JP2749947B2 - 文字認識方法 - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、媒体上の文字を光電変換して得られる文字
パタンより、入力文字を認識する文字認識方法、特に高
速で、認識精度の良い文字認識方法に関するものであ
る。

（従来の技術） 従来、この種の文字認識方法としては特開昭58−1231
71号公報に記載されるものがあった。

従来、媒体上の文字を認識する場合、手書き文字にお
いては、筆者の違いによる線素の移動速度や傾き、印刷
文字においては、フォント（字体）の違い等により、抽
出される特徴が変動するので、該特徴の変動に対応した
辞書を用意しなければならなかった。そのため、辞書容
量が増大し、さらにその辞書の照合に要する時間も増大
し、処理速度の低下、装置の大型化を招いていた。

そこで、前記文献の技術では、文字パタンを水平方向
及び垂直方向に走査して周辺分布を求め、該周辺分布の
重心位置により分割座標を決定している。これにより、
文字パタン上の領域を決定するための分割位置を線素の
位置移動に追従させることが可能となり、個人差に基づ
くストローク位置変動等の特徴の変動を吸収し、辞書容
量の減少による処理速度の高速化を図るようにしてい
る。

（発明が解決しようとする課題） しかしながら、上記の文字認識方法では、次のような
課題があった。

第２図（ａ），（ｂ）は従来の文字認識方法を説明す
るための図であり、同図（ａ）は傾きのない文字パタン
とその周辺分布、及び同図（ｂ）は斜字体の文字パタン
の周辺分布についてそれぞれ示されている。

従来の文字認識方法では、入力文字パタンを水平方向
及び垂直方向に走査して周辺分布を求め、その周辺分布
の重心位置により分割座標を決定している。ところが、
第２図（ｂ）に示すように、垂直線素に傾きを持つよう
な斜字体について周辺分布を抽出した場合、第２図
（ａ）に示すような傾きのない文字の場合と比較する
と、垂直線素の部分濃度分布がなだらかになるため、検
出される分割点座標値が異なったものとなる。しかも、
傾きのない文字については垂直線素と平行に分割される
が、垂直線素に傾きを持つ斜字体については文字線が斜
めに分断されてしまう。従って、同じ文字字形でありな
がら、抽出される特徴量が大きく異なったものとなり、
文字認識精度が低下してしまう。

そこで、従来の文字認識方法では、このような特徴の
変動を吸収するために、様々な変形に対応する辞書を用
意していた。そのため、辞書容量が増大し、照合に時間
がかかり、それによってハード規模（装置規模）や処理
時間が増大するという問題があり、技術的に十分満足の
ゆくものが得られなかった。

本発明は前記従来技術が持っていた課題として、処理
時間の増大と装置の大型化という点について解決した文
字認識方法を提供するものである。

（課題を解決するための手段） 本発明は前記課題を解決するために、媒体上の文字を
光電変換して得られる文字パタンの外接枠を検出し、該
外接枠内を複数の領域に分割し、該分割された分割領域
毎に特徴を抽出した後、該抽出された特徴と予め用意し
た標準特徴との照合により、前記文字を認識する文字認
識方法において、次のような手段を講じたものである。

即ち、前記文字パタンを含むＸ−Ｙ座標系で定義され
る平面において、少なくとも２組の特定の実数α及びβ
について前記文字パタンの黒画素に関するαｘ＋βｙ
（但し、x,yはＸ−Ｙ座標系の座標値）の最大値及び最
小値を与える座標を求め、該座標に基づき前記文字パタ
ンの傾斜角を検出する。次に、前記傾斜角に基づき前記
文字パタンを走査して周辺分布を抽出し、該周辺分布を
使用して前記外接枠内の分割点を検出する。その後、前
記傾斜角及び分割点に基づき前記外接枠内の分割境界を
設定し、該分割境界に基づき前記該接枠内を複数の領域
に分割するようにしたものである。

（作 用） 本発明によれば、以上のように文字認識方法を構成し
たので、文字パタンが入力されると、その文字パタンに
対する外接枠を検出すると共に、該文字パタンの黒画素
に関するαｘ＋βｙの最大値及び最小値を与える座標を
検出し、その座標に基づき該文字パタンの傾斜角を検出
する。そして、検出された傾斜角に従って周辺分布を抽
出し、その周辺分布を使用して外接枠内の分割点を検出
する。

次に、検出された傾斜角及び分割点に基づき、外接枠
内の分割境界を設定し、その設定された分割境界に基づ
き外接枠内を複数の領域に分割する。その後、分割され
た分割領域毎に特徴を抽出し、その特徴と標準特徴との
照合を行えば、入力文字の認識が行える。

このように、文字パタンの傾斜角を検出し、その傾斜
角に基づき、文字パタンを走査して周辺分布を抽出して
いるので、垂直軸に対して傾斜するような文字パタンに
ついても、抽出される特徴が安定し、文字傾斜の変形に
対応した辞書を用意する必要がない。これにより、処理
速度の高速化と装置の小型化、及び認識精度の向上が図
れる。従って、前記課題を解決できるのである。

（実施例） 第１図は、本発明の実施例を示すもので、文字認識方
法を説明するための文字認識装置の機能ブロック図であ
る。

この文字認識装置は、帳票等の媒体上の文字画像の光
信号INを量子化された電気信号（ディジタル信号）に変
換する光電変換部１を有し、その出力側には、行バッフ
ァ２が接続されている。行バッファ２は、例えば幅2048
×高さ128ビットの大きさを有し、１行分の文字画像の
ディジタル信号を格納する構成になっており、その出力
側には、文字切出部３を介してパタンレジスタ４が接続
されている。

文字切出部３は、メモリを有し、行バッファ２の出力
から１文字分のディジタル信号（これを、「文字パタ
ン」という）をパタンレジスタ４に格納する機能を有し
ている。パタンレジスタ４は、例えば64×64ビットの記
憶容量を有し、その出力側には、文字枠検出部５、線幅
測定部６、及びサブパタン抽出部７が接続されると共
に、文字傾斜検出部８及び周辺分布抽出部９が接続され
ている。

文字枠検出部５は、パタンレジスタ４内の文字パタン
を走査して外接枠、つまり文字枠を検出し、その検出結
果を文字傾斜検出部８及び周辺分布抽出部９等に与える
機能を有している。線幅測定部６は、パタンレジスタ４
の出力に対する線幅を測定し、その測定結果をサブパタ
ン抽出部７に与える機能を有している。サブパタン抽出
部７は、パタンレジスタ４を複数方向に走査して垂直、
水平、右斜め、左斜めサブパタンを抽出するもので、垂
直サブパタン抽出部7a、水平サブパタン抽出部7b、右斜
めサブパタン抽出部7c、及び左斜めサブパタン抽出部7d
より構成されている。各抽出部7a〜7dは、それぞれパタ
ン格納用のメモリを有している。

文字傾斜検出部８は、パタンレジスタ４に格納された
文字パタンについて傾斜度を抽出する機能を有してい
る。周辺分布抽出部９は、文字傾斜検出部８から出力さ
れた傾斜度を用いてパタンレジスタ４を走査し、周辺分
布を抽出する機能を有している。この周辺分布抽出部９
の出力側には、分割点検出部10が接続され、その分割点
検出部10、文字枠検出部５、サブパタン抽出部７及び文
字傾斜検出部８の出力側には、特徴マトリクス抽出部11
が接続され、さらにその出力側に識別部12が接続されて
いる。

分割点検出部10は、周辺分布抽出部９で抽出された周
辺分布を用いて、外接枠内を複数の部分領域に分割する
ための分割点座標を検出する機能を有している。特徴マ
トリクス抽出部11は、サブパタン抽出部７から出力され
る垂直、水平、右斜め、及び左斜めサブパタンの各パタ
ンから、特徴量を抽出して特徴マトリクスを作成し、そ
れを識別部12へ与える機能を有している。識別部12は、
標準文字の特徴マトリクス（標準文字マスク）Ｇ（ｋ）
と、この特徴マトリクスＧ（ｋ）を有する標準文字の文
字名とを、格納する辞書メモリを有している。そして、
特徴マトリクス抽出部11で抽出された特徴マトリクスＦ
（ｋ）と、辞書メモリの特徴マトリクスＧ（ｋ）とを、
照合することにより、該特徴マトリクスＦ（ｋ）を得た
外接枠内領域の文字図形の認識を行い、文字名OUTを出
力する機能を有している。

第３図は、第１図の文字傾斜検出部８における一構成
例を示す機能ブロック図である。

この文字傾斜検出部８は、パタンレジスタ４から入力
される画像データＭの画素にＸ座標を付与するためのＸ
座標発生手段21と、画像データＭの画素にＹ座標を付与
するためのＹ座標発生手段22とを備え、それらの出力側
には座標検出手段30,40が接続されている。座標検出手
段30,40は、Ｘ、Ｙ座標と少なくとも２組の特定のα値
及びβ値とを用いて被抽出パタンの画素に関する最大及
び最小の計算値αｘ＋βｙを検出し、その最大最小計算
値を与える被抽出パタンの画素のＸ、Ｙ座標をそれぞれ
特徴点座標として出力するものであり、その出力側に
は、文字パタンの傾斜度を特徴点座標に基づき算出する
傾斜度算出手段50が接続されている。

座標検出手段30は、計算値αｘ＋βｙを算出するＸ＋
Ｙ計算手段31と、最大計算値を検出するための最大値検
出手段32と、最大計算値を与える画素のＸ、Ｙ座標を保
存するための最大値座標保存手段33と、最小計算値を検
出するための最小値検出手段34と、最小計算値を与える
画素のＸ、Ｙ座標を保存するための最小値座標保存手段
35とで、構成されている。同様に、座標検出手段40は、
Ｘ−Ｙ計算手段41、最大値検出手段42、最大値座標保存
手段43、最小値検出手段44、及び最小値座標保存手段45
より構成されている。

この文字傾斜検出部８では、特徴点座標検出のため
に、例えばα＝β＝１及びα＝１、β＝−１の２組のα
値及びβ値を用いるので、２つの座標検出手段30,40を
備えている。一方の座標検出手段30では計算値Ｘ＋Ｙに
関する最大及び最小計算値を、他方の座標検出手段40で
は計算値Ｘ−Ｙに関する最大及び最小計算値を、それぞ
れ与える画素の座標を検出する機能を有している。

例えば、Ｘ＋Ｙ計算手段31は加算回路で、Ｘ−Ｙ計算
手段41は減算回路で、検出手段32,34,42,44はそれぞれ
比較器及びレジスタで、座標保存手段3335,43,45はそれ
ぞれレジスタ等で構成されている。また、Ｘ座標発生手
段21及びＹ座標発生手段22は、座標検出手段30,40に対
して共通に用いるように構成されており、そのため座標
検出手段30,40はＸ座標発生手段21及びＹ座標発生手段2
2から出力されるＸ、Ｙ座標をそれぞれ入力して特徴点
座標の検出を行う機能を有している。

次に、以上のように構成される文字認識装置を用いた
文字認識方法について、各機能ブロックの処理（Ｉ）〜
（VIII）について説明する。

第４図は、印刷文字の斜体字の例を示す図である。本
実施例では、この第４図に示すように、印刷文字におけ
る斜字体のような、文字の４個の特徴点を結んで得られ
る四辺形の右辺及び左辺が傾斜するような文字を含む文
字列を認識する場合について、以下説明する。

（Ｉ） 文字パタン生成処理 帳票上に記入された文字画像の光信号INが光電変換部
１に入力されると、光電変換部１では、光信号INを２値
のデジタル信号、つまり文字線部を‘1'、背景部を‘0'
に変換する。光電変換部１で変換された１行分の文字画
像のデジタル信号は、行バッファ２に格納される。

文字切出部３では、行バッファ２に格納された文字画
像のデジタル信号から、１文字のデジタル信号（文字パ
タン）を読出し、パタンレジスタ４に格納する。本実施
例では、帳票フォーマットが予め指定されており、文字
切出部３のメモリに、行バッファ２内の文字位置を示す
アドレスが格納されている。そのため、文字切出し動作
は、該アドレスで指定された行バッファ２の内容を読出
すことにより実行される。

（II） 文字枠検出・線幅測定処理 文字枠検出部５では、パタンレジスタ４のパタンを走
査してそのパタンの左端座標Xl、右端座標Xr、上端座標
Yt及び下端座標Ybを検出する。外接枠、つまり文字枠は
（Xl,Yt）、（Xl,Xb）、（Xr,Yt）、（Xr,Yb）の４点を
結ぶ矩形枠となる。

また、文字枠検出後は、特徴量の正規化を行うため
に、必要な文字枠の大きさを算出する。即ち、パタンレ
ジスタ４のＸ軸に対し、平行な方向（水平方向）の文字
枠の大きさをWPhとしてWPh＝Xr−Xl＋１を、垂直な方向
（垂直方向）の文字枠の大きさをWPvとしてWPv＝Yt−Yb
＋１を、それぞれ算出する。さらに、右斜め及び左斜め
45゜方向の文字枠の大きさをWPr及びWPlとして を算出する。

一方、線幅測定部６では、パタンレジスタ４からのデ
ィジタル信号を入力し、例えば２×２の窓の全ての点が
黒ビットとなる状態の個数Ｑと、全黒ビットの個数Ａと
を計数し、従来周知の（１）式に従って線幅WLを算出す
る。

WL＝A/（Ａ−Ｑ） ……（１） （III） サブパタン抽出処理 サブパタン抽出部７では、垂直サブパタン抽出部7a、
水平サブパタン抽出部7b、右斜めサブパタン抽出部7c及
び左斜めサブパタン抽出部7dにより、それぞれパタンレ
ジスタ４上に設定したＸ軸方向に垂直な方向（垂直方
向）及び平行な方向（水平方向）と、Ｘ軸から反時計方
向45゜の方向（右斜め45゜方向）及び時計方向45゜の方
向（左斜め45゜方向）とを、主走査方向としてパタンレ
ジスタ４を走査し、各主走査方向に対応する垂直、水
平、右斜め及び左斜めサブパンタンを抽出する。

即ち、垂直サブパタン抽出部7aでは、垂直方向を主走
査方向として原パタンを全面走査し、垂直方向の走査線
上で連続する黒ビット（黒ラン）を検出する。そして、
検出した黒ランのなかから次式（２）を満足する長さｌ
の黒ランを抽出する。

ｌ≧Ｎ・WL ……（２） 但し、l;主走査方向における黒ラインの長さ N;各サブパタンに対する任意定数（例えば、２） 次に、垂直サブパタン抽出部7aは、（２）式を満足する
黒ランを、サブパタンを構成する黒ランとみなして図示
しない垂直サブパタンメモリに格納する。（２）式を満
足しない黒ランは白ビットとみなす。

同様に、水平、右斜め及び左斜めサブパタン抽出部7
b,7c,7dは、水平、右斜め及び左斜め方向を主走査方向
として原パタンを走査し、それぞれの主走査方向の走査
線上の黒ランのなかから、（２）式を満足する黒ランを
抽出し、抽出した黒ランを、サブパタンを構成する黒ラ
ンとみなして図示しない水平、右斜め及び左斜めサブパ
タンメモリに格納する。

（IV） 文字傾斜検出処理 文字傾斜検出部８は、パタンレジスタ４に格納された
文字パタンについて傾斜度を抽出する。この抽出方法
を、第３図、第５図（ａ），（ｂ）及び第６図（ａ），
（ｂ）を参照しつつ説明する。

第５図（ａ），（ｂ）は傾斜度検出方法を説明するた
めの特徴点の検出例を示す図である。Ｘ−Ｙ座標系で表
現される平面には、被抽出パタンM2である傾きのない文
字（第５図（ａ））と斜体字（第５図（ｂ））とが示さ
れている。BL,BR,TL,TRは特徴点である。第６図
（ａ），（ｂ）は、文字傾斜検出方法を説明するもの
で、同図（ａ）は最大値処理のフローチャート、及び同
図（ｂ）は最小値処理のフローチャートである。

この文字傾斜検出処理を、（Ａ）特徴点TL、BR座標の
検出処理と、（Ｂ）特徴点BL、TR座標の検出処理と、
（Ｃ）傾斜度算出処理とに分けて以下説明する。

（Ａ）特徴点TL、BR座標の検出処理 この処理では、第３図の座標検出手段30等により、次
のような（１）〜（５）の処理ステップで実行される。

（１） ステップS1〜S3 先ず、パタンレジスタ４の走査を開始し、そのパタン
レジスタ４より出力された画像データＭを、文字傾斜検
出部８に入力する（ステップS1）。

この画像データＭは、画素毎に座標検出手段30内の最
大値検出手段32及び最小値検出手段34に入力される。

これと共に、Ｘ座標発生手段21及びＹ座標発生手段22
は、画像データＭの出力と同期させて、この画像データ
Ｍの各画素毎に対応付けたＸ、Ｙ座標を発生する。その
結果、これら発生手段21,22により、画像データＭに
Ｘ、Ｙ座標の付与が行われる。そして出力されたＸ、Ｙ
座標は、座標検出手段30内のＸ＋Ｙ計算手段31、最大値
座標保存手段33、及び最小値座標保存手段35に入力され
る（ステップS2）。

Ｘ＋Ｙ計算手段31は、Ｘ、Ｙ座標を入力すると、これ
らＸ、Ｙ座標から計算値Ｘ＋Ｙを算出し、算出した計算
値を最大値検出手段32及び最小値検出手段34へ出力する
（ステップS3）。ステップS2〜S3によって、最大値検出
手段32は画像データＭ及び計算値を、最小値検出手段34
は画像データＭ及び計算値を、最大値座標保存手段33は
Ｘ、Ｙ座標を、最小値座標保存手段35はＸ、Ｙ座標を、
それぞれ１画素毎に入力する。そして、座標検出手段30
は、後述のステップS4、S5a、S5b或いはS7の判断を１画
素毎に繰り返し実行し、その判断結果に応じた処理を行
う。

（２） ステップS4 最大値検出手段32及び最小値検出手段34は、入力され
た画像データＭの画像が所定の画素値（例えば、‘1'）
であるか否かを判断する。

所定の画素値を有さないとき 最大値検出手段32及び最小値検出手段34は、格納して
いる比較値を書換えず、これと共に最大値座標保存手段
33及び最小値座標保存手段35も、格納されているＸ、Ｙ
座標を書き換えない。検出手段32,34は、ステップS4の
次に、ステップS7の判断を行う。

所定の画素値を有するとき 最大値検出手段32はステップS4の次に比較値及び計算
値の比較（ステップS5a）を、最小値検出手段34はステ
ップS4の次に比較値及び計算値の比較（ステップS5b）
を、それぞれ行う。

（３） ステップS5a このステップでは、計算値が比較値より大きいか否か
を判断し、その判断結果に応じた次のような処理を実行
する。

計算値＞比較値のとき 最大検出手段32は、先に格納されている比較値に代え
て、比較値よりも大きい決算値を新たな比較値として格
納し（比較値の書換え）、これと共にセットパルスを最
大値座標保存手段33へ出力する。セットパルスを入力し
た最大値座標保存手段33は、格納されているＸ、Ｙ座標
に代えて、比較値よりも大きな計算値を与える画素の
Ｘ、Ｙ座標を新たに格納する（「Ｘ、Ｙ座標の書換え」
ステップS6）。

計算値≦比較値のとき 最大値検出手段32は、先に格納されている比較値を書
換えずにそのまま格納すると共に、最大値座標保存手段
33も、格納されているＸ、Ｙ座標を書換えない。

最大値検出手段32は、前記及びのいずれの場合
も、ステップS5aの次に、ステップS7の判断を行う。

なお、最大値検出手段32に格納される比較値の初期値
としては、例えば計算値αとして取り得る値よりも小さ
な値を用いれば良い。例えば、α＝β＝１で、画像デー
タＭをｌ行ｍ列の画素に分割した（従って、０≦Ｘ≦ｍ
−１、及び０≦Ｙ≦ｌ−１となる）場合には、−１を比
較値の初期値とすることができる。或は比較値の初期値
として、最大値検出手段32に一番最初に入力された計算
値αｘ−βｙを用いるようにしても良い。

また、最大値検出手段32は、比較値及びＸ、Ｙ座標の
書換えを、計算値αｘ＋βｙが比較値よりも大きいと
き、及び計算値が比較値と等しいときに行うようにし、
これと共に計算値が比較値よりも小さいと、比較値及び
Ｘ、Ｙ座標の書換えを行わないようにしても良い。さら
に、最大値座標保存手段33のＸ、Ｙ座標としては、任意
好適な数値を用いて良い。

（４） ステップS5b 第６図（ｂ）のステップS5bでは、決算値が比較値よ
り小さいか否かの判断を行い、その判断結果に基づき次
のような処理を実行する。

計算値＜比較値のとき 最小値検出手段34は、先に格納されている比較値に代
えて、比較値よりも小さい計算値を比較値として新たに
格納する（比較値の書換え）と共に、最小値座標保存手
段35へセットパルスを出力する。最小値座標保存手段35
は、セットパルスを入力すると、格納されているＸ、Ｙ
座標を、比較値よりも小さな計算値を与える画素のＸ、
Ｙ座標に書換える（「Ｘ、Ｙ座標の書換え」ステップS
6）。

計算値≧比較値のとき 最小値検出手段34は、先に格納されている比較値を書
換えずにそのまま格納すると共に、最小値座標保存手段
35も、格納されているＸ、Ｙ座標を書換えない。

最小値検出手段34は、前記及びのいずれの場合に
も、ステップS5bの次に、ステップS7の判断を行う。

なお、最小値検出手段34に格納される比較値の初期値
としては、例えば計算値αｘ＋βｙとして取り得る値よ
りも大きな値を用いれば良い。例えば、α＝β＝１で、
画像データＭをｌ行ｍ列の画素に分割した（従って、０
≦Ｘ≦ｍ−１、及び０≦Ｙ≦ｌ−１となる）場合には、
ｍ＋ｎ−１を比較値の初期値とすることができる。或は
比較値の初期値として最小値検出手段34に一番最初に入
力された計算値αｘ＋βｙを用いるようにしても良い。

また、最小値検出手段34は、計算値が比較値よりも小
さいとき、及び計算値が比較値と等しいとき、比較値及
びＸ、Ｙ座標の書換えを行い、これと共に計算値が比較
値よりも大きいとき、比較値及びＸ、Ｙ座標の書換えを
行われないようにしても良い。さらに、最小値座標保存
手段35のＸ、Ｙ座標としては、任意好適な数値を用いて
良い。

（５） ステップS7 ステップS7では、画像データＭの走査を終了したか否
かを判断し、その判断結果に応じて次のような処理を実
行する。

画像データＭの走査を終了したとき 最大値検出手段32及び最小値検出手段34は、画像デー
タＭの走査が終了し、データＭの全画素につき処理が終
了すると、Ｘ、Ｙ座標の出力信号を、最大値座標保存手
段33及び最小座標保存手段35へ出力する。すると、座標
保存手段33,35は、格納しているX,Y座標を特徴点座標と
して出力する。これと共に検出手段32,34は、比較値の
初期化を行う（ステップS8）。

全画素につき処理を終了した時点で、最大値座標保存
手段33及び最小値座標保存手段35に格納されているＸ、
Ｙ座標が、最大及び最小計算値を与える画素のＸ、Ｙ座
標、即ち特徴点座標となる。

座標検出手段30では、α＝β＝１としたので、全処理
終了時点で、例えば第５図に示す被抽出パタンM2の特徴
点BRの座標が、最大値座標保存手段33に格納されてお
り、また特徴点TLの座標が、最小値座標保存手段35に格
納されている。

画像データＭの走査が終了しないとき 座標検出手段30は、画像データＭの走査が終了せず、
従ってデータＭの全画素につき処理が終了していなけれ
ば、画像データＭの残りの画素につき、ステップS4,S5
a,S5b或はS7の判断を行い、その判断結果に応じた処理
を行う。

（Ｂ）特徴点BL、TR座標の検出処理 この処理は、座標検出手段40等で行われる処理であ
る。即ち、座標検出手段40は、上述した座標検出手段30
の動作と並行してその座標検出手段30とほぼ同様の処理
を行う。

この座標検出手段40では、α＝１及びβ＝−１とした
ので、全画素につき処理を終了した時点で、例えば、第
５図に示す被抽出パタンM2の特徴点TRの座標が、最大値
座標保存手段43に格納されており、また特徴点BLの座標
が、最小値座標保存手段45に格納されている。

（Ｃ）傾斜度算出処理 前記処理（Ａ），（Ｂ）で、特徴点TR,TL,BR,BLの４
点の座標（TRx,TRy），（TLx,TLy）（BRx,BRy），（BL
x,BLy）が検出されると、傾斜度算出手段50では、該４
点の座標より、入力文字パタンの傾斜角度に相当する値
（傾斜度）THを次式に従って計算する。

即ち、傾斜度算出手段50は、（３）式を用いて、４個の
特徴点を結んで得られる四辺形の右辺の上端と下端のｘ
座標値の差と、左辺の上端と下端のｘ座標値の差の平均
を、文字高さの平均で割った値を傾斜度TH（但し、TH;
実数）として出力し、周辺分布抽出部９及び特徴マトリ
クス抽出部11へ与える。

（Ｖ） 周辺分布抽出処理 第７図（ａ），（ｂ）は周辺分布抽出方法の説明図で
あり、同図（ａ）は入力文字パタンの例（数字の
‘0'）、同図（ｂ）は該パタンから抽出された周辺分布
である。

周辺分布抽出部９は、文字傾斜検出部８で得られた傾
斜度TH（＝実数）に従って、第７図（ａ）に示す文字パ
タンの走査経路を決定する。第７図（ａ）では、TH＝5/
20である。垂直走査は、上辺から走査を開始し、開始ア
ドレス（Xa,YT）から開始するときの走査経路の座標（x
_i,y_i）は次式（４）で表わすことができる。

x1＝Xa y1＝YT X_i＝Xa＋TH×（y_i−YT） y_i＝y_i＋１ ……（４） 但し、TH×（yi−YT）の結果は、小数点以下を切捨て
る。座標は全て整数である。

走査経路中の黒ビット数を計数し、Xaにおける周辺分
布の値とする。XaはXL≦Xa≦XRの範囲で変化させる。即
ち、走査開始点を（XL,YT），（XL＋1,YT），……，（X
R,YT）に設定し、各走査開始点について（４）式に従う
走査経路上の黒ビット数を計数し、周辺分布を抽出す
る。該抽出された周辺分布をSX（ｘ）（但し、ｘ＝XL,
……,XR）を表わす。

また、水平方向に走査し、Ｙ軸方向の周辺分布SY
（ｙ）（但し、ｙ＝YT,……,YB）を抽出する。

本実施例では、水平方向の走査はＸ軸と平行な走査経
路で行う。即ち、パレンレジスタ４の座標（x,y）画素
における画素の値をＰ（x,y）としたとき、 で計算される。

（VI）分割点検出処理 分割点検出部10では、周辺分布SX（ｘ）,SX（ｙ）を
用いて、外接枠内領域をNX×NY個の部分領域に分割する
ためのＸ軸上及びＹ軸上の分割点座標を、各外接枠毎に
決定する。但し、NXはＸ軸方向における分割数、及びNY
はＹ軸方向における分割数である。

分割数NX及びNYは、文字の複雑さに応じて任意好適な
値に設定するのが好ましい。例えば、漢字・カタカナ等
の画数の少ない文字を認識対象とする場合は、（２×
２）〜（３×３）程度の少ない数の部分領域に、外接枠
内領域を分割する。漢字が認識対象となる場合には、
（４×４）〜（８×８）程度の部分領域に、外接枠内領
域を分割することが多い。しかし、本実施例では、認識
対象の複雑さにかかわらず、外接枠内領域を、例えば常
に（４×４）個に分割するようにした。

この分割点検出部10は、周辺分布抽出部９で作成した
周辺分布SX（ｘ）,SY（ｙ）の重心座標より、分割点座
標DX（ｍ）,DY（ｎ）を求めるものである。これは、文
字枠のＸ軸方向またはＹ軸方向の全範囲、あるいはそれ
までに求めた重心座標で分割された範囲における１次モ
ーメントの和を、その範囲の黒ビット和で除算すること
により求まる。但し、m,nは座標値の大きさの順に付し
た重心座標番号であり、ｍ＝１〜NX−１（NX−１はＸ軸
方向の重心の個数）、ｎ＝１−NY−１（NY−１はＹ軸方
向の重心の個数）である。

まず、文字枠のＸ軸方向の範囲XL〜XRを対象とし、次
式（５）に示すように、入力文字パターンの周辺分布SX
（ｘ）の１次モーメント和を、その範囲の黒ビット和で
除算することにより、中央の重心座標番号の重心座標DX
（２）を求める。

但し、右辺の式は実数となるので、小数点以下を切り上
げDX（２）を整数にする。

次に、その重心座標DX（２）で分割された夫々の範
囲、XL〜DX（２）−1,DX（２）〜XRを対象として２つの
重心DX（１）,DX（３）を求める。

以上のようにして重心座標DX（１）,DX（２）,DX
（３）を求め、当該座標をＸ軸上の分割点座標として決
定する。

Ｙ軸方向の重心座標も同様に、Ｙ軸上の周辺分布SY
（ｙ）より、文字枠の範囲YT〜YBを対象として重心座標
DY（４）を検出する。次に、YT〜Ｙ（２）−1,Y（２）
〜YBそれぞれを対象として、周辺分布SY（ｙ）の重心座
標Ｙ（１）,Y（３）を検出する。

以上のようにして、重心座標DY（１）,DY（２）,DY
（３）を求め、外座標をＹ軸上の分割点座標として決定
する。

このＸ軸上及びＹ軸上の分割点座標は、特徴マトリク
ス11へ与えられる。

（VII） 特徴マトリクス抽出処理 文字枠検出部５が文字パタンの外接枠を規定する座標
Xl,Xr,Yt,Ybを検出し、さらに分割点検出部10が文字パ
タンについて対象分割点座標を検出すると、特徴マトリ
クス抽出部11では、垂直、水平、右斜め、及び左斜めサ
ブパタンの各パタンから特徴量を抽出し、特徴マトリク
スを作成する。

即ち、特徴マトリクス抽出部11は、一つの外接枠内領
域を、対象分割点座標と座標Xl,Xr,Yt,YbとによってNX
×NY個の部分領域に分割し、各部分領域内のサブパタン
の文字線量を表す特徴量を抽出する。そして、一つの外
接枠領域内の各サブパタンから抽出したNX×NY×４個の
特徴量から成る特徴マトリクスを、当該外接枠内領域の
特徴量マトリクスとして抽出する。

まず、水平サブパタン（HSP）からの特徴量抽出につ
き説明する。

特徴マトリクス抽出部11は、対象分割点座標と座標X
l,Xr,Yt,Ybとに基づき、外接枠内領域をNX×NY個の部分
領域に分割し（対象分割点座標及び座標Xl,Xr,Yt,Ybは
分割点座標である）、各部分領域毎に部分領域体の水平
サブパタンHSPの黒ビット数BH（i,j）を計数する。

分割点座標から分割領域の決定は、次のように行う。
Ｘ軸上の分割点座標DX（ｎ）は、文字パタンの外接枠上
辺の分割点を示している。この座標を起点として、次式
（８）で求められる座標系列の左側を分割境界Ｓとす
る。

x1＝DX（ｎ） y1＝YT x_i＝DX（ｎ）−TH×（y_i−YT） y_i＝y_i-1＋１ ……（８） この分割境界の例が、第７図（ａ）に示されている。

水平方向の分割境界Ｓは、DY（ｍ）より、水平方向に
設定する。

以上のように分割された分割領域毎に、水平サブパタ
ンHSPの黒ビット数BH（i,j）を計数する。このBH（i,
j）は、一つの外接枠内領域に関する第ｉ行第ｊ列の部
分領域の黒ビット数である。次に、（９）式に従って第
ｉ行第ｊ列の部分領域に関する特徴量FH（i,j）を計算
する。

但し、ｉ＝1,2,……,NX ｊ＝1,2,……,NY WL;線幅 WPh;文字幅（＝Xr−Xl＋１） さらに、HPSの場合と同様にして、第ｉ行第ｊ列の部
分領域のVSP,RSP,LSPの黒ビット数BV（i,j）,BR（i,
j）,BL（i,j）を計数し、次式（10）〜（12）に従って
第ｉ行第ｊ列の部分領域に関するVSP,RSP,LSPの特徴量F
V（i,j）,FR（i,j）,FL（i,j）を算出する。

但し、 WPv;文字高さ（＝Yb−Yt＋１） WPr＝WPl＝（WPv＋WPh）/2 以上のようにして、外接枠内領域の各部分領域毎にVS
P,HSP,RSP,LSPの特徴量を抽出し、これらNX×NY×４個
の特徴量から成る特徴マトリクスＦ（ｋ）（ｋ＝1,2,…
…,NX×NY×４）を得る。特徴マトリクス抽出部11は、
特徴マトリクスＦ（ｋ）を各外接枠領域毎に抽出し、そ
の抽出結果を識別部12へ送る。

（VIII） 識別処理 識別部12は、抽出された特徴マトリクスＦ（ｋ）と、
内部に設けられた辞書メモリ内の特徴マトリクスＧ
（ｋ）とを、照合することにより、該特徴マトリクスＦ
（ｋ）を得た外接枠内領域の文字図形の認識を行う。こ
の認識では、次式（13）に従って特徴マトリクスＦ
（ｋ）とＧ（ｋ）間の距離Ｄを求め、距離Ｄが最小とな
る特徴マトリクスＧ（ｋ）の標準文字の文字名（例え
ば、JIS規格に定められた文字コード）OUTを認識結果と
して出力する。

以上のように、本実施例では、次のような利点を有し
ている。

（ａ） 本実施例では、パタンレジスタ４内の文字パタ
ンを含むＸ−Ｙ座標系で表現される平面において、文字
パタンの黒画素に関するαｘ＋βｙの最大値及び最小値
を与える座標を文字傾斜検出部８で検出し、さらにその
座標に基づき文字パタンの傾斜角を検出する。そして、
該傾斜角に従って周辺分布抽出部９で周辺分布を抽出
し、その周辺分布を用いて分割点検出部10で分割点を検
出する。その後、特徴マトリクス抽出部11で、該傾斜角
及び周辺分布に基づき分割境界を設定し、特徴マトリク
スを抽出している。そのため、傾斜を有する文字パタン
についても、抽出される特徴が安定となる。従って、文
字傾斜の変形に対応した辞書を識別部12内に用意する必
要がなく、辞書容量の減少により照合時間を短縮でき、
処理速度の高速化が図れると共に、ハード規模が小さ
く、認識精度の良い文字認識方法を提供できる。

（ｂ） 上記実施例では、第４図のような印刷文字にお
ける斜体字の認識方法について説明したが、認識対象文
字は、これに限定されない。例えば、手書き文字の癖字
で、右上がりに記入された文字を認識対象とする場合
は、文字の４個の特徴点を結んで得られる四辺形の上
辺、下辺が傾斜しているものとして、上記実施例とほぼ
同様の処理で認識することができる。

なお、本発明は、上記実施例に限定されず、例えば第
３図の文字傾斜検出部８を、他の機能ブロックで構成し
たり、あるいはそれらの機能ブロックを、コンピュータ
を用いたプログラム制御等で実行する構成にしてもよ
い。さらに、その文字傾斜検出処理を、第６図（ａ），
（ｂ）以外の処理フローチャートで実行する等、種々の
変形が可能である。

（発明の効果） 以上詳細に説明したように、本発明によれば、文字パ
タンを含むＸ−Ｙ座標系で表現される平面において、α
ｘ＋βｙの最大値及び最小値を与える座標を求め、その
座標に基づき文字パタンの傾斜角を検出する。次に、周
辺分布を抽出し、その周辺分布を用いて分割点を検出す
る。その後、該傾斜角及び周辺分布に基づき、文字該接
枠内の分割境界を設定し、その分割境界で分割された領
域毎に、特徴を抽出するようにしている。そのため、傾
斜を有する文字パタンについても、抽出される特徴が安
定となり、文字傾斜の変形に対応した辞書を用意する必
要がない。これにより、辞書容量の減少と、それによる
照合時間の短縮化によって処理速度の高速化が図れると
共に、小さなハード規模で、認識精度の良い文字認識方
法を実現できる。

【図面の簡単な説明】

第１図は本発明の実施例を示すもので、文字認識方法を
説明するための文字認識装置の機能ブロック図、第２図
（ａ），（ｂ）は従来の文字認識方法を説明するための
図、第３図は第１図における文字傾斜検出部の機能ブロ
ック図、第４図は斜体字の例を示す図、第５図（ａ），
（ｂ）は傾斜度検出方法を説明するための特徴点の検出
例を示す図、第６図（ａ），（ｂ）は文字傾斜検出のフ
ローチャート、第７図（ａ），（ｂ）は周辺分布抽出方
法を説明するための図である。 １……光電変換部、２……行バッファ、３……文字切出
部、４……パタンレジスタ、５……文字枠検出部、６…
…線幅測定部、７……サブパタン抽出部、８……文字傾
斜検出部、９……周辺分布抽出部、10……分割点検出
部、11……特徴マトリクス抽出部、12……識別部、21…
…Ｘ座標発生手段、22……Ｙ座標発生手段、30,40……
座標検出手段、50……傾斜度算出手段。

フロントページの続き (56)参考文献 特開 昭60−3078（ＪＰ，Ａ) 特開 昭63−238686（ＪＰ，Ａ) 特開 昭60−201485（ＪＰ，Ａ) 特開 平４−587（ＪＰ，Ａ) 特開 平４−590（ＪＰ，Ａ) 特開 昭57−196383（ＪＰ，Ａ)

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】媒体上の文字を光電変換して得られる文字
   パタンの外接枠を検出し、該外接枠内を複数の領域に分
   割し、該分割された分割領域毎に特徴を抽出した後、該
   抽出された特徴と予め用意した標準特徴との照合によ
   り、前記文字を認識する文字認識方法において、 前記文字パタンを含むＸ−Ｙ座標系で定義される平面に
   おいて、少なくとも２組の特定の実数α及びβについて
   前記文字パタンの黒画素に関するαｘ＋βｙ（但し、x,
   yはＸ−Ｙ座標系の座標値）の最大値及び最小値を与え
   る座標を求め、該座標に基づき前記文字パタンの傾斜角
   を検出し、 前記傾斜角に基づき前記文字パタンを走査して周辺分布
   を抽出し、該周辺分布を使用して前記外接枠内の分割点
   を検出した後、 前記傾斜角及び分割点に基づき前記外接枠内の分割境界
   を設定し、該分割境界に基づき前記外接枠内を複数の領
   域に分割することを特徴とする文字認識方法。