JP3217601B2 - 文書画像の修復方法 - Google Patents
文書画像の修復方法Info
- Publication number
- JP3217601B2 JP3217601B2 JP18474194A JP18474194A JP3217601B2 JP 3217601 B2 JP3217601 B2 JP 3217601B2 JP 18474194 A JP18474194 A JP 18474194A JP 18474194 A JP18474194 A JP 18474194A JP 3217601 B2 JP3217601 B2 JP 3217601B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- similar
- character
- image
- extracted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Character Input (AREA)
- Character Discrimination (AREA)
- Facsimile Image Signal Circuits (AREA)
- Controls And Circuits For Display Device (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、スキャナなどによって
読み込まれた文書画像をきれいに修復して出力する文書
画像の修復方法に関する。
読み込まれた文書画像をきれいに修復して出力する文書
画像の修復方法に関する。
【０００２】
【従来の技術】従来の画像修復方法は、ノイズや画像の
ボケについてのモデルを想定し、そのパラメータを最適
化することにより行っていた。例えば、別冊 Ｏ ｐｌｕ
ｓ Ｅ（１９８６年１１月第３章「画像復元」ｐｐ．３
３−ｐｐ．５０）には、ボケ画像の復元方法が記載され
ている。他の例として、雑音の分散が最小になるよう
に、復元処理を反復することにより、雑音だけを除去し
て画像の特徴を保存するように画像を修復する画像復元
方法がある（特開平１−１１３８７９号公報を参照）。
ボケについてのモデルを想定し、そのパラメータを最適
化することにより行っていた。例えば、別冊 Ｏ ｐｌｕ
ｓ Ｅ（１９８６年１１月第３章「画像復元」ｐｐ．３
３−ｐｐ．５０）には、ボケ画像の復元方法が記載され
ている。他の例として、雑音の分散が最小になるよう
に、復元処理を反復することにより、雑音だけを除去し
て画像の特徴を保存するように画像を修復する画像復元
方法がある（特開平１−１１３８７９号公報を参照）。
【０００３】上記文献に記載の画像復元方法について簡
単に説明すると、復元処理が施される情報としては、原
画像ｆが劣化過程ｈを経て劣化した劣化画像ｇであると
する。ボケやノイズによって画像が劣化するとき、その
劣化過程を次のような式によってモデル化することがで
きる。
単に説明すると、復元処理が施される情報としては、原
画像ｆが劣化過程ｈを経て劣化した劣化画像ｇであると
する。ボケやノイズによって画像が劣化するとき、その
劣化過程を次のような式によってモデル化することがで
きる。
【０００４】ｇ（ｘ，ｙ）＝∬ｈ（ｘ，ｙ，ｘ’，
ｙ’）・ｆ（ｘ’，ｙ’）ｄｘ’ｄｙ’＋ｎ（ｘ，ｙ） 劣化関数ｈに場所依存性がない場合は、フーリエ変換領
域で簡単に表すことができ、 Ｇ（ｕ，ｖ）＝Ｈ（ｕ，ｖ）・Ｆ（ｕ，ｖ）＋Ｎ（ｕ，
ｖ） となる。ここで、ｇは劣化画像、ｈは劣化関数、ｆは原
画像、ｎはランダムノイズを表し、Ｇ、Ｈ、Ｆ、Ｎはそ
れぞれｇ、ｈ、ｆ、ｎのフーリエ変換を表す。ノイズが
なくＨ≠０の場合には、 Ｆ（ｕ，ｖ）＝Ｇ（ｕ，ｖ）／Ｈ（ｕ，ｖ） を計算し、逆フーリエ変換を行えば完全な画像復元が得
られる。この画像復元を逆フィルタという。
ｙ’）・ｆ（ｘ’，ｙ’）ｄｘ’ｄｙ’＋ｎ（ｘ，ｙ） 劣化関数ｈに場所依存性がない場合は、フーリエ変換領
域で簡単に表すことができ、 Ｇ（ｕ，ｖ）＝Ｈ（ｕ，ｖ）・Ｆ（ｕ，ｖ）＋Ｎ（ｕ，
ｖ） となる。ここで、ｇは劣化画像、ｈは劣化関数、ｆは原
画像、ｎはランダムノイズを表し、Ｇ、Ｈ、Ｆ、Ｎはそ
れぞれｇ、ｈ、ｆ、ｎのフーリエ変換を表す。ノイズが
なくＨ≠０の場合には、 Ｆ（ｕ，ｖ）＝Ｇ（ｕ，ｖ）／Ｈ（ｕ，ｖ） を計算し、逆フーリエ変換を行えば完全な画像復元が得
られる。この画像復元を逆フィルタという。
【０００５】
【発明が解決しようとする課題】上記した従来の方法
は、画像全体に一様に処理がなされるため（各点の値で
処理を変更する方式もあるが、基本的には画像に対して
一様）、ボケた多値画像（写真など）の復元・鮮鋭化に
対しては一定の効果がある。
は、画像全体に一様に処理がなされるため（各点の値で
処理を変更する方式もあるが、基本的には画像に対して
一様）、ボケた多値画像（写真など）の復元・鮮鋭化に
対しては一定の効果がある。
【０００６】しかしながら、２値の文書画像を対象とし
た場合は、文字の欠け・つぶれが一番の問題であり、上
記した方法では文字の欠け・つぶれに対応できない。ま
た、画像の劣化が局所的な場合や、劣化関数が未知でそ
のモデルが分からない場合は画像の復元が困難であると
いう問題があった。
た場合は、文字の欠け・つぶれが一番の問題であり、上
記した方法では文字の欠け・つぶれに対応できない。ま
た、画像の劣化が局所的な場合や、劣化関数が未知でそ
のモデルが分からない場合は画像の復元が困難であると
いう問題があった。
【０００７】ところで、フォントの違いやサイズの違い
を別にすれば、印刷文書においては同一の文字は原稿上
では同一のパターンとなる。従って、量子化誤差、つぶ
れ、かすれなどの画像劣化による変動があるものの、同
じ文字は類似したパターンの画像となる。従って、ある
パターンが画像劣化によって標準パターンから大きくは
ずれていても、その類似パターンは比較的標準パターン
に近い可能性がある。本発明は、上記した性質を利用す
るものであって、本発明の目的は、同一文字として印字
された部位を検出し、その画情報から、よりきれいな文
字画像を得るものであり、画像の劣化が局所的であった
り、劣化モデルが不明でも、精度よく文書画像を修復す
る文書画像の修復方法を提供することにある。
を別にすれば、印刷文書においては同一の文字は原稿上
では同一のパターンとなる。従って、量子化誤差、つぶ
れ、かすれなどの画像劣化による変動があるものの、同
じ文字は類似したパターンの画像となる。従って、ある
パターンが画像劣化によって標準パターンから大きくは
ずれていても、その類似パターンは比較的標準パターン
に近い可能性がある。本発明は、上記した性質を利用す
るものであって、本発明の目的は、同一文字として印字
された部位を検出し、その画情報から、よりきれいな文
字画像を得るものであり、画像の劣化が局所的であった
り、劣化モデルが不明でも、精度よく文書画像を修復す
る文書画像の修復方法を提供することにある。
【０００８】
【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、文書画像から文字パター
ンを切り出し、該切り出された文字パターンの系列にお
いてパターンイメージが類似していて、同一の文字と判
断される類似パターンを抽出し、該抽出された類似パタ
ーンの集合について輪郭の滑らかさを評価し、最も評価
の高いパターンを代表パターンとして決定し、前記各類
似パターンを前記代表パターンで置き換えることを特徴
としている。
に、請求項１記載の発明では、文書画像から文字パター
ンを切り出し、該切り出された文字パターンの系列にお
いてパターンイメージが類似していて、同一の文字と判
断される類似パターンを抽出し、該抽出された類似パタ
ーンの集合について輪郭の滑らかさを評価し、最も評価
の高いパターンを代表パターンとして決定し、前記各類
似パターンを前記代表パターンで置き換えることを特徴
としている。
【０００９】請求項２記載の発明では、文書画像から文
字パターンを切り出し、該切り出された文字パターンの
系列においてパターンイメージが類似していて、同一の
文字と判断される類似パターンを抽出し、該抽出された
類似パターンの集合である全てのパターンを重ね合わせ
たときに、各画素における黒の数と白の数の多数決によ
って前記各画素を黒または白とすることにより典型パタ
ーンを作成し、前記各類似パターンを前記典型パターン
で置き換えることを特徴としている。
字パターンを切り出し、該切り出された文字パターンの
系列においてパターンイメージが類似していて、同一の
文字と判断される類似パターンを抽出し、該抽出された
類似パターンの集合である全てのパターンを重ね合わせ
たときに、各画素における黒の数と白の数の多数決によ
って前記各画素を黒または白とすることにより典型パタ
ーンを作成し、前記各類似パターンを前記典型パターン
で置き換えることを特徴としている。
【００１０】請求項３記載の発明では、文書画像から文
字パターンを切り出し、該切り出された文字パターンの
系列においてパターンイメージが類似していて、同一の
文字と判断される類似パターンを抽出し、該抽出された
各類似パターンについて文字認識処理を行い、最も確信
度の高い認識結果を得る類似パターンを代表パターンと
して決定し、該各類似パターンを該代表パターンで置き
換えることを特徴としている。
字パターンを切り出し、該切り出された文字パターンの
系列においてパターンイメージが類似していて、同一の
文字と判断される類似パターンを抽出し、該抽出された
各類似パターンについて文字認識処理を行い、最も確信
度の高い認識結果を得る類似パターンを代表パターンと
して決定し、該各類似パターンを該代表パターンで置き
換えることを特徴としている。
【００１１】
【作用】一実施例では、入力画像から各文字パターンが
切り出され、切り出されたパターンの内、類似していて
同一の文字と判断されるパターンが抽出される。抽出さ
れた類似パターンを輪郭の滑らかさなどの評価関数で評
価し、最も文字としてきれいな代表パターンを決定し、
各類似パターンを代表パターンで置き換える。これによ
り、文書画像がきれいに修復される。
切り出され、切り出されたパターンの内、類似していて
同一の文字と判断されるパターンが抽出される。抽出さ
れた類似パターンを輪郭の滑らかさなどの評価関数で評
価し、最も文字としてきれいな代表パターンを決定し、
各類似パターンを代表パターンで置き換える。これによ
り、文書画像がきれいに修復される。
【００１２】
【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。 〈実施例１〉 図１は、本発明の実施例の構成を示す。図において、１
０１はスキャナなどの画像入力装置、１０２はパターン
切り出し部、１０３は切り出されたパターン列の中から
類似したパターンを抽出する類似パターン検出部、１０
４は各類似パターンについて文字としてのきれいさを評
価するパターン評価部、１０５は類似パターン群から一
つの典型パターンを生成する典型パターン生成部、１０
６は個別パターンを認識する文字認識部、１０７は類似
パターン群の各パターン毎の認識結果から、類似パター
ン群が相当する文字を決定し、代表パターンを選択する
パターン選択部、１０８は入力画像や生成データを記憶
する記憶部、１０９は全体を制御する制御部、１１０は
データ通信路である。
的に説明する。 〈実施例１〉 図１は、本発明の実施例の構成を示す。図において、１
０１はスキャナなどの画像入力装置、１０２はパターン
切り出し部、１０３は切り出されたパターン列の中から
類似したパターンを抽出する類似パターン検出部、１０
４は各類似パターンについて文字としてのきれいさを評
価するパターン評価部、１０５は類似パターン群から一
つの典型パターンを生成する典型パターン生成部、１０
６は個別パターンを認識する文字認識部、１０７は類似
パターン群の各パターン毎の認識結果から、類似パター
ン群が相当する文字を決定し、代表パターンを選択する
パターン選択部、１０８は入力画像や生成データを記憶
する記憶部、１０９は全体を制御する制御部、１１０は
データ通信路である。
【００１３】図２は、本発明の実施例の処理フローチャ
ートである。図２を参照しながら動作を説明すると、ま
ず、スキャナなどの画像入力装置１０１によって画像を
入力する（ステップ２０１）。次いで、パターン切り出
し部１０２は、入力画像から各文字パターンを切り出す
（ステップ２０２）。類似パターン検出部１０３は、切
り出されたパターンの内、類似していて同一の文字と判
断されるパターンを抽出する（ステップ２０３）。この
場合の類似度としては、例えば米国特許第５，３０３，
３１３号公報の段落９で説明されているテスト方法を用
いる。
ートである。図２を参照しながら動作を説明すると、ま
ず、スキャナなどの画像入力装置１０１によって画像を
入力する（ステップ２０１）。次いで、パターン切り出
し部１０２は、入力画像から各文字パターンを切り出す
（ステップ２０２）。類似パターン検出部１０３は、切
り出されたパターンの内、類似していて同一の文字と判
断されるパターンを抽出する（ステップ２０３）。この
場合の類似度としては、例えば米国特許第５，３０３，
３１３号公報の段落９で説明されているテスト方法を用
いる。
【００１４】つまり、この方法は、位置を補正しながら
パターンを重ね合わせて差異の出る画素の現れる位置、
現れる画素のパターンによって類似であるか否かを判別
する方法である。図３は、類似していて同一の文字と判
断されるパターンの例を示し、図４は、類似していて同
一の文字と判断されないパターンの例を示す。
パターンを重ね合わせて差異の出る画素の現れる位置、
現れる画素のパターンによって類似であるか否かを判別
する方法である。図３は、類似していて同一の文字と判
断されるパターンの例を示し、図４は、類似していて同
一の文字と判断されないパターンの例を示す。
【００１５】抽出された類似パターンをＰ１，Ｐ
２，．．．Ｐｎとすると、その集合Ｓは、Ｓ＝｛Ｐ１，
Ｐ２．．．Ｐｎ｝、類似パターンの集合（類似パターン
群）はいくつかあるので、Ｓｊ；ｊ＝１，２．．ｍと表
される。
２，．．．Ｐｎとすると、その集合Ｓは、Ｓ＝｛Ｐ１，
Ｐ２．．．Ｐｎ｝、類似パターンの集合（類似パターン
群）はいくつかあるので、Ｓｊ；ｊ＝１，２．．ｍと表
される。
【００１６】いま、抽出されたＳｊの類似パターンをＰ
１，Ｐ２，．．．Ｐｎとすると、パターン評価部１０４
は、ある評価関数を用いてこれら類似パターンの内、最
も文字としてきれいなパターンを選ぶ（ステップ２０４
−２０６）。評価関数としては、例えば輪郭の滑らかさ
などを使用する。つまり、輪郭の曲率であるとかフーリ
エ記述子による表現（輪郭の曲線を表す関数を求め、こ
れをフーリエ級数に展開したときの係数によって輪郭の
曲線を特徴付ける手法）などによって、滑らかさを調
べ、曲率が大きい場合、あるいはフーリエ記述子で高周
波成分が多い（高次の項の係数が多い）場合は、輪郭が
あまり滑らかでなく、文字としては欠けが生じているこ
とが予想される。また、文字の線密度を調べることによ
って、つぶれが生じているか否かを予想できる。このよ
うな方法によって「文字のきれいさ」を評価し、最も文
字としてきれいなものを選んで出力する（ステップ２０
７）。
１，Ｐ２，．．．Ｐｎとすると、パターン評価部１０４
は、ある評価関数を用いてこれら類似パターンの内、最
も文字としてきれいなパターンを選ぶ（ステップ２０４
−２０６）。評価関数としては、例えば輪郭の滑らかさ
などを使用する。つまり、輪郭の曲率であるとかフーリ
エ記述子による表現（輪郭の曲線を表す関数を求め、こ
れをフーリエ級数に展開したときの係数によって輪郭の
曲線を特徴付ける手法）などによって、滑らかさを調
べ、曲率が大きい場合、あるいはフーリエ記述子で高周
波成分が多い（高次の項の係数が多い）場合は、輪郭が
あまり滑らかでなく、文字としては欠けが生じているこ
とが予想される。また、文字の線密度を調べることによ
って、つぶれが生じているか否かを予想できる。このよ
うな方法によって「文字のきれいさ」を評価し、最も文
字としてきれいなものを選んで出力する（ステップ２０
７）。
【００１７】図５は、パターン評価部１０４で、文字の
形状を評価して代表パターンを選出する例を示す図であ
る。この例の場合、最もきれいなパターンＰ２が選択さ
れて、類似パターンＰ１、Ｐ３、Ｐ４を該パターンＰ２
で置き換える。これにより、よりきれいな文書画像に修
復される。
形状を評価して代表パターンを選出する例を示す図であ
る。この例の場合、最もきれいなパターンＰ２が選択さ
れて、類似パターンＰ１、Ｐ３、Ｐ４を該パターンＰ２
で置き換える。これにより、よりきれいな文書画像に修
復される。
【００１８】〈実施例２〉 図６は、実施例２の処理フローチャートである。図６を
参照して実施例２を説明すると、実施例１と同様に、ス
キャナなどの画像入力装置１０１によって画像を入力す
る（ステップ３０１）。次いで、パターン切り出し部１
０２は、入力画像から各文字パターンを切り出す（ステ
ップ３０２）。類似パターン検出部１０３は、切り出さ
れたパターンの内、類似していて同一の文字と判断され
るパターンを抽出する（ステップ３０３）。
参照して実施例２を説明すると、実施例１と同様に、ス
キャナなどの画像入力装置１０１によって画像を入力す
る（ステップ３０１）。次いで、パターン切り出し部１
０２は、入力画像から各文字パターンを切り出す（ステ
ップ３０２）。類似パターン検出部１０３は、切り出さ
れたパターンの内、類似していて同一の文字と判断され
るパターンを抽出する（ステップ３０３）。
【００１９】抽出されたＳｊの類似パターンをＰ１，Ｐ
２，．．．Ｐｎとすると、典型パターン生成部１０５
は、それらのパターンを合成することにより一つの典型
パターンを生成する（ステップ３０４、３０５）。典型
パターンの生成方法としては、例えば全てのパターンを
重ね合わせた時に、各画素について黒／白の多い方を採
用するなどすればよい。
２，．．．Ｐｎとすると、典型パターン生成部１０５
は、それらのパターンを合成することにより一つの典型
パターンを生成する（ステップ３０４、３０５）。典型
パターンの生成方法としては、例えば全てのパターンを
重ね合わせた時に、各画素について黒／白の多い方を採
用するなどすればよい。
【００２０】図７は、典型パターン作成の例を示す図で
あり、Ｐ１、Ｐ２、Ｐ３、Ｐ４のパターンの内、２つ以
上のパターンで黒画素ならば黒、白画素ならば白と処理
することによって生成された典型パターン例である。
あり、Ｐ１、Ｐ２、Ｐ３、Ｐ４のパターンの内、２つ以
上のパターンで黒画素ならば黒、白画素ならば白と処理
することによって生成された典型パターン例である。
【００２１】典型パターンが生成されたら、各類似パタ
ーンをこの典型パターンで置き換え（ステップ３０
６）、画像出力する（ステップ３０７）。これにより、
実施例１と同様によりきれいな文書画像に修復される。
ーンをこの典型パターンで置き換え（ステップ３０
６）、画像出力する（ステップ３０７）。これにより、
実施例１と同様によりきれいな文書画像に修復される。
【００２２】〈実施例３〉 図８は、実施例３の処理フローチャートであり、図８を
参照して実施例３を説明する。実施例１、２と同様に、
スキャナなどの画像入力装置１０１によって画像を入力
する（ステップ４０１）。次いで、パターン切り出し部
１０２は、入力画像から各文字パターンを切り出す（ス
テップ４０２）。類似パターン検出部１０３は、切り出
されたパターンの内、類似していて同一の文字と判断さ
れるパターンを抽出する（ステップ４０３）。
参照して実施例３を説明する。実施例１、２と同様に、
スキャナなどの画像入力装置１０１によって画像を入力
する（ステップ４０１）。次いで、パターン切り出し部
１０２は、入力画像から各文字パターンを切り出す（ス
テップ４０２）。類似パターン検出部１０３は、切り出
されたパターンの内、類似していて同一の文字と判断さ
れるパターンを抽出する（ステップ４０３）。
【００２３】抽出されたＳｊの類似パターンをＰ１，Ｐ
２，．．．Ｐｎとすると、文字認識部１０６は各類似パ
ターンについて図示しない辞書内にある認識対象文字と
照合することにより文字認識を行い、その認識結果とし
て文字と確信度を得る。ここで、確信度としては例え
ば、特徴空間における類似パターンと認識対象文字との
距離を用いる。
２，．．．Ｐｎとすると、文字認識部１０６は各類似パ
ターンについて図示しない辞書内にある認識対象文字と
照合することにより文字認識を行い、その認識結果とし
て文字と確信度を得る。ここで、確信度としては例え
ば、特徴空間における類似パターンと認識対象文字との
距離を用いる。
【００２４】文字認識の結果、それぞれの類似パターン
について一または幾つかの候補文字が得られる。認識結
果として幾つかの候補文字が得られた場合は、最も出現
頻度の高い文字を、その類似パターンが相当する文字と
して出力する。例えば、パターンＰ１について認識の結
果、候補文字として「Ａ」、「Ｂ」が出力されたとき、
他のパターンＰｉの候補文字を参照して最も出現頻度の
高い文字を、パターンＰ１の文字として認識出力する。
について一または幾つかの候補文字が得られる。認識結
果として幾つかの候補文字が得られた場合は、最も出現
頻度の高い文字を、その類似パターンが相当する文字と
して出力する。例えば、パターンＰ１について認識の結
果、候補文字として「Ａ」、「Ｂ」が出力されたとき、
他のパターンＰｉの候補文字を参照して最も出現頻度の
高い文字を、パターンＰ１の文字として認識出力する。
【００２５】そして、パターン選択部１０７は、このよ
うにして認識された文字の内、最も確信度の高いパター
ンを代表パターンとして選択し、各類似パターンを代表
パターンに置き換えて（ステップ４０６）、画像出力す
る（ステップ４０７）。図９は、代表パターンの選出例
を示す図である。この例の場合、パターン選択部１０７
で確信度を比較した結果、最も確信度が高いパターンＰ
２が選択されて、代表パターンとして出力される。
うにして認識された文字の内、最も確信度の高いパター
ンを代表パターンとして選択し、各類似パターンを代表
パターンに置き換えて（ステップ４０６）、画像出力す
る（ステップ４０７）。図９は、代表パターンの選出例
を示す図である。この例の場合、パターン選択部１０７
で確信度を比較した結果、最も確信度が高いパターンＰ
２が選択されて、代表パターンとして出力される。
【００２６】
【発明の効果】以上、説明したように、本発明によれ
ば、文書画像から抽出された各類似パターンを、最も文
字としての評価の高い代表パターンあるいは典型パター
ンで置き換えているので、従来のボケ変換などと異な
り、画像劣化のモデルが不明であって、また画像の局所
的な劣化があっても、文書画像をきれいに修復すること
ができる。
ば、文書画像から抽出された各類似パターンを、最も文
字としての評価の高い代表パターンあるいは典型パター
ンで置き換えているので、従来のボケ変換などと異な
り、画像劣化のモデルが不明であって、また画像の局所
的な劣化があっても、文書画像をきれいに修復すること
ができる。
【図１】本発明の実施例の構成を示す。
【図２】本発明の実施例の処理フローチャートである。
【図３】類似していて同一の文字と判断されるパターン
の例を示す。
の例を示す。
【図４】類似していて同一の文字と判断されないパター
ンの例を示す。
ンの例を示す。
【図５】パターン評価部で、文字の形状を評価して代表
パターンを選出する例を示す図である。
パターンを選出する例を示す図である。
【図６】本発明の他の実施例の処理フローチャートであ
る。
る。
【図７】典型パターン作成の例を示す図である。
【図８】本発明のさらに他の実施例の処理フローチャー
トである。
トである。
【図９】代表パターンの選出例を示す図である。
１０１ 画像入力装置 １０２ パターン切り出し部 １０３ 類似パターン検出部 １０４ パターン評価部 １０５ 典型パターン生成部 １０６ 文字認識部 １０７ パターン選択部 １０８ データ記憶部 １０９ 制御部 １１０ データ通信路
フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06K 9/00 G06K 9/20 350 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (3)
- 【請求項１】 文書画像から文字パターンを切り出し、
該切り出された文字パターンの系列においてパターンイ
メージが類似していて、同一の文字と判断される類似パ
ターンを抽出し、該抽出された類似パターンの集合につ
いて輪郭の滑らかさを評価し、最も評価の高いパターン
を代表パターンとして決定し、前記各類似パターンを前
記代表パターンで置き換えることを特徴とする文書画像
の修復方法。 - 【請求項２】 文書画像から文字パターンを切り出し、
該切り出された文字パターンの系列においてパターンイ
メージが類似していて、同一の文字と判断される類似パ
ターンを抽出し、該抽出された類似パターンの集合であ
る全てのパターンを重ね合わせたときに、各画素におけ
る黒の数と白の数の多数決によって前記各画素を黒また
は白とすることにより典型パターンを作成し、前記各類
似パターンを前記典型パターンで置き換えることを特徴
とする文書画像の修復方法 - 【請求項３】 文書画像から文字パターンを切り出し、
該切り出された文字パターンの系列においてパターンイ
メージが類似していて、同一の文字と判断される類似パ
ターンを抽出し、該抽出された各類似パターンについて
文字認識処理を行い、最も確信度の高い認識結果を得る
類似パターンを代表パターンとして決定し、該各類似パ
ターンを該代表パターンで置き換えることを特徴とする
文書画像の修復方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18474194A JP3217601B2 (ja) | 1994-08-05 | 1994-08-05 | 文書画像の修復方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18474194A JP3217601B2 (ja) | 1994-08-05 | 1994-08-05 | 文書画像の修復方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0850630A JPH0850630A (ja) | 1996-02-20 |
| JP3217601B2 true JP3217601B2 (ja) | 2001-10-09 |
Family
ID=16158547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18474194A Expired - Fee Related JP3217601B2 (ja) | 1994-08-05 | 1994-08-05 | 文書画像の修復方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3217601B2 (ja) |
-
1994
- 1994-08-05 JP JP18474194A patent/JP3217601B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0850630A (ja) | 1996-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5501958B2 (ja) | ２値マスク画像を作成する方法、２値画像におけるシンボル決定方法、画像圧縮方法、画像圧縮プログラム、及び同プログラムの記録媒体 | |
| US6807304B2 (en) | Feature recognition using loose gray scale template matching | |
| JP4690339B2 (ja) | 画像処理 | |
| JP6100744B2 (ja) | 自動修復を用いたカラー文書画像セグメンテーション及び二値化 | |
| US20060056696A1 (en) | Degraded dictionary generation method and apparatus | |
| JP4189506B2 (ja) | 画像処理のための装置、方法及び記録媒体 | |
| US7437002B2 (en) | Image recognition system utilizing an edge image and a binary image | |
| JPH0863546A (ja) | 情報抽出方法および画像修復方法並びに画像修復システム | |
| US20220392025A1 (en) | Restoring degraded digital images through a deep learning framework | |
| US11915465B2 (en) | Apparatus and methods for converting lineless tables into lined tables using generative adversarial networks | |
| JP2003030672A (ja) | 帳票認識装置、方法、プログラムおよび記憶媒体 | |
| Thouin et al. | A method for restoration of low-resolution document images | |
| JP2007066310A (ja) | 文字列認識プログラム、方法および装置 | |
| JP4441300B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよびこのプログラムを記憶した記録媒体 | |
| JP2007109177A (ja) | 画像処理装置及びその制御方法、プログラム | |
| JP3217601B2 (ja) | 文書画像の修復方法 | |
| US8938118B1 (en) | Method of neighbor embedding for OCR enhancement | |
| JP2005031818A (ja) | マンガの線画像成形方法、装置およびコンピュータプログラム | |
| Ndjiki-Nya et al. | Automatic structure-aware inpainting for complex image content | |
| Bal et al. | Interactive degraded document enhancement and ground truth generation | |
| JP2010211346A (ja) | 手書き文字認識システム | |
| Konya et al. | Adaptive methods for robust document image understanding | |
| Voronin et al. | Inpainted image quality assessment based on machine learning | |
| Obafemi-Ajayi et al. | Ensemble LUT classification for degraded document enhancement | |
| JP4035696B2 (ja) | 線分検出装置及び画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |