JP2542947B2 - 画像処理装置 - Google Patents
画像処理装置Info
- Publication number
- JP2542947B2 JP2542947B2 JP2119066A JP11906690A JP2542947B2 JP 2542947 B2 JP2542947 B2 JP 2542947B2 JP 2119066 A JP2119066 A JP 2119066A JP 11906690 A JP11906690 A JP 11906690A JP 2542947 B2 JP2542947 B2 JP 2542947B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- line segment
- sum
- point
- points
- 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.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
【発明の詳細な説明】 発明の目的 ［産業上の利用分野］ 本発明は画像処理装置に関し、詳しくは画像の特徴点
（開放点，接続点，分岐点など）を分類する画像処理装
置に関する。
（開放点，接続点，分岐点など）を分類する画像処理装
置に関する。
［従来の技術］ 従来、画像に存在する特徴点、例えば第８図に示すよ
うに開放点P1,接続点P2,分岐点P3などを分類する画像処
理装置として、画像のラスタデータに対して細線化や芯
線化の処理を施し、得られた画像に対して所定の形状を
したマスクパターンを当てはめて処理を行なうものが知
られている。例えば、第９図（Ａ）に示す３×３のパタ
ーンを用い、着目画素の回りの８つの画素に（Ｂ）のパ
ターンが現れた場合には開放点と分類し、（Ｃ），
（Ｄ），（Ｅ）の各パターンが現れた場合にはそれぞれ
接続点,3分岐点,4分岐点と分類するのである。また、マ
スクパターンに特定の不感帯を設けて分類の精度を高め
ようとするものも提案されている（例えば、特開昭62−
114077号公報の「画素特徴抽出装置」）。
うに開放点P1,接続点P2,分岐点P3などを分類する画像処
理装置として、画像のラスタデータに対して細線化や芯
線化の処理を施し、得られた画像に対して所定の形状を
したマスクパターンを当てはめて処理を行なうものが知
られている。例えば、第９図（Ａ）に示す３×３のパタ
ーンを用い、着目画素の回りの８つの画素に（Ｂ）のパ
ターンが現れた場合には開放点と分類し、（Ｃ），
（Ｄ），（Ｅ）の各パターンが現れた場合にはそれぞれ
接続点,3分岐点,4分岐点と分類するのである。また、マ
スクパターンに特定の不感帯を設けて分類の精度を高め
ようとするものも提案されている（例えば、特開昭62−
114077号公報の「画素特徴抽出装置」）。
一方、ラスタデータに対して細線化や芯線化を行なっ
て画像をベクトルデータに変換し、得られたベクトル
（線分）に基づいて特徴点を分類する装置も知られてい
る。例えば、ベクトル化された線分V1の端点Paに所定の
大きさを有するマスク領域MAを設定し、そのマスク領域
MAに端点の一方のみが存在する線分の数ｎにより、ｎ分
岐点と判断するのである。「Ｔ」字形の線図形とこれを
細線化したものを示す第10図（Ａ），（Ｂ）の例では、
線分V1,V4,V5はその一方の端点のみがマスク領域MAに含
まれ、線分V2,V3は両端点が含まれることから、３分岐
点と判断される。かかる装置は、ラスタデータのままで
処理するものと比べて、特徴点の分類を記憶容量の小さ
なシステムでも高速に行なうことができる。
て画像をベクトルデータに変換し、得られたベクトル
（線分）に基づいて特徴点を分類する装置も知られてい
る。例えば、ベクトル化された線分V1の端点Paに所定の
大きさを有するマスク領域MAを設定し、そのマスク領域
MAに端点の一方のみが存在する線分の数ｎにより、ｎ分
岐点と判断するのである。「Ｔ」字形の線図形とこれを
細線化したものを示す第10図（Ａ），（Ｂ）の例では、
線分V1,V4,V5はその一方の端点のみがマスク領域MAに含
まれ、線分V2,V3は両端点が含まれることから、３分岐
点と判断される。かかる装置は、ラスタデータのままで
処理するものと比べて、特徴点の分類を記憶容量の小さ
なシステムでも高速に行なうことができる。
［発明が解決しようとする課題］ しかしながら、接続点や分岐点などの特徴点の近傍に
は、線切れ（第11図（Ａ）参照）や突出（第11図（Ｂ）
参照）などが存在することがあり、特徴点をうまく分類
できないという問題があった。第12図（Ａ）に示す矢印
図形を例にとってこの問題を説明する。本来一つの３分
岐点と３つの開放点とを有する元の矢印図形に若干の歪
等があり、ベクトル化によって、第12図（Ｂ）に示すよ
うに、線分v1ないしv6の線分が得られた。これらの線分
v1ないしv6に対して、その各々の端点に大きさＬ×Ｌの
マスク領域m1ないしm7を設定し、マスク領域に一方の端
点のみが存在する線分の数を抽出する。各マスク領域m1
ないしm7に存在する線分の数は、次の通りである。な
お、括弧内は該当する線分の符号を示す。
は、線切れ（第11図（Ａ）参照）や突出（第11図（Ｂ）
参照）などが存在することがあり、特徴点をうまく分類
できないという問題があった。第12図（Ａ）に示す矢印
図形を例にとってこの問題を説明する。本来一つの３分
岐点と３つの開放点とを有する元の矢印図形に若干の歪
等があり、ベクトル化によって、第12図（Ｂ）に示すよ
うに、線分v1ないしv6の線分が得られた。これらの線分
v1ないしv6に対して、その各々の端点に大きさＬ×Ｌの
マスク領域m1ないしm7を設定し、マスク領域に一方の端
点のみが存在する線分の数を抽出する。各マスク領域m1
ないしm7に存在する線分の数は、次の通りである。な
お、括弧内は該当する線分の符号を示す。
m1…１（v1） m2…１（v2） m3…２（v2,v3） m4…４（v1,v3,v5,v6） m5…１（v5） m6…４（v1,v3,v5,v6） m7…１（v6） この結果、端点P1,P2,P5,P7は開放点として、端点P3
は接続点として、端点P4,P6は４分岐点として、各々認
識されてしまう。これらの情報を総合して、端点P3,4,
6,7について全体として３分岐点と判断するためには、
きわめて複雑な処理を必要とし、特徴点の分類に時間を
要するばかりか、誤りも生じ易くなるという問題があっ
た。
は接続点として、端点P4,P6は４分岐点として、各々認
識されてしまう。これらの情報を総合して、端点P3,4,
6,7について全体として３分岐点と判断するためには、
きわめて複雑な処理を必要とし、特徴点の分類に時間を
要するばかりか、誤りも生じ易くなるという問題があっ
た。
こうした問題は、画像の歪や欠落が、細線化処理や芯
線化処理によりラスタデータをベクトル化する過程で生
じる場合も同様である。例えば、先に説明した「Ｔ」字
図形（第10図）では細線化の処理により、３分岐点であ
る点Paの近傍では歪を生じる。また、第13図（Ａ）に示
す矢印の図形を例にとってみると、輪郭線から芯線化を
行なう過程（第13図（Ｂ）参照）により、３分岐点であ
る点Pbの近傍では、第13図（Ｃ）に示すように線の欠落
を生じる。こうした歪や欠落の結果、特徴点の分類を誤
ることがあるのである。
線化処理によりラスタデータをベクトル化する過程で生
じる場合も同様である。例えば、先に説明した「Ｔ」字
図形（第10図）では細線化の処理により、３分岐点であ
る点Paの近傍では歪を生じる。また、第13図（Ａ）に示
す矢印の図形を例にとってみると、輪郭線から芯線化を
行なう過程（第13図（Ｂ）参照）により、３分岐点であ
る点Pbの近傍では、第13図（Ｃ）に示すように線の欠落
を生じる。こうした歪や欠落の結果、特徴点の分類を誤
ることがあるのである。
本発明は上記問題点を解決し、ベクトル化された線分
を基に、画像に存在する特徴点を容易かつ的確に分類す
ることを目的としている。
を基に、画像に存在する特徴点を容易かつ的確に分類す
ることを目的としている。
発明の構成 かかる目的を達成する本発明の構成について以下説明
する。
する。
［課題を解決するための手段］ 本発明の画像処理装置は、第１図に例示するように、 画像に存在する特徴点を分類する画像処理装置であっ
て、 画像のラスタデータをベクトルデータに変換して線分
を抽出する線分抽出手段M1と、 該抽出された線分の端点を基準点として、該基準点を
含むマスク領域を設定するマスク領域設定手段M2と、 前記各線分について設定された前記各マスク領域につ
いて、相互に重なったマスク領域が存在する場合にはこ
れを連続した一つの領域に統合した和領域として抽出す
る和領域抽出手段M3と、 独立した各和領域の各々について、前記線分のうち一
方の端点のみが存在する線分の集合を抽出する有効線分
抽出手段M4と、 該抽出された集合の要素の数に基づいて、前記各和領
域の特徴点を分類する特徴点分類手段M5と を備えたことを要旨とする。
て、 画像のラスタデータをベクトルデータに変換して線分
を抽出する線分抽出手段M1と、 該抽出された線分の端点を基準点として、該基準点を
含むマスク領域を設定するマスク領域設定手段M2と、 前記各線分について設定された前記各マスク領域につ
いて、相互に重なったマスク領域が存在する場合にはこ
れを連続した一つの領域に統合した和領域として抽出す
る和領域抽出手段M3と、 独立した各和領域の各々について、前記線分のうち一
方の端点のみが存在する線分の集合を抽出する有効線分
抽出手段M4と、 該抽出された集合の要素の数に基づいて、前記各和領
域の特徴点を分類する特徴点分類手段M5と を備えたことを要旨とする。
［作用］ 上記構成を有する本発明の画像処理装置は、線分抽出
手段M1により画像のラスタデータをベクトルデータに変
換して線分を抽出する。こうして抽出された線分に対
し、マスク領域設定手段M2により、その線分の端点を基
準点としてマスク領域を設定し、和領域抽出手段M3によ
り、各マスク領域について、相互に重なったものが存在
する場合には、これを連続した一つの領域に統合し、和
領域として抽出する。
手段M1により画像のラスタデータをベクトルデータに変
換して線分を抽出する。こうして抽出された線分に対
し、マスク領域設定手段M2により、その線分の端点を基
準点としてマスク領域を設定し、和領域抽出手段M3によ
り、各マスク領域について、相互に重なったものが存在
する場合には、これを連続した一つの領域に統合し、和
領域として抽出する。
抽出された和領域のうち独立した各和領域の各々につ
いて、有効線分抽出手段M4により、線分のうち一方の端
点のみが存在する線分の集合を抽出する。特徴点分類手
段M5は、抽出された集合の要素の数に基づいて、各和領
域の特徴点を分類する。こうして画像に存在する特徴点
の分類が行なわれるが、本発明では、抽出した線分の端
点に単純なマスク領域を設定するものと較べて、独立し
た各和領域が、図形の特徴を反映した形状となり、大域
的な特徴の抽出を可能としている。
いて、有効線分抽出手段M4により、線分のうち一方の端
点のみが存在する線分の集合を抽出する。特徴点分類手
段M5は、抽出された集合の要素の数に基づいて、各和領
域の特徴点を分類する。こうして画像に存在する特徴点
の分類が行なわれるが、本発明では、抽出した線分の端
点に単純なマスク領域を設定するものと較べて、独立し
た各和領域が、図形の特徴を反映した形状となり、大域
的な特徴の抽出を可能としている。
［実施例］ 以上説明した本発明の構成・作用を一層明らかにする
ために、以下本発明の画像処理装置の好適な実施例につ
いて説明する。第２図は本発明の一実施例としての画像
処理装置の概略構成を示すブロック図である。
ために、以下本発明の画像処理装置の好適な実施例につ
いて説明する。第２図は本発明の一実施例としての画像
処理装置の概略構成を示すブロック図である。
図示するように、この画像処理装置は、周知のCPU1,R
OM3,RAM5を備えた処理ユニット10と、原稿上の画像をラ
スタデータとして読み込むイメージスキャナ12と、画像
処理の指示や処理結果の表示を行なう端末機15とから構
成されている。
OM3,RAM5を備えた処理ユニット10と、原稿上の画像をラ
スタデータとして読み込むイメージスキャナ12と、画像
処理の指示や処理結果の表示を行なう端末機15とから構
成されている。
処理ユニット10は、算術論理演算回路として構成され
ており、ROM3に格納されたプログラムに従って処理を行
なうCPU1は、コモンバス17を介して、ベクトル演算用プ
ロセッサ20,イメージスキャナ12に直結された画像入力
ポート22,端末機15に直結された端末制御部25に接続さ
れている。イメージスキャナ12は、原稿台に載置された
原稿を光学的にスキャンし白黒の二値情報として画像デ
ータを読み取るものである。CPU1は、端末機15からの指
示により、イメージスキャナ12が読み取った画像データ
を画像入力ポート22に内蔵された画像バッファの所定の
領域に展開する。端末機15は、こうした一連の画像処理
の作業を処理ユニット10に指示すると共に、画像処理の
過程や処理結果をその表示部に表示する。
ており、ROM3に格納されたプログラムに従って処理を行
なうCPU1は、コモンバス17を介して、ベクトル演算用プ
ロセッサ20,イメージスキャナ12に直結された画像入力
ポート22,端末機15に直結された端末制御部25に接続さ
れている。イメージスキャナ12は、原稿台に載置された
原稿を光学的にスキャンし白黒の二値情報として画像デ
ータを読み取るものである。CPU1は、端末機15からの指
示により、イメージスキャナ12が読み取った画像データ
を画像入力ポート22に内蔵された画像バッファの所定の
領域に展開する。端末機15は、こうした一連の画像処理
の作業を処理ユニット10に指示すると共に、画像処理の
過程や処理結果をその表示部に表示する。
処理ユニット10に内蔵されたベクトル演算用プロセッ
サ20は、画像入力ポート22の画像バッファに展開された
画像データ（ラスタデータ）に対してベクトル演算を行
なって、原画像に存在する線分のベクトルデータを抽出
するプロセッサである。ベクトルデータとしては、始点
と方向と長さ、あるいは始点と終点の座標といった形式
が考えられる。
サ20は、画像入力ポート22の画像バッファに展開された
画像データ（ラスタデータ）に対してベクトル演算を行
なって、原画像に存在する線分のベクトルデータを抽出
するプロセッサである。ベクトルデータとしては、始点
と方向と長さ、あるいは始点と終点の座標といった形式
が考えられる。
次に、処理ユニット10が行なう特徴点抽出処理の概要
について、第３図のフローチャートに従って説明する。
なお、原画像の例としては、従来技術として説明した第
12図（Ａ）に示す矢印図形を取り上げる。
について、第３図のフローチャートに従って説明する。
なお、原画像の例としては、従来技術として説明した第
12図（Ａ）に示す矢印図形を取り上げる。
本実施例の画像処理装置は、特徴抽出点処理を開始す
ると、まず画像を入力する処理を行なう（ステップ10
0）。即ち、イメージスキャナ12から読み取ったラスタ
データを画像入力ポート22の画像バッファに展開するの
である。
ると、まず画像を入力する処理を行なう（ステップ10
0）。即ち、イメージスキャナ12から読み取ったラスタ
データを画像入力ポート22の画像バッファに展開するの
である。
続いて、このラスタデータから線分を抽出する処理を
行なう（ステップ110）。線分の抽出は、ラスタデータ
に対してベクトル演算用プロセッサ20により、画像の細
線化と細線化された画像を所定長さ以上の線分の集合と
して認識し、それらの線分のベクトルデータをRAM5の所
定の領域に格納することにより行なわれる。線分のベク
トルデータとしては、第１表に示すように、始点と終点
の座標を用いた。
行なう（ステップ110）。線分の抽出は、ラスタデータ
に対してベクトル演算用プロセッサ20により、画像の細
線化と細線化された画像を所定長さ以上の線分の集合と
して認識し、それらの線分のベクトルデータをRAM5の所
定の領域に格納することにより行なわれる。線分のベク
トルデータとしては、第１表に示すように、始点と終点
の座標を用いた。
次に、線分の端点を中心にマスク領域を設定する処理
を行ない（ステップ120）、更にその和領域を算出する
処理を行なう（ステップ130）。本実施例では、マスク
領域は、線分の端点を中心とする１辺の長さＬの正方形
の形状とし、その情報を第２表に示すように、マスク領
域毎に、マスク領域の位置、大きさ、方向、形状などの
情報として、RAM5内の所定の領域に記憶する。
を行ない（ステップ120）、更にその和領域を算出する
処理を行なう（ステップ130）。本実施例では、マスク
領域は、線分の端点を中心とする１辺の長さＬの正方形
の形状とし、その情報を第２表に示すように、マスク領
域毎に、マスク領域の位置、大きさ、方向、形状などの
情報として、RAM5内の所定の領域に記憶する。
このマスク領域の大きさは予め定めるものとしてもよ
いし、原画像の最大線幅や読み取り密度などに応じて設
定するものとしても良い。通常の図形では、線幅の1.5
ないし２倍が望ましい。また、その形状は、正方形に限
るものではなく、長方形や円、楕円形状など、種々の形
状を考えることができる。
いし、原画像の最大線幅や読み取り密度などに応じて設
定するものとしても良い。通常の図形では、線幅の1.5
ないし２倍が望ましい。また、その形状は、正方形に限
るものではなく、長方形や円、楕円形状など、種々の形
状を考えることができる。
第12図（Ａ）に示した矢印図形の場合には、細線化の
処理により第12図（Ｂ）に示すように、線分v1ないしv6
が抽出され、その端点に正方形状のマスク領域m1ないし
m7が設定され、第４図に示すように、４個の和領域m10,
20,30,50が算出される。ここで、和領域m30は、（m3）
∪（m4）∪（m6）∪（m7）である。各マスク領域と和領
域との関係も、第２表に示すように互いに関連づけられ
て記憶される。
処理により第12図（Ｂ）に示すように、線分v1ないしv6
が抽出され、その端点に正方形状のマスク領域m1ないし
m7が設定され、第４図に示すように、４個の和領域m10,
20,30,50が算出される。ここで、和領域m30は、（m3）
∪（m4）∪（m6）∪（m7）である。各マスク領域と和領
域との関係も、第２表に示すように互いに関連づけられ
て記憶される。
こうして和領域を算出した後、各マスク領域毎に有効
線分を抽出し（ステップ140）、更に独立した和領域毎
の有効線分を抽出する処理を行なう（ステップ150）。
有効線分とは、独立した各和領域に、端点の一方のみが
属する線分をいい、各和領域におけるマスク領域m1ない
しm7についての有効線分の数は、次の通りである。
線分を抽出し（ステップ140）、更に独立した和領域毎
の有効線分を抽出する処理を行なう（ステップ150）。
有効線分とは、独立した各和領域に、端点の一方のみが
属する線分をいい、各和領域におけるマスク領域m1ない
しm7についての有効線分の数は、次の通りである。
m1…１（v1） m2…１（v2） m3…１（v2） m4…２（v1,v5） m5…１（v5） m6…２（v1,v5） m7…０ このうち、和領域m10,20,30,50にとっての有効線分
は、各和領域を構成する各マスク領域m1ないしm7の有効
線分の和集合を取ることにより求められ、 m10…１（v1） m20…１（v2） m30…３（v1,v2,v5） m50…１（v5） である。
は、各和領域を構成する各マスク領域m1ないしm7の有効
線分の和集合を取ることにより求められ、 m10…１（v1） m20…１（v2） m30…３（v1,v2,v5） m50…１（v5） である。
この結果を踏まえて、次に和領域毎の特徴を抽出する
処理を行なう（ステップ160）。即ち、和領域m10,20,50
については、有効線分の数が各１であることから開放点
と判断し、和領域m30については、有効線分の数が値３
であることから３分岐点と判断するのである。続いて、
その判断の結果を端末機15に出力し（ステップ170）、
「END」に抜けて本処理ルーチンを終了する。
処理を行なう（ステップ160）。即ち、和領域m10,20,50
については、有効線分の数が各１であることから開放点
と判断し、和領域m30については、有効線分の数が値３
であることから３分岐点と判断するのである。続いて、
その判断の結果を端末機15に出力し（ステップ170）、
「END」に抜けて本処理ルーチンを終了する。
以上説明した本実施例の画像処理装置によれば、それ
ぞれのマスク領域から和領域をとって、有効線分を抽出
するので、原画像をベクトル化して線分を抽出する際に
生じる図形の歪や欠落、あるい原画像に元々存在する画
像の突出や線切れなどに影響されることなく、特徴点を
容易かつ的確に分類することができる。即ち、和領域の
形状が、分類しようとする図形の形状に沿った形とな
り、本来その特徴点に関与しない余分な線分は特徴とし
て抽出しないのである。例えば、第５図（Ａ），
（Ｂ），（Ｃ）に示す線切れのある４分岐点や、第６図
（Ａ），（Ｂ），（Ｃ）に示す突出のある接続点などで
も、正確に判断することができる。これらの図形は、従
来の装置では判断を誤ることの多かったものである。
ぞれのマスク領域から和領域をとって、有効線分を抽出
するので、原画像をベクトル化して線分を抽出する際に
生じる図形の歪や欠落、あるい原画像に元々存在する画
像の突出や線切れなどに影響されることなく、特徴点を
容易かつ的確に分類することができる。即ち、和領域の
形状が、分類しようとする図形の形状に沿った形とな
り、本来その特徴点に関与しない余分な線分は特徴とし
て抽出しないのである。例えば、第５図（Ａ），
（Ｂ），（Ｃ）に示す線切れのある４分岐点や、第６図
（Ａ），（Ｂ），（Ｃ）に示す突出のある接続点などで
も、正確に判断することができる。これらの図形は、従
来の装置では判断を誤ることの多かったものである。
また、和領域を取ることから、対象となる特徴点が複
雑になるほど和領域も大きくなってより大域的な判断が
可能になるという利点がある。従って、５分岐点などで
も一括して分類することができ、４分岐点＋３分岐点を
全体として５分岐点と判断するといった複雑な処理を要
しない。こうした利点は、分岐の数が多くなるに従って
顕著であり、例えば第７図（Ａ），（Ｂ），（Ｃ）に示
すように、８分岐でしかも芯線化の過程で中心部に欠落
を生じる場合でも、本実施例の装置により、容易に８分
岐点の判断を行なうことができた。
雑になるほど和領域も大きくなってより大域的な判断が
可能になるという利点がある。従って、５分岐点などで
も一括して分類することができ、４分岐点＋３分岐点を
全体として５分岐点と判断するといった複雑な処理を要
しない。こうした利点は、分岐の数が多くなるに従って
顕著であり、例えば第７図（Ａ），（Ｂ），（Ｃ）に示
すように、８分岐でしかも芯線化の過程で中心部に欠落
を生じる場合でも、本実施例の装置により、容易に８分
岐点の判断を行なうことができた。
しかも、本実施例の画像処理装置によれば、ベクトル
化してから処理を行なうので、取り扱うデータ量が小さ
く、処理を高速化することができるという利点も得られ
る。
化してから処理を行なうので、取り扱うデータ量が小さ
く、処理を高速化することができるという利点も得られ
る。
これらの結果、特徴点の抽出を小型の装置により実現
でき、各種の処理を簡便に行なうことが可能となる。例
えば、印刷製版業界で使用される版下図形に対する画像
形状認識の前処理などを容易に行なうことができ、版下
図形に対する形状認識の精度を高め、版下作製の手間を
軽減し得るという利点も得られる。
でき、各種の処理を簡便に行なうことが可能となる。例
えば、印刷製版業界で使用される版下図形に対する画像
形状認識の前処理などを容易に行なうことができ、版下
図形に対する形状認識の精度を高め、版下作製の手間を
軽減し得るという利点も得られる。
以上本発明の実施例について説明したが、本発明はこ
うした実施例に何等限定されるものではなく、例えばマ
スク領域の形状を線分方向を長手方向とする楕円とした
構成、原画像の線幅に応じてマスク領域の大きさを調整
する構成など、本発明の要旨を逸脱しない範囲におい
て、種々なる態様で実施し得ることは勿論である。
うした実施例に何等限定されるものではなく、例えばマ
スク領域の形状を線分方向を長手方向とする楕円とした
構成、原画像の線幅に応じてマスク領域の大きさを調整
する構成など、本発明の要旨を逸脱しない範囲におい
て、種々なる態様で実施し得ることは勿論である。
発明の効果 以上詳述したように、本発明の画像処理装置は、原画
像から抽出した各線分の端点に設定したマスク領域の和
領域の各々について有効線分を求め、この線分の数に基
づいて特徴点を分類する。従って、大域的な特徴を抽出
することが容易となり、かつ特徴的に本質的に関与しな
い線分（歪や欠落などに対応する部分）を除外すること
ができるので、特徴点の分類を的確に行なうことができ
るという優れた効果を奏する。また、ラスタデータをベ
クトル化してから特徴点の分類を行なうので、取り扱う
データ量が少なくて済み、分類を高速に完了することが
できる。
像から抽出した各線分の端点に設定したマスク領域の和
領域の各々について有効線分を求め、この線分の数に基
づいて特徴点を分類する。従って、大域的な特徴を抽出
することが容易となり、かつ特徴的に本質的に関与しな
い線分（歪や欠落などに対応する部分）を除外すること
ができるので、特徴点の分類を的確に行なうことができ
るという優れた効果を奏する。また、ラスタデータをベ
クトル化してから特徴点の分類を行なうので、取り扱う
データ量が少なくて済み、分類を高速に完了することが
できる。
第１図は本発明の基本的構成を例示するブロック図、 第２図は本発明の一実施例としての画像処理装置の概略
構成を示すブロック図、 第３図は処理ユニット10における処理の概要を示すフロ
ーチャート、 第４図は和領域の設定の様子を示す説明図、 第５図，第６図，第７図は各々本実施例の装置による画
像処理の様子を示す説明図、である。 第８図ないし第13図は従来技術を説明するものであり、 第８図は特徴点を例示する説明図、 第９図はラスタデータによる分類手法を示す説明図、 第10図は細線化による図形の歪の一例を示す説明図、 第11図は原画像に存在する欠落や突出の一例を示す説明
図、 第12図はベクトル化して得られた線分に対してマスク領
域を設定して特徴点の分類を行なう手法を示す説明図、 第13図は矢印図形を芯線化によりベクトル化する過程で
生じる線分の欠落を示す説明図、である。 M1…線分抽出手段 M2…マスク領域設定手段 M3…和領域抽出手段 M4…有効線分抽出手段 M5…特徴点分類手段 １…CPU、10…処理ユニット 12…イメージスキャナ、15…端末機 20…ベクトル演算用プロセッサ 22…画像入力ポート 25…端末制御部
構成を示すブロック図、 第３図は処理ユニット10における処理の概要を示すフロ
ーチャート、 第４図は和領域の設定の様子を示す説明図、 第５図，第６図，第７図は各々本実施例の装置による画
像処理の様子を示す説明図、である。 第８図ないし第13図は従来技術を説明するものであり、 第８図は特徴点を例示する説明図、 第９図はラスタデータによる分類手法を示す説明図、 第10図は細線化による図形の歪の一例を示す説明図、 第11図は原画像に存在する欠落や突出の一例を示す説明
図、 第12図はベクトル化して得られた線分に対してマスク領
域を設定して特徴点の分類を行なう手法を示す説明図、 第13図は矢印図形を芯線化によりベクトル化する過程で
生じる線分の欠落を示す説明図、である。 M1…線分抽出手段 M2…マスク領域設定手段 M3…和領域抽出手段 M4…有効線分抽出手段 M5…特徴点分類手段 １…CPU、10…処理ユニット 12…イメージスキャナ、15…端末機 20…ベクトル演算用プロセッサ 22…画像入力ポート 25…端末制御部
Claims (1)
- 【請求項１】画像に存在する特徴点を分類する画像処理
装置であって、 画像のラスタデータをベクトルデータに変換して線分を
抽出する線分抽出手段と、 該抽出された線分の端点を基準点として、該基準点を含
むマスク領域を設定するマスク領域設定手段と、 前記各線分について設定された前記各マスク領域につい
て、相互に重なったマスク領域が存在する場合にはこれ
を連続した一つの領域に統合した和領域として抽出する
和領域抽出手段と、 独立した各和領域の各々について、前記線分のうち一方
の端点のみが存在する線分の集合を抽出する有効線分抽
出手段と、 該抽出された集合の要素の数に基づいて、前記各和領域
の特徴点を分類する特徴点分類手段と を備えた画像処理装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2119066A JP2542947B2 (ja) | 1990-05-09 | 1990-05-09 | 画像処理装置 |
| US07/693,504 US5146511A (en) | 1990-05-09 | 1991-04-30 | Image processing method and apparatus therefor |
| DE69113858T DE69113858T2 (de) | 1990-05-09 | 1991-05-07 | Verfahren und Gerät zur Bildverarbeitung. |
| EP91107411A EP0456192B1 (en) | 1990-05-09 | 1991-05-07 | Image processing method and apparatus therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2119066A JP2542947B2 (ja) | 1990-05-09 | 1990-05-09 | 画像処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0415884A JPH0415884A (ja) | 1992-01-21 |
| JP2542947B2 true JP2542947B2 (ja) | 1996-10-09 |
Family
ID=14752053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2119066A Expired - Lifetime JP2542947B2 (ja) | 1990-05-09 | 1990-05-09 | 画像処理装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5146511A (ja) |
| EP (1) | EP0456192B1 (ja) |
| JP (1) | JP2542947B2 (ja) |
| DE (1) | DE69113858T2 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0594525A (ja) * | 1991-10-01 | 1993-04-16 | Ezel Inc | 細線化図形の分岐消去方法 |
| JP2813929B2 (ja) * | 1992-02-26 | 1998-10-22 | 大日本スクリーン製造株式会社 | 線画データ合成装置 |
| JP2719644B2 (ja) * | 1992-09-30 | 1998-02-25 | 大日本スクリーン製造株式会社 | カブセ処理方法 |
| US5960109A (en) * | 1993-09-07 | 1999-09-28 | Xerox Corporation | Single pass marker enclosed area detection system and method for a photocopier |
| JP3679512B2 (ja) * | 1996-07-05 | 2005-08-03 | キヤノン株式会社 | 画像抽出装置および方法 |
| US6453069B1 (en) | 1996-11-20 | 2002-09-17 | Canon Kabushiki Kaisha | Method of extracting image from input image using reference image |
| US6665749B1 (en) * | 1999-08-17 | 2003-12-16 | Nec Electronics, Inc. | Bus protocol for efficiently transferring vector data |
| JP4137527B2 (ja) * | 2002-06-06 | 2008-08-20 | 富士通株式会社 | 線分編集支援装置及び方法 |
| JP4963674B2 (ja) * | 2008-02-21 | 2012-06-27 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
| JP5111226B2 (ja) * | 2008-05-02 | 2013-01-09 | キヤノン株式会社 | 画像処理方法、画像処理装置、及び、そのプログラムならびにコンピュータ読み取り可能な記憶媒体 |
| WO2017217628A1 (ko) | 2016-06-14 | 2017-12-21 | 충남대학교산학협력단 | 금속 나노입자-고분자 복합체 박막의 제조방법 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1171627A (en) * | 1966-10-07 | 1969-11-26 | Post Office | Improvements in or relating to Character Recognition Machines |
| JPS5428248B2 (ja) * | 1974-10-21 | 1979-09-14 | ||
| ATA905485A (de) * | 1985-01-17 | 1992-05-15 | Sp Kt Bjuro Dezintegrator | Rotor fuer einen desintegrator |
| JPS62257573A (ja) * | 1986-05-01 | 1987-11-10 | Kanebo Ltd | 図面自動読取システム |
| GB2190778B (en) * | 1986-05-19 | 1990-04-25 | Ricoh Kk | Character recognition with variable subdivisions of a character region |
| US4891750A (en) * | 1986-10-29 | 1990-01-02 | Pitney Bowes Inc. | Optical character recognition by forming and detecting matrices of geo features |
-
1990
- 1990-05-09 JP JP2119066A patent/JP2542947B2/ja not_active Expired - Lifetime
-
1991
- 1991-04-30 US US07/693,504 patent/US5146511A/en not_active Expired - Fee Related
- 1991-05-07 DE DE69113858T patent/DE69113858T2/de not_active Expired - Fee Related
- 1991-05-07 EP EP91107411A patent/EP0456192B1/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| DE69113858T2 (de) | 1996-06-05 |
| US5146511A (en) | 1992-09-08 |
| EP0456192A2 (en) | 1991-11-13 |
| DE69113858D1 (de) | 1995-11-23 |
| EP0456192A3 (en) | 1993-04-21 |
| JPH0415884A (ja) | 1992-01-21 |
| EP0456192B1 (en) | 1995-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2542947B2 (ja) | 画像処理装置 | |
| JPH0877334A (ja) | 顔画像の特徴点自動抽出方法 | |
| US5222158A (en) | Pattern recognition apparatus | |
| US5065439A (en) | Pattern recognition apparatus | |
| US5261033A (en) | Method of and apparatus for converting line graphic into graphic having curve | |
| CN114187309A (zh) | 一种基于卷积神经网络的头发分割方法及系统 | |
| JPH0528254A (ja) | 図画データの自動ベクトル化処理方法、及びそれに使用する装置 | |
| CN112419208A (zh) | 一种基于施工图审查矢量图纸编译方法及系统 | |
| JPH0581474A (ja) | 文字列抽出方法および文字領域検出方法 | |
| JP3140079B2 (ja) | 罫線認識方法及び表処理方法 | |
| JP2803735B2 (ja) | 罫線を含んだ文字認識装置 | |
| JP2803224B2 (ja) | パターンマッチング方法 | |
| JP3449836B2 (ja) | 画像切り抜き方法及び装置 | |
| JP3339239B2 (ja) | 画像データの芯線化処理方法 | |
| JP2000182056A (ja) | 画像処理装置 | |
| JPH02244390A (ja) | ストローク抽出装置 | |
| JP3149069B2 (ja) | 関心領域の自動設定方法 | |
| JP3335032B2 (ja) | 画像連結成分抽出装置 | |
| JP2646577B2 (ja) | 画像情報作成装置 | |
| JPH0773327A (ja) | 図面自動認識装置の破線・鎖線認識方法 | |
| JPH11120366A (ja) | 線分隣接関係決定方法 | |
| JPH0420221B2 (ja) | ||
| JPH043274A (ja) | ベクトル本数低減処理方式 | |
| JPH0793544A (ja) | 図面自動認識装置の寸法線認識方法 | |
| JPH01206470A (ja) | 図形処理装置 |