JP2650443B2 - 線図形ベクトル化方式 - Google Patents

Description

【発明の詳細な説明】 〔目 次〕 概要 産業上の利用分野 従来の技術と発明が解決しようとする課題 課題を解決するための手段 作用 実施例 発明の効果 〔概要〕 文書や図面に書かれた線図形情報を計算機に入力する
のに、例えば、光電変換装置等によって読み取った２値
画像データをベクトルデータに変換する方式に関し、 複雑な線の交差部等において生じる、短くて不必要な
ベクトルが発生するのを抑制し、元の線図形に忠実なベ
クトルデータを得ることを目的とし、 ２値画像データ内の線図形の太さを全て‘1'に細める
細線化手段と、前記細線化手段で細線化された線の両端
を形成する端点あるいは分岐点のそれぞれを特定のマス
クによって検出し、記憶する第１の手段と、上記第１の
手段で得られた分岐点が隣り合って存在する分岐点の密
集領域を特定のマスクによって検出し、記憶する第２の
手段と、上記第１の手段で記憶された端点と分岐点の情
報を開始点として、上記細線化された線の追跡を順次行
い、該記憶された端点、又は、分岐点に到達した時点で
追跡を停止し、点列を記憶する第３の手段と、上記第３
の手段で記憶された点列を折線近似方式によってベクト
ルデータに変換し、記憶する第４の手段と、上記第２の
手段で得られた分岐点の密集領域の大きさを計測し、そ
の分岐点の密集領域の中心点を計算する第５の手段と、
上記第５の手段で得られた中心点の座標を、ベクトルデ
ータの端点のうち、上記分岐点の密集領域に含まれる端
点の座標とみなして上記ベクトルデータを補正するよう
に構成する。

〔産業上の利用分野〕

本発明は、文書や図面に書かれた線図形情報を計算機
に入力するのに、例えば、光電変換装置等によって読み
取った２値画像データをベクトルデータに変換する方式
に関する。

文書や図面に書かれた文字，図形などのパターン情報
を効率良くコンピュータに入力する一つの手段として、
画像処理技術を使って自動的に線図形を数値データの集
合（以下ベクトルデータと呼ぶ）に変換することが知ら
れている。

このような技術はベクトル化手法と呼ばれ、多くの方
式や装置が公表されているが、このベクトル化処理にお
いては高速に，かつ元の線図形に忠実なベクトルデータ
を生成することが望まれており、従来から細線化処理と
折線近似処理の併用方式が広く使用されているが、該入
力される図形が複雑になってくると、線の交差部等にお
いて、所謂、密集分岐点が生じ、元の線図形に忠実なベ
クトルデータが得られなくなる問題があり、効果的な線
図形ベクトル化方式が必要とされるようになってきた。

〔従来の技術と発明が解決しようとする課題〕

第６図は従来の線図形ベクトル化方式を説明する図で
あり、（ａ）はブロック構成の例を示し、（b1）〜（b
3）はベクトル化の基本的処理の例を示し、第７図は従
来の細線化処理の問題点を示した図である。

従来技術の例としては、例えば、本願出願人が先願し
ている特開昭61−08367号公報「線図形折線近似処理方
式」や，特願昭62−29593号「線図形折線化装置」等を
上げることができる。

該従来の代表的な方式として、第６図，第７図によ
り、その概要を説明する。

先ず、第６図（ａ）において、図示されていない光電
変換装置等を用いて文書や図面の画像データを取り込
む。次に、このデータに対して細線化処理部３で細線化
処理を施し、線の太さが、全て、１画素になるまで細め
る。

次の端点・分岐点抽出処理部４で、上記のように細め
られた画像データから、線の端点と分岐点の位置を検出
する。この端点，又は分岐点から、例えば、３×３の大
きさの画像マスクを使って、追跡開始点抽出処理部16,
線追跡処理部12で、該線を追跡して得られた点例データ
を基に、順次、折線近似計算を行うことによりベクトル
データを得る。

第６図（b1）〜（b3）には、上記の手順で処理した図
形の例を示している。第６図（b1）は処理したい線図形
の画像，（b2）は細線化処理を施して端点と分岐点を抽
出した結果，（b3）は追跡と折線近似を行って得たベク
トルデータの例をそれぞれ示している。

従来手法では、細線化処理と，折線近似処理を併用し
ているため、処理が簡単で装置の構造も単純化すること
ができる。然し、細線化処理は元の画像をある規則にし
たがって順次細めていく処理のため、第７図に示すよう
な問題が生じる。

第７図（ａ）〜（ｄ）は、細線化処理によって線の太
さが‘1'にならない場合を示している。いずれも線と線
の交差部で生じるパターンであり、従来の細線化処理で
は解決できないものである。このような細線化画像が残
ると、第７図（ｅ）〜（ｈ）に示すようなベクトルデー
タが生成されることになり、元の線図形に忠実とはいえ
なくなるだけでなく、ベクトルデータのメモリ量が不必
要に増加することになる。このような交差部での短いベ
クトルの発生は線追跡と折線近似処理において、交差部
の形状や分岐点の状況を考慮せず、機械的に処理を行っ
ていることに起因する。

そこで、線追跡および折線近似処理において、このよ
うな短いベクトルの発生を避けるような工夫が必要とな
る。

本発明は上記従来の欠点に鑑み、文書や図面に書かれ
た線図形情報を計算機に入力するのに、例えば、光電変
換装置等によって読み取った２値画像データをベクトル
データに変換する際、複雑な線の交差部等において生じ
る、短くて不必要なベクトルが発生するのを抑制し、元
の線図形に忠実なベクトルデータを得ることができる線
図形ベクトル化方式を提供することを目的とするもので
ある。

〔課題を解決するための手段〕

第１図は本発明の原理構成図である。

上記の問題点は下記の如くに構成された線図形ベクト
ル化方式によって解決される。

２値画像データをベクトルデータに変換する線図形ベ
クトル化方式であって、該２値画像データ内の線図形の
太さを全て‘1'に細める細線化手段３と、 前記細線化手段３で細線化された線の両端を形成する
端点あるいは分岐点のそれぞれを特定のマスクによって
検出し、記憶する第１の手段4,7と、 上記第１の手段4,7で得られた分岐点が隣り合って存
在する分岐点の密集領域を特定のマスクによって検出
し、記憶する第２の手段8,11と、 上記第１の手段4,7で記憶された端点と分岐点の情報
を開始点として、上記細線化された線の追跡を順次行
い、該記憶された端点、又は、分岐点に到達した時点で
追跡を停止し、点列を記憶する第３の手段16,12,15と、 上記第３の手段16,12,15で記憶された点列を接線近似
方式によってベクトルデータに変換し、記憶する第４の
手段17,18と、 上記第２の手段8,11で得られた分岐点の密集領域の大
きさを計測し、その分岐点の密集領域の中心点を計算す
る第５の手段19と、 上記第５の手段19で得られた中心点の座標を、ベクト
ルデータの端点のうち、上記分岐点の密集領域に含まれ
る端点の座標とみなして上記ベクトルデータを補正する
第６の手段25とを設けるように構成する。

〔作用〕

即ち、本発明による線図形ベクトル化方式は、文書や
図面に書かれた線図形情報を計算機に入力するのに、例
えば、光電変換装置等によって読み取った２値画像デー
タをベクトルデータに変換する際、従来の細線化処理と
折線近似処理はそのまま利用し、線追跡処理とベクトル
データ生成後の補正処理とを設けて、上記の問題点を解
決するようにしたものである。

基本方式を第１図に示す。

細線化処理部3,端点・分岐点抽出処理部4,折線近似処
理部17は、いずれも、従来方式（第６図参照）と同様で
ある。本発明の方式では、密集分岐点抽出処理部８と，
密集分岐中心点計算処理部19,及び、ベクトルデータ補
正処理部25を加えている点を特徴とする。

上記の細線化処理は、幾つかの手法が提案されている
が、本発明の方式においては、例えば、以下の文献に示
すようなアルゴリズムを公知の技術として使用すること
とする。従って、その詳細な説明は省略する。

ドィッチュ著，“四角格子，六角格子，三角格子配列
における細線化アルゴリズム",コンピュータ機構協会会
報，第15巻第９号,1972年９月,827〜837頁，｛E.S.Deut
sch,“Thinning Algorithms on Rectangular,Hexagona
l,and Triangular Arrays",Communications of the AC
M,VOL.5,No.9,1972,9,pp.827−837｝ 次に、第２図は端点・分岐点検出方式を説明する図で
あり、第３図は密集分岐点検出方式を説明する図であ
り、第４図は密集分岐点での補正方式を説明する図であ
る。

第２図に示した、端点・分岐点抽出処理では、細めた
画像から線の端点と交差部の座標を抽出し、その画素に
特別なフラグを立てるようにする。

これには、第２図（ａ）に示したような３×３のマス
クを使用する。即ち、第２図（ａ）のような３×３マス
クを想定し、（ｂ）図に示したパターンに該当する中心
箇所を分岐点、（ｃ）図に示したパターンに該当する中
心箇所を端点とみなす。尚、（ｂ），（ｃ）のマスクに
ついては、それぞれ90゜毎に回転させたマスクパターン
も使用する。

このマスクをラスタスキャン方式で画像全体に渡って
走査し、（ｂ），（ｃ）図に一致した箇所を検出した
ら、その中心画素の座標を端点・分岐点テーブルに登録
すると共に、（ｄ）図に示したように、該中心画素に、
特別なフラグ、例えば、‘2'を付加して画像メモリに格
納する。

密集分岐点抽出処理は、上記端点・分岐点抽出処理の
後で、第７図に示したような密集した分岐点を検出し
て、特別なテーブルに記憶する処理である。

具体的には、第３図（ａ）に示した、第２図（ａ）と
同じような３×３のマスクを利用して、画像全体を走査
することにより、分岐点が隣合っている箇所を検出す
る。このとき、本図（ｂ）に示したように、そのような
密集分岐点（分岐点の密集領域に属する分岐点、以下省
略）の画素には、他の画素と区別するための特別なフラ
グ、例えば、‘3'を付加する。

追跡開始点抽出処理は、上記の端点・分岐点抽出処理
によって得られた点のテーブルを順次サーチし、線追跡
処理に一つの座標を渡す。該テーブル内をすべてサーチ
して未処理の点がなくなった時点で、後述の折線近似処
理を終了し、後処理に移る。

該線追跡処理は、追跡開始点抽出処理によって得られ
た開始点から３×３マスクを利用して幅１の画像を追跡
しながら点の座標を点列データに記憶し、別の端点から
分岐点に至った時点で追跡を停止させて、次の折線近似
処理に点列データを渡す。

このとき、従来の線追跡処理では、隣合った分岐点間
も他の線と同じ方法で処理していたが、本発明の方式で
は、密集分岐点の上記フラグ‘3'が立った点間の追跡処
理は行わないようにしている。

折線近似処理は、従来から、多くの手法が提案されて
おり、そのうちの一つを公知の技術として使用する。従
って、詳細は省略する。例えば、以下の文献の手法が有
名である。

レイマー著，“平面曲線の折線近似のための反復的処
理法",コンピュータ・グラフィックスと画像処理誌,197
2年１月,244〜256頁，｛U.Ramer,“An Iterative Proce
dure for the Polygonal Approximation of Plane Curv
es",Computer Graphics and Image Processing,1972,1,
pp244〜256｝ 密集分岐中心点計算処理は、上記の密集分岐点抽出処
理において得られた密集分岐点テーブルを検索し、分岐
点が密集している領域を囲む短形を求め、その中心座標
を計算する処理である。この中心点を元の線図形に忠実
な真の分岐点とみなす。この例を第４図の密集分岐点で
の補正方式を説明する図に示す。

ベクトルデータ補正処理は上記の折線近似処理で得ら
れているベクトルデータの中で密集分岐点に接続してい
るベクトルをサーチし、その端点座標を上記の密集分岐
中心計算処理で得た真の分岐点座標で置き換える処理で
ある。これにより、全ての、第７図に示したような複雑
な交差部においても交差部の中心位置にベクトルの分岐
点がくるようになり，不必要なベクトルは発生しなくな
る。

以上の処理により、本発明による線図形ベクトル化方
式では、複雑な交差部においても、きれいなベクトルデ
ータが得られる効果が得られる。

〔実施例〕

前述の第１図は本発明の原理構成図であり、第２図は
端点・分岐点検出方式を説明する図であり、第３図は密
集分岐点検出方式を説明する図であり、第４図は密集分
岐点での補正方式を説明する図であって、第５図は本発
明の一実施例を示した図であって、（a1）〜（a3）は構
成例を示し、（b1）〜（b4）は各種テーブルのフオーマ
ットを示し、（b5）はベクトルデータを示しており、細
線化処理部３で線図形を細線化したものについて、端点
・分岐点抽出機構４で、該細線化された線の端点，分岐
点を求め、その端点，分岐点にフラグ‘2'を付加し、密
集分岐点抽出部８で、該端点，分岐点の密集した部分を
検出して、該密集点を構成している分岐点に特別なフラ
グ‘3'を付加しておき、線追跡部12,及び折線近似部17
で、該細線化された線の端点から次の端点，又は、分岐
点迄を追跡してベクトルデータを求めてベクトルデータ
テーブルに登録し、上記密集分岐点抽出部８で求めた密
集分岐点テーブルを基に、該分岐点が密集している領域
を囲む短形を求め、その中心座標を計算して、該密集分
岐点テーブルの内容を、各密集分岐点群毎に、該計算し
た中心点座標に変換しておき、本発明のベクトルデータ
補正部25において、上記ベクトルデータテーブルを基
に、該密集分岐点と接続されているベクトルデータの該
密集分岐点の番号を認識し、該認識された番号に基づい
て、上記中心点の座標に変換されている密集分岐点テー
ブルを参照して、該ベクトルデータテーブルの密集分岐
点側の端点座標を、該密集分岐点の中心座標に補正する
手段が本発明を実施するのに必要な手段である。

以下、第１図〜第４図を参照しながら第５図によっ
て、本発明の線図形ベクトル化方式を説明する。

先ず、図示されていない光電変換装置等によって得ら
れた画像データは、第５図（a1）の画像メモリ２に蓄積
される。この画像メモリ２は１画素をｎビット（但し、
ｎ≧２、これは、ベクトル化の対象となる画像データが
２値の画素であることと，該画素が端点・分岐点である
か、又は、密集分岐点であるかを識別する為に、最低２
ビット必要であることによる）で記憶している。画像は
既に２値化されているものとして、黒は（01）₂,白地は
（00）_２で内部表現しているものとする。ここで，添字
‘2'は、（ ）内が２進数であることを示している。

次に細線化処理部３によって、前述の細線化処理をお
こなう。結果は画像メモリ２に戻される。

端点・分岐点抽出機構は、マスク処理機構1,パターン
比較器（比較器）5,端点・分岐点を判定する為のマスク
メモリ６からなる端点・分岐点抽出部４と，端点・分岐
点テーブル７から構成される。

マスク処理機構１は、第５図（a1）の上部に詳細に図
示されているように構成されており、外部（例えば、ホ
スト計算機）から、ある（X,Y）座標を入力すると、上
記画像メモリ２から該当する箇所を中心として３×３画
素の大きさで読み出し、３×３レジスタに出力する。
又、該外部からの書込み信号ｆによって３×３レジスタ
の内容を画像メモリの該当箇所に書き込む。このときの
書き込み側の３×３レジスタは、上記読み出し側レジス
タをコピーしたもので、外部信号ｖにしたがって上書き
できるものとする。

次に、端点・分岐点抽出部４においては、画像全体を
ラスタスキャンして、順次３×３レジスタに読み出すの
で、座標信号（X,Y）は外部から順次自動的に与えられ
る。

こうして、順次読み出した３×３レジスタの内容はパ
ターン比較器（比較器）５に入力し、マスクメモリ６内
の、前述の第２図（ｂ），（ｃ）のパターンと比較す
る。（但し、該マスクメモリ６には、上記第２図
（ｂ），（ｃ）に示したパターンの90゜毎の回転形も記
憶しているものとする。） 若し、該比較器５が一致信号を出すとゲート（○印で
示す）を開き，現在読み出している座標（X,Y）を端点
・分岐点テーブル７に書き込む。このテーブルの内部構
造は、第５図（b1）に示されているものとなる。

又、同時にマスク処理機構１に書き込み信号ｆを与
え、中心位置に画素値「２」（（10）_２）、即ち、該画
素が端点，分岐点であることを指示するフラグ（書き込
み値）を上書きし、画像メモリ２に戻す。この処理を画
像全体にわたって繰り返す。

密集分岐点抽出部８は、上記のマスク処理機構1,パタ
ーン比較器（比較器）9,密集分岐点テーブル11,テーブ
ル検索器（検索器）10から構成される。

該マスク処理機構１は、上記の端点・分岐点抽出機構
と同じく、ラスタスキャンを行って、順次３×３レジス
タに画像を読み込む。

そして、パターン比較器（比較器）９において画素x₀
とx₁〜x₅とに分けて、それぞれ画素値「２」または
「３」（即ち、端点，又は、密集分岐点を示すフラグ）
と比較する。該比較処理で中心画素x₀と，周辺画素x₁〜
x₅とで、共に、一致したらゲート（具体的には、検索器
（10）を介して）を開き、中心座標を密集分岐点テーブ
ル11に記憶する。このテーブル11の構造は、第５図（b
2）に示したものとなる。ここで値ni（ｉ＝1,2,〜，以
降略）は密集分岐点の識別番号であり、検索器10によっ
て書き込まれる。

即ち、該検索器10は上記テーブル11を検索し，今テー
ブルに登録された座標（X,Y）の８近傍に既に登録され
た密集分岐点があるか否かを判定する。そのために検索
器10はx₁〜x₅の画素値を参照してその中に値「３」を持
つものを探す。（画素x₁〜x₅しか参照しないのはラスタ
スキャンの性質上，値３を持つ画素は中心画素の左かつ
上方向にしか存在しないからである。） 若し、あれば、その座標をテーブル11から探し、その
データ内の上記niの値を、今登録したデータのniとして
書き込む。即ち、同じ密集グループに属する分岐点の識
別番号niを与える。

若し、８近傍に既登録の分岐点がなければ、図示され
ていない番号レジスタに保持している、最新のniの値を
インクリメントした値を、今、登録した密集グループの
識別番号として書き込む。

更に、今処理された３×３マスクの中央値を「３」
（（11）_２）に変更して、画像メモリ２に戻す。この処
理を画像全体にわたって繰り返す。

上記密集分岐点の検出論理を示したものが、第３図で
ある。

即ち、読み出した中心画素x₀＝２で，且つ、８近傍の
内の画素x₁〜x₅＝2,或いは、３であることが、上記パタ
ーン比較器（比較器）９で検出されると、該中心画素x₀
＝３（即ち、密集分岐点であることを示すフラグ値）に
変更する。従って、該密集分岐点の画素値は、第４図に
示されている如くに、全て‘3'となる。

次に、追跡開始点抽出処理に移る。この処理は開始点
検索部16が実行する。この研削部16は、上記端点・分岐
点テーブル７を順次参照し、線追跡部12に開始点座標デ
ータを渡す。最初に参照する、該端点・分岐点テーブル
７のアドレス，及び、タイミングは外部（上記、ホスト
計算機）から指示される。又、該検索部16は、後述の折
線近似処理部17から終了信号を受け取ると、次のアドレ
スから開始点を読み出すように動作する。

全ての、開始点を参照し終わったことを検出したらそ
の旨を外部に伝達する。

該線追跡部12は、上記開始点検索部16から開始点座標
を受取り、線の追跡を行う。先ず、マスク処理機構１に
開始点座標を入力し、画像メモリ２から、その箇所の３
×３画素を読み出す。中心画素x₀が値「１」である限
り、周辺画素x₁〜x₈の存在方向に応じてマスク位置を移
動させる。マスク位置シフト部14は比較器13から得た情
報に応じてマスクの中心位置（x,y）を変化させる。画
素x₁に「１」「２」「３」に該当する画素があればｘ←
ｘ＋１とする。x₂,x₃,・・・については、以下のように
位置（x,y）の値を変化させる。

x₁にマッチした場合:x←ｘ＋１ x₂にマッチした場合:x←ｘ＋1,y←ｙ＋１ x₃にマッチした場合:y←ｙ＋１ x₄にマッチした場合:x←ｘ−1,y←ｙ＋１ x₅にマッチした場合:x←ｘ−１ x₆にマッチした場合:x←ｘ−1,y←ｙ−１ x₇にマッチした場合:y←ｙ−１ x₈にマッチした場合:x←ｘ＋1,y←ｙ−１ このとき、‘NOT'回路の出力は‘1'となっているので
ゲート（○印で示す）が開かれ、上記変化させた（X,
Y）を点列テーブル15に順次格納するとともに、再びマ
スク処理機構１に入力し、画像の読込みを繰り返す。

該追跡を終えた中心画素は「０」として画像メモリに
書き込み、一度追跡処理を施したベクトルを再度追跡し
ないようにする。

中心画素x₀が値「２」または「３」であれば、最初選
択した端点から追跡を行って他の端点，又は、分岐点迄
到達したものと認識して、該追跡処理を終了し、該比較
器13の出力が‘1'となり、上記‘NOT'回路の出力は‘0'
となって、ゲートを閉じることで、折線近似処理部17を
起動する。

折線近似処理部17は、上記追跡を終えた点列に対して
折線近似処理を施す。即ち、点列データは点列テーブル
15から得て、該折線近似処理によって生成したベクトル
データ｛（b5）図参照｝はベクトルデータテーブル18に
格納する。

この時の該ベクトルデータテーブル18の構造は、第５
図（b4）に示すものとなる。該ベクトルデータテーブル
18内のベクトルデータの中でnf,ntの項には、若し、密
集分岐点に接続しているならば（即ち、上記追跡処理
で、中心画素x₀の値が「３」のとき）、上記密集分岐点
テーブル11を検索して、該中心画素x₀の座標と対応する
番号niを書き込んでおく。このような処理が終了したら
信号を、上記開始点検索部16に送る。

すべての開始点（即ち、端点）について、上記折線近
似処理を終了したら、密集分岐中心点計算部19を起動す
る。この機構は、上記密集分岐点テーブル11を分岐点番
号（ni）順にソートするソータ20,同じ分岐点番号をも
つ分岐点データをまとめて探査する探索器21,それらの
座標についてMax,Min値を求めるMax−Min計算部22,得ら
れた２組の座標を保持するMax−Minレジスタ23,上記Ma
x,Min値から求められる短形領域の中心座標を求める中
心点計算機構24から構成される。

密集分岐点のデータは、出現した順番で登録されてい
るため、一般には、同じniの番号を持つデータはテーブ
ル内で離れて存在する。

従って、該ソータ20はテーブルをniの項目について昇
順にソーティングする機能をもつ。この結果、同じniを
もつ分岐点データは、密集分岐点テーブル11内で連続す
ることになる。

この処理の後、探索部21は同じniをもつ密集分岐点デ
ータを、該テーブル11から順次読み出す。その座標デー
タはMax−Min比較器22に送られ、比較結果はMax−Minレ
ジスタ23に記憶される。同じniをもつ密集分岐点データ
をすべて検索し終わると、最終的な密集領域の短形座標
（X1,Y1），（X2,Y2）がMax−Minレジスタ23に残り、中
心点計算機構24がその中心座標を求める。該中心座標
（X0,Y0）は、 X0＝（X1＋X2）/2 Y0＝（Y1＋Y2）/2 で求めることができる。この中心座標は同じniをもつ密
集分岐点テーブル11の座標として戻される。この結果、
同じniをもつ密集分岐点データの座標は全て、上記中心
点の座標に変換される。

最後に、既に得たベクトルデータの中で密集分岐点に
接続しているものを、ベクトルデータ補正部25で更新す
る。

具体的には、上記ベクトルデータテーブル18内のすべ
てのベクトルデータをベクトルリーダ26が順次読み出
し、その両端座標（xf,yf,xt,yt）と、そのベクトルが
持っている密集分岐点の番号（nf,nt）を座標レジスタ2
8,29に入れる。検索機構27は、該読み出したnfとntの番
号をもつ密集分岐点データを、上記密集分岐点テーブル
11から探し、その座標データ（上記の中心座標）をレジ
スタ28,29に書き込む。探索機構27での上記探索が終了
するとベクトルライタ30が、上記レジスタ28,29の内容
を元のベクトルデータテーブル18に戻す。同時にベクト
ルリーダ26に信号を送り，次のベクトルデータを読み出
す。これを繰り返して、密集分岐点に接続したすべての
ベクトルデータについて、その端点座標を中心座標に置
き換える補正を行う。

以上の処理が完了すると、最終的に求めるベクトルデ
ータが、上記ベクトルデータテーブル18に作成されてい
ることになる。

このように、本発明は、文書や図面に書かれた線図形
情報を計算機に入力するのに、例えば、光電変換装置等
によって読み取った２値画像データをベクトルデータに
変換する際、線図形の交差点等で発生する密集分岐点の
群に対して、その中心座標を求め、該密集分岐点を端点
とするベクトルデータについて、その密集分岐点側の端
点座標を、上記中心点座標に補正するようにして、該交
差点等の密集した箇所での端点座標として、元の図形に
忠実な分岐点座標を求めるようにした所に特徴がある。

〔発明の効果〕

以上、詳細に説明したように、本発明の線図形ベクト
ル化方式は、文書や図面に書かれた線図形情報を計算機
に入力するのに、例えば、光電変換装置等によって読み
取った２値画像データをベクトルデータに変換する際
に、２値画像データ内の線図形の太さを全て‘1'に細め
る細線化手段と、前記細線化手段で細線化された線の両
端を形成する端点あるいは分岐点のそれぞれを特定のマ
スクによって検出し、記憶する第１の手段と、上記第１
の手段で得られた分岐点が隣り合って存在する分岐点の
密集領域を特定のマスクによって検出し、記憶する第２
の手段と、上記第１の手段で記憶された端点と分岐点の
情報を開始点として、上記細線化された線の追跡を順次
行い、該記憶された端点、又は、分岐点に到達した時点
で追跡を停止し、点列を記憶する第３の手段と、上記第
３の手段で記憶された点列を折線近似方式によってベク
トルデータに変換し、記憶する第４の手段と、上記第２
の手段で得られた分岐点の密集領域の大きさを計測し、
その分岐点の密集領域の中心点を計算する第５の手段
と、上記第５の手段で得られた中心点の座標を、ベクト
ルデータの端点のうち、上記分岐点の密集領域に含まれ
る端点の座標とみなして上記ベクトルデータを補正する
第６の手段とを設けるように構成するようにしたもので
あるので、従来方式では密集した交差箇所では不必要な
短いベクトルが発生するが，本方式では元の図形に忠実
な分岐点座標が得られ、且つ、不必要なベクトルを発生
しないという効果がある。これにより正しい形状データ
をコンピュータに入力できるだけでなく、記憶メモリ量
も減少させることができる。

【図面の簡単な説明】

第１図は本発明の原理構成図， 第２図は端点・分岐点検出方式を説明する図， 第３図は密集分岐点検出方式を説明する図， 第４図は密集分岐点での補正方式を説明する図， 第５図は本発明の一実施例を示した図， 第６図は従来の線図形ベクトル化方式を説明する図， 第７図は従来の細線化処理の問題点を示した図， である。 図面において、 １はマスク処理機構,2は画像メモリ， ３は細線化処理部， ４は端点・分岐点抽出部， ５は比較器,6はマスクメモリ， ７は端点・分岐点テーブル， ８は密集分岐点抽出部,9は比較器， 10は検索器， 11は密集分岐点テーブル， 12は線追跡部,13は比較器， 14はマスク位置シフト部， 15は点列データテーブル， 16は開始点検索部,17は折線近似処理部， 18はベクトルデータテーブル， 19は密集分岐中心点計算部， 20はソータ,21は探索器， 22はMax−Min計算部,23はMax−Minレジスタ， 24は中心点計算機構， 25はベクトルデータ補正部， 26はベクトルリーダ,27は探索機構， 28,29は座標レジスタ,30はベクトルライタ， をそれぞれ示す。

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】２値画像データをベクトルデータに変換す
   る線図形ベクトル化方式であって、該２値画像データ内
   の線図形の太さを全て‘1'に細める細線化手段と、 上記細線化手段で細線化された線の両端を形成する端点
   あるいは分岐点のそれぞれを特定のマスクによって検出
   し、記憶する第１の手段と、 上記第１の手段で得られた分岐点が隣り合って存在する
   分岐点の密集領域を特定のマスクによって検出し、記憶
   する第２の手段と、 上記第１の手段で記憶された端点と分岐点の情報を開始
   点として、上記細線化された線の追跡を順次行い、該記
   憶された端点、又は、分岐点に到達した時点で追跡を停
   止し、点列を記憶する第３の手段と、 上記第３の手段で記憶された点列を折線近似方式によっ
   てベクトルデータに変換し、記憶する第４の手段と、 上記第２の手段で得られた分岐点の密集領域の大きさを
   計測し、その分岐点の密集領域の中心点を計算する第５
   の手段と、 上記第５の手段で得られた中心点の座標を、ベクトルデ
   ータの端点のうち、上記分岐点の密集領域に含まれる端
   点の座標とみなして上記ベクトルデータを補正する第６
   の手段と、 を設けることを特徴とする線図形ベクトル化方式。