JP4164489B2 - 文書画像強調方法、装置及びそのための記憶媒体 - Google Patents

Description

本発明は、文書画像を強調する方法、装置及びそのための記憶媒体に関する。

ＯＣＲは手書き文字又は読み取り文字の認識における周知の技法である。図１に示すように、文書画像１０２の文字認識を実現するために、２値文書画像１０２全体から全ての文字を含む最小の領域を分離するためのブロック分割のステップ１０４が実行される。言い換えれば、ブロック分割のステップ１０４は、文書画像１０２のマージンを除去するために実行される。その結果得られる、一般に矩形領域であるブロック画像は、行画像の形態で各文字行が抽出される行分割のステップ１０８により更に処理される。次に、各行画像は文字分割のステップ１１２により処理され、認識されるべき各々の文字に対応する文字画像が抽出される。最後のステップは、各々の文字画像に基づく単独文字認識のステップ１１６であり、認識結果１１８は、例えば、テキスト処理アプリケーションなどへ出力される。

読み取られた文書画像を認識するとき、画質が高い場合には、現在のＯＣＲ製品の認識結果は満足できるものである。しかし、文書画像の画質が完全ではないか、非常に低い場合には、認識率は急激に低下する。

例えば、従来のＯＣＲエンジンはカラー画像又はグレイスケール画像をそれほど十分に認識できない。これは、ＯＣＲが２値画像認識に基づいているためである。２値画像の形態のカラー画像原稿又はグレイスケール画像原稿を読み取り、格納し、認識するという目的のために、ハーフトーン画像技法が開発されている。ハーフトーン画像においては、１つの「画素」は様々に異なる色又はグレイをシミュレートできるように小さな２値画像から構成されている。いわゆる「画素」は実際には２値画素の配列を含み、原稿におけるあるカラーレベル又はグレイレベルを有する小さな領域に対応している。そのため、通常の２値文書画像又は原稿と比較すると、ハーフトーン文書画像の画質ははるかに低くなってしまう。

すなわち、従来のＯＣＲエンジンはハーフトーン画像を確実に認識できないために、カラー画像又はグレイスケール画像を確実に認識できない。その具体的な理由は次の通りである。

原稿がある１つのカラーレベル又はグレイレベルを有する背景を有している場合、認識されるべきハーフトーン文書画像には、図２に示すようにそのカラーレベル又はグレイレベルによって発生される多数の背景雑音が存在する。

文字に関しては、原稿中の文字が黒色でない場合、ハーフトーン文書画像における文字のストロークでは、対応する画素が全て黒色になるとは限らず、いくつかの白色の画素が現れる。そこで、ストロークは、様々に異なる条件に応じて、破断されたように見えるか（図３を参照）、中が抜けたように見えるか（図４を参照）又はジグザグの輪郭線（図５を参照）を示すようになる。

それらの破断されたストローク、中抜けのストローク又はジグザグのストロークが、抽出された文字画像の特徴を著しくひずませることは自明である。従来のＯＣＲアルゴリズムは先に説明したようなハーフトーン文書画像の様々な欠陥を識別できず、また、それに対応する復元を実行することもできないため、認識率は非常に低い。

更に、雑音はブロック分割、行分割、文字分割及び単独文字認識にも大きな影響を及ぼす。雑音抑制が実行されると、破断ストローク、中抜けストローク及びジグザグストロークの現象ははるかに深刻な問題となる。そのような条件の下では、従来のＯＣＲアルゴリズムは正しい行分割を実行することさえできない。これは、従来のＯＣＲアルゴリズムがはるかに雑音の少ない正常な文書画像を指向しており、従って、従来のＯＣＲアルゴリズムで実行される雑音抑制が非常に虚弱なものであるためである。正常な文書画像の場合であっても、強い雑音抑制が実行されると、ストロークはその影響を受け、認識率は低下する。

加えて、白黒ではない画像から得られるような文書画像を強調することを必要とする、複写装置などの他の用途もある。

従って、本発明の目的は、ハーフトーン文書画像を強調し、それを正常な文書画像の状態に「復元」することが可能である新たな技法を提供することである。

本発明の別の目的は、特に文書画像がハーフトーン画像である場合に文書画像の認識率を改善することである。

第１の目的を達成するために、本発明の基本概念は、画像中に存在する様々に異なる欠陥を識別し、それらの欠陥を対応するアルゴリズムによって「除去」することである。言い換えれば、基本概念は文書画像を異なる種類に分類し、それらを対応するアルゴリズムによって強調することである。

多くの場合、同じ行にある文字は同じ大きさと字体を有し、その画像は通常は同じ特性を有する。そこで、同じ行にある全ての文字が同じ特性を有すると仮定した。この仮定に基づいて、個別の文字画像の特性ではなく、行画像の特性を判定でき、文字画像ごとに個別に復元するのではなく、行画像全体に対して対応する復元を実行することができる。

特に、本発明の１つの面として、行画像における連結構成要素の数を行画像の文字の数で除算することにより、前記行画像における黒色８連結構成要素密度と白色８連結構成要素密度とを獲得する連結構成要素密度獲得工程と、
前記黒色８連結構成要素密度と白色８連結構成要素密度とに基づいて、前記行画像を正常行画像、破断ストローク行画像及び中抜けストローク行画像のいずれかの種類に分類する行画像分類工程と、
前記行画像に対して、前記行画像分類工程で分類された種類に応じた強調処理を実行することにより、強調行画像を獲得する強調工程とを備え、
前記行画像分類工程では、
白色８連結構成要素密度＜＝閾値Ｔ１であり且つ黒色８連結構成要素密度＞＝閾値Ｔ２であれば、前記行画像は前記破断ストローク行画像であると分類し、
白色８連結構成要素密度＞閾値Ｔ１であれば、前記行画像は前記中抜けストローク行画像であると分類し、
白色８連結構成要素密度＜＝閾値Ｔ１であり且つ黒色８連結構成要素密度＜閾値Ｔ２であれば、前記行画像は前記正常行画像であると分類するものであり、
更に、閾値Ｔ１は２〜４であり、閾値Ｔ２は３〜５であることを特徴とする文書画像強調方法が提供される。

本発明を利用すると、ハーフトーン画像を含めて、文書画像が強調され、その認識率を改善することができる。

本発明の他の目的、特徴及び利点は以下の好ましい実施例の詳細な説明から更に明白になるであろう。本明細書に組み込まれ、その一部を構成している添付の図面は本発明の実施例を例示しており、以下の説明と共に本発明の原理を説明するのに有用である。

なお本出願は、参考として本明細書に取り入れられている２００３年１１月２８日出願の中国特許出願第２００３１０１１８６８４．７号を基礎として優先権を主張している。

次に、添付の図面を参照して本発明の好ましい実施例を説明する。

＜コンピュータシステムの例＞
本発明の方法は、例えば、パーソナルコンピュータ（ＰＣ）、ノートブック又は郵便物分類機器などの何らかのオートメーション機器に埋め込まれたシングルチップマイクロコンピュータ（ＳＣＭ）などの、どのような情報処理機器においても実現されることができるであろう。本発明の方法をソフトウェア、ハードウェア又はファームウェア又はそれらの組み合わせによって実現することは当業者には容易であろう。特に、本発明のいずれかの工程又は工程の組み合わせを実現するために、Ｉ／Ｏ装置、メモリ装置、ＣＰＵなどのマイクロプロセッサなどを使用することが必要であるのが当業者には自明であることに注意すべきである。以下の本発明の方法の説明は必ずしもそのような装置を挙げていないが、実際にはそれらの装置が使用される。

先に述べた情報処理機器として、図６に示されるブロック線図は、本発明の方法及び装置を実現できるコンピュータシステムの一例を示す。尚、図６に示されるコンピュータシステムは単に説明を目的としており、本発明の範囲を限定することは意図されていないことに注意すべきである。

ハードウェアの観点から見ると、コンピュータ２０１はＣＰＵ２０６、ハードディスク（ＨＤ）２０５、ＲＡＭ２０７、ＲＯＭ２０８及びＩ／Ｏ装置２１２を具備する。Ｉ／Ｏ装置はキーボード、タッチパッド、トラックボール及びマウスなどの入力手段、プリンタ及びモニタなどの出力手段、並びにフレキシブルディスクドライブ、光ディスクドライブ及び通信ポートなどの入出力手段を含むであろう。

ソフトウェアの観点から見ると、コンピュータは実質的にはオペレーションシステム（ＯＳ）２０９、Ｉ／Ｏドライバ２１１及び様々なアプリケーションを具備する。オペレーティングシステムとして、Ｗｉｎｄｏｗｓ（登録商標）シリーズ又はＬｉｎｕｘ（登録商標）系ＯＳなどの何らかの市販のＯＳが使用されれば良い。Ｉ／Ｏドライバは先に挙げたＩ／Ｏ装置をそれぞれ駆動するために使用される。アプリケーションはテキスト処理アプリケーション２１０、画像処理アプリケーションなどのどのような種類のアプリケーションであっても良く、本発明において使用できるか又は本発明を使用することが可能である既存のアプリケーション、並びに本発明に合わせてプログラムされ、それら既存のアプリケーションを呼び出すか又は既存のアプリケーションにより呼び出されるべきであるアプリケーション（ＯＣＲアプリケーション２０２など）を含む。

従って、本発明においては、方法はＯＳ、アプリケーション及びコンピュータのハードウェアのＩ／Ｏドライバにより実現される。

更に、コンピュータ２０１は、認識されるべき画像を獲得するためにスキャナ２０４などの画像源に接続される。本発明を使用してＯＣＲにより獲得された結果は何らかのアプリケーション装置２０３へ出力され、アプリケーション装置はその結果に基づいて適切な動作を実行する。アプリケーション装置は郵便物分類機器などの何らかの自動制御システムであれば良い。また、アプリケーション装置はコンピュータ２０１内部で実現され、画像を更に処理する別のアプリケーション（ハードウェアと組み合わされる）として実現されても良い。例えば、認識されたテキストを編集するための、Ｍｉｃｒｏｓｏｆｔ Ｗｏｒｄ（ＭｉｃｒｏｓｏｆｔはMicrosoft Corporationが所有している商標である。）などのテキスト処理アプリケーションであっても良い。

＜文書画像強調方法＞
（好ましい実施例）
図７Ａは、本発明による文書画像強調方法の好ましい一実施例を示す。この方法は、ＯＣＲアプリケーションなどの他のアプリケーション又はスキャナなどから獲得されるブロック画像７０２で始まる。言うまでもなく、ブロック画像７０２はいずれかの場所に格納されており、処理されるべき時点で呼び出される必要がある。また、画像が処理されるとき、原画像及び中間処理結果が破壊されず、原画像又は何らかの中間結果を必要とする後の処理工程で使用されることが可能であるように、原画像及び中間処理結果が格納されなければならないことに注意すべきであり、そのことは当業者には自明である。しかし、明瞭簡潔にするため、上記の目的のための複写又は格納のような工程は以下の説明及び図面では省略されている。

第１のステップは、ブロック画像７０２に対して実行されるブロック雑音抑制７０４である。このステップの目的は、次の行分割のステップ７０６においてブロック画像７０２を正しく行画像に分割できるようにブロック画像の画質を向上させることである。このステップでは、従来の画像認識（ＯＣＲ）方法又は装置の行分割ステップで又はその前に使用されていた雑音フィルタを含めて、様々に異なるテンプレートを使用する中央値フィルタ又は平均値フィルタなどのどのような雑音フィルタが採用されても良い。ハーフトーン画像の背景雑音の特性を考慮して、３×３テンプレートを使用する中央値フィルタが好ましい。

次に、雑音抑制ブロック画像に基づいて、行分割７０６が実行され、行画像の位置情報７０８が生成される。この位置情報７０８に基づいて、後続するステップは原ブロック画像を行ごとに処理する。言い換えれば、「行画像」が処理されるというとき、それは実際にはブロック画像の中の、処理される対応する位置情報により定義される１つの領域である。

行分割７０６の後、各行画像に対して強調動作が実行される。当業者には知られている通り、複数のオブジェクトが同様に処理されるべき場合、アルゴリズムは逐次方式（すなわち、ルーピングを介する）又は並列方式のいずれであっても良く、あるいはハイブリッド方式であっても良いことに注意すべきである。すなわち、いくつかのステップが異なるオブジェクトに対してルーピングされている間に、他のステップは異なるオブジェクトに対して並列して実行される。従って、以下の説明においては、１つの行に対する処理のみを詳細に説明する。

まず、後続するステップで使用されるいくつかの特性を獲得するために、行画像及び対応する行間画像を事前解析する。しかし、この事前解析ステップは後続するステップに配分されても良いことが当業者には自明である点に注意すべきである。すなわち、行画像及び行間画像の必要な特性は事前に計算されるのではなく、それらを必要とする後の関連ステップで計算されても良い。

（行画像の事前解析）
事前解析は４つの面を含む。
Ａ．行画像の中の文字の数（以下、文字数という）を計算する。
文字数は連結された構成要素の密度（連結構成要素密度）を生成するための後の分類（ラベル付け）ステップ又は再分類（再ラベル付け）ステップで使用される。文字数は次の公式を使用して計算されれば良い。
水平行の場合：文字数＝Ｋ×行幅／行高さ。
垂直行の場合：文字数＝Ｋ×行高さ／行幅。
Ｋは言語の分類を反映する係数である。例えば、中国語又は日本語などの象形文字の場合、Ｋの値は１になるであろう。英語などのアルファベット文字の場合には、Ｋの値は１より大きくなるであろう。

Ｂ．連結構成要素を分類し、連結構成要素密度を計算する。
本発明では、行画像において黒色８連結構成要素、黒色４連結構成要素、白色８連結構成要素及び白色４連結構成要素を分類するので、行画像において黒色８連結構成要素密度（以下、Ｂ８という）、黒色４連結構成要素密度（以下、Ｂ４という）、白色８連結構成要素密度（以下、Ｗ８という）及び白色４連結構成要素密度（以下、Ｗ４という）が獲得される。各連結構成要素密度は次の公式を使用して計算される。
連結構成要素密度＝連結構成要素の数／文字数。

尚、以下に説明する後の行雑音抑制ステップ７１２に備えて、発明者は様々な実施例を提案しているが、そのうちのいくつかは先に説明したようないくつかの連結構成要素密度を使用しないことに注意すべきである。そのような場合には、このステップで使用されない連結構成要素密度を計算する必要はなく、対応する連結構成要素が分類される必要もないことは自明である。行雑音抑制ステップ７１２が連結構成要素密度を使用しないのであれば、このステップを削除しても良い。

連結構成要素の概念は次のように説明される。例えば、黒色８連結構成要素は８連結度の連結構成要素である。「黒色」は、連結構成要素として黒色画素をカウントすることを意味している。すなわち、「黒色８連結構成要素」は８連結度の黒色画素から成るブロックである。

「画素連結度」という表記は２つ以上の画素の間の関係を記述している。連結されるべき２つの画素について、それらの画素は画素輝度及び空間的隣接度に関するいくつかの条件を満たしていなければならない。

まず、２つの画素が連結されていると考えるためには、それらの画素値が共に同じ値の集合Ｖに由来していなければならない。グレイスケール画像の場合、Ｖは何らかの範囲のグレイレベルになるであろう。例えば、Ｖ＝｛２２，２３，．．．，４０｝。２値画像の場合には、単純にＶ＝｛１｝である。

連結度の隣接度基準を公式化するために、まず、近傍画素の表記を導入する。座標（ｘ，ｙ）を有する画素ｐについて、
Ｎ４（ｐ）＝｛（ｘ＋１，ｙ），（ｘ−１，ｙ），（ｘ，ｙ＋１），（ｘ，ｙ−１）｝
はその４近傍画素と呼ばれる。その８近傍画素は次のように定義される。
Ｎ８（ｐ）＝Ｎ４（ｐ）∪｛（ｘ＋１，ｙ＋１），（ｘ＋１，ｙ−１），（ｘ−１，ｙ＋１），（ｘ−１，ｙ−１）｝。
このことから、４連結度及び８連結度の定義を推論することができる。共に集合Ｖに由来する値を有する２つの画素ｐ及びｑは、ｑが集合Ｎ４（ｐ）に属していれば４連結であり、ｑがＮ８（ｐ）に属していれば８連結である。

Ｃ．行画像における黒色画素の数をカウントし、行画像の黒色画素密度（以下、黒色画素密度という）を計算する。
黒色画素密度＝行画像における黒色画素の数／（行幅×行高さ）。
この場合、行幅及び行高さは画素単位で測定される。
尚、以下に説明するような後の行雑音抑制ステップ７１２及び分類ステップ７１８の後の行強調ステップについて、発明者は様々な実施例を提案しているが、そのうちのいくつかは黒色画素密度を使用しない。そのような場合、このステップが不要であることは自明である。

Ｄ．行間雑音の数をカウントし、行間雑音密度を計算する。
２つの隣接する行画像の間の領域を行間画像という。多くの場合、行画像と行間画像の雑音分布は類似している。従って、行間画像における雑音密度は行画像の雑音の強さを反映する。

行間画像における雑音の数（行間雑音の数）をカウントし、行間雑音の密度（行間雑音密度）を計算するとき、各行間画像の領域全体を考慮しても良いし、あるいはその領域の一部のみを考慮しても良い。更に、関連する行画像に隣接する１つの行間画像のみを考慮に入れても良く、その１つの行間画像は関連行画像の上にあっても良いし、あるいはその下方にあっても良い。しかし、関連行画像の上下の２つの行間画像を考慮に入れても良い。

好ましい一実施例では、行間雑音密度は、関連行画像の上下にある行間画像からそれぞれ選択された２つの領域にある雑音の数をそれら２つの領域の画素単位の面積で除算した値に等しい。

別の好ましい一実施例においては、２つの領域は関連行画像に隣接しており、それぞれ、行画像の幅と等しい幅及び行画像の高さの１／１０と同等の高さを有する。垂直行の場合にも、同様に、２つの領域はそれぞれ関連行画像の右側と左側にある。

事前解析の後、行画像の強調を開始しても良い。第１の強調ステップは、行画像の雑音が抑制され、雑音抑制行画像７１４が生成される行雑音抑制ステップ７１２である。

行雑音抑制ステップ７１２、並びに以下に説明する正常行画像強調ステップ７２０、破断ストローク行画像強調ステップ７２２及び中抜けストローク行画像強調ステップ７２４では、単独画素の除去、中央値フィルタ、平滑化、弱い膨張及び強い膨張を含めた様々な画像強調技法が採用される。

単独画素を除去する動作は、行画像における離散した単独黒色画素を除去するもので、これは当業者には知られている一般的なアルゴリズムである。中央値フィルタも周知の技法である。

平滑化の動作は文字画像の縁部を平滑化する。平滑化効果を有するどのようなアルゴリズムを採用しても良い。その例として、様々な大きさ、様々な形状を有するテンプレートを使用する中央値フィルタ又は平均値フィルタを挙げることができるであろう。本発明の効果を更に改善するために、発明者は３×３テンプレートを使用する中央値フィルタに基づいて改善された平滑化アルゴリズムを提案する。

膨張も従来の技術で良く知られた一般的なアルゴリズムであり、その効果は２×２テンプレート、２×３テンプレート、３×２テンプレート又は３×３テンプレートなどのテンプレートの大きさと形状に応じて強くなるか又は弱くなる。本発明では、最適の効果を得るために、弱い膨張として２×２テンプレートを使用する膨張アルゴリズムが使用され、強い膨張として３×３テンプレートを使用する膨張アルゴリズムが使用される。

更に良好な雑音抑制効果を得るために、行画像の特性又は行間画像の特性に応じて上述の雑音フィルタリング技法を互いに組み合わせても良い。

本発明においては、雑音を抑制している間、行間雑音密度と黒色画素密度と連結構成要素密度との少なくともいずれかに応じて適正な雑音抑制方法が採用される。特に、発明者はこの行雑音抑制工程の３つの実施例を提供し、それら３つの方法のうちの１つが選択されれば良い。

Ａ．まず、行画像中の単独画素を除去する。次に、行間雑音密度＞＝Ｎ１であれば、行画像を平滑化する。この場合、閾値Ｎ１は０．５〜１．５であり、好ましくは１である。

Ｂ．行間雑音密度が０より大きく、Ｎ１以下である場合、単独画素を除去する。行間雑音密度＞Ｎ１である場合には、中央値フィルタを使用して行画像を処理する。この場合、Ｎ１は３〜７であり、好ましくは５である。この解決方法は、行間雑音密度＝０であれば、行雑音抑制は不要であることを示唆している。これは、例えば、完全な２値画像（すなわち、非ハーフトーン画像）などの正常文書画像の場合に相当する。

Ｃ．この工程の好ましい一実施例では、雑音抑制は表１に示される条件に従って実行される。すなわち、左側の条件に適合すれば、右側の対応する動作が実行されるのである。例えば、黒色画素密度＜＝Ｎ１であり且つＢ８＜＝Ｎ４である場合、動作は実行されず、行画像は結果として直接出力される。表１の最後の行は、表１に示されていない条件の下では行画像中の単独画素が除去されることを意味している。

尚、表１並びに条件とそれに対応する動作を示す表２以降の表において、異なる行は異なる条件及びそれに対応する動作を表していることに注意する。「条件」の列は適合されるべき条件を表し、「動作」の列は実行されるべき対応する動作を表す。同じ条件行にあるとき、それぞれのセルにある全ての条件が満たされなければならない。例えば、表１においては、「黒色画素密度＞Ｎ１」及び「行間雑音の数＞０」及び「（行間雑音密度＞＝Ｎ４又はＢ８＜＝Ｎ６）及び（黒色画素密度＞＝Ｎ７又はＢ８＜＝Ｎ８）」であるときにのみ、「平滑化」動作は実行される。

この場合、閾値Ｎ１からＮ８は表２に示される値であれば良い。

背景技術の欄で説明したように、マクロな視覚的見かけに応じて、文書画像（又は行画像、あるいは文字画像）は破断ストローク、中抜けストローク、ジグザグストローク及び雑音の４つの種類に分類される。現実のハーフトーン文書画像では、これら４つの特性及びその組み合わせは極めて標準的である。

上述の工程は、行画像がどの種類であろうと、行画像の雑音を抑制している。後続する工程は破断ストローク行画像、中抜けストローク行画像及びジグザグストローク行画像を強調することに集中する。発明者は実験を通して、ジグザグストローク行画像が正常行画像に最も近いことに気づいた。従って、「正常行画像」という用語はジグザグストローク行画像を含むものとして使用される。

従来の技術では、ハーフトーン文書画像の欠陥が全て雑音であるとは限らず、人間の目が前述の３種類の画像を非常に容易に識別できるにもかかわらず、従来の機械（又はアルゴリズム）はそれらの種類を識別できないために（従って、文書画像をそれら３つの種類に分類することを試みる技法はなく、言うまでもなく、文書画像を異なる方法で処理することを試みる技法も存在しないために）、ハーフトーン文書画像を強調又は認識することは困難である。

発明者は何度にもわたる実験を通して、異なる種類の画像を特徴付けるために連結構成要素密度を使用できることに気づいた。（また、本発明の開示における全ての閾値が実験を経て獲得されたことに注意すべきである。）
従って、雑音抑制行画像を分類するに際しては、雑音抑制行画像７１４における連結構成要素を分類し、対応する連結構成要素密度を獲得することが必要である。それが分類ステップ７１６である。このステップは「行画像の事前解析」の部分で説明した分類動作に類似しているため、ここでは詳細な説明を省く。以下に説明するように、正常行画像強調ステップ７２０、破断ストローク行画像強調ステップ７２２及び中抜けストローク行画像強調ステップ７２４も分類ステップ７１６の分類結果を使用できる。このステップでは、Ｂ４、Ｂ８、Ｗ４及びＷ８が得られる。しかし、この分類ステップ７１６を後続するステップに配分しても良いことは当業者には自明であるという点に注意すべきである。すなわち、Ｂ４、Ｂ８、Ｗ４及びＷ８の値はあらかじめ計算されるのではなく、それらの値を必要とする後の関連するステップで計算されても良い。

更に、以下に説明するような後続する分類ステップ７１８及びその後の行強調ステップに関して、発明者は様々な実施例を提案しているが、そのうちのいくつかは先に説明したような連結構成要素密度を使用しないことにも注意すべきである。そのような場合には、このステップでそれらの連結構成要素密度を計算する必要はなく、対応する連結構成要素を分類する必要もないことは自明である。

分類ステップ７１６の分類結果に基づいて、分類ステップ７１８では、行画像が先に説明したような３つの種類に分類される。

分類ステップの第１の実施例では、表３に示される基準を使用する。例えば、Ｗ８＜＝Ｔ１及びＢ８＞＝Ｔ２であれば、行画像は破断ストローク行画像である。

この場合、閾値Ｔ１は２〜４、好ましくは３であり、閾値Ｔ２は３〜５、好ましくは４である。

上記の表３において、Ｗ８及びＢ８の値は分類基準として使用される。Ｗ４及びＢ４の値を分類基準として使用しても差し支えないことは自明である。実際には、分類基準としてＷ４、Ｂ４、Ｗ８及びＢ８のどのような組み合わせを使用しても良く、対応する閾値は実験を経て得られる。

分類ステップ７１６は３種類の結果を生成する。行画像が正常行画像であれば、正常行画像強調ステップ７２０が続き、破断ストローク行画像であれば、破断ストローク行画像強調ステップ７２２が続き、中抜けストローク行画像であれば、中抜けストローク行画像強調ステップ７２４が続く。それら３つのステップについて以下に説明する。

（正常行画像の強調）
正常行画像の場合、幾分かのジグザグストロークが混じっているので、正常行画像強調ステップ７２０の目的は存在する可能性があるジグザグストロークを平滑化することである。

本発明においては、正常行画像は、連結構成要素密度と文字高さと正常行画像とのうち少なくともいずれかがそれまでに平滑化されたことがあるか否かに応じて正常行画像を平滑化することにより強調される。特に、発明者は以下に説明するステップの３つの実施例を好適と考えるが、本開示を読むことにより他の実施例も考えられる。

Ａ．まず、行画像を平滑化する。次に、ＤＰＩ＜＝３００であれば、中央値フィルタによって行画像を処理する。中央値フィルタは３×３テンプレートを使用する。

ＤＰＩ（ドット数／インチ）は走査画像の分解能であり、処理されるべき画像から読み取られれば良い。一般に、正常行画像のＤＰＩが高いほど、含まれるジグザグは少ないので、認識率に与える影響は少なくなる。従って、高いＤＰＩを有する正常行画像を平滑化する必要はない。

Ｂ．ＤＰＩ＞３００又はＷ４＞＝Ｎ１であれば、行画像を平滑化する。この場合、閾値Ｎ１は２〜４であり、好ましくは３である。

Ｃ．ＤＰＩ＞３００であり且つ行画像が行雑音抑制ステップ７１２で既に平滑化されていた場合、又はＤＰＩ＜＝３００であるが、Ｗ４＞＝Ｎ１かつ文字高さ＞＝Ｎ２である場合には、行画像を平滑化する。この場合、閾値Ｎ１は１．５〜２．５、好ましくは２であり、閾値Ｎ２は２５〜４０、好ましくは３０である。

ここで、文字高さは単に関連する水平行画像の高さ、又は関連する垂直行画像の幅である。

（破断ストローク行画像の強調）
破断ストローク行画像の場合、破断ストローク行画像強調ステップ７２２の目的は破断ストロークを連結することである。破断ストローク行画像を強調することの中核は行画像を膨張させることである。必要に応じて、平滑化動作が採用されても良い。特に、発明者は以下に説明するステップの３つの実施例を好適と考えるが、本開示を読むことにより他の実施例も考えられる。

Ａ．まず、行画像に対して強い膨張を実行し、次に、３×３テンプレートを使用する中央値フィルタによって、得られた画像を処理する。

Ｂ．Ｗ４＜Ｎ１であれば、行画像に対して弱い膨張を実行する。Ｗ４＞＝Ｎ１であれば、まず、行画像を平滑化し、次に得られた行画像を再び分類し、新たなＢ８の値を獲得し、Ｂ８＞Ｎ２であれば、得られた平滑化行画像に対して強い膨張を実行する。この場合、閾値Ｎ１は３〜７、好ましくは５であり、閾値Ｎ２は２〜６、好ましくは４である。
尚、この破断ストローク行画像強調ステップ７２２の実施例においては、分類ステップ７１６に類似する再分類動作があるため、その詳細な説明が省略されていることに注意する。

Ｃ．破断ストローク行画像強調ステップ７２２の好ましい一実施例では、表４に示されるような動作を実行する。すなわち、Ｗ４＜Ｎ１である場合、強調を完了するために文字高さの値に応じて強い膨張又は弱い膨張が実行される。

Ｗ４＞＝１であるとき、表４に示される条件に応じて、行画像を平滑化するか否かが判定される。このステップで行画像が平滑化される場合、得られた平滑化行画像を再び分類し、新たなＢ８を獲得する。その後、Ｗ４＞＝１である行画像に関して、Ｂ８＞＝Ｎ５であるか否かが判定される。Ｂ８＞＝Ｎ５であれば、行画像がこのステップ又は行雑音抑制ステップ７１２で既に平滑化されているか否かに関わらず、行画像に対して強い膨張が実行される。

ここでも、破断ストローク行画像強調ステップ７２２のこの実施例では、分類ステップ７１６に類似する再分類動作があるため、その詳細な説明が省略されていることに注意する。

閾値Ｎ１〜Ｎ５の値は表５に示されている。

（中抜けストローク行画像の強調）
中抜けストローク行画像の場合、中抜けストローク行画像強調ステップ７２４の目的はストローク中の抜けた領域を充填することである。本発明においては、中抜けストローク行画像は、行画像を平滑化し、次に得られた行画像を膨張させることにより強調される。特に、発明者は次に説明するステップの３つの実施例を好適と考えるが、本開示を読むことにより他の実施例も考えられる。

Ａ．まず、３×３テンプレートを使用できる中央値フィルタによって行画像を処理する。次に、Ｗ４＞Ｎ１であれば、得られた行画像に対して強い膨張が実行される。この場合、閾値Ｎ１は４０〜８０であり、好ましくは６０である。この場合、Ｗ４の値は分類ステップ７１６で得られた値であるが、中央値フィルタによる処理の後に再び分類されても良い。再分類が実行される場合、閾値の範囲と好ましい値は様々に異なり、当業者により発明性を要する労力なしに実験を経て獲得されるであろう。

Ｂ．まず、行画像を平滑化する。次に、Ｗ４＞Ｎ１であれば、得られた行画像に対して強い膨張を実行する。この場合、閾値Ｎ１は４０〜８０、好ましくは６０である。同様に、Ｗ４の値は分類ステップ７１６で得られた値であるが、中央値フィルタによる処理の後に再び分類されても良い。再分類が実行される場合、閾値の範囲と好ましい値は様々に異なり、当業者により発明性を要する労力なしに実験を経て得られるであろう。

Ｃ．行画像が行雑音抑制ステップで平滑化されており且つＢ８＞＝Ｎ９である場合、行画像に対して強い膨張が実行される。行画像が行雑音抑制ステップで平滑化されていない場合には、行画像を第１の処理ステップ、再分類ステップ及び第２の処理ステップにより処理する。

第１の処理ステップは表６に示される動作から成る。

再分類ステップは分類ステップ７１６に類似しているので、ここではその詳細な説明を省略する。第１の処理ステップで得られた行画像を再び分類することにより、Ｗ４、Ｗ８及びＢ４、Ｂ８の新たな値が獲得される。

第２の処理ステップは次の動作から成る。Ｂ８＞＝Ｎ５かつＷ４＞＝Ｎ８であれば、第１の処理ステップから得られた行画像に対して強い膨張を実行する。Ｂ８＜Ｎ５かつＷ８＞Ｎ６かつＷ４＞Ｎ７であれば、第１の処理ステップから得られた行画像に対して弱い膨張を実行する。この場合、閾値Ｎ１〜Ｎ９は表７に示される値であれば良い。

正常行画像強調ステップ７２０、破断ストローク行画像強調ステップ７２２又は中抜けストローク行画像強調ステップ７２４の後、強調行画像が得られる。全ての強調行画像は、ブロック雑音抑制ステップ７０４で得られた行間画像と共に強調ブロック画像を構成する。

以上、本発明による文書画像強調方法の好ましい実施例の工程を詳細に説明した。ほぼ工程ごとに、その工程の２つ以上の実施例を提示した。様々に異なる工程の様々に異なる実施例をどのように組み合わせても良く、従って、本発明による方法の好ましい実施例が実際には複数の変形例を含むことは自明である。

（好ましい実施例の変形例）
以上説明した好ましい実施例は、原文書画像から分割されたブロック画像を強調することを目的としている。しかし、本発明は、複写装置などの走査手段から入力される原文書画像を直接に強調することが可能であるように、図７Ａに示すようなブロック分割ステップ１０４を含んでいても良い。

図８Ａ及び図８Ｂから図１１Ａ及び図１１Ｂは本発明の効果を示す。図８Ａ、図９Ａ、図１０Ａ及び図１１Ａは、それぞれ、背景雑音、破断ストローク、中抜けストローク及びジグザグストロークを有する画像サンプルを示す。図８Ｂ、図９Ｂ、図１０Ｂ及び図１１Ｂは対応する強調画像を示す。画像の視覚的見かけが大幅に改善されていることが見て取れるであろう。従って、本発明は一般的な目的に使用できるのみならず、複写装置でも使用できるであろう。

＜文字認識方法＞
本発明は、本発明による文書画像強調方法を使用する文字認識方法を更に提供する。図７Ｃは、本発明による文字認識方法の一実施例を示す。図７Ａ及び図７Ｂに示されるステップに加えて、方法は文字分割ステップ１１２及び単独文字認識ステップ１１６を含み、これら２つのステップは周知の技法である。本発明を適用すると、文書画像、特にハーフトーン文書画像の認識率を大幅に改善できるであろう。発明者は、本発明による強調方法を使用した場合と、使用しない場合とについていくつかのサンプルを認識することによって本発明をエミュレートした。その結果を図１２及び図１３に示す。

評価に使用されたハーフトーン文書画像は「Canon ImageRunner 2800」を使用して雑誌、印刷物、本及び小型新聞から複製され、発明者が定義した特性によって画像が分類される。ハーフトーン文書画像のファイルフォーマットは「ＴＩＦＦ」であり、ＤＰＩは３００、４００及び６００を含む。総文字数は７１２４４であり、そのうち、背景雑音を含む文字は２３３３９文字、破断ストロークは１３９６１文字、中抜けストロークは１７６８９文字、ジグザグストロークは１６２５５文字である。

図１２に示されるように、本発明による強調を使用した後、総合認識率は大幅に改善される。図１３は、強調を使用した場合及び使用しない場合の異なる種類の文字の認識をそれぞれ示す。

本発明は文書画像強調装置及び文字認識装置を更に提供し、それらの装置について以下に詳細に説明する。先に説明した方法と同様に、本発明の文書画像強調装置及び文字認識装置を構成する構成要素は、いずれも、先に説明したような情報処理機器の１つの構成要素又は構成要素の組み合わせであっても良いし、あるいは先に説明したような情報処理機器に設置された又は組み込まれたソフトウェア及びハードウェア及びファームウェアの組み合わせであっても良い。本発明による装置の構成要素を実現することは当業者には容易であろう。また、各々の構成要素の機能がＩ／Ｏ装置、メモリ装置、ＣＰＵなどのマイクロプロセッサ等の使用を含むであろうということは当業者には自明である。以下の本発明の装置の説明は必ずしもそれらの装置を挙げていないが、実際にはそれらの装置が使用される。例えば、原画像処理結果及び全ての中間処理結果は、プロセスが完了するまで、一時的又は永久的にいずれかの場所に格納されることが確実である。情報処理機器の特定の一例として、先にコンピュータシステムについて説明したので、ここではその説明を省略する。

＜文書画像強調装置＞
（好ましい実施例）
図１４は、文書画像強調装置１４００の好ましい一実施例を示し、装置の構成要素について以下に説明する。

記憶手段１４０６は強調されるべき原ブロック画像、中間処理画像及び最終画像、並びに以下に説明するような行画像又は行間画像の特性などの他の中間結果を格納するように構成されている。

第１の雑音フィルタ１４０４は、原ブロック画像における雑音を抑制して、雑音抑制ブロック画像を生成するように構成されている。第１の雑音フィルタ１４０４は、先に文書画像強調方法と関連して説明したフィルタのうちのいずれであっても良い。特に、中央値フィルタ又は平均値フィルタであっても良い。３×３テンプレートを使用する中央値フィルタが好ましい。

行分割手段１４０８は雑音抑制ブロック画像を分割するように構成され、行画像の位置情報を生成する。行分割手段は周知の技法に属する。

事前解析器１４１０は、原ブロック画像における行画像及び行間画像を解析して、行画像及び行間画像の特性を生成するように構成されている。先に説明したように、それらの特性は各画像の文字数、行間雑音の数、行間雑音密度、各行画像の黒色画素密度及び連結構成要素密度（Ｗ４、Ｗ８、Ｂ４又はＢ８を含むであろう）を含む。これに対応して、図１５に示されるように、事前解析器１４１０は先に説明したように各行画像の文字数を計算するように構成された文字カウンタ１５０２と、各行画像における連結要素を分類し、連結構成要素の数及び文字カウンタ１５０２から得られる文字数に基づいて対応する連結構成要素密度を計算するように構成された分類器１５０４と、先に説明したように行間画像における雑音の数をカウントし、先に説明したように行間雑音密度を計算するように構成された行間雑音カウンタ１５０６と、各行画像における黒色画素の密度を計算するように構成された黒色画素密度計算器１５０８とを含む。この場合、事前解析器１４１０の分類器１５０４を省略し、事前解析器１４１０が以下に説明するような分類手段１４１２を使用しても良い。

第２の雑音フィルタ１４１６は、先に述べたような特性に基づいて原ブロック画像の行画像における雑音を抑制して、雑音抑制行画像を生成するように構成されている。雑音抑制動作の特定の方式は「文書画像強調方法」の部分で既に説明されている。

分類手段１４１２は画像における連結構成要素を分類し、画像の様々に異なる連結構成要素の密度を生成するように構成されており、第２の雑音フィルタから得られる雑音抑制行画像を分類すると共に、必要に応じて正常行画像強調器１４２０、中抜けストローク行画像強調器１４２２及び破断ストローク行画像強調器１４２４で生成される他の中間行画像を分類するために使用される。分類手段１４１２は先に述べた事前解析器１４１０の分類器１５０４とほぼ同じであるので、それらを１つに統合しても差し支えない。

分類手段１４１８は、分類手段１４１２から得られる連結構成要素密度に従って、雑音抑制行画像を正常行画像、破断ストローク行画像及び中抜けストローク行画像を含む３つの種類に分類するように構成されている。特定の分類方式は既に説明されている。

正常行強調器１４２０は、上記の特性に基づいて、正常行画像を平滑化することにより正常行画像を強調するように構成されている。中抜けストローク行画像強調器１４２２は、上記の特性に基づいて、中抜けストローク行画像のストロークにおける抜け領域を充填することにより中抜けストローク行画像を強調するように構成されている。破断ストローク行画像強調器１４２４は、上記の特性に基づいて、破断ストローク行画像における破断ストロークを連結することにより破断ストローク行画像を強調するように構成されている。これらの強調器の特定の動作は既に「文書画像強調方法」の部分で説明されている。

正常行画像強調器１４２０、中抜けストローク行画像強調器１４２２及び破断ストローク行画像強調器１４２４の動作が分類手段１４１２で生成される連結構成要素密度の使用を必要とすることは起こりうる。また、先に説明したように、強調器は、行画像を更に強調するために、その中間結果を分類手段により再び分類させ、再分類結果を使用しても良い。

文書画像強調装置は、上述の構成要素の動作を制御するように構成され、各行画像が処理されることを保証するコントローラを更に含む。

（好ましい実施例の変形例）
以上説明した好ましい実施例は、原文書画像から分割されたブロック画像を強調することを目的としている。しかし、本発明による装置は、複写装置などの走査手段から入力される原文書画像を直接に強調することが可能であるようにブロック分割手段（図示せず）を更に含んでいても良い。

＜文字認識装置＞
本発明は、原文書画像を分割して、ブロック画像を獲得するように構成されたブロック分割手段１６０２と、先に説明した文書画像強調装置１４００と、強調ブロック画像における行画像を単独文字画像に分割するように構成された文字分割手段１６０４と、各単独文字画像を認識するように構成された単独文字認識手段１６０６とを具備する文字認識装置１６００（図１６）を更に提供する。ブロック分割手段１６０２、文字分割手段１６０４及び単独文字認識手段１６０６は全て従来の技術である。

＜記憶媒体＞
本発明の目的は、前記画像源及びそれに続く処理装置と通信する、先に説明したような情報処理機器で１つのプログラム又は１組のプログラムを実行することによっても実現できるであろう。それらの情報処理機器、画像源及びそれに続く処理装置は全て周知の汎用機器である。従って、本発明の目的は、単に、前述の文書画像強調方法又は文字認識方法を実現できるプログラムコードを提供することにより実現できるであろう。すなわち、前述の文書画像強調方法又は文字認識方法を実現するためのプログラムコードを格納する記憶媒体は本発明を構成する。

いずれかのプログラム言語を使用して前述の文書画像強調方法又は文字認識方法をプログラムすることは当業者には容易であったと考えられる。従って、プログラムコードの詳細な説明を省略する。

また、記憶媒体は当業者に知られているどのような種類のものであっても良く、あるいは将来開発されても良いので、ここで様々な記憶媒体を列挙する必要はない。

本発明をここで開示した特定の工程及び構造に関連して説明したが、本発明は記載された詳細に限定されず、本出願は本発明の趣旨の範囲から逸脱しない全ての変更、改変及び変形を含むことが意図されている。例えば、先に説明した文書画像強調装置及び文字認識装置に関して、様々に異なる構成要素は別個に実現されても良いが、それらのいくつかは統合されても良い。例えば、文書画像を格納するメモリを含む様々なメモリは物理的には１つのメモリであっても良い。また、いずれか１つの構成要素の機能を２つ以上の構成要素に配分することも可能である。更に、本発明の文書画像強調方法及び装置は文字認識のみならず、複写装置などの様々な目的で画像強調に適用されることが可能である。更に、本発明において使用される評価結果及び閾値は中国語の文書画像に本発明を適用することにより得られていた。この開示を読んだ後であれば、当業者は任意の言語の文書画像に容易に本発明を適用するであろう。その場合、閾値は通常の実験を経てわずかに修正される。従って、本発明の保護範囲があらゆる言語の文書画像の強調及び認識を包含していることは疑いない。

従来の技術によるＯＣＲ方法のフローチャート。 多数の雑音を有するハーフトーン画像の一例を示す図。 破断ストロークを含むハーフトーン画像の一例を示す図。 中抜けストロークを含むハーフトーン画像の一例を示す図。 ジグザグストロークを含むハーフトーン画像の一例を示す図。 本発明を実現できる情報処理システムのブロック線図。 本発明による文書画像強調方法の好ましい一実施例のフローチャート。 図７Ａに示される実施例の変形例を示す図。 本発明による文字認識方法の好ましい一実施例のフローチャート。 本発明により処理される前及びその後の多数の雑音を有する文書画像サンプルを示す図。 本発明により処理される前及びその後の多数の雑音を有する文書画像サンプルを示す図。 本発明により処理される前及びその後の破断ストロークを含む文書画像サンプルを示す図。 本発明により処理される前及びその後の破断ストロークを含む文書画像サンプルを示す図。 本発明により処理される前及びその後の中抜けストロークを含む文書画像サンプルを示す図。 本発明により処理される前及びその後の中抜けストロークを含む文書画像サンプルを示す図。 本発明により処理される前及びその後のジグザグストロークを含む文書画像サンプルを示す図。 本発明により処理される前及びその後のジグザグストロークを含む文書画像サンプルを示す図。 本発明を使用するＯＣＲエンジンの性能を示すヒストグラム。 本発明を使用するＯＣＲエンジンの性能を示す別のヒストグラム。 本発明による文書画像強調装置の好ましい一実施例のブロック線図。 図１４に示される事前解析器のブロック線図。 本発明による文字認識装置のブロック線図。

符号の説明

１４００…文書画像強調装置、１４０２…コントローラ、１４０４…第１の雑音フィルタ、１４０６…記憶手段、１４０８…行分割手段、１４１０…事前解析器、１４１２…分類手段、１４１６…第２の雑音フィルタ、１４１８…分類手段、１４２０…正常行画像強調器、１４２２…中抜けストローク行画像強調器、１４２４…破断ストローク行画像強調器、１５０２…文字カウンタ、１５０４…分類器、１５０６…行間雑音カウンタ、１５０８…黒色画素密度計算器、１６００…文字認識装置、１６０２…ブロック分割手段、１６０４…文字分割手段、１６０６…単独文字認識手段

Claims (17)

1. 行画像における連結構成要素の数を行画像の文字の数で除算することにより、前記行画像における黒色８連結構成要素密度と白色８連結構成要素密度とを獲得する連結構成要素密度獲得工程と、
   前記黒色８連結構成要素密度と白色８連結構成要素密度とに基づいて、前記行画像を正常行画像、破断ストローク行画像及び中抜けストローク行画像のいずれかの種類に分類する行画像分類工程と、
   前記行画像に対して、前記行画像分類工程で分類された種類に応じた強調処理を実行することにより、強調行画像を獲得する強調工程と
   を備え、
   前記行画像分類工程では、
   白色８連結構成要素密度＜＝閾値Ｔ１であり且つ黒色８連結構成要素密度＞＝閾値Ｔ２であれば、前記行画像は前記破断ストローク行画像であると分類し、
   白色８連結構成要素密度＞閾値Ｔ１であれば、前記行画像は前記中抜けストローク行画像であると分類し、
   白色８連結構成要素密度＜＝閾値Ｔ１であり且つ黒色８連結構成要素密度＜閾値Ｔ２であれば、前記行画像は前記正常行画像であると分類するものであり、
   更に、閾値Ｔ１は２〜４であり、閾値Ｔ２は３〜５であることを特徴とする文書画像強調方法。
2. 原ブロック画像における雑音を抑制することにより、雑音抑制ブロック画像を得るブロック画像雑音抑制工程と、
   前記雑音抑制ブロック画像を分割し、行画像の位置情報を獲得する工程と、
   前記原ブロック画像における行画像及び行間画像を解析し、行画像及び行間画像の特性を獲得する工程と、
   前記特性に基づいて原ブロック画像における行画像の雑音を抑制することにより、雑音抑制行画像を得る行画像雑音抑制工程と、を更に備え、
   前記連結構成要素密度獲得工程と前記行画像分類工程と前記強調工程とで処理対象になる行画像は、前記行画像雑音抑制工程で雑音が抑制された雑音抑制行画像であることを特徴とする請求項１に記載の文書画像強調方法。
3. 前記特性は、
   １つの行画像における連結構成要素の数をその行画像の文字の数で除算することにより求めた、黒色８連結構成要素密度、黒色４連結構成要素密度、白色８連結構成要素密度及び白色４連結構成要素密度のうちの少なくとも１つを含む連結構成要素密度と、
   １つの行画像における黒色画素の数をその行画像の画素における面積で除算することにより求めた黒色画素密度と、
   １つの行画像の上下の行間画像から選択された所定の領域における行間雑音の数と、
   前記行間雑音の数を前記領域の面積で除算した値に等しい行間雑音密度と、
   関連する行画像の高さに等しい文字高さと、
   原ブロック画像から読み取られるＤＰＩと
   のうちの少なくとも１つを含むことを特徴とする請求項２記載の文書画像強調方法。
4. 前記行画像雑音抑制工程では、行間雑音密度と黒色画素密度と連結構成要素密度との少なくともいずれかに従って行画像の雑音を抑制することを含むことを特徴とする請求項３記載の文書画像強調方法。
5. 前記閾値Ｔ１は３であり、前記閾値Ｔ２は４であることを特徴とする請求項５記載の文書画像強調方法。
6. 前記強調工程では、
   前記正常行画像を平滑化することにより強調する正常行画像強調工程と、
   前記中抜けストローク行画像を、ストロークの抜け領域を充填することにより強調する中抜けストローク画像強調工程と、
   前記破断ストローク行画像を、その破断ストロークを連結することにより強調する破断ストローク画像強調工程と
   を有することを特徴とする請求項１乃至５のいずれか１項に記載の文書画像強調方法。
7. 前記正常行画像強調工程は、正常行画像を連結構成要素密度と文字高さとその正常行画像との少なくともいずれかがその時点までに平滑化されたことがあるか否かに従って平滑化することを含むことを特徴とする請求項６記載の文書画像強調方法。
8. 前記破断ストローク行画像強調工程は、
   破断ストローク行画像に対して強い膨張を実行する工程と、
   その結果得られた行画像を中央値フィルタによって処理する工程とを含むことを特徴とする請求項６記載の文書画像強調方法。
9. 前記破断ストローク行画像強調工程は、連結構成要素密度又は文字高さ又はその両方に応じて、行画像に対して強い膨張を実行する強膨張実行工程又は行画像に対して弱い膨張を実行する弱膨張実行工程を含むことを特徴とする請求項６記載の文書画像強調方法。
10. 前記強膨張実行工程は、平滑化する平滑化工程と、平滑化行画像の連結構成要素密度に応じて行画像に対して強い膨張を実行する工程とを更に含むことを特徴とする請求項９記載の文書画像強調方法。
11. 前記平滑化工程は、連結構成要素密度及び行画像がその時点までに平滑化されたことがあるか否かに応じて行画像を平滑化することを含むことを特徴とする請求項１０記載の文書画像強調方法。
12. 前記中抜けストローク行画像強調工程は、行画像を平滑化する行画像平滑化工程と、その結果得られた行画像を膨張させる行画像膨張工程とを含むことを特徴とする請求項６記載の文書画像強調方法。
13. 前記行画像膨張工程は、連結構成要素密度に応じて行画像に対して膨張を実行すべきか否かを判定する工程又は連結構成要素密度に応じて行画像に対して強い膨張を実行すべきか又は弱い膨張を実行すべきかを判定する工程又はその両方を含むことを特徴とする請求項１２記載の文書画像強調方法。
14. 前記行画像平滑化工程は、連結構成要素密度及び行画像がその時点までに平滑化されたことがあるか否かに応じて行画像を平滑化すべきか否かを判定する工程又は連結構成要素密度に従って平滑化方法を判定する工程又はその両方を含むことを特徴とする請求項１２記載の文書画像強調方法。
15. 更に、
    前記強調行画像を単独文字画像に分割する工程と、
    前記分割された単独文字画像を文字認識する工程と
    を備えることを特徴とする請求項１に記載の文書画像強調方法。
16. 行画像における連結構成要素の数を行画像の文字の数で除算することにより、前記行画像における黒色８連結構成要素密度と白色８連結構成要素密度とを獲得する連結構成要素密度獲得手段と、
    前記黒色８連結構成要素密度と白色８連結構成要素密度とに基づいて、前記行画像を正常行画像、破断ストローク行画像及び中抜けストローク行画像のいずれかの種類に分類する行画像分類手段と、
    前記行画像に対して、前記行画像分類工程で分類された種類に応じた強調処理を実行することにより、強調行画像を獲得する強調手段と、を備え、
    前記行画像分類手段では、
    白色８連結構成要素密度＜＝閾値Ｔ１であり且つ黒色８連結構成要素密度＞＝閾値Ｔ２であれば、前記行画像は前記破断ストローク行画像であると分類し、
    白色８連結構成要素密度＞閾値Ｔ１であれば、前記行画像は前記中抜けストローク行画像であると分類し、
    白色８連結構成要素密度＜＝閾値Ｔ１であり且つ黒色８連結構成要素密度＜閾値Ｔ２であれば、前記行画像は前記正常行画像であると分類するものであり、
    更に、閾値Ｔ１は２〜４であり、閾値Ｔ２は３〜５であることを特徴とする文書画像強調装置。
17. 請求項１乃至１５のいずれか１項に記載の方法をコンピュータに実行させるためのプログラムコードを格納したコンピュータ読み取り可能な記憶媒体。

Images