップＳ９０５において、ノイズ判定部３２７は、処理対象の線分候補が、ノイズであると判定する。つまり、周囲領域に分布している黒画素が多く、正規化分散値が大きい場合には、処理対象の線分候補が、線分ではない（ノイズである）と判定する。
On the other hand, when it is determined in step S902 that the above condition is not satisfied (in the case of No in step S902), the process proceeds to step S905. In step S905, the
＜線分抽出処理の効果＞
次に、線分抽出処理（図４）の効果について説明する。図１０は、線分抽出処理の効果を説明するための図である。
<Effect of line segment extraction processing>
Next, the effect of the line segment extraction process (FIG. 4) will be described. FIG. 10 is a diagram for explaining the effect of the line segment extraction process.
図１０（ａ）は、文字列の一部が黒ラン画像として抽出され、線分候補に外接する外接矩形領域１００１が特定された様子を示している。このような場合でも、線分抽出処理（図４）によれば、上領域（Ａｕ）の分散値（ｖｕ）が大きくなる。このため、指標値（Ｓｕ）＜Ｔｈ１が成立せず、ノイズ判定部３２７は、当該線分候補をノイズと判定する。つまり、線分抽出処理（図４）によれば、誤抽出を低減させることができる。
FIG. 10A shows that a part of the character string is extracted as a black run image, and a circumscribed
図１０（ｂ）は、文字列の一部が黒ラン画像として抽出され、線分候補に外接する外接矩形領域１００２が特定された様子を示している。このような場合でも、線分抽出処理（図４）によれば、左領域（Ａｌ）の分散値（ｖｌ）と右領域（Ａｒ）の分散値（ｖｒ）が大きくなる。このため、指標値（Ｓｌ）＜Ｔｈ２及び指標値（Ｓｒ）＜Ｔｈ２が成立せず、ノイズ判定部３２７では、当該線分候補をノイズと判定する。つまり、線分抽出処理（図４）によれば、誤抽出を低減させることができる。
FIG. 10B shows that a part of the character string is extracted as a black run image, and a circumscribed
図１０（ｃ）は、線分が黒ラン画像として抽出され、線分候補に外接する外接矩形領域１００３が特定された様子を示している。図１０（ｃ）の場合、上領域（Ａｕ）において文字列が重なっているため、上領域（Ａｕ）の分散値（ｖｕ）は大きくなる。
FIG. 10C shows that a line segment is extracted as a black run image, and a circumscribed
しかしながら、文字列が重なっているのは、線分の一部にすぎないため、指標値（Ｓｕ）＝ｖｕ／（２×Ｋ×Ｈ＋Ｈ）を算出した場合、指標値（Ｓｕ）は所定の閾値Ｔｈ１よりも小さくなる。この結果、ノイズ判定部３２７では、当該線分候補を線分と判定する。つまり、線分抽出処理（図４）によれば、線分の抽出漏れを防ぐことができる。
However, since it is only a part of the line segment that the character strings overlap, when the index value (Su) = vu / (2 × K × H + H) is calculated, the index value (Su) is a predetermined threshold. It becomes smaller than Th 1 . As a result, the
以上の説明から明らかなように、第１の実施形態における画像処理装置は、帳票画像から線分候補を抽出し、抽出した線分候補について、周囲領域を特定する。そして、第１の実施形態における画像処理装置は、特定した周囲領域に含まれる各画素の正規化分散値が、所定の値より小さいか否かに応じて、抽出した線分候補が線分であるのかノイズであるのかを判定する。 As is clear from the above description, the image processing apparatus according to the first embodiment extracts line segment candidates from the form image, and specifies surrounding regions of the extracted line segment candidates. Then, in the image processing apparatus according to the first embodiment, the extracted line segment candidate is a line segment depending on whether the normalized dispersion value of each pixel included in the specified surrounding area is smaller than a predetermined value. Determine if there is a noise.
これにより、第１の実施形態における画像処理装置によれば、帳票画像から線分を抽出する際の誤抽出を低減させることができる。 Thus, according to the image processing apparatus in the first embodiment, it is possible to reduce erroneous extraction when extracting line segments from a form image.
［第２の実施形態］
上記第１の実施形態では、横方向の線分候補についての線分候補抽出処理、上下領域情報算出処理、左右領域情報算出処理を説明したが、縦方向の線分候補についても同様である。
Second Embodiment
In the first embodiment, the line segment candidate extraction process, the upper and lower area information calculation process, and the left and right area information calculation process for line segment candidates in the horizontal direction have been described, but the same applies to the line segment candidates in the vertical direction.
例えば、縦方向の線分候補の場合、画像に含まれる文字の高さを基準として、上領域及び下領域を特定する。縦方向の線分候補の場合、横方向の線分候補についての左右領域情報算出処理において、幅を高さと読み替え、高さを幅と読み替え、左領域を上領域と読み替え、右領域を下領域と読み替えることにより、上下領域情報算出処理を実行することができる。 For example, in the case of a line segment candidate in the vertical direction, the upper area and the lower area are specified based on the height of characters included in the image. In the case of the line segment candidate in the vertical direction, in the left and right area information calculation processing for the line segment candidate in the horizontal direction, the width is read as height, the height is read as width, the left area is read as upper area, and the right area is lower area. The upper and lower area information calculation process can be executed by replacing the above.
同様に、縦方向の線分候補の場合、線分の太さを基準として、左領域及び右領域を特定する。縦方向の線分候補の場合、横方向の線分候補についての上下領域情報算出処理において、幅を高さと読み替え、高さを幅と読み替え、上領域を左領域と読み替え、下領域を右領域と読み替えることにより、左右領域情報算出処理を実行することができる。 Similarly, in the case of a line segment candidate in the vertical direction, the left area and the right area are specified based on the thickness of the line segment. In the case of the line segment candidate in the vertical direction, in the upper and lower area information calculation processing for the line segment candidate in the horizontal direction, the width is read as height, the height is read as width, the upper area is read as the left area, and the lower area is the right area By replacing with, it is possible to execute the left and right area information calculation processing.
また、上記第１の実施形態において説明した周囲領域（上領域、下領域、左領域、右領域）それぞれの幅及び高さの算出方法は一例にすぎず、他の算出方法により幅及び高さを算出してもよい。 In addition, the method of calculating the width and height of each of the surrounding regions (upper region, lower region, left region, right region) described in the first embodiment is merely an example, and the width and height may be calculated by another calculation method. May be calculated.
また、上記第１の実施形態では、指標値（正規化分散値）を算出するにあたり、２値化画像を用いるものとして説明したが、２値化画像に代えて帳票画像を用いてもよい。 Further, in the first embodiment, it has been described that the binarized image is used to calculate the index value (normalized variance value). However, the form image may be used instead of the binarized image.
また、上記第１の実施形態では、文字サイズ算出処理の際、２値化画像全体から文字幅（及び文字高さ）を算出するものとして説明した。しかしながら、２値化画像を複数の領域に分け、それぞれの領域において文字幅（及び文字高さ）を算出するようにしてもよい。 In the first embodiment, the character width (and the character height) is calculated from the entire binarized image in the character size calculation process. However, the binarized image may be divided into a plurality of regions, and the character width (and character height) may be calculated in each of the regions.
また、上記第１の実施形態では、画像処理装置１２０を、読取装置１１０とは別体として設けるものとして説明した。しかしながら、画像処理装置１２０の各部（前処理部１２１、線分抽出部１２２、帳票識別部１２３、文字認識部１２４）の全部または一部は、読取装置１１０において実現されてもよい。
In the first embodiment, the
また、上記第１の実施形態では、読取装置１１０として、スキャナ等の画像形成装置を例示したが、例えば、読取装置１１０として、ＭＦＰ（Multi-Function Peripheral）等の画像形成装置を用いてもよい。
In the first embodiment, an image forming apparatus such as a scanner is exemplified as the
なお、開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
画像から線分の候補領域を抽出し、
前記線分の候補領域の周囲となる周囲領域を特定し、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する、
処理をコンピュータに実行させる線分抽出プログラム。
（付記２）
前記線分の候補領域の上下方向と左右方向の独立した領域を、前記周囲領域として特定することを特徴とする付記１に記載の線分抽出プログラム。
（付記３）
前記画像に含まれる文字の幅を特定し、
前記文字の幅を基準として、前記周囲領域の左右方向の大きさを決定することを特徴とする付記１または２に記載の線分抽出プログラム。
（付記４）
前記画像における線分の太さを特定し、
前記線分の太さを基準として、前記周囲領域の上下方向の大きさを決定することを特徴とする付記３に記載の線分抽出プログラム。
（付記５）
前記画像に含まれる文字の高さを特定し、
前記文字の高さを基準として、前記周囲領域の上下方向の大きさを決定することを特徴とする付記１または２に記載の線分抽出プログラム。
（付記６）
前記画像における線分の太さを特定し、
前記線分の太さを基準として、前記周囲領域の左右方向の大きさを決定することを特徴とする付記５に記載の線分抽出プログラム。
（付記７）
画像から線分の候補領域を抽出する抽出部と、
前記線分の候補領域の周囲となる周囲領域を特定する特定部と、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する判定部と
を有することを特徴とする画像処理装置。
（付記８）
画像から線分の候補領域を抽出し、
前記線分の候補領域の周囲となる周囲領域を特定し、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する、
処理をコンピュータが実行する線分抽出方法。
In addition, in the disclosed technology, a form such as that described below can be considered.
(Supplementary Note 1)
Extract line segment candidate regions from the image,
Identifying a surrounding area around the candidate area of the line segment;
It is determined whether the candidate area of the line segment is a line segment based on an index value calculated from the feature amount of the surrounding area.
A line segment extraction program that causes a computer to execute processing.
(Supplementary Note 2)
The line segment extraction program according to
(Supplementary Note 3)
Identify the width of the characters contained in the image,
The line segment extraction program according to
(Supplementary Note 4)
Identify the thickness of the line segment in the image,
The line segment extraction program according to Additional Note 3, wherein the vertical size of the surrounding area is determined based on the thickness of the line segment.
(Supplementary Note 5)
Identify the height of the characters contained in the image,
The line segment extraction program according to any one of
(Supplementary Note 6)
Identify the thickness of the line segment in the image,
The line segment extraction program according to Additional Note 5, wherein the size of the surrounding area in the lateral direction is determined based on the thickness of the line segment.
(Appendix 7)
An extraction unit for extracting line segment candidate regions from the image;
A specification unit that specifies a surrounding area around the candidate area of the line segment;
A determination unit that determines whether the candidate region of the line segment is a line segment based on an index value calculated from the feature amount of the surrounding region.
(Supplementary Note 8)
Extract line segment candidate regions from the image,
Identifying a surrounding area around the candidate area of the line segment;
It is determined whether the candidate area of the line segment is a line segment based on an index value calculated from the feature amount of the surrounding area.
A line segment extraction method in which a computer executes processing.
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。 Note that the present invention is not limited to the configurations shown here, such as combinations with other elements in the configurations and the like described in the above embodiments. These points can be modified without departing from the spirit of the present invention, and can be appropriately determined according to the application form.
１００ ：帳票画像処理システム
１１０ ：読取装置
１２０ ：画像処理装置
１２１ ：前処理部
１２２ ：線分抽出部
１２３ ：帳票識別部
１２４ ：文字認識部
３２１ ：２値化画像取得部
３２２ ：黒ラン画像抽出部
３２３ ：線分候補領域特定部
３２４ ：文字領域画像抽出部
３２５ ：文字サイズ算出部
３２６ ：周囲領域特定部
３２７ ：ノイズ判定部
６０１、６０２ ：線分
６１１、６１２ ：外接矩形領域
６２１、６２２ ：外接矩形領域
６３１〜６３６ ：外接矩形領域
100: form image processing system 110: reading device 120: image processing device 121: pre-processing unit 122: line segment extraction unit 123: form identification unit 124: character recognition unit 321: binarized image acquisition unit 322: black run image extraction Section 323: Line segment candidate area specification section 324: Character area image extraction section 325: Character size calculation section 326: Surrounding area specification section 327: Noise determination section 601, 602: Line segment 611, 612: circumscribed
Claims (6)
前記線分の候補領域の周囲となる周囲領域を特定し、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する、
処理をコンピュータに実行させる線分抽出プログラム。 Extract line segment candidate regions from the image,
Identifying a surrounding area around the candidate area of the line segment;
It is determined whether the candidate area of the line segment is a line segment based on an index value calculated from the feature amount of the surrounding area.
A line segment extraction program that causes a computer to execute processing.
前記文字の幅を基準として、前記周囲領域の左右方向の大きさを決定することを特徴とする請求項１または２に記載の線分抽出プログラム。 Identify the width of the characters contained in the image,
3. The line segment extraction program according to claim 1, wherein the size of the surrounding area in the left-right direction is determined based on the width of the character.
前記線分の太さを基準として、前記周囲領域の上下方向の大きさを決定することを特徴とする請求項３に記載の線分抽出プログラム。 Identify the thickness of the line segment in the image,
4. The line segment extraction program according to claim 3, wherein the vertical size of the surrounding area is determined based on the thickness of the line segment.
前記線分の候補領域の周囲となる周囲領域を特定する特定部と、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する判定部と
を有することを特徴とする画像処理装置。 An extraction unit for extracting line segment candidate regions from the image;
A specification unit that specifies a surrounding area around the candidate area of the line segment;
A determination unit that determines whether the candidate region of the line segment is a line segment based on an index value calculated from the feature amount of the surrounding region.
前記線分の候補領域の周囲となる周囲領域を特定し、
前記周囲領域の特徴量から算出される指標値に基づいて、前記線分の候補領域が線分か否かを判定する、
処理をコンピュータが実行する線分抽出方法。 Extract line segment candidate regions from the image,
Identifying a surrounding area around the candidate area of the line segment;
It is determined whether the candidate area of the line segment is a line segment based on an index value calculated from the feature amount of the surrounding area.
A line segment extraction method in which a computer executes processing.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017171465A JP2019046377A (en) | 2017-09-06 | 2017-09-06 | Line segment extraction program, image processing device and line segment extraction method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017171465A JP2019046377A (en) | 2017-09-06 | 2017-09-06 | Line segment extraction program, image processing device and line segment extraction method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2019046377A true JP2019046377A (en) | 2019-03-22 |
Family
ID=65814388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017171465A Pending JP2019046377A (en) | 2017-09-06 | 2017-09-06 | Line segment extraction program, image processing device and line segment extraction method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2019046377A (en) |
-
2017
- 2017-09-06 JP JP2017171465A patent/JP2019046377A/en active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9430704B2 (en) | Image processing system with layout analysis and method of operation thereof | |
| JP4310288B2 (en) | Image processing apparatus and method, program, and storage medium | |
| JP4877374B2 (en) | Image processing apparatus and program | |
| JP2017041228A (en) | Lane detection | |
| EP2908267B1 (en) | Image processing device and image processing method | |
| JP5934174B2 (en) | Method and program for authenticating a printed document | |
| JP2003058879A (en) | Method and device for processing image | |
| US20150228045A1 (en) | Methods for embedding and extracting a watermark in a text document and devices thereof | |
| US8194941B2 (en) | Character noise eliminating apparatus, character noise eliminating method, and character noise eliminating program | |
| US20180068200A1 (en) | Medium storing image processing program, image processing method, and image processing device | |
| RU2581786C1 (en) | Determination of image transformations to increase quality of optical character recognition | |
| JP2016162420A (en) | Attention area detection device, attention area detection method and program | |
| JP2013235581A (en) | Image processing method and device | |
| JP2019016350A (en) | Identification of emphasized text in electronic documents | |
| JP6255944B2 (en) | Image analysis apparatus, image analysis method, and image analysis program | |
| JP2011087144A (en) | Telop character area detection method, telop character area detection device, and telop character area detection program | |
| CN111027545A (en) | Card picture mark detection method and device, computer equipment and storage medium | |
| JP2006252562A (en) | Image recognition method | |
| JP2019046377A (en) | Line segment extraction program, image processing device and line segment extraction method | |
| JP2017134598A (en) | Image retrieval device, image retrieval method, and program | |
| JP5005633B2 (en) | Image search apparatus, image search method, information processing program, and recording medium | |
| CN111670458A (en) | Reading system | |
| JP6922690B2 (en) | Character area extraction program, character area extraction device and character area extraction method | |
| JP5277750B2 (en) | Image processing program, image processing apparatus, and image processing system | |
| JP4381445B2 (en) | Image characteristic determination processing apparatus, image characteristic determination processing method, program for executing the method, and computer-readable storage medium storing the program |