JP4313178B2 - ベクトル化図形の作成方法および装置 - Google Patents

Description

本発明は、ベクトル化図形の作成方法および装置に関する。

図書管理のＩＴ化に伴い、紙や電子化された画像データとして入力された図面のＣＡＤデータ化ニーズが顕在化している。現在、ＣＡＤデータ化はそのほとんどが人手による入力作業によって実施されている。一方、画像データの図面を自動的に線図としてベクトル化する製品も存在する。図面のベクトル化は、図面のイメージデータを一様に線図へ変換する。しかし、ベクトル化された線図には、文字、記号、線などの区別がなく、閲覧や編集にも不便で、その用途が限られていた。また、ベクトル化の細かさを適切に設定しないと、図形の形状を忠実に再現できない。

このような問題に対し、特許文献１は、図面の特徴からベクトル化パラメータを自動調整することで、効率的なベクトル化を提案している。

特開平５−３３４４３０号公報

しかし、特許文献１の方法は図面の全体あるいは一部の領域に対しパラメータを設定するだけで、図面内の図形ごとに設定することはできない。図面の線図化における問題点は図形の種類にかかわらず、一様に線図化していたことにある。図形をベクトル化する際、例えば、文字、記号、建物、道路など、それぞれの図形の種類を区別することができれば、図形種類ごとにレイヤーを分けて図形を出力することができ、ＣＡＤデータの利用価値を高めることができる。また、図形の種類から、図形ごとにベクトル化の最適なパラメータを設定することで、データ量を削減することができる。

本発明の目的は、上記従来技術の問題点に鑑み、図形の種類ごとにレイヤー分けでき、またベクトル化の最適なパラメータを自動的に設定できる、ベクトル化図形作成方法及び装置を提供することにある。

上記目的を達成するために本発明の方法は、電子化された画像データを入力し、ベクトル化して出力するベクトル化図形の作成方法であって、入力した画像データの特徴量を抽出し、予め図形種類ごとに設定されている図形特徴データと前記特徴量を比較して前記画像データを図形種類ごとに分類し、かつ前記画像データをベクトル変換することを特徴とする。

前記図形特徴データには図形間の相対位置関係や接続関係が付加されていて、前記特徴量と前記図形特徴データによる比較が行われた後、前記特徴量と前記相対位置関係または前記接続関係との比較が行われて、前記図形種類に分類する。すなわち、前記図形種類は大まかに分類した後に細分化される。

また、ベクトル変換されたベクトルデータは前記図形種類に応じてレイヤー化され、レイヤー化されたベクトルデータを出力することを特徴とする。

前記ベクトル変換は前記図形種類ごとに予め設定されているベクトル化パラメータにしたがって変換される。また、前記パラメータは予めの設定値を前記特徴量に基いて修正される。

上記目的を達成するために本発明のベクトル化図形の作成装置は、画像を入力する画像データ入力部と、入力した画像を記憶する画像記憶部と、画像から図形の特徴量を抽出する特徴抽出部と、特徴量と図形の特徴に関する知識を与える図形特徴データベースと、図形特徴データベースを用いて抽出した特徴量から図形の種類を分類する図形種類分類部と、図形の種類により画像をレイヤー分けするレイヤー分離部と、レイヤー分けしたベクトルデータを出力するデータ出力部を備えることを特徴とする。

前記画像データ入力部は２値画像の入力部であり、さらに前記２値画像をベクトル変換するベクトル変換部と、前記図形種類ごとに予め定められるベクトル化パラメータ（例えば最小ベクトル単位）を設定するパラメータ設定部を備える。

あるいは、前記画像データ入力部はベクトルデータの入力部であり、入力されたベクトルデータから、例えば２値画像を生成し前記画像記憶部に記憶する画像生成部を備える。

本発明により、電子化された画像データとして入力した図面のベクトル化において、図形の種類を分類してベクトルデータを種類ごとにレイヤー分けすることができる。また、図形の種類ごとに最適なベクトル化パラメータを自動的に設定することで、形状を確保したベクトル化を可能とし、データ量を削減することができる。

本発明の実施の形態について、以下、図面を参照して説明する。

図１は本発明の一実施例であるベクトル化図形作成装置の構成を示している。画像データ入力部１は、紙などに描かれた図面を読み取り、電子化された画像データとして入力、あるいは既に電子化されているデータを画像データの形式に変換して入力する。さらに、望ましくは０または１で表される２値化画像に変換する機能、ノイズ除去、傾き補正などの処理を行う機能を有する。画像記憶部２には、電子化された画像データが格納されている。

特徴抽出部３は、画像記憶部２に格納された画像および、ベクトル記憶部８に格納されたベクトルデータから、図形の特徴量を抽出する。この特徴量には、例えば、図形の端点、折れ曲がり、交点、接点等の部分的な形状と分布、図形の大きさ、面積、図形の形成する閉領域の形状と数、画像の濃淡比、曲率などの形状から決まる数学的数値等があげられる。また、この特徴を効果的に抽出するために細線化処理等の機能を有してもよい。

図形特徴データベース４は、図形の種類ごとに各種特徴量の値、数、分布位置などが格納されている。また、図形間の相対位置関係、接続関係についての分布位置と頻度が格納されている。また、各図形について、ベクトル化パラメータの初期値が格納されている。

図形種類分類部５は、特徴抽出部３で得られた特徴量と図形特徴データベース４に格納された特徴量を比較して、図形の種類を分類する。また、ベクトル記憶部８のベクトルデータも参考にして、図形の種類を分類する機能も有する。

パラメータ設定部６は、図形種類分類部５で分類された図形種類に応じて、図形特徴データベース４を参照してベクトル化パラメータを設定する。

ベクトル変換部７は、画像記憶部２に格納された画像をベクトルに変換し、ベクトル記憶部８へ格納する。また、特徴抽出部３で得られた特徴量や、パラメータ設定部６で設定されたパラメータを用いることで、より効率的にベクトル化をすることができる。ベクトル記憶部８には、ベクトルデータが格納されている。

レイヤー分離部９は、ベクトル記憶部８のベクトルデータを、図形種類分類部５で分類された種類ごとにレイヤー分けする。データ出力部１０は、ベクトル記憶部８に格納されたデータを紙面やＣＡＤデータ等に出力する。

図２は本発明の一実施例によるベクトル化図形作成方法のフローチャートである。まず、ステップ１０１にて画像を画像データ入力部１で読み込む。

ステップ１０２では、特徴抽出部３により、入力した画像の全体あるいは一部から、図形の特徴量を抽出する。この特徴量として、例えば、図形の局所的な形状とその分布、図形の大きさ、面積、図形の形成する閉領域の形状と数、画像の濃淡比、曲率などの形状から決まる数学的数値等があげられる。

図３に図形の局所特徴の例を示す。図形の各点において、その周囲を探索し、そこから伸びる線の数を数える。この本数や、線の方向から何種類かの局所特徴を定義することができる。この例では、図形の折れ曲がり、交点の位置を特徴点として黒丸で示している。また、この処理を効果的にするために、細線化処理を組み合わせてもよい。細線化処理で線の太さを一定にすることにより、この探索範囲を一定にすることができる。

ステップ１０３では、ステップ１０２で得られた特徴量を、図形種類分類部５により、図形特徴データベース４と比較し、それらの間の類似性をもとに、図形の種類を分類する。この分類は、画像の中に含まれるいくつかの図形それぞれについて実施する。例えば、地図の場合、図面は文字、記号、建物、道路等から構成されており、それぞれ構成する局所特徴の種類、分布、接続状態の違いから、これらを分類することができる。また、図形間の相対位置関係、接続関係からも図形を分類することができる。

簡単な例として、前述の局所特徴を用いた建物と文字の分類について説明する。図４は図面の局所特徴の説明図である。建物と文字の代表例として、特徴点とその種類を示した。たとえば地図中で建物を表す図形は、図４（ａ）に示したように、長方形あるいは長方形に凹凸を持たせた形状が典型的である。線は建物の壁を表しているので、途中で途切れたりすることなく、１つの閉領域を形成する。また、道路などと重なったりすることもなく、他の図形から独立して存在する。したがって、これらの建物の図形には交点や端点は存在せず、局所特徴は折れ曲がり点と直線部分から形成される。

一方、文字を表す図形は、図４（ｂ）に示すように、英数、ひらかな、漢字などの種類によっても特徴が異なるが、その多くは端点、折れ曲がり、交点、直線部分等の様々な局所特徴をもつ。特に、建物との違いは、多数の端点と交点が密集していることにある。また、形成する閉領域の数も様々で、交点の数の増加に伴って増える傾向をもつ。図４には建物と文字の代表例として、建物は折れ曲がり点６、閉領域１を、文字は端点２、折れ曲がり点１、交点２、閉領域１を示している。

次に、図形特徴データベース４を参照して、この特徴量の違いから、建物と文字との区別を説明する。図５に図形特徴データベースのデータ構造の例を示す。図形特徴データベース４には各図形と特徴量の関係として、各特徴点の数、閉領域数などが与えられている。図４における建物と文字の特徴量をこのデータベースと比較すると、建物は建物として、文字は文字あるいは記号のどちらかであると、明瞭に分類することができる。

このようなパターン認識は、従来の文字認識などでも実施されていた。しかし、図面のように、線、文字、記号が混在している場合には、それらの特徴量も混在してしまうために十分な精度で認識することができなかった。また、図４では、文字と記号は特徴点の数が類似しているため、文字か記号かを特定することは難しい。本発明では、これらの混在した図形の間の相対的位置関係、接続関係についてもデータベースとして与えることで、図形の認識精度を向上させる。

図形特徴データベース４には、図形ごとの特徴量分布のほかに、図形間の位置関係に関する知識も与える（図５の右３列）。例えば、建物と文字は、建物の枠の内部にその名称を記述した文字が存在するという位置関係をもつ。従来は、図４（ａ）のように、建物の内部に文字の特徴量が分布していると、文字と建物の特徴量が相互に干渉するため、誤認識の原因となっていた。

本発明では、それぞれの図形に対し、他の図形との位置関係をデータベースとして与えることでこの問題に対応している。文字は建物の名称を示すので、枠の中に存在している。建物から見ると、内部に文字が存在することがわかっているので、文字の特徴量に影響されずに建物として認識することができる。逆に、内部に文字が存在していれば、建物である可能性が高いと評価できる。一方、文字から見れば、建物の内部に文字が存在するという知識を利用すれば、文字の認識率を高めることができる。このような位置関係に関するデータは図形ごとに設定され、図形相互の影響を受けずに認識できるだけでなく、相互の関係を利用してより正確に認識できる。

また、配管のように、記号と線とが接続されている図形も存在する。この場合、記号と線の特徴点は共有されており、従来では、記号と線とを分離して認識できないために、記号、線とも十分な認識ができなかった。この場合においても、記号が線の上に存在する位置関係（接続されている状態）の知識を利用し、接続関係についてもデータベースとして与えておく。そして、共有した特徴点において記号と線の接続が認識されれば、この接続関係から配管として分類することが可能となる。

ところで、図形特徴データベース４は、各図形の持つ特徴量とそれらの相対位置関係の２つから構成されているので、まず、特徴量を用いてそれぞれの図形を大まかに分類した後に、再度それらの間の相対位置関係、接続関係の知識を用いて細かく分類することができる。

例えば、図４の例では、特徴量から大まかに文字あるいは記号として分類しておき、後のステップ１０６で、いずれかに種類を特定する必要が発生すれば、ステップ１０３に戻り、建物との相対位置関係を調べることで、文字あるいは記号と特定することができる。なお、図形特徴データベース４は、図面の種類に応じて内容を変更することにより、様々な種類の図面に対し、図形種類の分類が可能となる。

ステップ１０４では、パラメータ設定部６により、分類した図形の種類ごとにベクトル化のパラメータを決定する。図６にパラメータの一例を示す。このパラメータの例は、ベクトルの最小の長さで、初期値が与えられている。例えば、文字は短い多数のベクトルから構成されるので、ベクトルの最小単位を４ピクセルとして細部まで再現し、逆に、建物は長いベクトルから構成されるので、ベクトルの最小単位を２０ピクセルとしてデータ量を削減する。それぞれ、その形状を再現するのに適したベクトル化パラメータを設定する。このようなパラメータを、図形特徴データベース４に付加して、図形種類ごとに設定する。

図７にベクトル化パラメータの設定方法のフローチャートを示す。ステップ２０１では、図形種類分類部５で分類された図形の種類を入力し、ステップ２０２でこれらの特徴点の間隔を計算する。ステップ２０３では、図形特徴データベース４からベクトル化パラメータを初期値として入力する。ステップ２０４では、ベクトル化パラメータと特徴点の間隔を比較し、間隔が所定のしきい値以上離れている場合には、ステップ２０５ではパラメータを補正する。例えば、特徴点の平均間隔がベクトル化パラメータの半分以下であれば、ベクトル化パラメータを半分にする等の修正を行う。

ステップ１０５（２０６）では、あらかじめ設定された、あるいはステップ１０４で設定されたベクトル化パラメータを用いて、ベクトル変換部７により、画像内の図形をベクトル化し、得られたベクトルデータを、ベクトル記憶部８に格納する。

ベクトル化の方法については、特徴抽出部３で得られた特徴量を用いて、ベクトル化の精度を向上させることができる。例えば、前述の局所特徴により、図形の交点、端点、折れ曲がり点などを知ることができるので、図８のように、特徴点間をトレースして、画像の連続性を調べて連結していけば、元の図形を忠実に再現することができる。また、それぞれの特徴点から伸びる線の数も分っているので、全体として整合性が取れるように調整して、精度を向上することができる。

ステップ１０６では、再度図形種類の分類が必要かどうか判定する。ベクトル変換により、図形をベクトル化した結果、ベクトルの接続関係や閉領域形成の有無を詳しく調べることができる。この結果により、相対位置関係や接続関係を図形特徴データベース４と比較し、分類した図形のさらなる細分化や、ステップ１０３で分類した図形の種類が正しいかどうかを判定し、必要であればステップ１０３に戻り、再度分類して精度を向上させる。

ステップ１０７では、ベクトルデータに種類の区別があるかどうかを判定する。図形種類分類部５でベクトルデータがいくつかの種類に分類されている場合、ステップ１０８で、レイヤー分離部９により、ベクトルを図形種類ごとに分ける。

図９にレイヤー分けの概念を模式的に示している。２値データの図面画像をベクトル化してベクトルデータを得る。このベクトルデータは図形種類の区別が無いので、図形種類により例えば建物、文字、道路などにレイヤー分けして分類する。

以上の処理を、対象とする全図形について繰り返し（ステップ１０９）、ステップ１１０で、データ出力部９により、結果をディスプレイやＣＡＤデータ等に出力する。

本実施例によれば、図面のベクトル化において、図形の種類を分類し、ベクトルを種類ごとにレイヤー分けして出力できる。また、図形ごとに最適なベクトル化パラメータを設定することで、見た目を確保したまま効率的なベクトル化が可能になる。

なお、図面のベクトル化において、図形の形状を確保してベクトル化することを目的とした場合には、ステップ１０８を省略してもよい。また、種類ごとにレイヤー分けすることを目的とした場合には、ステップ１０４を省略してもよい。

次に、本発明の別の実施例を説明する。実施例２では、入力したデータがベクトルデータで与えられた場合に、ベクトルデータを分類するベクトル図形作成装置を説明する。

図１０は実施例２によるベクトル図形作成装置の機能ブロックを示している。ベクトルデータ入力部１１では、入力したデータからベクトルデータを抽出する。ベクトル記憶部８には、ベクトルデータが格納されている。画像生成部１２では、ベクトル記憶部８のベクトルデータから、画像データを生成し、画像記憶部２に格納する。

特徴抽出部３では、画像記憶部２に格納された画像および、ベクトル記憶部８に格納されたベクトルデータから、図形の特徴量を抽出する。この特徴量には、例えば、図形の端点、折れ曲がり、交点、接点等の部分的な形状と分布、大きさと面積、図形の形成する閉領域の形状と数、画像の濃淡比、曲率などの形状から決まる数学的数値等があげられる。また、この特徴を効果的に抽出するために細線化処理等の機能を有してもよい。

図形特徴データベース４には、図形の種類ごとに、各種特徴量の値、分布位置と頻度などが格納されている。

図形種類分類部５では、特徴抽出部３で得られた特徴量と図形特徴データベース４に格納された特徴量を比較して、図形の種類を分類する。また、ベクトル記憶部８のベクトルデータも参考にして、図形の種類を分類する機能も有する。

レイヤー分離部９では、ベクトル記憶部８のベクトルデータを、図形種類分類部５で分類された種類ごとにレイヤー分けする。データ出力部１０では、ベクトル記憶部８に格納されたデータを紙面やＣＡＤデータ等に出力する。

図１１は実施例２によるベクトル化方法のフローチャートである。まず、ステップ３０１にて、データをベクトルデータ入力部１１で読み込み、ベクトル記憶部８へ格納する。

ステップ３０２では、画像生成部１１により、ベクトルデータから画像データを生成し、画像記憶部２に格納するが、ベクトルデータから特徴量を十分抽出できれば省略してもよい。

ステップ３０３では、特徴抽出部３により、画像記憶部２に格納された画像および、ベクトル記憶部８に格納されたベクトルデータから特徴量を抽出する。これは、特徴量の抽出が十分であれば、画像あるいはベクトルデータのいずれが一方でも良い。

ステップ３０４では、図形種類分類部５により、得られた特徴量と図形特徴データベース４を比較して、図形を構成するベクトルデータの種類を分類する。ステップ３０５では、レイヤー分離部９により、ベクトルデータの種類ごとにレイヤーを分ける。

以上の処理を、対象とするすべてのベクトルデータについて繰り返し（ステップ３０６）、ステップ３０７で、結果をディスプレイやＣＡＤデータ等に出力する。

本実施例によれば、レイヤー分けされていないベクトルデータから、特徴量を抽出して図形を分類し、図形の種類ごとにレイヤー分けすることができる。

本発明の実施例１によるベクトル図形作成装置の構成を示す機能ブロック図。 実施例１のベクトル図形作成方法を示すフローチャート。 特徴量の一例を示す説明図。 図形種類の分類の説明図。 図形特徴データベースのデータ構造を示す説明図。 図形特徴データベースに付加されるベクトル化パラメータの説明図。 ベクトル化パラメータの設定方法のフローチャート。 特徴量を用いたベクトル化の説明図。 レイヤー分けの模式図。 実施例２によるベクトル図形作成装置の機能ブロック図。 実施例２のベクトル図形作成方法のフローチャート。

符号の説明

１…画像データ入力部、２…画像記憶部、３…特徴抽出部、４…図形特徴データベース、５…図形種類分離部、６…パラメータ設定部、７…ベクトル変換部、８…ベクトル記憶部、９…レイヤー分離部、１０…データ出力部、１１…ベクトルデータ入力部、１２…画像生成部。

Claims (7)

1. 電子化された画像データを入力し、ベクトル化して出力するベクトル化図形の作成方法において、
   予め図形種類ごとに設定され、かつ図形間の相対位置関係や接続関係が付加されている図形特徴データを有し、
   入力した画像データの特徴量を抽出し、前記特徴量と前記図形特徴データによる比較が行われた後、前記特徴量と前記相対位置関係または前記接続関係との比較が行われて、前記画像データを前記図形種類ごとに分類し、かつ前記画像データをベクトルデータに変換することを特徴とするベクトル化図形の作成方法。
2. 請求項１において、前記ベクトルデータは前記図形種類に応じてレイヤー化され、レイヤー化されたベクトルデータを出力することを特徴とするベクトル化図形の作成方法。
3. 請求項１において、前記ベクトルデータへの変換は前記図形種類ごとに予め設定されているベクトル化パラメータにしたがって変換されることを特徴とするベクトル化図形の作成方法。
4. 請求項３において、前記パラメータは予め設定されている値を前記特徴量に基いて修正することを特徴とするベクトル化図形の作成方法。
5. 画像を入力する画像データ入力部と、入力した画像を記憶する画像記憶部と、画像から図形の特徴量を抽出する特徴抽出部と、特徴量と図形の特徴に関する知識を与える図形特徴データベースと、前記図形特徴データベースを用いて抽出した特徴量から図形の種類を分類する図形種類分類部と、図形の種類により画像をレイヤー分けするレイヤー分離部と、レイヤー分けしたベクトルデータを出力するデータ出力部を備え、
   前記図形種類分類部は、入力した画像データの特徴量と前記図形特徴データによる比較が行われた後、前記特徴量と前記図形に関する知識である相対位置関係または接続関係との比較が行われて、前記画像データを前記図形種類ごとに分類することを特徴とするベクトル化図形の作成装置。
6. 請求項５において、前記図形種類ごとに予め定められる最小ベクトル単位のパラメータを設定するパラメータ設定部を備えることを特徴とするベクトル化図形の作成装置。
7. 請求項５において、前記画像データ入力部はベクトルデータの入力部であり、入力されたベクトルデータから画像を生成し前記画像記憶部に記憶する画像生成部を備えることを特徴とするベクトル化図形の作成装置。

Images