JP4350778B2 - 画像処理装置、画像処理プログラムおよび記録媒体 - Google Patents

Description

本発明は、画像処理装置、画像処理プログラムおよび記憶媒体に関する。

例えば、内容の伝達を目的とする印刷文書をスキャナ等の画像入力機器でスキャンして得られる画像（文書画像）を画像出力機器が取り扱う対象とする場合、文書画像の目的も内容の伝達であるため、出力された該文書画像における文章の読み易さを向上させることは、文書画像の出力に際して最重要課題である。
しかしながら、例えば、白い下地を下地として印刷された文書をカラースキャナ等のカラー画像入力機器を用いて入力することにより得られるデジタル画像をカラープリンタ等のカラー画像出力機器から印刷する場合に、該画像に対して何も画像処理を施さずにそのまま印刷すると、文字と下地との間のコントラストが低かったり、本来黒であるべき黒文字や白であるべき下地に色が付いたりすることによって、文章としての読み易さが低下することがある。

これは、画像入力機器と画像出力機器との間で、色や階調の整合性がとれていないためである。画像入力機器や画像出力機器等の画像処理機器がスタンドアロンの場合、画像処理アルゴリズムやパラメータを機器の特性に合わせて設計することが多い。
ここで、関連する技術としては、例えば、コピア等に実装され、黒文字に相当する画素を強調する処理（例えば、特許文献１〜５参照）や、中間調領域を特定する処理（例えば、特許文献６〜９参照）に加えて、画素信号値のヒストグラムを基に階調補正する処理（例えば、特許文献１０〜２１参照）を行なうようにした技術がある。このような技術では、画像処理のアルゴリズムやパラメータが、通常、入力機器の色特性、解像度、周波数特性に大きく依存する。

また、印刷文書をスキャナなどのカラー画像機器から入力することで得られるデジタル画像を、このデジタル画像に対する画像処理を何も施さずにそのままカラープリンタから印刷したりディスプレイ上に表示したりすると、入力時のスキャナの違い（読み取り条件の違い）によっては下地や背景の色が一様でなかったり、裏面に印刷されている内容が透けて入力されるいわゆる「裏写り」が生じたりすることがある。このような場合、画像が全体として汚く見える現象がしばしば起こる。

対象となるデジタル画像における地肌や背景の色が白の場合には、上述した不具合現象に対する対策として、地肌や背景の部分を白に置換する、いわゆる「下地除去」や「地肌除去」と呼ばれる処理の実行が有効である。

このような「下地除去」や「地肌除去」と呼ばれる処理としては、例えば、画素信号値のヒストグラムをもとに下地レベルを検出し下地を飛ばす処理（例えば、特許文献２２、特許文献２３参照）が知られている。このような処理により、地肌や背景の色が白の場合には、スキャナの違い（読み取り条件の違い）や裏写りによる画像劣化を防止することができる。

また、原稿の背景色を推定し、該背景色とターゲットとなる画素値との差を用いて該ターゲット画素の画素値を変更する処理がある（例えば、特許文献２４参照）。この処理では、同じ色であるヒストグラムから最も明るい領域を探すことによって背景色を決定し、以下に示す４つのうちのいずれか一つを背景色として識別した識別結果に応じて色分布から背景基準色を決定し、決定した基準色と各画素との差に基づいて各画素の色を調整する。この技術においては、背景色として識別される４つのパターンは、（１）ニアホワイト，コントーン（白地のコピー用紙や新聞印刷用紙など）、（２）ニアホワイト，ハーフトーン（雑誌印刷用紙など）、（３）ファーホワイト，コントーン（写真や着色紙など）、および、（４）ファーホワイト，ハーフトーン（雑誌印刷用紙など）とされている。

また、階調分布のヒストグラムに対して、そのピークの分布状態を解析することにより、画像／地肌／それ以外に領域判定するための閾値を決定し、画像領域は無処理のまま出力し、地肌領域は地肌色に変換し、その他の領域では所定の条件に従って処理することで画像劣化を防止するようにした技術がある（例えば、特許文献２５参照）。
特許第２５５８９１５号公報 特開２０００−１９６８７１公報 特開２０００−３１６０９７公報 特開２００１−０７８０３６公報 特開２００１−１６９１３３公報 特許第３１５８４９８号公報 特開２００１−０３６７４８公報 特開２００１−１４４９６２公報 特開平１１−２２０６３１号公報 特開２０００−０１３６１６公報 特開２０００−０１３６２５公報 特開２０００−１１５５３８公報 特開２０００−２４２７７７公報 特開２００１−０４５３０３公報 特開２００１−１４８７８５公報 特開２００１−１６７２６０公報 特開２００１−１８９８６２公報 特開２００１−１８９８６３公報 特開２００１−１９７３１２公報 特開２００１−２２２７１１公報 特開平１０−２８１４７０号公報 特開２０００−０２２９７１公報 特開２０００−０７８４０８公報 特開２０００−０５００８３公報 特開２００１−０４５２９７公報

ところで、近年のネットワーク環境の普及に伴い、画像機器を通して入力された画像がネットワークを介して遠隔地に送信され、受信者が該画像をＰＣ上で編集・再利用・印刷・再送信するという状況が出現している。このようなネットワーク環境では、未知の画像機器を通して入力された画像に対して編集・再利用・印刷・再送信といった処理を行なうため、上述した各種特許文献に示されるような従来技術にはなかった新たな技術的課題が考えられる。

つまり、ネットワーク環境下では、入出力機器の特性が多様であり、さらに、デジタル画像が遠隔地で入力・送信されてきたような場合には、入力機器が未知のことすらあるが、ある特定の機種に対して最適な画像処理系が、特性が異なる機種に対して効果を発揮するとは限らないため、画像入力機器で入力された画像を画像出力機器で出力する場合に、画像の識別の精度がばらつき、出力画像の品質が低下して、文章としての読み易さが低下してしまうことがある。

この対策として、文字と下地とのコントラストの問題と、黒文字や下地の色付きの問題とに限れば、適応的二値化が有効である。二値化技術の研究開発は、文書画像処理において、ＯＣＲの前処理としての機能として盛んに行われてきた。しかしながら、二値化を施すと中間調領域の階調や色が失われるという問題がある。

この問題の解決策としては、文書画像認識で用いられ、画像をテキスト，写真，線画等の領域に分割する手法を用いて、白地に黒文字が書かれている領域に限って二値化を適用することが考えられる。しかしながら、このような技術は、出力形態がＨＴＭＬ等のテキストファイルであるＯＣＲにおいては領域識別を誤った場合でも、編集・修正が容易であるが、文書画像の高画質再出力を目的とする場合に領域識別を誤った場合には、画像編集・修正が非常に複雑になる可能性がある。

このため、中間調領域の階調性は保持しながら、白い下地を白に、黒文字を黒に変換するような、文書画像に適した大局的な階調補正、いわゆる、「ソフト」な大局的閾値処理が望まれている。ここで、大局的な階調補正、いわゆる、「ソフト」な大局的閾値処理とは、全ての画素に同じ変換を施すような処理を意味する。

また、画像入力機器の特性が多様であるため、例えば、飽和度が規定の閾値以下の画素の色を白に置き換えるような処理や、飽和度が規定の閾値以下の画素をモノクロと見なすような処理を行なう場合に、「規定の閾値」となるパラメータをハードコーディングするようなことは避けなければならず、上記の処理を特定するパラメータ（下地や黒文字の色）を画像から適応的に計算できることが望まれる。

特に、ハイライト色の表現能力は、プリンタ等の各画像出力機器によってばらつきが大きく、同じ信号でもクリップされて白（何も印刷されない）になったり、可視的に印刷されたりする等、統一性がないため、上述した画像処理に際しては、画像出力機器の特性に応じて、処理の調整をユーザが簡単に行なうことができることが望まれる。

また、カラー文書画像では、地肌や背景の色が任意であり、背景の構造が複雑で、複数の背景色から構成されている場合も多くある。

そして、背景の構造が複雑なカラー文書画像における色や階調分布を単純に調べた場合に得られるヒストグラムの形態としては、ヒストグラム中に多くのピークや谷が現れるような「混合分布」となるため、真の背景色を推定することが難しくなる。

上述したような特許文献２２、特許文献２３あるいは特許文献２５に記載された技術では、このような混合分布を有するカラー文書画像から背景や地肌色を抽出する方式を述べているが、実際に得られるヒストグラム中にはノイズによるピークや谷も多く含まれるため、正確に所望の背景や地肌色が抽出できるとは限らず、抽出の誤りも多くなる。

また、特許文献２４に開示された技術では、背景や地肌を、コントーンとハーフトーン（網点）に識別しているが、網点の識別は入力機器の周波数特性（ＭＴＦ）に強く依存するため、ネットワークを介して遠隔地から送られてきたデータのように入力機器が未知の場合に適用するのは難しい。

本発明の目的は、多様な画像入力機器から入力された原画像の中間調領域の階調性を保持しながら、ユーザがパラメータを設定する等の作業を行なうことなく自動的に出力画像の黒文字と下地とのコントラストを調整することである。

本発明に係る画像処理装置は、デジタル画像である原画像に対して、特徴量を計算する特徴量計算手段と、前記特徴量に基づいて、前記原画像から文字領域を抽出する文字領域抽出手段と、前記原画像をブロック分割するブロック分割手段と、前記文字領域に属する画素を色に応じて第１のクラスと第２のクラスとに前記ブロック毎に分類するクラス分類手段と、前記文字領域に属する画素のクラス分類に基づいて前記原画像上の黒文字色と下地色とを推定する黒文字色／下地色推定手段と、推定された黒文字色と下地色とに基づいて前記原画像に対する階調補正を行なう階調補正手段と、を具備し、前記黒文字色／下地色推定手段は、前記ブロック毎のクラス分類結果に基づいて、前記第１のクラスに属する画素群の平均輝度と前記第２のクラスに属する画素群の平均輝度との差が最大になる前記ブロックにおける前記第１のクラスに属する画素群の平均色を黒文字色とし、前記第２のクラスに属する画素数が最大になる前記ブロックにおける前記第２のクラスに属する画素群の平均色を下地色として推定する。

したがって、例えば、画像入力機器から入力されたデジタル画像である原画像を画像出力機器から出力する際には、原画像の特徴量から計算された値に基づき抽出された文字領域に属する画素を色に応じて分類したクラス分類に基づき、原画像上から推定される黒文字色と下地色とに基づいて、規定のパラメータを用いることなく原画像に対する階調補正を行なうことができる。さらに、第１のクラスに属する画素群の平均輝度と第２のクラスに属する画素群の平均輝度との差が最大になるブロックにおける第１のクラスに属する画素群の平均色を黒文字色とし、同じブロックにおける第２のクラスに属する画素群の平均色を下地色として推定することにより、黒文字色と下地色とを正確に推定することができる。

また、本発明に係る画像処理装置は、前記原画像よりも解像度の低い低解像度画像を生成する低解像度画像生成手段を具備し、前記特徴量計算手段は、前記低解像度画像から特徴量を計算し、前記文字領域抽出手段は、前記低解像度画像から前記文字領域を抽出する。

したがって、各処理での計算量を減らし、処理を簡易化することができる。

本発明に係る画像処理プログラムは、コンピュータに解釈され、このコンピュータに、デジタル画像である原画像に対して、特徴量を計算する特徴量計算機能と、前記特徴量に基づいて、前記原画像から文字領域を抽出する文字領域抽出機能と、前記原画像をブロック分割するブロック分割機能と、前記文字領域に属する画素を色に応じて第１のクラスと第２のクラスとに前記ブロック毎に分類するクラス分類機能と、前記文字領域に属する画素のクラス分類に基づいて前記原画像上の黒文字色と下地色とを推定する黒文字色／下地色推定機能と、推定された黒文字色と下地色とに基づいて前記原画像に対する階調補正を行なう階調補正機能と、を実行させ、前記黒文字色／下地色推定機能により、前記ブロック毎のクラス分類結果に基づいて、前記第１のクラスに属する画素群の平均輝度と前記第２のクラスに属する画素群の平均輝度との差が最大になる前記ブロックにおける前記第１のクラスに属する画素群の平均色を黒文字色とし、前記第２のクラスに属する画素数が最大になる前記ブロックにおける前記第２のクラスに属する画素群の平均色を下地色として推定する。

したがって、本発明の画像処理プログラムをコンピュータに実行させることにより、例えば、画像入力機器から入力されたデジタル画像である原画像を画像出力機器から出力する際には、原画像の特徴量から計算された値に基づき抽出された文字領域に属する画素を色に応じて分類したクラス分類に基づき、原画像上から推定される黒文字色と下地色とに基づいて、規定のパラメータを用いることなく原画像に対する階調補正を行なうことができる。さらに、第１のクラスに属する画素群の平均輝度と第２のクラスに属する画素群の平均輝度との差が最大になるブロックにおける第１のクラスに属する画素群の平均色を黒文字色とし、同じブロックにおける第２のクラスに属する画素群の平均色を下地色として推定することにより、黒文字色と下地色とを正確に推定することができる。

また、本発明に係る画像処理プログラムは、前記原画像よりも解像度の低い低解像度画像を生成する低解像度画像生成機能を前記コンピュータに実行させ、前記特徴量計算機能により、前記低解像度画像から特徴量を計算し、前記文字領域抽出機能により、前記低解像度画像から前記文字領域を抽出する。

したがって、各処理での計算量を減らし、処理を簡易化することができる。

本発明に係る記憶媒体は、請求項３又は４記載の画像処理プログラムをコンピュータによる読み取り可能に記憶する。

したがって、請求項３又は４記載の発明の作用を奏することが可能になる。

本発明の画像処理装置および画像処理プログラムによれば、例えば、画像入力機器から入力されたデジタル画像である原画像を画像出力機器から出力する際には、原画像の特徴量から計算された値に基づき抽出された文字領域に属する画素を色に応じて分類したクラス分類に基づき、原画像上から推定される黒文字色と下地色とに基づいて、規定のパラメータを用いることなく原画像に対する階調補正を行なうことができる。これによって、多様な画像入力機器から入力された原画像の中間調領域の階調性を保持しながら、ユーザがパラメータを設定する等の作業を行なうことなく自動的に出力画像の黒文字と下地とのコントラストを調整することができる。さらに、第１のクラスに属する画素群の平均輝度と第２のクラスに属する画素群の平均輝度との差が最大になるブロックにおける第１のクラスに属する画素群の平均色を黒文字色とし、同じブロックにおける第２のクラスに属する画素群の平均色を下地色として推定することにより、黒文字色と下地色とを正確に推定することができるので、より効果的に出力画像を補正することができる。

本発明の画像処理装置または画像処理プログラムにおいて、各処理での計算量を減らし、処理を簡易化することができ、処理の高速化を図ることができる。

本発明の記憶媒体によれば、請求項３又は４記載の発明の効果を奏することができる。

本発明の第１の実施の形態について図１ないし図９を参照して説明する。
図１は、本実施の形態のシステム構築例を示す模式図である。図１に示すように、本実施の形態のシステムでは、サーバコンピュータ１０１にＬＡＮ等のネットワーク２０１を介して画像処理装置としてのパーソナルコンピュータ３０１が複数台接続されたサーバクライアントシステム１１を想定している。

このサーバクライアントシステム１１は、スキャナやデジタルカメラ等の画像入力機器４０１、および、プリンタ等の画像出力機器５０１をネットワーク２０１上でシェアし得るように整えられた環境を備えている。ネットワーク２０１上には、マルチファンクションペリフェラル（以下、ＭＦＰとする）６０１が接続されている。サーバクライアントシステム１１では、このＭＦＰ６０１が、画像入力機器４０１や画像出力機器５０１として機能するような環境として構築しても良い。

サーバクライアントシステム１１は、例えばイントラネット２１を介して別のサーバクライアントシステム３１とのデータ通信可能に構築され、インターネット通信網４１を介して外部環境とデータ通信可能に構築されている。

次に、パーソナルコンピュータ３０１のモジュール構成について図２を参照して説明する。図２は、本実施の形態におけるパーソナルコンピュータ３０１のモジュール構成図である。パーソナルコンピュータ３０１は、情報処理を行なうＣＰＵ３０２、情報を格納するＲＯＭ３０３、および、ＲＡＭ３０４等の一次記憶装置３０５、ＨＤＤ３０６（ハードディスクドライブ）等の二次記憶装置３０７、情報を保管したり外部に情報を配布したり等外部から情報を入手したりするための可搬性を有するメディア３０８ａに記憶された情報を読み取るリムーバブルディスク装置３０８、外部の他のコンピュータと通信により情報を伝達するためのネットワークインターフェイス３０９、処理経過や結果等を操作者に表示する表示装置３１０、操作者がパーソナルコンピュータ３０１に命令や情報等を入力するためのキーボード３１１、マウス等のポインティングディバイス３１２等から構成されている。

なお、本実施の形態では、可搬性を有するメディア３０８ａとしてＣＤ−ＲＯＭを用いるものとし、ＣＤ−ＲＯＭに記憶された情報の読み取りが可能なＣＤ−ＲＯＭドライブによってリムーバブルディスク装置３０８を実現するようにした。

ＣＰＵ３０２、一次記憶装置３０５、二次記憶装置３０７、リムーバブルディスク装置３０８、ネットワークインターフェイス３０９、表示装置３１０、キーボード３１１、ポインティングディバイス３１２等のパーソナルコンピュータ３０１が備える各部間でのデータの送受信は、バスコントローラ３１３によって調停され、パーソナルコンピュータ３０１が備える各部はバスコントローラ３１３によって調停されるデータ等に基づいて動作する。

パーソナルコンピュータ３０１では、ユーザが電源を投入するとＣＰＵ３０２がＲＯＭ３０３内のローダーというプログラムを起動させ、コンピュータのハードウェアとソフトウェアとを管理するプログラムをＨＤＤ３０６からＲＡＭ３０４に読み込み、読み込んだプログラムを起動させる。本実施の形態では、ＨＤＤ３０６からＲＡＭ３０４に読み込まれて、コンピュータのハードウェアとソフトウェアとを管理するプログラムをオペレーティングシステムという。オペレーティングシステムは、ユーザの操作に応じてアプリケーションプログラム等を起動したり、情報を読み込んだり、保存を行ったりする。オペレーティングシステムのうち代表的なものとしては、例えば、Ｗｉｎｄｏｗｓ（登録商標）、ＵＮＩＸ（登録商標）等が知られている。なお、本実施の形態では、オペレーティングシステム上で実行される動作プログラムをアプリケーションプログラムとする。

本実施の形態のパーソナルコンピュータ３０１は、アプリケーションプログラムとして、画像処理プログラムをＨＤＤ３０６に記憶している。このため、本実施の形態では、ＨＤＤ３０６によって画像処理プログラムを記憶する記憶媒体が実現される。

ＨＤＤ３０６等の二次記憶装置３０７にインストールされる画像処理プログラム等の各種動作プログラムは、例えば、各種動作プログラムを記憶するＣＤ−ＲＯＭ等の光情報記録メディアやＦＤ等の磁気メディア等からインストールすることが可能である。このため、ＣＤ−ＲＯＭ等の光情報記録メディアやＦＤ等の磁気メディア等の可搬性を有する記憶媒体によっても、画像処理プログラムを記憶する記憶媒体を実現することが可能である。

また、ＨＤＤ３０６等の二次記憶装置３０７にインストールされる画像処理プログラム等の各種動作プログラムは、例えば、ネットワークインターフェイス３０９を介して外部から二次記憶装置３０７にインストールしたものであっても良い。

なお、本実施の形態では、ＨＤＤ３０６によって記憶媒体を実現したが、これに限るものではなく、ＨＤＤ３０６等の二次記憶装置３０７にインストールされる画像処理プログラム等の各種動作プログラムは、例えば、ＣＤ−ＲＯＭ等の光情報記録メディアやＦＤ等の磁気メディア等からインストールすることも可能であり、ＣＤ−ＲＯＭ等の光情報記録メディアやＦＤ等の磁気メディア等の可搬性を有する各種メディアによっても、画像処理プログラムを記憶する記憶媒体を実現することが可能である。

また、本実施の形態では、ＨＤＤ３０６等の二次記憶装置３０７にインストールされた画像処理プログラムにしたがって後述する画像処理を実行するようにしたが、これに限るものではなく、例えば、ネットワークインターフェイス３０９を介して外部から二次記憶装置３０７にダウンロードした画像処理プログラムにしたがって後述する画像処理を実行するようにしても良い。

次に、パーソナルコンピュータ３０１で実行される手段について図３ないし図８を参照して模式的に説明する。図３は、画像処理プログラムにしたがってパーソナルコンピュータ３０１よって実行される手段を模式的に示す機能ブロック図である。また、図４は、この機能ブロック図に含まれる各種の手段の実行手順を示すフローチャートである。

パーソナルコンピュータ３０１は、オペレーティングシステム上で実行される画像処理プログラムを起動させ、この画像処理プログラムにしたがって、ＣＰＵ３０２で各種の演算処理を実行することにより、パーソナルコンピュータ３０１が備える各部を集中的に制御する。画像処理プログラムの実行に際して、パーソナルコンピュータ３０１は、図３の機能ブロック図に示す各機能によって、図４のフローチャートに示す各種の手段を実行する。

１．処理の概要
まず、処理の概要について説明する。文書画像には多くの文字が印刷されているが、一般的な通常の文書には、紙面の何も印刷されていない部分に黒い文字が直接印刷されている部分がある。このため、入力画像から黒文字がありそうな領域を抽出し、該入力画像を十分に小さいブロックに分割することで、内部に黒い文字が紙面に直接印刷されているようなあるブロックが存在すると仮定できる。このことから、下地色となる紙面色が白であるとすると、以下のように画像処理の流れを規定することができる。

本実施の形態における画像処理プログラムは、図４のフローチャートに示すように、ネットワークインターフェイス３０９を介して、パーソナルコンピュータ３０１が原画像Ｉ_０（入力画像）を受信していることを前提として実行される（ステップＳ１）。ここで、原画像Ｉ_０は、デジタル化されたカラー画像とする。

低解像度画像生成手段１００１は、原画像（Ｉ_０）から原画像（Ｉ_０）よりも解像度の低い低解像度画像（Ｉ）を生成する（Ｓ２）。

低解像度処理手段２０００は、低解像度画像生成手段１００１によって生成した低解像度画像（Ｉ）を、平滑化手段２００１によって平滑化し（Ｓ３）、特徴量計算手段２００２によって該低解像度画像（Ｉ）の各画素の周りに固定サイズのウィンドウを設定してＲ，Ｇ，Ｂの各チャンネルで信号の平均値μと標準偏差σを計算することで低解像度画像（Ｉ）の特徴量を計算する（Ｓ４）。

文字領域抽出手段３００１は、低解像度画像（Ｉ）に対して局所適応的閾値処理と膨張処理とを行なってカラー成分の局所適応的二値化を行なうことにより、文字領域Ｃ（図６参照）の抽出検出を行なう（Ｓ５）。

黒文字色／下地色統計量推定手段４００１は、入力された原画像（Ｉ_０）を固定サイズの互いに重なりのないブロックに分割し（Ｓ６）、分割した各ブロックにおいて、文字領域Ｃに属する画素を２つの代表色に応じて第１のクラスと第２のクラスとの２クラスに分類する（Ｓ７）。ここに、ブロック分割手段およびクラス分類手段としての機能が実行される。文字領域Ｃに属する画素の輝度に基づいて、通常は、明るい色の方を文字領域の背景色に、暗い色の方を文字色に対応させる。

また、黒文字色／下地色統計量推定手段４００１は、文字領域Ｃに属する画素が２つの代表色に分類された各ブロックから、一方のクラスに分類された画素数が最大になるブロックＢをウィンドウＷとして選択し、このウィンドウＷにおける２つの代表色を入力画像における下地の平均色および黒文字の平均色としてそれぞれ設定し、さらに、輝度の統計量に基づいて、黒文字色と下地色とを推定する（Ｓ８）。ここで、輝度は、例えば、以下に示す（１）式の演算により取得されるＲ，Ｇ，Ｂ信号の平均値であり、この輝度から取得される該輝度の平均値および標準偏差を輝度の統計量とする。

階調補正手段５００１は、輝度の統計量から計算された飽和基準値に基づいて、各ブロック内における各画素の階調補正を行なう（Ｓ９）。ここでは、下地色を白（輝度最大）とし、黒文字色を黒（輝度最小）とする。

このようにして得られた補正画像をネットワークインターフェイス等を介して、パーソナルコンピュータから出力／送信する（Ｓ１０）。

２．処理の詳細
次に、パーソナルコンピュータ３０１よって実行される上述した各手段の詳細について説明する。ここでは、図５に示すような原画像（Ｉ_０）を入力画像の例として説明する。

（１）低解像度画像の生成［低解像度画像生成手段１００１］
低解像度画像生成手段１００１は、計算量を減らすために、原画像（Ｉ_０）を１００ｄｐｉ程度の低解像度画像（Ｉ）に変換する。まず、単純に、入力画像を重なりのないブロックＢに分割し（図６参照）、各ブロックＢ内での信号の平均値を、低解像度画像（Ｉ）で対応する画素の信号として設定する。このとき、ブロックＢの大きさ、すなわち、縮小率をｒとすると、ブロックＢ内での信号の平均値は（２）式の演算により取得することができる。

ここで、縮小率ｒは、常に自然数になるようにし、原画像（Ｉ_０）の解像度が１００で割り切れない場合、ｒは自然数に丸めた値にする。例えば、３６０ｄｐｉの場合、ｒは３となる。

このように、原画像（Ｉ_０）よりも解像度の低い低解像度画像（Ｉ）を用いることにより、画像処理における以降の計算量を減らすことができ、処理を簡易化することができる。

（２）平滑化［平滑化手段２００１］
平滑化手段２００１は、ノイズ除去のため、低解像度画像（Ｉ）を線形フィルタで平滑化する。

（３）特徴量の計算［特徴量計算手段２００２］
特徴量計算手段２００２は、低解像度画像（Ｉ）に対して、各画素の周りに固定サイズのウィンドウを設定して、Ｒ，Ｇ，Ｂの各チャンネルで信号の平均値μと標準偏差σとを計算する。

（４）文字領域の抽出［文字領域抽出手段３００１］
文字領域抽出手段３００１は、低解像度画像（Ｉ）に対して、カラー成分の局所適応的二値化を行なうことにより、文字領域Ｃの抽出を行なう。文字領域Ｃの抽出に際しては、ａとｂとをパラメータとした閾値μ（ａ＋ｂσ）と各画素の信号値との比較を行ない、信号値が閾値μ（ａ＋ｂσ）よりも高いか低いかに基づいて文字領域Ｃを抽出する。例えば、下地に黒文字が直接印刷された画像である場合、Ｒ，Ｇ，Ｂのすべてのチャンネルにおいてコントラストが強くなる傾向がある。このため、本実施の形態では、信号値が、すべてのチャンネルにおいて、閾値μ（ａ＋ｂσ）よりも低い画素［ｉ、ｊ］を文字領域Ｃの要素として設定する（（３）式参照）。

また、文字領域抽出手段３００１は、原画像（Ｉ_０）と同じサイズで、文字領域（Ｃの要素）ではＯＮ値、それ以外ではＯＦＦ値を持つような２値画像を構成し（図６参照）、この２値画像において背景画素（ＯＦＦ値の画素）が横方向に沿う横方向のランを構築する。ここで、あるランの長さが予め規定された閾値τよりも短ければ、その画素を一時的にＯＮにする。このようにして、横方向に対して、背景画素のランのｓｍｅａｒｉｎｇを行ない、同様にして、縦方向にも背景画素のランのｓｍｅａｒｉｎｇを行なう。そして、横方向背景画素のランと縦方向の背景画素のランとのｓｍｅａｒｉｎｇのＡＮＤをとり、両方のｓｍｅａｒｉｎｇでＯＮ値になる画素だけを最終的なモノクロ前景画素（文字領域Ｃ）として設定する。これにより、例えば、図５に示すような原画像（Ｉ_０）から、図６に示すように、文字領域Ｃを抽出した画像Ｉ'を得ることができる。

（５）ブロック分割と文字領域のクラス分類［ブロック分割手段、クラス分類手段］
クラス分類手段（図示せず）は、原画像（Ｉ_０）を互いに重なりのない十分に小さいブロックＢに分割する（図６参照）。このとき、各ブロックＢのサイズおよび形は、例えば、辺の長さｒが２０ｍｍ（２００ｄｐｉで１６０画素、４００ｄｐｉで３２０画素）相当の正方形などとすればよい。クラス分類手段は、分割した各ブロックＢ内において、文字領域Ｃに属する画素を輝度に応じて２つのクラスに分類する。

分類に際しては、各画素の色信号から輝度を計算し、閾値処理する。閾値処理には、判別分析法、モーメント保持法、エントロピ法等の既知の方法を用いることができる。なお、判別分析法、モーメント保持法、エントロピ法等を用いた閾値処理については既知の技術であるため説明を省略する。クラス分類手段は、ブロックＢ_ｉにおいて、暗い方の（輝度が低い）画素群を第１のクラスＲ_ｉ１として分類し、明るい方の（輝度が高い）画素群を第２のクラスＲ_ｉ２として分類する。通常は、明るい色の方を文字領域の背景色に対応させ、暗い色の方を文字色に対応させることから、ここでは、第１のクラスＲ_ｉ１が文字に対応し、Ｒ_ｉ２が背景（下地）に対応するものとする。このようにして、すべてのブロックＢにおいて、文字領域Ｃに属する画素をＲ_ｉ１とＲ_ｉ２とに分類する。

（６）黒文字色と下地色の推定［黒文字色／下地色統計量推定手段（黒文字色／下地色推定手段）４００１］
黒文字色／下地色統計量推定手段４００１は、黒文字領域Ｃに属する画素をＲ_ｉ１とＲ_ｉ２とに分類した全てのブロックから、第２のクラスＲ_ｉ２に属する画素数が最大になるブロックＢをウィンドウＷとして選択し、選択されたウィンドウＷにおいて第１のクラスＲ_ｉ１に属する画素（画素群Ｒ_ｗ１）の平均色を原画像の黒文字色として設定する。図７には、図５の入力画像に対して、ウィンドウＷとして選ばれた領域と、その中での画素群Ｒ_ｗ１，Ｒ_ｗ２とが示されている。図７中、画素群Ｒ_ｗ１の平均色を原画像の黒文字の色とし、画素群Ｒ_ｗ２の平均色を原画像の下地色として設定する。

（７）黒文字色と下地色との統計量に基づく階調補正［階調補正手段５００１］
階調補正手段５００１は、Ｒ_ｗ１とＲ_ｗ２とのそれぞれにおける輝度の統計量（平均，標準偏差）を計算し、ウィンドウＷにおいて計算された入力画像の黒文字と下地の色に関する統計量ｌ_１，σ_１，ｌ_２，σ_２を基にして階調補正を行なう。ここで、計算されたＲ_ｗ１での輝度の平均値ｌ_１とし、標準偏差をσ_１とする。また、Ｒ_ｗ２での輝度の平均値をｌ_２とし、標準偏差をσ_２とする。ただし、ｌ_１＜ｌ_２とする。

階調補正手段５００１が行なう階調補正のデフォルトとしては、以下に説明する（４）式に示すように、ｌ_１を０に、ｌ_２を２５５に写すような関数によってＲ，Ｇ，Ｂの各成分を変換すればよい。

ここで、０や２５５にクリップされる入力信号値の範囲は、画像出力機器の特性によって調整する必要がある。例えば、ハイライト色の表現能力が高いプリンタでは、白にクリップされる入力信号の輝度値が低めになるように設定する必要がある。一方で、例えば、ハイライト色の表現能力が低いプリンタでは、白にクリップされる入力信号の輝度値を低めにするような設定は必要ない。

また、階調補正手段５００１による黒文字色と下地色との階調補正は、入力画像の下地色の変動を考慮しなければならないため、計算しておいた黒文字色の分散σ_１と下地色の分散σ_２とに基づいて、補正の程度を調整する。具体的には、以下に示す（５）式の演算による補正を施せばよい（図８参照）。なお、調整パラメータａとｂとの値は、ユーザによって指定され、印刷に用いるプリンタの特性やユーザの好み等に応じて適宜設定される。

図８からも判るように、調整パラメータａ，ｂの値が大きいほど、黒文字の強調，下地の除去，コントラスト強調が強く作用する。図９に、図５に示した入力画像（原画像（Ｉ_０））に対して階調補正を行なった画像Ｉ''を示す。

ところで、階調補正は画像出力機器の特性に依存するため、下地や黒文字に対する補正の程度を簡単に調整できなくてはならない。例えば、ハイライト色の表現能力が高いプリンタでは、白にクリップされる入力信号の輝度値が低めになるように設定する必要があり、表現能力が低ければそのような必要はない。さらに、ここでの調整は、入力画像の下地色の変動を考慮しなければならない。「中間調領域の階調性は保持しながら、下地を白に，黒文字を黒に変換するような、文書画像に適した大局的な階調補正」と「処理を特定するパラメータ（下地や黒文字の色）を画像から適応的に計算できる」という問題の解決のためには、黒文字色と下地色とを正確に推定することが必要である。

本実施の形態では、計算しておいた黒文字と下地の色の分散（標準偏差）に基づいて、例えば、デフォルトでは、下地色の平均を白（輝度最大）に、黒文字色の平均を黒（輝度最小）に写すような階調補正を施し、補正程度を調整する場合には、標準偏差に調整パラメータを掛けた分だけ、平均からシフトさせることにより補正の程度を調整する。これにより、出力機器の特性に応じて、ユーザが簡単に処理を調整できる。

本実施の形態によれば、画像入力機器から入力されたデジタル画像である原画像（Ｉ_０）をプリンタ等の画像出力機器５０１から出力する際には、原画像（Ｉ_０）の特徴量から計算された値に基づき原画像（Ｉ_０）上から推定される黒文字色と下地色とに基づいて、規定のパラメータを用いることなく原画像（Ｉ_０）に対する階調補正を行なうことで、多様な画像入力機器４０１から入力された原画像（Ｉ_０）の中間調領域の階調性を保持しながら、ユーザがパラメータを設定する等の作業を行なうことなく、出力画像の黒文字と下地とのコントラストを自動的に調整することができる。

また、本実施の形態によれば、ブロックＢ毎のクラス分類結果に基づいて、第２のクラスＲ_ｉ２に属する画素数が最大になるブロックＢであるウィンドウＷにおける第１のクラスＲ_ｉ１に属する画素群Ｒ_ｗ１の平均色を黒文字色とし、同じブロックＢであるウィンドウＷにおける第２のクラスＲ_ｉ２に属する画素群Ｒ_ｗ２の平均色を下地色として推定することにより、黒文字色と下地色とを正確に推定することができる。

次に、本発明の第２の実施の形態について図１０ないし図１５を参照して説明する。なお、第１の実施の形態と同一部分は同一符号で示し、説明も省略する。以下、同様とする。

図１０は本発明の第２の実施の形態において画像処理プログラムにしたがってパーソナルコンピュータ３０１よって実行される手段を模式的に示す機能ブロック図であり、図１１はこの機能ブロック図に含まれる各種の手段の実行手順を示すフローチャートである。パーソナルコンピュータ３０１は、画像処理プログラムの実行に際し、図１０の機能ブロック図に示す各機能によって、図１１のフローチャートに示す各種の手段を実行する。

本実施の形態では、平滑化手段２００１、特徴量計算手段２００２に加えて、低解像度画像（Ｉ）に対して局所適応的閾値処理と膨張処理とを行なってカラー成分の局所適応的二値化を行なうことにより、文字領域Ｃ（図６参照）の抽出検出を行なう文字領域抽出手段２００３（図３中文字領域抽出手段３００１参照）も低解像度処理手段２０００に含まれる。

加えて、本実施の形態では、以下に説明する背景色推定手段２００４および背景領域抽出手段２００５が、低解像度処理手段２０００に含まれている。

図１１におけるステップＳ１からステップＳ７までの処理は、図４におけるステップＳ１からステップＳ７までの処理と同様の処理を実行し、背景色推定手段２００４によって明るい方のクラスに分類される画素数と，明るい方の色の輝度をもとにして決められる評価関数の値が最大になるようなウィンドウを選択し、入力画像における背景の平均色としてこのウィンドウにおける明るい方の代表色を設定し、さらに輝度の統計量を計算することで背景色を推定する（Ｓ２０）。そして、これらの統計量をもとにして背景領域を抽出し（Ｓ２１）、そして抽出した背景領域の色を推定した背景の平均色に置換するとともに背景以外の画素については背景領域との階調不連続が生じないように階調補正を施し（Ｓ２２）、ステップＳ１０に進む。

次に、パーソナルコンピュータ３０１によって実行される上述した各手段の詳細について説明する。なお、本実施の形態では、図１２に示すような原画像（Ｉ_０'）を例として説明する。原画像（Ｉ_０'）は、原画像（Ｉ_０）と比較して、背景部分となる領域が複数の背景色から構成されている。

（８）背景の色の推定［背景色推定手段２００４］
背景色推定手段２００４は、第２のクラスＲ_ｉ２に属する画素数Ｎ_ｉと、Ｒ_ｉ２の平均輝度Ｌ_ｉとに基づく評価関数を定義し、その値が最大になるブロックＷを見つける。ここで、定義する評価関数としては、例えば，Ｎ_ｉ×Ｌ_ｉのように，画素数が多く、平均輝度が高い程大きい値をとるような関数を定義する（図７参照）。本実施の形態では、画素群Ｒ_ｗ２の平均色を原画像の背景色として設定する。背景色推定手段は、さらに，Ｒ_ｗ２において，輝度の統計量（平均ｌ_Ｂ，標準偏差σ）を計算しておく。

（９）背景領域の抽出［背景領域抽出手段２００５］
背景領域抽出手段２００５は、背景の輝度の統計量に基づいて背景領域を抽出する。本実施の形態では、低解像度画像（Ｉ）において、輝度Ｌが，ｌ_Ｂ−ａσ＜Ｌ＜ｌ_Ｂ（ただし、ａは正のパラメータ）であるような画素を背景領域とする。ここで、パラメータａは，背景の変動や裏写りの程度などにより決まり、例えば、裏写りが強ければ、調整パラメータａを大きめに設定すればよい。図１３中には、背景として抽出された画素が黒で示された画像Ｉ_１'が示されている。

なお、ここでは、Ｒ_ｗ２における輝度の平均ｌ_Ｂと標準偏差σに基づいて、背景領域を決定したが、これに限るものではなく、代わりにＲ_ｗ２における輝度分布のメディアンｍ_Ｂやαパーセント分位点α_Ｂ（αは、例えば２５）を用いて、α_Ｂ＜Ｌ＜ｍ_Ｂであるような画素を背景領域として抽出するようにしてもよい。

（１０）背景の色の統計量に基づく階調補正［階調補正手段５００１］
本実施の形態の階調補正手段５００１は、原画像（Ｉ_０'）において、まず、背景領域の画素の色をブロックＷにおいて計算された背景の平均色に置換する。背景以外の画素については，背景との階調不連続が生じないように，以下に示す（６）式を用いてＲＧＢの各成分を変換する（図１４参照）。

ここで、図１５に、図１２に示した入力画像（原画像（Ｉ_０'））に対して階調補正を行った画像Ｉ_１''を示す。
なお、本実施の形態では、（６）式に基づいてＲＧＢの各成分を変換するようにしたが、これに限るものではなく、代わりに、以下に示す（７）式を用いてＲＧＢの各成分を変換してもよい。

このように本実施の形態では、局所的に見て、カラー文書画像が前景と背景との２種類の領域から構成されていることに着目し、背景色の統計量推定問題を単純な２クラス問題に帰着させる。具体的には、デジタルカラー画像から真の背景色を含むような部分領域を探索し、その領域を前景と背景にクラス分けして、背景の色・階調分布から背景（地肌，下地）の代表色やばらつき度合を抽出する。これにより、従来行われていたような混合分布から構成されるヒストグラムの解析を避けることができる。

そして、それらの統計量をもとに画像全体から背景領域を抽出し，背景領域を推定された代表色で置換するとともに、背景以外の部分についても背景領域との階調不連続が生じないように階調変換を施す。

これにより、入力機器に関する知識・特性情報や既定のパラメータを一切必要とすることなく、背景・地肌の色を画像特徴から統計的処理により自動的に算出することができるので、入力機器に関する知識や特性情報に依存することなく、また、規定のパラメータを用いたりユーザがパラメータを設定する等の作業を行なったりすることなく、多様な画像入力機器から入力された原画像における背景の色変動や裏写り等の背景部分に起因する画像劣化を自動的に補正し、背景部分をより適正化することで文字等を見易くした出力画像を得ることができる。また、本実施の形態によれば、ネットワークを介して遠隔地から送信されてきた原画像のように、入力機器がわからないようなデジタル画像に対しても、背景の色変動や裏写り等の背景部分に起因する画像劣化を自動的に補正し、背景部分をより適正化することで文字等を見易くした出力画像を得ることができる。

次に、本発明の第３の実施の形態について説明する。特に図示しないが、本実施の形態は、図４あるいは図１１のステップＳ４における特徴量計算と、図４あるいは図１１のステップＳ５における文字領域抽出とを、エッジ量によって行なう点が、第１の実施の形態と異なる。

ここで、下地に直接印刷された黒文字の場合、Ｒ，Ｇ，Ｂのすべてのチャンネルにおいてコントラストが強くなる傾向がある。

本実施の形態では、このことに注意し、注目画素でのエッジ量を、Ｒ，Ｇ，Ｂの各チャンネルで計算されたエッジ量の最小のものとすることで文字領域を抽出する。

文字領域Ｃの抽出に際しては、まず、各画素におけるエッジ量を計算し、各画素で計算されたエッジ量が画像処理に先立って予め設定された規定閾値よりも高い画素を文字領域Ｃの要素に設定する。その後、第１の実施の形態と同様にランのｓｍｅａｒｉｎｇを行なう。

例えば、画素［ｉ，ｊ］におけるエッジ量は、３つのチャンネル（Ｒ，Ｇ，Ｂ）に対して別個に計算されたエッジ量の最大値を求めることにより取得することができる。つまり、画素［ｉ，ｊ］におけるエッジ量は、以下に示す（８）式によって表わすことができる。ここに、特徴量計算手段としての機能が実現される。

ただし、Ｓ［Ｉ；ｉ，ｊ；ｋ］は、低解像度画像（Ｉ）のｋチャンネルでの画素［ｉ，ｊ］におけるエッジ強度である。

このようにして計算されるエッジ量を閾値処理（ｔｈｒ）することにより、規定閾値以上のエッジ量を有する画素が特定されるので、規定閾値以上のエッジ量を有する画素およびこの画素の周囲の画素を文字領域Ｃとして抽出する。ここに、文字領域抽出手段としての機能が実現される。なお、規定閾値については、予め固定値を設定しても良いし、画像処理プログラムの実行に先立って外部から設定変更できるようにしても良い。

本実施の形態によれば、黒文字色と下地色（背景色）とを正確に推定することができる。

次に、本発明の第４の実施の形態について説明する。

特に図示しないが、本実施の形態では、図４あるいは図１１のステップＳ４における特徴量の計算と、図４あるいは図１１のステップＳ５における文字領域Ｃの抽出とを、ウィンドウＷの統計量の他に、エッジ量を用いて行なう点が上述した各実施の形態とは異なる。

特徴量の計算に際しては、第１、第２の実施の形態と同様に、ウィンドウＷの統計量とエッジ量とを計算する。ここに、特徴量計算手段としての機能が実現される。

続く、文字領域Ｃの抽出に際しては、まず、すべてのチャンネルにおいて、信号値が、ウィンドウＷの統計量から計算される閾値よりも低い、または、エッジ量が規定閾値よりも高いかを判断する。そして、すべてのチャンネルにおいて、信号値が、ウィンドウＷの統計量から計算される閾値よりも低い、または、エッジ量が規定閾値よりも高いと判断した画素およびこの画素の周囲の画素を文字領域Ｃの要素に設定する。ここに、文字領域抽出手段としての機能が実現される。

その後、第１の実施の形態と同様にランのｓｍｅａｒｉｎｇを行なう。

本実施の形態によれば、黒文字色と下地色とを正確に推定することができる。

次に、本発明の第５の実施の形態について説明する。

特に図示しないが、本実施の形態では、図４のステップＳ２における原画像（Ｉ_０）よりも解像度が低い低解像度画像（Ｉ）の生成を行なわず、特徴量の計算と文字領域の抽出とを原画像（Ｉ_０）に対して実行する点が、第１、第２または第３の実施の形態とは異なる。

本実施の形態によれば、低解像度画像（Ｉ）の生成を行なわずに特徴量の計算と文字領域の抽出とを原画像（Ｉ_０）に対して実行することにより、低解像度画像（Ｉ）の生成処理を省略することが可能となる。
次に、本発明の第６の実施の形態について説明する。本実施の形態は、図４のステップＳ８における黒文字色の推定方法が第１、第２、第３または第４の実施の形態とは異なる。

（６）'黒文字色と下地色の推定
まず、すべてのブロックＢにおいて黒文字領域Ｃに属する画素をＲ_ｉ１とＲ_ｉ２とに分類する。次に、２つの画素群Ｒ_ｉ１とＲ_ｉ２との平均輝度の差が最大になるブロックＢを選択し、該ブロックＢをウィンドウＷとして設定する。そして、設定したウィンドウＷにおける画素群Ｒ_ｗ１の平均色を原画像（Ｉ_０）の黒文字色とし、ウィンドウＷにおける画素群Ｒ_ｗ２の平均色を原画像（Ｉ_０）の下地色として設定する。

加えて、本実施の形態では、階調補正に用いる統計量を、該ウィンドウＷで計算する。

次に、本発明の第７の実施の形態について説明する。本実施の形態は、第２の実施の形態における階調補正に際して、（６）式の関数に基づいたＲＧＢの各成分を変換することによる階調補正（図１４参照）に代えて、（９）式の関数に基づいたＲＧＢの各成分を変換することによる階調補正（図１６参照）を行う。

このように、（９）式の関数に基づいたＲＧＢの各成分を変換することによる階調補正を行うことにより、図１７に示すように、背景部分を白に階調変換を施した画像Ｉ_２''を得ることができる。

なお、本実施の形態では、（９）式に基づいてＲＧＢの各成分を変換するようにしたが、これに限るものではなく、代わりに、以下に示す（１０）式を用いてＲＧＢの各成分を変換してもよい。

なお、本実施の形態の階調補正は、第２の実施の形態に限るものではなく、ステップＳ２０〜Ｓ２２において第２の実施の形態と同様の処理を実行する第３，４，５，６の実施の形態に適用してもよい。

本発明の第１の実施の形態のシステム構築例を示す模式図である。 パーソナルコンピュータのモジュール構成図である。 画像処理プログラムにしたがってパーソナルコンピュータよって実行される手段を模式的に示す機能ブロック図である。 この機能ブロック図に含まれる各種の手段の実行手順を示すフローチャートである。 入力画像を例示する模式図である。 入力画像から抽出された文字領域およびブロック分割を示す模式図である。 ブロック分割した画像から選択されたウィンドウおよび該ウィンドウ内で分類された画素群を示す模式図である。 黒文字色と下地色との統計量に基づく階調補正について説明するグラフである。 階調補正後の画像を示す模式図である。 本発明の第２の実施の形態において画像処理プログラムにしたがってパーソナルコンピュータよって実行される手段を模式的に示す機能ブロック図である。 この機能ブロック図に含まれる各種の手段の実行手順を示すフローチャートである。 入力画像を例示する模式図である。 入力画像から背景として抽出された画素を示す模式図である。 背景色との統計量に基づく階調補正について説明するグラフである。 階調補正後の画像を示す模式図である。 本発明の第７の実施の形態の背景色との統計量に基づく階調補正について説明するグラフである。 階調補正後の画像を示す模式図である。

符号の説明

３０１ 画像処理装置
３０６ 記憶媒体
１００１ 低解像度画像生成手段
２００２ 特徴量計算手段
２００３ 文字領域抽出手段
２００４ 背景色推定手段
２００５ 背景領域抽出手段
３００１ 文字領域抽出手段
４００１ 黒文字色／下地色推定手段
５００１ 階調補正手段

Claims (5)

1. デジタル画像である原画像に対して、特徴量を計算する特徴量計算手段と、
   前記特徴量に基づいて、前記原画像から文字領域を抽出する文字領域抽出手段と、
   前記原画像をブロック分割するブロック分割手段と、
   前記文字領域に属する画素を色に応じて第１のクラスと第２のクラスとに前記ブロック毎に分類するクラス分類手段と、
   前記文字領域に属する画素のクラス分類に基づいて前記原画像上の黒文字色と下地色とを推定する黒文字色／下地色推定手段と、
   推定された黒文字色と下地色とに基づいて前記原画像に対する階調補正を行なう階調補正手段と、
   を具備し、
   前記黒文字色／下地色推定手段は、
   前記ブロック毎のクラス分類結果に基づいて、前記第１のクラスに属する画素群の平均輝度と前記第２のクラスに属する画素群の平均輝度との差が最大になる前記ブロックにおける前記第１のクラスに属する画素群の平均色を黒文字色とし、前記第２のクラスに属する画素数が最大になる前記ブロックにおける前記第２のクラスに属する画素群の平均色を下地色として推定する画像処理装置。
2. 前記原画像よりも解像度の低い低解像度画像を生成する低解像度画像生成手段を具備し、
   前記特徴量計算手段は、
   前記低解像度画像から特徴量を計算し、
   前記文字領域抽出手段は、前記低解像度画像から前記文字領域を抽出する請求項１記載の画像処理装置。
3. コンピュータに解釈され、このコンピュータに、
   デジタル画像である原画像に対して、特徴量を計算する特徴量計算機能と、
   前記特徴量に基づいて、前記原画像から文字領域を抽出する文字領域抽出機能と、
   前記原画像をブロック分割するブロック分割機能と、
   前記文字領域に属する画素を色に応じて第１のクラスと第２のクラスとに前記ブロック毎に分類するクラス分類機能と、
   前記文字領域に属する画素のクラス分類に基づいて前記原画像上の黒文字色と下地色とを推定する黒文字色／下地色推定機能と、
   推定された黒文字色と下地色とに基づいて前記原画像に対する階調補正を行なう階調補正機能と、を実行させ、
   前記黒文字色／下地色推定機能により、前記ブロック毎のクラス分類結果に基づいて、前記第１のクラスに属する画素群の平均輝度と前記第２のクラスに属する画素群の平均輝度との差が最大になる前記ブロックにおける前記第１のクラスに属する画素群の平均色を黒文字色とし、前記第２のクラスに属する画素数が最大になる前記ブロックにおける前記第２のクラスに属する画素群の平均色を下地色として推定する画像処理プログラム。
4. 前記原画像よりも解像度の低い低解像度画像を生成する低解像度画像生成機能を前記コンピュータに実行させ、
   前記特徴量計算機能により、前記低解像度画像から特徴量を計算し、
   前記文字領域抽出機能により、前記低解像度画像から前記文字領域を抽出する請求項３記載の画像処理プログラム。
5. 請求項３又は４記載の画像処理プログラムをコンピュータによる読み取り可能に記憶する記憶媒体。

Images