JP2723075B2 - 表認識装置及び表枠線の途切れ補間方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は表認識装置及び方法に関
し、特に表形式を含む文書を読み取り表構造を認識する
表認識装置及び方法に関する。

【０００２】

【従来の技術】近時、文書を光学的装置で読み取って文
字情報を電子化したいというニーズは多く、且つそうし
た文書には表形式を含むものが少なくない。

【０００３】表文書を電子化する場合、従来、例えば東
芝製エキスプレスリーダ（ExpressReader）マニュアル
やメディアドライブ社製ウインリーダ（Win Reader）マ
ニュアル等に記載されているように、罫線を除去して文
字だけを認識する方法がある。

【０００４】しかし、表文書では各項目枠（「セル」と
いう）の位置も大切な情報の一つであり、このため各セ
ルを正しく抽出し、セル内に記されている文字を読み取
ることが重要である。

【０００５】一般的にセルを抽出するには、ハフ変換等
を用いて直線を検出したり、表枠線に対応する黒画素を
トレースして閉領域をみつければよい。

【０００６】しかし、前者の方法は多くの処理時間を要
するという問題がある。一方、後者の方法は計算量は前
者に比べて少ないが、原稿中の表枠線の一部がもともと
途切れていたり、うすく描かれている場合には、光学的
に読み取られた画像中で表枠線の途切れが発生し、表構
造を正しく抽出することが難しい。そこで、画像中の途
切れた表枠線を補間する技術が必要となる。

【０００７】途切れ表枠線を含む表形式を認識する従来
の装置として、例えば特開平5-73721号公報には、文字
や表を構成する黒画素の中からまず表枠線に対応する画
素だけを選出した画像を生成し、この画像を縦方向にＭ
分割、横方向にＮ分割してＭ×Ｎの領域とし、各領域に
おいて１画素でも黒画素があったら１ドットの黒画素と
するサイズＭ×Ｎの縮小画像を作り、縮小画像における
黒画素の並びから表枠線を抽出し、縮小画像を作成する
ことにより破線やかすれによる線の途切れがなくなり、
正確に表構造を認識できるようにした表認識装置が提案
されている。

【０００８】

【発明が解決しようとする課題】しかしながら、前記特
開平5-73721号公報に記載された装置においては、途切
れ表枠線が縮小画像では途切れなくなることを利用して
いるため、縮小率の決め方が問題となる。

【０００９】なぜなら、縮小率の最適値は原画像におけ
る表の高さ／幅、及び枠線の途切れ長に依存し、これを
自動的に設定することは困難だからである。

【００１０】また、前記特開平5-73721号公報に記載さ
れた装置では、表枠の途切れが大きい場合正しくセルを
抽出できない可能性が高い。

【００１１】従って、本発明は上記問題点を解消し、表
項目の幅を計測し、その頻度を調べることによって表内
部に存在する表枠線の途切れを補間し、大きな途切れの
補間を可能とする表認識装置及び方法を提供することを
目的とする。

【００１２】

【課題を解決するための手段】前記目的を達成するた
め、本発明は、表形式を含んで記載された原稿を走査し
て得られた画像より、表の構造を認識する表認識方式に
おいて、表枠線の外側輪郭を検出する表外側輪郭線抽出
手段と、前記表外側輪郭線抽出手段によって抽出された
閉曲線内に存在する１又は複数の表内側輪郭を抽出する
表内側輪郭線抽出手段と、抽出された前記表内側輪郭線
のそれぞれについて、同一の表内側輪郭線に属し、且つ
同一行又は同一列に存在する２画素間の距離を表枠幅と
して計測する表枠幅計測手段と、前記表枠幅のヒストグ
ラムを求めるヒストグラム計測手段と、前記ヒストグラ
ム計測手段によって得られたヒストグラムにおいて、そ
の頻度が高い値を標準の表枠幅とし、頻度が低い値に対
応する箇所を表枠線途切れが生じたものとする表枠線途
切れ推定手段と、推定された途切れ表枠線を補間する表
枠線補間手段と、を備えたことを特徴とする表認識装置
を提供する。

【００１３】本発明においては、前記表枠幅抽出手段
が、同一列に存在する２つの表枠線間の距離を計測する
垂直方向表枠幅計測手段と、同一行に存在する２つの表
枠線間の距離を計測する水平方向表枠幅計測手段と、を
備え、垂直方向の表枠幅を計測して得たヒストグラムか
ら水平方向の表枠線途切れを推定して補間し、次に水平
方向の表枠幅を計測して得たヒストグラムから垂直方向
の表枠線途切れを推定して補間するように構成してもよ
い。

【００１４】また、本発明は、(a)表を含む文書を走査
して得られた画像信号について表枠線の外側輪郭を抽出
する工程と、(b)抽出された前記外側輪郭内に存在する
１又は複数の表内側輪郭を抽出する工程と、(c)抽出さ
れた前記表内側輪郭線のそれぞれについて前記表内側輪
郭線上の端部に属し且つ表内部を介して互いに対向する
２画素間の距離を表枠幅として表枠線が存在する範囲で
所定方向に計測する工程と、(d)前記表枠幅のヒストグ
ラムを求める工程と、(e)前記ヒストグラムにおいて、
その頻度が最も高い枠幅を標準の表枠幅とし、頻度が低
い値の枠幅に対応する箇所を表枠線途切れが生じたもの
と推定する工程と、(f)途切れた表枠線を補間する工程
と、を含むことを特徴とする表枠線の途切れ補間方法を
提供する。

【００１５】

【作用】以下に本発明の原理・作用を説明する。本発明
においては、表枠線で囲まれた１つの閉領域について表
枠幅を計測し、そのヒストグラムをとり、一閉領域に占
める表枠幅とその頻度の関係を求める。認識対象とする
表形式が長方形をした項目の集合体ならば、一項目（セ
ル）中の表枠幅は場所によらず等しい。このため、ヒス
トグラム中には１カ所のピークが現れる。

【００１６】しかし、表枠線が途切れ、複数のセルが１
つの閉領域中をなしていたならば、複数のピークを持つ
ヒストグラムが得られる。例えば、表枠線の途切れ長は
セルの辺の長さの半分より短いものと仮定すれば、計測
したヒストグラム中、高い頻度の値が本来の表枠幅であ
り、低い頻度の値が枠線の途切れによって計測された表
枠幅であると判定することができ、途切れ箇所を抽出す
ることができる。

【００１７】

【実施例】図面を参照して、本発明の実施例を以下に説
明する。

【００１８】

【実施例１】図１は本発明の一実施例の構成を説明する
図である。

【００１９】図１を参照して、表外側輪郭線抽出手段１
は、表枠線の外側輪郭線を検出する。表外側輪郭線抽出
手段１が扱う表形式は、水平／垂直もしくはこれに近い
方向の表枠線のみから形成され、最外郭の表枠線には途
切れはないものとする。また、セル中に別のセルが含ま
れたり、セルとセル内の文字が接触することはないもの
とする。

【００２０】図２、図３を参照して、表外側輪郭線抽出
手段１を詳細に説明する。

【００２１】表形式２１のような表を含む原稿をスキャ
ナ等で読み込んで形成した画像データに対し、図中左上
の画素を開始点としてラスタ走査し、白画素と黒画素が
隣り合う箇所を探す。

【００２２】白画素から黒画素に変化する場所が見つか
ったならば、その黒画素の位置とその画素が表枠線の左
端に位置することを記憶する。

【００２３】そして、この点を始点として、表枠線の外
側輪郭をトレースし、その位置座標とその画素の表枠線
に対する相対位置を順次記憶していく。但し、ここで記
憶する位置情報はその画素が表枠線の端部例えば右端も
しくは左端に位置する場合のみでよい。

【００２４】図３を参照して、説明の便宜上、表枠線３
２の図中左端に位置する画素３１群には‘Ｌ’フラグ
を、右端に位置する画素群には‘Ｒ’フラグ（不図示）
をそれぞれ相対位置情報として記憶することとする。

【００２５】トレースの結果、始点の位置に戻ってきた
らトレースを終了し、その領域の高さ及び幅を調べ、認
識対象とする最大文字サイズよりも十分に大きければ表
であると判断して次の処理に進む。

【００２６】もし、最大文字サイズよりも小さければ表
ではないと判断し、まだ走査されていない画素に対して
走査を行う。

【００２７】さて、表外側輪郭線抽出手段１によって表
外側輪郭線が検出されたならば、その内部には表枠線の
内側輪郭が必ず１つ以上存在することになる。

【００２８】表内側輪郭線抽出手段２は、この表内側輪
郭を形成する黒画素位置とその画素の表枠線に対する相
対位置を表外側輪郭をトレースしたのと同様の方法で記
憶する。すなわち、表内側輪郭の端部を形成する画素群
に対して所定の識別フラグを設定する。

【００２９】次に、図４を参照して、表枠幅計測手段３
について説明する。本処理以降の処理は、抽出された各
表内側輪郭毎に適用される。

【００３０】表枠幅計測手段３では、表内側輪郭の水平
方向距離、すなわち「表枠幅」を求める。各水平方向画
素列において、‘Ｒ’フラグが付加された表内側輪郭の
画素のうち最も右に位置する画素４１と、画素４１と同
一水平画素上に位置し、且つ最も左側に位置する‘Ｌ’
フラグが付加された表内側輪郭の画素４２（画素４１と
対向する位置に来る）との距離を表枠幅４３とし、この
表枠幅４３を表枠線が存在する範囲の各水平画素列に対
して求める。即ち、表枠幅４３を表輪郭の図注水直方向
に順次求める。

【００３１】ヒストグラム計測手段４は、表枠幅計測手
段３によって抽出された表枠幅についてヒストグラム
（頻度分布）をとる。

【００３２】図５に、図４に示した表形式に対応する表
枠幅のヒストグラムの一例を示す。

【００３３】図５を参照して、表枠線途切れ推定手段５
は、抽出されたヒストグラムからその頻度の高い部分５
１が標準の表枠幅であり、標準の表枠幅よりも枠幅が大
きな、頻度の低い部分５２が枠線途切れによって発生す
る枠幅であると判定する。

【００３４】また、図５に示したように、頻度の高い部
分５１が頻度の低い部分５２の左側に現れた場合は、表
枠幅計測方向（図４では水平方向）と直交する方向の表
枠線途切れであると推定する。

【００３５】図６に、横方向の表枠線が途切れた表形式
の例を示す。表形式６１の表枠幅を水平方向に計測する
と、そのヒストグラムは図７に示すように、最高頻度７
１である標準の表枠幅より小さい値７２が途切れ位置か
ら検出される。そして、図７において、頻度の高い部分
７１が頻度の低い部分７２の右側に現れた場合は、表枠
幅計測方向（図６では水平方向）と並行な方向の表枠線
途切れであると推定する。

【００３６】そこで、表枠線補間手段６は、表枠幅計測
方向に直交する方向の表枠線途切れの場合は、頻度の少
ない枠幅に対応する水平画素列において表枠幅が他の部
分と等しくなるように黒画素を原画像に書き込む。

【００３７】また、表枠幅計測方向の表枠線途切れの場
合は、頻度の低い表枠幅となっている水平画素列におい
て、‘Ｒ’フラグの付加されている画素から‘Ｌ’フラ
グの付加されている画素までを黒画素で埋めることによ
って表枠線を補間することができる。

【００３８】本実施例では、表枠幅を水平方向に計測す
る方法を説明したが、表枠線の上下方向に位置する表内
側輪郭にフラグ（すなわち上端、下端を識別するための
フラグ）をたて、垂直方向に表枠幅を計測しても同様の
方法で表枠線途切れを補間することができる。

【００３９】また、本実施例は表が傾いていないことを
前提して計算量を低く抑えているが、原稿中の表が傾い
ている場合には、まず表形式の所定の傾き補正を行い、
その後本実施例が適用される。

【００４０】

【実施例２】図８を参照して、本発明の別の実施例を説
明する。

【００４１】表枠幅を水平方向に計測するとき、これと
同方向の表枠線途切れがあり、且つ微妙に傾いている表
形式８１に対するヒストグラムは明らかなピークを示さ
ない可能性がある。

【００４２】このような場合、表枠幅を水平方向に計測
し垂直方向の表枠線途切れを補間し、次に表枠幅を垂直
方向に計測して水平方向の表枠線途切れを抽出する。

【００４３】垂直補間、水平補間を途切れがなくなるま
で繰り返すことにより、表枠線の交点等の途切れにも対
応できる。

【００４４】以上、本発明を上記実施例に即して説明し
たが、本発明は上記態様にのみ限定されず、本発明の原
理に準ずる各種態様を含むことは勿論である。

【００４５】

【発明の効果】以上説明したように、本発明によれば、
表項目の幅を計測しその頻度を調べることによって、表
内部に存在する表枠線の途切れを検出し、表内部に存在
する枠線の途切れを補間することができる。

【００４６】特に、わずかな長さの途切れであれば、前
記従来例のように縮小画像をつくるといった局所的な処
理でも途切れをうめることは可能であるが、表枠の途切
れが大きい場合正しくセルを抽出できない可能性が高
い。これに対して、本発明によれば、表項目は基本的に
矩形であるという特徴を用いることによって、より大き
な途切れを補間することが可能である。

【００４７】また、本発明（請求項２）によれば、垂直
補間、水平補間を途切れがなくなるまで繰り返すことに
より、表枠線の交点等における途切れも補間することが
できる。

【００４８】更に、本発明は、表形式が微妙に傾いてい
ても途切れを補間することができるという効果を有す
る。

【図面の簡単な説明】

【図１】本発明の一実施例の構成を示す図である。

【図２】表枠線に途切れがある表の例を説明する図であ
る。

【図３】図２に示す表の左上角部を拡大した図である。

【図４】本発明の一実施例における表枠幅の測定方法を
説明するための図である。

【図５】本発明の一実施例において図４に示す表を処理
して得られる表枠線と表枠幅の関係を示すヒストグラム
である。

【図６】横方向の表枠線が途切れている表の一例を示す
図である。

【図７】本発明の一実施例において図６に示す表を処理
して得られる表枠線と表枠幅との関係を示すヒストグラ
ムである。

【図８】表形式が微妙に傾いた場合の一例を示す図であ
る。

【符号の説明】

２１ 表枠線 ３１ 表枠線の左側に位置する画素 ３２ 表枠線 ３３ 表内部 ４１ 表内側輪郭線のうち輪郭線の右側にある画素 ４２ 表内側輪郭線のうち輪郭線の左側にある画素 ４３ 表枠幅 ５１ ヒストグラムの頻度が高い部分 ５２ ヒストグラムの頻度が低い部分 ６１ 表枠線 ８１ 表枠線

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】表形式を含んで記載された原稿を走査して
   得られた画像より表の構造を認識する表認識方式におい
   て、 表枠線の外側輪郭を検出する表外側輪郭線抽出手段と、 前記表外側輪郭線抽出手段によって抽出された閉曲線内
   に存在する１又は複数の表内側輪郭を抽出する表内側輪
   郭線抽出手段と、 抽出された前記表内側輪郭線のそれぞれについて、同一
   の表内側輪郭線に属し、且つ同一行又は同一列に存在す
   る２画素間の距離を表枠幅として計測する表枠幅計測手
   段と、 前記表枠幅のヒストグラムを求めるヒストグラム計測手
   段と、 前記ヒストグラム計測手段によって得られたヒストグラ
   ムにおいて、その頻度が高い値を標準の表枠幅とし、頻
   度が低い値に対応する箇所を表枠線途切れが生じたもの
   とする表枠線途切れ推定手段と、 推定された途切れ表枠線を補間する表枠線補間手段と、 を備えたことを特徴とする表認識装置。
2. 【請求項２】前記表枠幅抽出手段が、同一列に存在する
   ２つの表枠線間の距離を計測する垂直方向表枠幅計測手
   段と、 同一行に存在する２つの表枠線間の距離を計測する水平
   方向表枠幅計測手段と、 を備え、 垂直方向の表枠幅を計測して得たヒストグラムから水平
   方向の表枠線途切れを推定して補間し、 次に水平方向の表枠幅を計測して得たヒストグラムから
   垂直方向の表枠線途切れを推定して補間することを特徴
   とする請求項１に記載の表認識装置。
3. 【請求項３】(a)表を含む文書を走査して得られた画像
   信号について表枠線の外側輪郭を抽出する工程と、 (b)抽出された前記外側輪郭内に存在する１又は複数の
   表内側輪郭を抽出する工程と、 (c)抽出された前記表内側輪郭線のそれぞれについて前
   記表内側輪郭線上の端部に属し且つ表内部を介して互い
   に対向する２画素間の距離を表枠幅として表枠線が存在
   する範囲で所定方向に計測する工程と、 (d)前記表枠幅のヒストグラムを求める工程と、 (e)前記ヒストグラムにおいて、その頻度が最も高い枠
   幅を標準の表枠幅とし、頻度が低い値の枠幅に対応する
   箇所を表枠線途切れが生じたものと推定する工程と、 (f)途切れた表枠線を補間する工程と、 を含むことを特徴とする表枠線の途切れ補間方法。
4. 【請求項４】前記抽出された表枠線の端部を構成する画
   素に端部であることを識別するための所定のフラグを設
   けたことを特徴とする請求項３記載の表枠線の途切れ補
   間方法。