JP3121466B2

JP3121466B2 - 画像修正装置

Info

Publication number: JP3121466B2
Application number: JP05018524A
Authority: JP
Inventors: 秀明前原; 忠司西川; 寿郎木本; 宏人長久; 聡田中
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1993-02-05
Filing date: 1993-02-05
Publication date: 2000-12-25
Anticipated expiration: 2015-12-25
Also published as: JPH06231253A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、図面中の図形や線分
等を分離して位置や種別を認識し、計算機中に入力した
これら図面の情報を修正する画像修正装置に関するもの
である。

【０００２】

【従来の技術】近年産業の様々な分野において使用され
ている膨大な量の図面が、従来の紙を媒体とするものか
らいわゆるＣＡＤデータとして作成・蓄積・運用される
ようになってきた。この背景には、図面の作成段階にお
いて使用されるＣＡＤを代表とする図面描画ツールとそ
れを載せた計算機の普及に加え、紙図面を自動的にＣＡ
Ｄデータへ変換する図面認識システムの実用化がある。
一方業界各所で指摘されているように、今後新規に作画
される図面の大部分が今世紀中に紙を媒体とするものか
らＣＡＤデータへととって変わられることは疑いようの
無い事実である。しかしながら図面の種類と絶対量が豊
富であること、従来の図面認識技術が汎用性を欠いてい
ることを原因として、相当量の紙図面が依然として第一
線で使用されているのが現状である。さらにこのような
ＣＡＤデータ化の遅れている図面には、記入状態の経年
劣化や複写による劣化が顕著であること、記入密度の高
さや図面要素同士の接触・重畳による複雑さといった共
通点を見い出すことができる。従って今後必要とされる
図面認識技術は、汎用であるばかりでなく、初めからパ
ターン認識上のボトルネックとなっている上記の図面の
性質を十分に許容できるものでなければならない。この
ことは既に図面認識処理設計者の間に共通の課題として
認められてはいるものの、これに関してこれまでの技術
発表を概観した時、例えば、特開平１−１１９８７４４
号公報あるいは「雑音に強い線分抽出法，４５情処全
文，２Ｊ−１」に示されるように、線分の途切れを修復
するといったような手法がごく限られた応用範囲で使用
されることを前提に提案されているに留まっている。

【０００３】図１６は例えば特公平１−４２０２９号公
報に示されている従来の画像修正装置の構成図である。
図において、１は図形や線分等を記入した図面を読み取
って作成した二値画像を記憶する画像記憶手段、３はこ
の画像記憶手段に記憶されている二値画像を入力とし
て、大きさや形状等が一定の範囲内にある白領域または
黒領域を抽出して記憶する領域抽出手段、４はこの領域
抽出手段に記憶されている各領域について、大きさや形
状等の特徴量を算出して記憶する特徴量算出手段、５は
図面にかかれている図形の大きさや形状等を統計的に解
析して得た特徴量を記憶する認識辞書、６はこの認識辞
書に記憶された図形の特徴量を用い、上記特徴量算出手
段によって記憶されている各領域の特徴量から図形の種
別を識別する図形識別手段である。

【０００４】次に動作について説明する。図１７は画像
修正装置で図面の情報を入力しようとしている図面の例
である。ここで（１０１）、（１０２）、（１０３）、
（１０４）が認識対象の図形であるとする。今図１７の
図面をイメージリーダにより入力すると、図面は図１８
（ａ）に示すようなベクトルデータの一形態であるラン
レングスデータとして画像記憶手段１に記憶される。こ
のとき図１８に示すように図の（１０３）に相当する図
形を構成する黒画素に欠落が発生しているものとする。
ランレングスデータには、白画素について作成した白ラ
ンレングスデータ、黒画素について作成した黒ランレン
グスデータの２種類があり、図１８（ａ）の例ではいず
れも同種画素のｙ軸方向の連続によって作成している。
ランレングスデータの一つのランレングスの構造を図１
８（ｂ）に示す。

【０００５】次に領域抽出手段３は、例えば図１９に示
す規則に従って白ランレングスデータのラベリングを行
い、図２０に示すように同一ラベルのランレングスから
なる複数個の領域を作成する。このとき図１８（ａ）の
（１０３）に相当する図形を構成する白ランレングス
は、黒画素の欠落のために（３０３）の白領域と同一の
ラベルを付けられている。

【０００６】さらに特徴量算出手段４は図２１に示すよ
うにこれらの各領域について特徴量として面積を算出し
て記憶する。一方認識辞書５では、図２２に示すように
図形の種別毎に特徴量として面積の上限値・下限値をあ
らかじめ記憶しているので、図形識別手段６は図２１の
領域毎の面積と認識辞書２の特徴量を照合し、面積の適
合する領域を対応する種別の図形として識別して出力す
る。以上の手順によって得られた認識結果の例を図２３
に示す。図１７の（１０３）に相当する図形は、それを
構成している黒画素の欠落によって認識されていない。

【０００７】図面の代表的な構成要素としては、大きく
次の３種類を上げることが出来る。即ちシンボル・線分
・文字列である。これらの図面における重要性にはあま
り顕著な差は認められないが、特にシンボルについて最
重要視している。この理由としては、（１）ほとんどのあらゆる図面中にシンボルが記入され
ている。（２）シンボルは線分に比べてその種類が多く、線分の
ようにセマンティックな解析を必要とせずにその意味す
るところを得ることが出来る。（３）シンボルの検出によって多くの場合接続線である
線分の認識率が飛躍的に向上する。などを挙げることが
できる。

【０００８】シンボルの抽出方法もこれまで様々な手法
が提案されてきた。代表的なものとしては、（ａ）テンプレートマッチング（ｂ）線追跡法（「図面自動入力における図形要素の分
離手法，２９情処全大，６Ｍ−４」）（ｃ）スリット法（ｄ）ラベリングによる領域検出法（ｅ）膨張・収縮による領域検出法（特開平１−４２０
２９号公報）などがある。しかしながら、いずれの手法も途切れや掠
れのあるもの、接触・重畳のある記入密度高いものの双
方を同時に対象とすることは出来ない。ここでは今後、
この様な記入状態にあるシンボルを「ノイズを持つシン
ボル」、またこの様なシンボルが記入されている図面を
「画素欠落の多い図面」と呼ぶことにする。

【０００９】

【発明が解決しようとする課題】以上のように従来の画
像修正装置は、二値画像中の図形を構成する画素に欠落
等の誤りがある場合に図形を正しく分離して認識するこ
とができず、認識結果の修正に多くの労力を必要とする
という問題点があった。

【００１０】この発明は上記のような問題点を解消する
ためになされたもので、図形を構成する領域を抽出する
前に、二値画像中の画素の欠落等の誤りを自動的に検出
するとともに、これらの誤りを図形の認識が正しく行わ
れるように自動的に修正することによって、認識結果に
対する修正に必要な労力を軽減することのできる画像修
正装置を得ることを目的としている。

【００１１】

【課題を解決するための手段】この発明に係る画像修正
装置は、画像記憶手段に記憶されている二値以上の画像
データにおける画素の欠落等の誤りを画像をベクトル化
し、隣接する画像データベクトルの長さの差分に基づい
て検出するとともに、これらの誤りを図形の認識が正し
く行われるように上記差分に基づいて修正する画像修正
手段を付加したものである。特に、画像修正手段は、隣
合うランレングスの長さの差分に基づいて、二値画像を
修正することを特徴とするものである。あるいは、画像
修正手段は、二値画像をベクトル化して得た連続値の差
分から、画素の欠落等の誤りを検出することを特徴とす
るものである。

【００１２】

【作用】この発明における画像修正手段は、画像記憶手
段に記憶されている二値以上の画像データにおける画素
の欠落等の誤りを、ランレングスの差分あるいは、ベク
トル情報の差分から検出するとともに、これらの誤りを
図形の認識が正しく行われるように修正する。

【００１３】

【実施例】実施例１．この実施例で述べるシンボルの抽出手法は、基本的には
ラベリングによる領域検出法である。従来方法に比べて
ユニークなのは、ノイズを持ったシンボルの構成領域を
検出する際に、画素の欠落や接触等を検出して元の領域
を復元して検出し、これを用いてシンボルの抽出を行う
点である。

【００１４】以下、この発明の一実施例を図について説
明する。図１はこの発明の一実施例である画像修正装置
を示すブロック構成図で、図中の各符号１、３〜６は従
来装置と同一の構成要素である。図において、２は画像
記憶手段に記憶されている二値画像の画素の欠落等の誤
りを検出するとともに、これらの誤りを図形の認識が正
しく行われるように修正する画像修正手段である。

【００１５】次に、上記の実施例１の動作を図２〜図８
を参照しながら説明する。図１７は画像修正装置で、図
面の情報を入力しようとしている図面の例である。図１
８は、図１７の図面をイメージリーダより入力して得た
ベクトルデータの一形態であるランレングスデータの例
である。図２は画像修正手段２において、画像記憶手段
１に記憶されているランレングスデータ中の特定長の白
ランレングスを抽出して示した例である。図３及び図４
は画像修正手段２において、図２に示した特定長の白ラ
ンレングスの近傍にあるランレングスを取り出して、こ
れらの長さを棒グラフで示した例である。図５は画像修
正手段２において、図４に示した白ランレングスについ
て、長さの差分を求めて表にした例である。図６は画像
修正手段２において、図５に示した表中の値を修正した
例である。図７は画像修正手段２において、図６に示し
た表中の修正値に従って、画像記憶手段１に記憶されて
いる二値画像を修正した例である。図８は図７に示した
修正した二値画像を入力として、図形の認識を行った結
果の例である。

【００１６】まず、従来例と同様に図１７の図面をイメ
ージリーダにより入力し、図１８に示すようなベクトル
データの一形態であるランレングスデータとして、画像
記憶手段１に記憶する。次に画像修正手段２は、上記ラ
ンレングスデータ中で特定長の白ランレングスのみを図
２に示すように抽出する。

【００１７】ここで、特定長の白ランレングスを抽出す
るのは、認識しようとしているシンボル中に含まれる白
ランレングスを抽出するためのである。すなわち、認識
しようとしているシンボルのサイズをあらかじめ知って
おき、その中に含まれる白ランレングスのサイズが特定
の長さの範囲になることを知り、その範囲のいずれかの
値を特定長とすることにより、認識しようとしているシ
ンボルの中に含まれる白ランレングスを抽出することが
できる。例えば、特定長＝１８ｍｍとすると、図２に示
すように１８ｍｍの白ランレングスとして４０１〜４０
５が抽出される。ただし実際には特定長の白ランレング
スは図２に示したもの以外にも存在するが、便宜上代表
的なものだけを示している。

【００１８】これらの特定長のランレングスを中心に近
傍のランレングスを取り出してこれらの長さを棒グラフ
状に表示した例を図３に示す。ここで図形を構成する黒
画素が直線分または円弧上に配置されていることに着目
する。すると、図３の棒グラフの頂点を結ぶ折れ線は、
二次以下の関数式で十分に近似可能であることが分か
る。さらにこれらの関数の二次導関数が定数となること
から、互いに隣合うランレングスの長さについての差分
を差分Ａとして求め、更に互いに隣合う差分Ａの差分を
差分Ｂとして求めると、図形を構成する黒画素に欠落の
ない場合、量子化誤差を無視すれば差分Ｂは一定の値を
とる。このことを利用すれば、図形を構成する黒画素の
欠落を検出することができる。すなわちランレングスデ
ータより得られるランレングス長について差分Ｂを求
め、これらの差分Ｂがある範囲を越えている場合に二値
画像に黒画素の欠落が発生しているものと判断する。例
えば図２の白ランレングス（４０４）の近傍にある白ラ
ンレングスを取り出してこれらの長さを棒グラフ状に表
示した例を図４に示す。これらの白ランレングスの長さ
について差分Ａ、Ｂを求めて表にしたものを図５に示
す。ここでは量子化誤差を考慮して差分Ｂの範囲を−２
以上＋２以下として検査するものとすれば、ランレング
スｒ₁₃〜ｒ₁₅において画素の欠落が発生していることが
分かる。そこでランレングスｒ₁₃〜ｒ₁₅の長さを例えば
図６に示すように修正れば、これを元に図７の（５０
１）に示すように欠落した画素を修正することができ
る。

【００１９】以上のように二値画像中の黒画素の欠落が
検出されて修正されたので、これを用いて図に示した図
面中の図形の認識を正しく行うことができる。図１中の
手段３〜６の動作は、従来の技術と同じであるのでその
説明を省略する。このようにして得られた図の認識結果
を図８に示す。

【００２０】次に、図９のフローチャートを用いて、上
述したシンボル抽出処理の手順について説明する。まず
図９（１）で図面をスキャナより入力し、図９（２）で
二値画像の可逆変換の一つであるランレングスデータに
変換して記憶する。このランレングスデータの内、シン
ボルの周辺に分布する白ランの長さを縦軸にとってヒス
トグラムを作成すると、図１０（ａ）に示すような形状
を得ることが出来る。ここでシンボルを構成する黒画素
が直線分または円弧上に配置されていることに着目する
と、ヒストグラムの頂点を結ぶ折れ線は、直線または滑
らかな曲線を描く。一方ノイズを持つシンボルの周辺に
分布する白ランの長さを同様にヒストグラム化すると、
図１０（ｂ）のように黒画素の欠落部分においてランの
長さに急激な変化が観察される。そしてこの様な変化は
ランの長さを一方向から順次微分していくことによって
見つけることが出来る。以上のことを利用して図９
（３）では、途切れや接触などを見つけてシンボルを構
成する画素を修正する。画素の修正後は、図９（４）の
ように従来の領域検出法と同様に黒／白領域の検出と合
成を行い、図９（５）で各領域毎の特徴量を算出し、図
９（６）で認識辞書のマッチングを行って種別を判定す
る。

【００２１】実施例２．実施例１では、二値画像中で図形を構成する黒画素の欠
落が発生している場合に画像修正手段２が二値画像を修
正する例について述べたが、画像修正手段２が用いてい
る手法を用いて重畳した複数の図形から一つの図形だけ
を分離することもできる。図１１はこの様な図形の例で
あり図１１（ａ）は図３と同様に一部の黒ランレングス
を取り出してこれらの長さを棒グラフにしたものであ
る。画像修正手段２が実施例１で行ったように、黒ラン
レングス長の差分を用いて二値画像の修正を行うと、図
１１（ｂ）に示すように（６０１）の図形だけを抽出す
ることができる。

【００２２】実験結果．ここでは前述の実施例１及び実施例２を用いてインプリ
メントしたソフトウェアによる実図面上のシンボルの領
域検出の例を図１２及び図１３に示す。前述した実施例
では、ランレングスをｙ方向にとる場合を示したが、図
１２ではランレングスをｘ方向にとる場合を示してい
る。図１２（ａ）は円の領域検出、図１２（ｂ）は矩形
の領域検出、図１２（ｃ）は円と円帯の領域検出を示し
ている。図１２の上段はスキャナで読み込んだ原図を示
しており、下段は抽出された領域を示している。いずれ
の場合も、実施例１に示したように黒画素が欠落してい
ても、白領域が抽出されている。

【００２３】次に、図１３では抽出しようとする領域
に、途切れ以外のシンボルのノイズがある場合を示して
いる。図１３において（ａ）は白領域中に不要な黒画素
Ｎ１のある「汚れ」の例、（ｂ）は黒領域中の黒画素に
欠落Ｎ２のある「掠れ」の例、（ｃ）は黒領域に対して
他の図形Ｎ３が重ねて描画されている「重畳」の例であ
る。いずれもラン長の急激な変化として発見可能である
ため、これらを修正して正しい領域を検出することがで
きる。

【００２４】次に、実際の図面を用いて抽出性能の評価
を行った結果を図１４に示す。この図面中のシンボルの
内、ノイズを持つシンボルは全体の９０％以上である。
表中の抽出率の計算式を次に示す。抽出率＝（シンボル総数−未検出−過検出）／シンボル
総数

【００２５】上記実験結果で示したように本実施例で提
案した抽出方法は、様々な形状と図面に現われる途切れ
・重畳などのパターン認識上のマイナス要因に柔軟に対
応出来、しかも高い抽出性能を持つことがわかる。本実
施例で提案した抽出手法の特徴をまとめるとは次のよう
になる。（ａ）シンボルを構成している領域が直線分または円弧
で構成されている場合、途切れ・掠れ等のノイズを持っ
たシンボルであっても抽出することが出来る。（ｂ）細線化・膨張／収縮処理等による情報の欠落や歪
みの影響がないので、シンボル構成領域の誤りの少ない
検出ができる。（ｃ）細線化・輪郭線抽出などの高負荷な前処理を必要
としないので、イメージプロセッサなどの専用ハードウ
ェアなしで高速な処理システムを構成できる。

【００２６】以上のように、上記実施例では画素欠落の
多い図面において、ランレングスデータ中のランの長さ
の急激な変化に着目してシンボル構成領域の修正を行な
うことを特徴をするシンボルの抽出手法について述べ
た。また実際の図面を入力データとして用いて性能を評
価し、十分に実用的な性能が得られることを確認した。
ここで提案した方法は、現実に存在するある図面群の認
識を目的として開発されたものである。これらの図面は
一般に青焼きを原図としており、実験結果で示した入力
画像例と同程度の品質を持つ。また別の調査により、産
業の各分野で実際の業務に用いられている図面のほとん
どが、前記の図面と同程度またはそれ以上の品質を持っ
ていることを確認している。本抽出手法が抽出対象とし
て多様な形状ものを包括していることを併せて考察する
と、実用的であるばかりでなく汎用的なシンボル抽出手
法であると言うことも出来る。

【００２７】本手法の問題点としては、図１４の過抽出
の欄に示すように、シンボル構成領域の過検出の発生を
挙げることが出来る。これは図面中のノイズ等画素配列
の偶然性によって起こるため、領域検出の感度を上げれ
ばむしろ必然的に現われる。一方検出感度を下げれば、
過検出は減少するが未検出のシンボル構成領域が増加す
ることになる。このジレンマはノイズを持つシンボルの
抽出を試みる場合に避けて通れない問題であると言えよ
う。現在は領域検出の後でマッチングさせる認識辞書の
試行錯誤的な調整によりこの問題に対処しているが、よ
り合理的な解法を得ることを今後の課題とする。

【００２８】実施例３．上記実施例では、ランレングスをｘ方向またはｙ方向の
いずれか一方にのみとって修正する場合を示したが、ｘ
方向とｙ方向の両方向を用いて、領域を修正抽出する場
合でも構わない。例えば、図１５に示すような黒画素の
欠落をもつ矩形があった場合、ランレングスをｙ方向に
とった場合は、欠落が判別できない（あるいは、判別し
にくい）が、ｘ方向にとった場合は、欠落が容易に判別
でき、修正することができる。

【００２９】実施例４．上記実施例１では、画像修正手段２と領域抽出手段３を
分けて説明したが、画像修正手段２と領域抽出手段３
が、混合されて存在しても構わない。すなわち、画像の
修正と領域の抽出を同時に実行していく場合でも構わな
い。この場合は、すでに抽出された領域のデータを用い
て画像を修正していくことになる。

【００３０】実施例５．ところで上記実施例では、図面の認識を行う場合につい
て述べたが、図面の認識に限らず、その他のすべての二
値画像の認識に利用できることは言うまでもない。ま
た、画像の認識を行う場合ばかりでなく、その他のすべ
ての二値画像の修正に利用できることは、言うまでもな
い。また、二値画像の認識・修正に用いる場合ばかりで
なく、二値以上の多値画像やカラー画像の認識・修正に
用いる場合でもよい。

【００３１】実施例６．ところで、上記実施例では、画像データのベクトル化の
結果として、ランレングスデータを用いることとして述
べたが、ランレングスデータ以外の形式によってベクト
ル化したデータを用いてもよい。例えば、画像データを
細線化し、始点と終点を持つ適当な長さの細線化ベクト
ルデータを用いても同様に画像データを修正することが
できる。細線化ベクトルデータを用いた場合、例えば、
楕円は長さの異なる連続したベクトルによって表される
が、楕円を構成する画素に欠落が生じている箇所では、
隣接するベクトルの長さの差分がその他の箇所に比べて
大きく変化するので、ランレングスデータを用いた場合
と同様に、画素の欠落を検出し修正することができる。

【００３２】

【発明の効果】以上のようにこの発明によれば、図形を
構成する領域を抽出する前に二値以上の画像データ中の
画素の欠落等の誤りを検出するとともに、図形の認識が
正しく行われるように修正することのできる画像修正手
段を付加するように構成したので、二値以上の画像デー
タに画素の欠落等の誤りがあっても、正しく図形を修正
認識することができる。

【図面の簡単な説明】

【図１】この発明の画像修正装置を示すブロック構成図
である。

【図２】この発明の画像修正手段において画像記憶手段
に記憶されているランレングスデータ中の特定長の白ラ
ンレングスを抽出して示した一例を示す図である。

【図３】この発明の画像修正手段において特定長の白ラ
ンレングスの近傍にあるランレングスを取り出し、白ラ
ンレングスの長さを棒グラフ状に表示した一例を示す図
である。

【図４】この発明の画像修正手段において特定長の白ラ
ンレングスの近傍にあるランレングスを取り出し、白ラ
ンレングスの長さを棒グラフ状に表示した一例を示す図
である。

【図５】この発明の画像修正手段において白ランレング
スについて、長さの差分を求めた表の一例を示す図であ
る。

【図６】この発明の画像修正手段において図５に示した
表中の値を修正した一例を示す図である。

【図７】この発明の画像修正手段において図６に示した
表中の修正値を元に、画像記憶手段に記憶されている二
値画像を修正した一例を示す図である。

【図８】この発明の修正した二値画像を入力として図形
の認識を行った結果の一例を示す図である。

【図９】この発明のシンボル抽出の処理フローを示す図
である。

【図１０】この発明のシンボル周辺のラン長分布を示す
図である。

【図１１】重畳した図形から一つの図形を抽出する一例
を示す図である。

【図１２】この発明の実験結果を示す図である。

【図１３】この発明の実験結果を示す図である。

【図１４】この発明の実験結果を示す図である。

【図１５】この発明のｘ方向とｙ方向の修正を示す図で
ある。

【図１６】従来の画像修正装置を示すブロック構成図で
ある。

【図１７】図１及び図１６の画像修正装置が認識対象と
する図面の一例を示す図である。

【図１８】画像記憶手段に記憶された二値画像の一例を
示す図である。

【図１９】画像記憶手段に記憶されたランレングスデー
タについて、ラベリングを行うための規則の一例を示す
図である。

【図２０】ランレングスデータについて、領域抽出手段
がラベリングを行い同一ラベルを持つ白ランレングスか
らなる白領域を求めた一例を示す図である。

【図２１】各白領域について、特徴量算出手段が特徴量
として面積を求めた一例を示す図である。

【図２２】認識辞書に記憶されている特徴量の一例を示
す図である。

【図２３】図面の従来例による認識結果の一例を示す図
である。

【符号の説明】

１画像記憶手段２画像修正手段３領域抽出手段４特徴量算出手段５認識辞書６図形識別手段

───────────────────────────────────────────────────── フロントページの続き (72)発明者長久宏人鎌倉市大船五丁目１番１号三菱電機株式会社情報電子研究所内 (72)発明者田中聡鎌倉市大船五丁目１番１号三菱電機株式会社情報電子研究所内 (56)参考文献特開昭59−181871（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06T 7/00 - 7/60 G06T 5/30

Claims

(57)【特許請求の範囲】

【請求項１】二値以上の画像データを記憶する画像記
憶手段と、上記画像記憶手段に記憶された画像データをベクトル化
し、隣接する画像データベクトルの長さの差分に基づい
て画像を修正する画像修正手段とを備え、上記画像修正手段は、上記画像記憶手段に記憶された画
像データをランレングスデータとしてベクトル化し、隣
接するランレングスデータの長さの差分を求めて、求め
たその隣接する差分同士の差分が所定値を越えるか否か
を判断し、求めたその隣接する差分同士の差分が所定値
を越える場合には、当該隣接する差分同士の差分が所定
値になるように画像データを変更して画像を修正するこ
とを特徴とする画像修正装置。
【請求項２】上記画像修正手段は、上記画像記憶手段
に記憶された画像データをランレングスデータとしてベ
クトル化し、隣接するランレングスデータの長さの差分
に基づいて画像を修正する際、隣接するランレングスデ
ータの長さの差分を順次微分して、その微分値が所定値
を越える箇所を検出し、その微分値が所定値を越える箇
所を検出した場合には、当該箇所の画像データを変更し
て画像を修正することを特徴とする請求項１記載の画像
修正装置。
【請求項３】上記画像修正手段は、上記画像記憶手段
に記憶された画像データをランレングスデータとしてベ
クトル化し、ベクトル化したランレングスデータのうち
特定長のランレングスデータを抽出し、抽出されたラン
レングスデータを基準にして隣接するランレングスデー
タの長さの差分を求め、求めた長さの差分に基づいて画
像を修正することを特徴とする請求項１記載の画像修正
装置。