JP2570415B2

JP2570415B2 - 文字切り出し方法

Info

Publication number: JP2570415B2
Application number: JP1014416A
Authority: JP
Inventors: 三喜男青木
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 1988-04-28
Filing date: 1989-01-24
Publication date: 1997-01-08
Anticipated expiration: 2012-01-08
Also published as: JPH02255995A

Description

【発明の詳細な説明】〔産業上の利用分野〕本発明は、紙面上に書かれた欧米文字を画像として入
力することにより、文字画像から文字領域を捜し出す文
字認識装置の文字切り出し方法に関する。

〔従来の技術〕

近年、文字認識装置の急激なる進歩により、さまざま
な文書画像から文字領域を自動的に抽出し、さらに一つ
一つの文字を切り出し、認識し、自動的に文字ファイル
が作成できるようになってきており、文字の切り出し方
法はさまざまな方法が考え出されてきている。

例えば一般に多く用いられている方法に抽出文字行の
縦方向の周辺分布を計数する方法がある。例えば、第４
図（ａ）に示す様な抽出文字行の縦方向の周辺分布を計
数すると第４図（ｂ）に示すような分布を得る。（第４
図（ｂ）は、文字画像の存在か否かのみを示す）該分布
の値により、文字の存在位置を知ることが可能となり、
一文字一文字の文字の切り出しを行っていた。また、抽
出文字行が第４図（ｃ）に示す様な周辺分布の重なった
文字においては、複数文字と判断した場合に文字ピッチ
により文字の切れ目を推定して、強制的に文字の切り出
しを行っていた。

〔発明が解決しようとする課題〕

しかしながら、この様な方法で文字の切り出しを行う
場合、対象文字画像が、第４図（ａ）に示す様な定ピッ
チの文字画像においては正確に文字の切り出しが可能で
あるが、第４図（ｃ）に示した様な文字画像、第５図
（ａ）に示した様な文字画像、第11図（ａ）に示した様
な文字画像においては、正確な文字の切り出しは不可能
である。第４図（ｃ）の文字画像、第５図（ａ）の文字
画像、第11図（ａ）の文字画像、どれも文字ピッチ不定
のプロポーショナル文字である。従って、従来の方法の
様に単に縦方向の周辺分布より文字位置及び文字ピッチ
を推定することができない。

第４図（ｃ）により従来の方法にて文字の切り出しを
行おうとした場合について述べる。第４図（ｃ）は、第
４図（ａ）と同一フォントの文字画像である。第４図
（ａ）が文字ピッチ一定なのに対し、第４図（ｃ）は文
字ピッチ不定のプロポーショナル文字である。該文字画
像の縦方向の周辺分布第４図（ｄ）に着目すると、殆ど
の部分で第４図（ａ）の周辺分布第４図（ｂ）とほぼ同
じであるが、YOの周辺分布に相当する部分が異なる。第
４図（ｄ）は、Ｙの周辺分布とＯの周辺分布が重なって
しまっている。従って該周辺分布からは、ＹとＯを一つ
の文字として判断してしまうか、あるいは実際と異った
場所で切り離してしまう。今、仮に二つの文字と判断し
て強制的に二つの文字に分けようとした場合、文字ピッ
チに着目すると、第12図に示す1201で文字画像を分離
し、周辺分布の形状に着目すると、1202で文字画像を分
離してしまう。1201、1202どちらの位置で文字画像を分
離しても、ＹかＯの文字の途中で切れ、別の文字と一緒
に抽出されてしまい、正確な文字の抽出は不可能であ
る。

次に第５図（ａ）に示した文字画像より、従来の方法
により文字の切り出しを行う場合について述べる。第５
図（ａ）はmillionという７つの文字により構成される
単語である。該単語の縦方向の周辺分布を計数すると第
５図（ｂ）に示す様に、m,i,l,l,iの５つの文字の周辺
分布501、502、503、504、505は連なって一つの周辺分
布の固まりとなっている。従って、該周辺分布からは簡
単に文字の切れ目を推定することは不可能である。文字
ピッチにより文字の切り離しを行おうとすると、i,l等
の文字は標準文字幅の半分の大きさであるので、二つの
文字で一つの文字と判断して一緒に切り出される可能性
が大きい。また、周辺分布の形状で判断して切り離す
と、i,l等の文字はうまく切り離せるかもしれないが、
文字ｍを分解する可能性が大であり、文字の切り出しの
信頼性が極めて小さい。

また、第11図（ａ）に示した文字画像の場合も、第５
図の場合と同様に周辺分布の形状のみからは文字の正確
な切り出しは不可能である。

そこで本発明は以上の様な課題を解決するもので、そ
の目的とするところは、隣どうしの文字が接触した文字
画像、周辺分布が重なった文字画像、文字ピッチが一定
でない文字画像から一つ一つの文字を正確に切り出す方
法を提供することにある。

〔課題を解決するための手段〕

本発明の文字切り出し方法は、光学的画像入力手段に
より紙面等に書かれた欧米文字画像を読み取り、入力さ
れた画像データ中の文字を認識する文字認識装置の文字
切り出し方法において、文字の切り出しは、連結成分の
輪郭を抽出するとともに、前記輪郭に囲まれた領域の内
側を抽出し、原画像との共通部分をとることにより文字
を抽出することを特徴とするものである。

〔実施例〕

以下本発明について実施例に基づいて詳細に説明す
る。

本発明の文字切り出し手段が構成要素となる文字認識
装置は、第１図のブロック図に示す様に、CPU101、画像
入力装置102、認識文字表示装置103、ROM104、RAM105に
より構成されている。

以下、画像入力装置102によりRAM105に読み込まれた
文字画像中より一つ一つの文字を切り出す本発明の文字
切り出し方法を第２図に示すフローチャートに基づいて
詳細に説明する。

画像入力装置102によりRAM105に読み込まれた文字画
像を第３図（ａ）とする。本発明においては、行方向の
周辺分布より文字の最低線幅を推定する。即ち、まず、
最初に行方向の周辺分布を計数する。文字画像第３図
（ａ）の行方向の周辺分布を計数すると第３図（ｂ）の
301の様な形状の周辺分布を得る。欧米文字は、第３図
（ａ）のｄに相当する文字高の大きな文字、ｅに相当す
る文字高の小さな文字、ｙに相当する文字高は大きいが
文字位置が低い文字の３種類の文字から構成されてい
る。従って、該３種類の文字から構成されている文字画
像の行方向の周辺分布を計数すると、通常第３図（ｂ）
に示す301の様な形状の周辺分布となる。該周辺分布301
は、311,312,313の三つの領域が合わさってできてお
り、文字画像によっては、312の領域あるいは313の領域
が存在しない場合がある。しかしながら、311の領域は
常に存在し、該領域の幅304は、文字高の小さな文字の
高さ（以下標準文字高と呼ぶ）に相当する。従って、周
辺分布の形状に着目することにより標準文字高304を知
ることが可能となる。また、印刷欧米活字は、標準文字
高と文字線の太さとの間に通常標準文字高：文字線の太さ≧16:1 の関係が成り立つ。従って、文字画像の垂直方向の周辺
分布に着目した場合、周辺分布の値が標準文字高の1/16
よりも低い値の部分は文字のひげ部分であり、あるい
は、文字が接触している部分であると判断できる。ここ
で、判断の基準となる標準文字高の1/16の値を最低線幅
として求めておく。

次の段階として、行方向と垂直な方向の周辺分布より
標準文字幅を推定するが、実施例として標準文字幅の他
に標準文字間隔、単語間隔も求める例を示す。まず最初
に、文字行と垂直な方向に投影した場合、文字画像が存
在するか否かのデータを求める。文字画像を第４図
（ａ）とした場合、文字画像が存在するか否かのデータ
すなわち文字画像と垂直の方向に投影したデータを第４
図（ｂ）である。領域401は文字画像が存在する部分、
領域402は文字画像が存在しない部分、すなわち文字間
隔に相当する部分である。該文字が存在しない部分402
の統計をとると第６図（ａ）の様になる。同様に、文字
画像第４図（ｃ）の投影したデータ第４図（ｄ）の文字
画像が存在しない部分402の統計をとると第６図（ｂ）
の様になる。第６図（ａ）、第６図（ｂ）の実線で示さ
れたデータは、第４図（ｂ）、第４図（ｄ）のデータを
それぞれ示すが、一般に文字間隔のヒストグラムは第６
図（ａ）、第６図（ｂ）に示した点線で示される傾向に
なる。該２つのヒストグラムは、それぞれ２つの固まり
に分けることが可能である。該固まりは一つは文字間隔
の固まり、もう一つは単語間隔の固まりと判断すること
ができる。従って、文字間隔の統計により標準文字間隔
及び単語間隔を推定することが可能となる。一般に文字
間隔のヒストグラムは第６図の様なヒストグラムになる
が時として第８図の様なヒストグラムを得ることがあ
る。該ヒストグラムにはデータの固まりがいくつもあ
る。この様に固まりが多く存在する場合には、次の方法
にて固まりを分類する。印刷欧米文字は通常規則正しく
並んで印刷されている。したがって、文字間隔はほぼ等
しいはずであるが時として文字の形により文字間隔が異
なる場合が生じる。しかしながらその間隔は、標準文字
高に比例したある値以上にちらばることは無い。このこ
とから、標準文字高の例えば1/16を固まりと固まりの距
離のしきい値805とした。該しきい値805と、固まり81
1、812、813、814、815の間隔801、802、803、804とを
比較することにより、固まり811と812は同一の固まり、
固まり813と814と815は同一の固まりと判断でき、標準
文字間隔及び単語間隔の推定が可能となる。

次に文字画像の標準文字幅を推定する。標準文字幅を
推定できれば、文字の切り出し時において連結文字かの
判断及び、切り出し候補位置を推定する手掛りとなる。
標準文字幅の推定は、標準文字間隔及び単語間隔の推定
と同様に文字領域の統計をとる。仮に文字画像が第４図
（ａ）及び第４図（ｃ）の場合、文字幅の統計は第７図
（ａ）及び第７図（ｂ）の実線の様になり、一般的に点
線で示した傾向のデータを得る。第７図（ａ）に示した
データは固まりが一つであるため該固まりの最大値を標
準文字幅とすることができる。第７図（ｂ）に示したデ
ータにおいては、固まり702と固まり703の２つの固まり
が存在する。通常印刷欧米文字は標準文字幅は標準文字
高に非常に近い値であるので、標準文字高701の付近の
固まり702の最大値を標準文字幅とすることが可能とな
る。また文字間隔の推定時と同様に時としてヒストグラ
ムが多くの固まりからなる場合第９図においては、固ま
りと固まりの距離901、902、903としきい値904とを比較
することにより固まり911、固まり912及び固まり913は
同一の固まりと判断することが可能である。さらに、固
まりと固まりの間のしきい値でもって多くの固まりを分
類しても、第10図の様な３つの固まりになることがあ
る。統計の結果が第10図の様になるのは、文字画像中に
ｉやｌ等の文字が含まれているからである。そこで、本
発明では、ｉやｌ等の固まり1001の最大値を標準文字幅
と判断しない様に、標準文字高の75％の位置1004より大
きい領域において固まりの最大値を捜す。こうすること
により標準文字幅の約半分の大きさのｉやｌの固まりを
除外し、正確に標準文字幅を推定することを可能にし
た。以上の様にして通常の文字画像の文字幅の推定は可
能となるが、文字画像の中には第５図（ａ）に示した様
な文字画像が存在する。該文字画像は、m,i,l,l,i,o,n
の７つの文字より構成されており、そのうちm,i,l,l,i
の５の文字が接触している。従って、標準文字幅の推定
のために縦方向の周辺分布を計数しても、標準文字幅の
推定は不可能である。そこで、印刷欧米文字において、
文字線幅は標準文字高に比例したある値以上の太さを持
ち、第５図（ａ）に見られる底辺部のひげの部分は該あ
る値よりも細い値であることに着目し、縦方向の周辺分
布第５図（ｂ）を計数した後、標準文字高に比例したあ
る値508でもって周辺分布を切り捨てる過程を設ける。
該過程により、ある値508よりも周辺分布の値が大きく
なる部分のみを文字領域と判断して、文字領域を表示す
ると第５図（ｃ）に示す様になる。511、512、513、51
4、515、516、517はそれぞれm,i,l,l,i,o,nの文字位置
及び文字幅を示す。511〜517の７つのデータは、実際の
文字幅よりも多少小さめではあるが、文字として必要な
情報の部分は必ず含んでおり、これらの領域を文字領域
と判断することが可能となる。従って、該データ第５図
（ｃ）の文字領域の統計をとることにより、標準文字幅
の推定が可能となる。

次に文字画像より単語の抽出を行う。単語の抽出は前
記標準文字間隔及び単語間隔と、文字行の垂直方向の周
辺分布とを比較する（文字画像が第４図（ａ）の場合周
辺分布は第４図（ｂ））ことによりその文字の存在して
いない部分の大きさから単語間隔を見つけることが可能
となり、文字画像中からの単語の抽出が可能となる。

次に該抽出単語から一文字一文字の抽出を連結成分を
抽出することにより行うわけであるが、ここでまた一つ
問題がある。今仮に抽出単語が第５図（ａ）の様な文字
画像であるとする。この場合、連結成分の抽出を行うと
milliの５つの文字を抽出してしまう。該抽出文字はそ
の文字幅から連結文字と判断し、途中で強制的に切り離
さなければならない。該切り離し位置は、通常、標準文
字幅付近の周辺分布の値の小さいところで行われる。と
ころが、第５図（ａ）の場合、ｍやi,lといった文字が
含まれている。この様な文字においては、ｉやｌの文字
は標準文字幅の半分の幅であるため、二文字連なると一
文字分の幅となり二文字一緒に切り出されてしまい、ま
たｍの場合、標準文字幅の付近において一度周辺分布の
値がかなり小さくなっているため文字の切れ目と判断さ
れ途中で切り離されてしまう可能性が非常に大きい。そ
こで、行方向と垂直な方向の周辺分布で、周辺分布の値
が前記最低線幅を無視する線幅として、その線幅より小
さい部分の、各々の中心部分を文字切り出し候補位置と
する。具体的に述べると、第５図（ｂ）の周辺分布で標
準文字高に比例したある値508以上の領域第５図（ｃ）
の文字位置511〜517の文字と文字の中間点521〜526を求
め、切り出し候補位置とする。該切り出し候補位置521
〜526は第５図からも明らかな様に文字と文字の境を表
わしている。従って、文字の切り出し時において、文字
の大きさが標準文字幅から許容できる大きさよりも大き
い場合には該位置を用いることにより文字の切り出しが
可能となり、間違った位置での文字の切り出しが極めて
減少する。

次に一文字一文字の文字の抽出を行う。文字の切り出
しは文字の連結成分の輪郭を抽出するとともに、文字幅
を抽出して行う。本発明においては、文字の抽出は連結
成分を抽出することによって行っている。欧米文字は、
殆どの文字が一つの連結成分であり、連結成分が一つで
ない文字においても、主な連結成分のみでたいていの文
字は判断できるため該方法は効果的である。連結成分の
抽出は、最初に連結成分の輪郭を抽出する。輪郭を抽出
することにより、文字の位置及び大きさの情報が得られ
る。輪郭の抽出が行われると既に求められた標準文字幅
と、該抽出文字幅とを比較する。抽出文字幅が標準文字
幅より許容できる大きさである場合には、該抽出文字を
一文字と判断し、１文字を抽出する。抽出文字幅が標準
文字幅より許容できない大きさの場合には、先ず、該抽
出領域中に切り出し候補位置が存在するか否かを調べ
る。もし、切り出し候補位置が存在していれば、該位置
において文字を切り出すのが最も適切であるため該位置
の範囲内において再度連結成分の文字の輪郭の抽出を行
う。また、もし、文字切り出し候補位置が存在しない場
合は、行方向と垂直な方向の周辺分布により文字切り出
し範囲を決め、再度輪郭の抽出を行なう。具体的に述べ
ると、が第11図（ａ）の様な文字画像であった場合、
（この文字画像においては、標準文字高に対する一定の
大きさ1110よりも周辺分布の小さい領域の中間点は1121
〜1125の５箇所しか存在しない。しかしながら、文字は
９文字存在する。）文字画像1152の輪郭抽出を行うと、
標準文字幅より許容できない文字幅と判断される。そこ
で、切り出し候補位置の存在を確認する。しかし文字画
像1152の周辺分布1142は最低線幅1110よりも小さくなる
値を文字の途中にもっていないので切り出し候補位置は
存在しない。この場合、抽出文字の行方向と垂直な方向
の周辺分布1142の標準文字幅付近の値に着目し、例え
ば、前述したような、切り離し位置を標準文字幅付近の
周辺分布の値の小さいところとするような周知の方法で
切り離し位置を捜す。それにより、文字ａとｒの接触部
分1131を捜すことが可能となり一文字一文字の文字の切
り出しが可能となる。同様に切り出しを繰り返して第11
図においては、1121〜1125の５箇所の切り出し候補位置
の他に、1131〜1133の３箇所の切り出し位置を抽出し、
９つの文字を正確に切り出すことが可能となる。また本
発明は、文字の連結成分の輪郭を抽出した後、抽出文字
幅が一文字幅である場合には文字の抽出を行う方法であ
るので、例えば第12図（ａ）の様な文字画像においても
何の問題も無く文字の抽出を行える。該文字画像はY,o,
uという３つの無接触の文字である。しかしながら周辺
分布第12図（ｂ）においては、ＹとＯの周辺分布が重な
って１つの周辺分布1203を形成している。ここで従来の
様に該周辺分布1203の形状から文字を強制的に切り離そ
うとすると1202の位置で切り離すことになり、また、周
辺分布の大きさにより切り離そうとすると1201の位置で
切り離すことになってしまう。いずれの位置にせよ、文
字を不適切な位置で切り離してしまう結果になるが、第
13図を用いた本発明の実施例の説明から、本発明におい
ては全く問題なく目的の文字を抽出できることが明らか
となる。

文字の連結成分の輪郭抽出が適当な大きさで行われた
後は、文字の連結成分の抽出を行う。本発明において
は、字画像と同じ大きさの領域をもう一つ設けてある。
第13図（ａ）の文字画像1301よりＰという文字を抽出す
るにあたって先ず第13図（ａ）のＰという文字の輪郭を
別の領域1302に描く。次に該輪郭によって囲まれた領域
をぬりつぶし、第13図（ｂ）を得る。この後、原画像第
13図（ａ）と抽出文字領域の現像第13図（ｂ）との共通
部分を抽出することにより第13図（ｃ）に示した画像を
得る。該画像第13図（ｃ）を見てわかる様に、位置的に
重なっているＰとｅの画像から、Ｐの画像のみをきれい
に抽出することが可能となっている。なお、上記におい
て、Ｐという文字の輪郭を抽出するのは、周知技術であ
る濃淡の検出等から容易に抽出できる。また、Ｐという
輪郭の抽出ができたからといって文字が抽出、認識でき
ることにはならない。なぜなら、例えば、Ｐという文字
には輪郭によって囲まれた空白域があり、空白域を残し
たままでは、Ｐという文字の認識はできないからであ
る。従って、輪郭により文字抽出をした段階では、単に
文字を切り出したと推測しているにすぎない。第13図
（ｃ）のように、この空白域を削除してきれいな画像を
抽出することによって、はじめてＰという文字に認識が
可能となる。

以上述べた様に本発明によれば、文字の切り出しは、
文字の連結成分の輪郭に囲まれた領域の画像を抽出する
ので、周辺分布では重なって切り出し位置がわからない
文字画像からでも正確に一文字のみを抽出することが可
能となった。

以上のように本発明により、今まで困難とされていた
一文字一文字の文字の切り出しをより正確に行うことを
可能にしたので、該方法を構成要素に用いる文字認識装
置の信頼性を大幅に向上させることが可能となった。

〔発明の効果〕

以上述べた様に、本発明は、文字の切り出しは、連結
成分の輪郭を抽出するとともに、前記輪郭に囲まれた領
域の内側を抽出し、原画像との共通部分をとることによ
り文字を抽出するので、行方向に垂直な方向の周辺分布
では重なって切り出し位置が分からない文字画像からで
も、１文字のみを抽出できるという効果がある。

【図面の簡単な説明】

第１図に本発明の文字切り出し手段の用いられる文字認
識装置のブロック図を示す。第２図に本発明の文字切り出し方法が適用される文字切
り出し手段のフローチャートを示す。第３図（ａ）（ｂ）に標準文字高の推定方法を説明した
図を示す。第４図（ａ）〜（ｄ）、第５図（ａ）〜（ｃ）、第６図
（ａ）（ｂ）、第７図（ａ）（ｂ）、第８図、第９図、
第10図に標準文字間隔及び単語間隔、標準文字幅、文字
切り出し候補位置の推定の様子を説明した図を示す。第11図（ａ）（ｂ）、第12図（ａ）（ｂ）、第13図
（ａ）〜（ｃ）に文字抽出の様子を説明した図を示す。 101……CPU 102……画像入力装置 103……認識文字表示装置 104……ROM 105……RAM 301……行方向周辺分布 304……標準文字高 401……文字領域 402……文字間隔 501〜507……文字周辺分布 511〜517……文字領域 521〜526……文字切り出し候補位置 508……最低文字線幅 701……標準文字高 801〜804……固まりの間隔 805……固まりの間隔のしきい値 901〜903……固まりの間隔 904……固まりの間隔のしきい値 1004……標準文字高の75％ 1110……最低文字線幅 1131〜1133……文字切り出し位置 1201〜1202……文字切り出し位置

Claims

(57)【特許請求の範囲】

【請求項１】光学的画像入力手段により紙面等に書かれ
た欧米文字画像を読み取り、入力された画像データ中の
文字を認識する文字認識装置の文字切り出し方法におい
て、文字の切り出しは、連結成分の輪郭を抽出するとと
もに、前記輪郭に囲まれた領域の内側を抽出し、原画像
との共通部分をとることにより文字を抽出することを特
徴とする文字切り出し方法。