JP4991278B2 - 画像処理装置 - Google Patents

Description

本発明は、手書き文字、繊維や毛髪、染色した細胞の遺伝子などのように複数の線要素が交差したり接触したりしている線状図形の画像を用い、画像処理技術を用いて線状図形を解析することにより線状図形から線要素を抽出する画像処理装置に関するものである。

一般に、線要素からなる線状図形には文字以外に種々の図形があるが、説明が容易であるから線状図形として文字を対象にする。線状図形としての文字を認識する技術としては、印刷文字のような定形の文字について、パターンマッチングにより一致度を評価する技術と、手書き文字のように不定形の文字について、線要素に分解し線要素の種類、組み合わせ、位置関係などを評価する技術とが主として用いられている。

パターンマッチングの技術により文字を認識する場合の典型的な構成を図１３に示す。
図１３に示す構成では、認識対象となる文字２０が表記された対象物１０を撮像するＴＶカメラ（以下、「カメラ」と略称する）１１と、カメラ１１から出力された映像信号をデジタル画像に変換するデジタル画像生成装置１２と、デジタル画像生成装置１２から出力される濃淡画像を格納する記憶装置１３と、記憶装置１３に格納された濃淡画像に対してパターンマッチングなどの画像処理を施すことにより文字２０の種類を認識する画像処理装置１４とを備える。

デジタル画像生成装置１２は、カメラ１１から出力された映像信号をサンプリングすることにより、サンプリング値を二次元正方格子状に配列した各画素に割り当て、各画素の画素値をサンプリング値の強度を量子化した値とすることにより、映像信号から濃淡画像を生成する。たとえば、明度のもっとも低い画素値を０とし、明度のもっとも高い画素値を２５５として、各画素に８ビットの画素値を割り当てると、いわゆる８ビットラスタ形式の濃淡画像になる。濃淡画像は記憶装置１３に格納され、画像処理装置１４は記憶装置１３から濃淡画像を読み出して以下に説明する画像処理を施すことにより文字２０を認識する。

画像処理装置１４はマイクロコンピュータを主構成要素としており、画像処理を実行するためのプログラムに従って動作しており、プログラムの実行に必要な各種パラメータも設定されている。図示例ではデジタル画像生成装置１２および記憶装置１３を画像処理装置１４とは別に設けているが、画像処理装置１４に内蔵することも可能である。記憶装置１３は、濃淡画像の蓄積のために大容量かつ安価であるハードディスク装置を用いるが、濃淡画像に対する画像処理を施す際には高速にアクセスすることのできる半導体メモリを用いる。図１３に示した構成において、対象物１０に表記された文字２０を認識する目的であれば、カメラ１１とデジタル画像生成装置１２とを用いる代わりにイメージスキャナを用いることも多い。

ここでは、記憶装置１３に格納された濃淡画像が図１４に示す線状図形Ｃ１を含んでいる場合を例として説明する。図１４に示す線状図形Ｃ１は、筆記具で「さ」と書いた紙を対象物１０としてカメラ１１で撮像することにより得られた濃淡画像である。

この線状図形Ｃ１を人が認識する場合には、この線状図形Ｃ１が、図１５に示すように、始点ｓｐ１から終点ｅｐ１に至る線要素Ｌ１と、始点ｓｐ２から交差点ｊｐ１で線要素Ｌ１と交差して終点ｅｐ２に至る線要素Ｌ２と、始点ｓｐ３から終点ｅｐ３に至る線要素Ｌ３との３本の線要素Ｌ１〜Ｌ３により構成されていることをただちに知覚する。そして、各線要素Ｌ１〜Ｌ３の種類（形状）、組み合わせ、位置関係などの情報を用いて、この線状図形Ｃ１がひらがなの「さ」であることを認識する。

このような人による認識の手順を画像処理装置１４においても利用すれば、文字２０の認識が可能になると考えられる。そこで、対象物１０の画像をカメラ１１やイメージスキャナで取り込む代わりに、ペンタブレットなどにより手書き文字を入力させ、入力時の書き順の情報（「ストローク情報」という）も併せて用いることにより線要素Ｌ１〜Ｌ３の抽出を行うことが考えられている（たとえば、特許文献１参照）。

ストロークの情報が得られると、線状図形Ｃ１から線要素Ｌ１〜Ｌ３同士の交差や分岐の情報（トポロジ）を正しく認識することができ、線要素Ｌ１〜Ｌ３の抽出精度が高くなる。ただし、ペンタブレットなどで書いている文字２０の読取（「オンライン文字読取」という）ではストローク情報を容易に取得できるが、すでに書かれている文字２０の読取（「オフライン文字読取」という）ではストローク情報を実時間で取得することはできない。

そこで、オフライン文字読取においては画像内の線状図形Ｃ１に画像処理を施すことによりストローク情報を推定し、得られたストローク情報を用いて線状図形Ｃ１から線要素Ｌ１〜Ｌ３を抽出することが考えられている（たとえば、特許文献２、特許文献３参照）。以下ではストローク情報を推定し、線状図形Ｃから線要素Ｌ１〜Ｌ３を抽出する技術について説明する。

図１４に示すように対象物１０を撮像することにより得られた線状図形Ｃ１は、各線要素Ｌ１〜Ｌ３が１画素よりも大きい幅を有している。線要素Ｌ１〜Ｌ３を抽出する際にはまず幅の情報を除去するために、各線要素Ｌ１〜Ｌ３の幅を１画素にする細線化を行う。図１４に示す線状図形Ｃ１を細線化する際には図１５に示すような図形が得られるように細線化するのが望ましい。

細線化の処理には種々の方法が考えられているが、一般にはスケルトン抽出と呼ばれる方法が広く採用されている。スケルトン抽出では、まず、濃淡画像に対して線状図形Ｃ１の範囲内の適宜の画素値を閾値とし、閾値よりも暗い画素値を持つ画素に０を割り当てるとともに、閾値以上の画素値を持つ画素に１を割り当てることによって、濃淡画像から二値画像を生成する。二値画像では、線状図形Ｃ１に含まれる画素の画素値が１になる。

次に、二値画像において、画素値が１である画素（以下、「明画素」という）のうち画素値が０である画素（以下、「暗画素」という）と接触する画素であって、明画素を暗画素に置き換えても明画素の連結性を破壊しない明画素を０にしていく処理を繰り返す。明画素を暗画素に置き換えることにより、残される明画素が徐々に減少し、線状図形Ｃ１が周部から順に削り取られることによって、最終的に１画素の幅を有したスケルトン（芯線）が抽出される。図１４の線状図形Ｃ１についてスケルトン抽出を行うと、図１６に示すようなスケルトン図形Ｃ２が抽出される。

上述したスケルトン抽出を行うと、図１６に示しているように、図１５において線要素Ｌ１と線要素Ｌ２とが交差している部位（図１５における交差点ｊｐ１）の近傍で線要素Ｌ１が不連続になり、１本として抽出されるべき線要素Ｌ１が２本の線要素Ｌ１ａ，Ｌ１ｂに分断されることがある。この原因は、図１４に示す線状図形Ｃ１において線要素Ｌ１と線要素Ｌ２との交差点に対応する部位が他の部位よりも太いために、芯線に偏りが生じるからである。つまり、２本の線要素Ｌ１ａ，Ｌ１ｂが線要素Ｌ２に対してそれぞれＴ字状をなす形で接触しており、１個の交差点ｊｐ１を有する芯線が２個の交差点を有する芯線と誤認され、線状図形Ｃ１のトポロジを正しく認識することができなくなる。

これは、上述したスケルトン抽出の技術は、線状図形Ｃ１の輪郭からもっとも遠い画素の集合を抽出しているだけであって、トポロジの抽出を考慮していないからである。
特許第３４７１９４２号公報 特許第２７９８４０２号公報 特開２００２−３３４３０１号公報

上述したように、特許文献１に記載した技術はオンライン文字読取に対応した技術であり、オフライン文字読取には適用することができない。また、特許文献２、特許文献３に記載された技術では、オフライン文字読取の場合にもストローク情報を推定することが可能であるが、ストローク情報を推定するためにスケルトン処理による細線化を行うと、線幅の広い線状図形や、インクのにじみによって線幅が変化する線状図形や、輪郭が滑らかに連続していない線状図形において、トポロジを正しく抽出することができず、線要素を正しく抽出することができない場合が生じる。

上述の説明では文字認識の場合を取り上げたが、繊維や毛髪が重なり合った画像から各繊維や毛髪を個別に抽出する場合や、染色した細胞の遺伝子の画像から各遺伝子を個別に抽出する場合においても同様の問題が生じる。

本発明は上記事由に鑑みて為されたものであり、その目的は、画像内の線状図形に対して細線化を行わずに線要素を検出し、交差や接触と線要素の連続性とを評価することによって、ひとつながりの線要素を誤りなく抽出することを可能にした画像処理装置を提供することにある。

請求項１の発明は、複数の線要素で構成される線状図形の画像から線要素を個々に分離する画像処理装置であって、コンピュータを、画像において線状図形が占める領域を塊領域として切り出す塊領域抽出手段と、塊領域の内側において互いに離間した複数の参照点を配置するとともに互いに他の参照点同士を連結した連結線分のうち塊領域の内側のみを通る連結線分で連結される参照点の一つの組合せをグループ候補としすべての参照点をいずれかのグループ候補に対応付ける参照点グルーピング手段と、参照点のうち複数のグループ候補に対応付けられる参照点を特異点として検出する特異点検出手段と、グループ候補と特異点との位置関係を用いて参照点の点列の連続性を評価し線要素に一対一に対応する参照点グループを抽出する線要素抽出手段として用いることを特徴とする。

請求項２の発明では、請求項１の発明において、前記線要素抽出手段は、抽出した参照点グループに含まれる参照点を用い、線要素の端点となる参照点を求めるとともに、屈曲点と分岐点と交差点とのいずれかに対応する参照点の有無を判定することを特徴とする。

請求項３の発明では、請求項１または請求項２の発明において、前記参照点グルーピング手段は、前記塊領域の芯線を求めた後、前記参照点を芯線の上に配置することを特徴とする。

請求項４の発明では、請求項１または請求項２の発明において、前記参照点グルーピング手段は、前記塊領域の輪郭線を求めた後、前記参照点を輪郭線の内側であって輪郭線から規定した距離に配置することを特徴とする。

請求項５の発明では、請求項１ないし請求項３の発明において、前記線要素抽出手段により求めた参照点グループごとの参照点を用いて前記塊領域を構成する線要素について、長さと最大幅と平均幅と面積と周囲長と重心座標と平均輝度との少なくとも一つの特徴量を計測する特徴量計測手段が付加されていることを特徴とする。

請求項６の発明では、請求項５の発明において、前記特徴量計測手段は、前記参照点グループごとに参照点を通り前記塊領域の輪郭線に達する最短の線分を求め、当該線分の各端を連結した多角形と当該線分を直径とする円の共通接線を連結した多角形との一方を前記線要素を近似した疑似線要素とし、疑似線要素について前記特徴量を求めることを特徴とする。

請求項７の発明では、請求項５または請求項６の発明において、前記特徴量計測手段は、前記参照点グループごとに参照点を通り前記塊領域の輪郭線に達する最短の線分を求め、当該線分を直径とする円の中心を求めるとともに、円の中心を結ぶ線を塊領域の芯線とすることを特徴とする。

請求項１の発明の構成によれば、線状図形の画像から抽出した塊領域の内側に複数の参照点を設定し、一つの塊領域の内側に存在することが確認できる参照点についてほぼ直線上に配列されている参照点ごとにグループ候補としてグループ化し、複数のグループ候補で共用される参照点あるいは複数のグループ候補を結合する参照点を、線状図形における交差点、分岐点、屈曲点などに相当する特異点として検出し、グループ候補と特異点との位置関係を用いて、適宜にグループ候補の統合を行うことで、線要素に一対一に対応する参照点グループを求めている。つまり、ひとつながりになる線要素が抽出される。したがって、線幅の大きい線状図形であっても、トポロジを正確に検出してひとつながりの線要素を誤りなく検出することが可能になる。

請求項２の発明の構成によれば、線要素の端点となる参照点を求め、また屈曲点、分岐点、交差点となる参照点の有無を判定するから、線要素の関係からトポロジ情報を求めることができ、手書き文字の認識に用いる場合には認識精度を向上させるために必要なトポロジ情報を取得することができる。

請求項３の発明の構成によれば、線状図形のトポロジ情報を含んでいる芯線の上に参照点を配置することにより、少ない個数の参照点でも線要素に一対一に対応する参照点グループを抽出することができる。

請求項４の発明の構成によれば、芯線を求める処理に時間がかかるような線幅の大きい線状図形であっても参照点を容易に配置することができるから、線幅の大きい線状図形に対して参照点を配置する場合には、芯線を求める場合に比較して処理負荷を軽減することが可能になる。

請求項５の発明の構成によれば、画像を用いて線状図形の特徴量が可能になる。したがって、毛髪や繊維などの長さや幅を計測する用途に用いることができる。

請求項６の発明の構成によれば、線要素を近似した疑似線要素を設定して特徴量を求めるので、線要素が交差する部位のように線幅を規定するのが難しい部位であっても（図１１の疑似線要素ｕ１′，ｕ２′の交差部位など）線要素の線幅を求めることができる。

請求項７の発明の構成によれば、輪郭線に沿って配置した円の中心を芯線としているから、線状図形のトポロジを損なうことなく線要素ごとの芯線を求めることができる。

本実施形態で用いる装置は、図１３に示した従来構成と同様であって、従来構成との相違点は画像処理装置１４の構成にあるので、以下では、画像処理装置１４についてのみ説明する。また、紙のような対象物１０に表記された手書き文字のような文字２０を認識する場合を例として説明する。

本実施形態の画像処理装置１４は、図１に示すように、記憶装置１３に格納された濃淡画像から線状図形が占める領域を塊領域として切り出す塊領域抽出手段１を備える。塊領域抽出手段１で切り出された塊領域は、参照点グルーピング手段２に引き渡され、参照点グルーピング手段２では、塊領域の内側において互いに離間した複数の参照点を設定する。参照点グルーピング手段２は、設定した各参照点をそれぞれ互いに連結した連結線分を生成し、塊領域の内側だけを通る連結線分により連結された参照点の組合せのうち後述する条件を満たす参照点を同じ線要素に含まれる可能性のある参照点とみなす。線要素に対応する参照点のグループを参照点グループ（後述する）と呼び、参照点グループの候補となる参照点のグループをグループ候補と呼ぶ。なお、グループ候補は１個の参照点のみを含む場合もある。参照点グルーピング手段２では、すべての参照点をいずれかのグループ候補に分類する。

画像処理装置１４には、参照点グルーピング手段２で分類されたグループ候補について、複数のグループ候補で互いに対応付けが可能な参照点を特異点として検出する特異点検出手段３が設けられ、さらに、各グループ候補と特異点との位置関係に基づいて、交差や接触（分岐）と参照点の点列の連続性（つまり、線要素の連続性）を評価する線要素抽出手段４が設けられる。線要素抽出手段４では、滑らかにつながる参照点の点列を線状図形として抽出する。

以下では、画像処理装置１４の各手段について、さらに詳しく説明する。

（塊領域抽出手段）
塊領域抽出手段１は、図２に示すように、濃淡画像から線状図形Ｃ１を形成する塊領域ｒｂ１，ｒｂ２を抽出する。塊領域ｒｂ１，ｒｂ２を抽出するにあたっては、濃淡画像が十分に鮮明であって、塊領域ｒｂ１，ｒｂ２の内部の画素値（明度値）と塊領域ｒｂ１，ｒｂ２以外の明度値とに十分に大きい差があるときには、単純に二値化するだけで塊領域ｒｂ１，ｒｂ２を抽出することができる。

しかしながら、たとえば、対象物１０に照度むらが生じている場合、文字２０に濃度にむらがある場合、背景に模様がある場合などでは、単純に二値化しても塊領域ｒｂ１，ｒｂ２を抽出できないことがある。このような場合には、ソーベル（Ｓｏｂｅｌ）フィルタなどを用いて濃淡画像からエッジを抽出し、連続したエッジを追跡することにより、図２に示す環状かつ十分に長いエッジｃｂ１，ｃｂ２を探し、そのエッジｃｂ１，ｃｂ２の内部を塊領域ｒｂ１，ｒｂ２とする。エッジを抽出して塊領域ｒｂ１，ｒｂ２の輪郭線を追跡する技術は周知であるから詳述しない。

塊領域抽出手段１では、塊領域ｒｂ１，ｒｂ２をどのような方法で抽出するかにかかわらず、塊領域ｒｂ１，ｒｂ２の内側の画素値と、外側の画素値とを異ならせることにより濃淡画像から二値画像を生成する。以下の説明では、塊領域ｒｂ１，ｒｂ２の内側の画素に１を割り当て、外側の画素に０を割り当てているものとする。

（参照点グルーピング手段）
参照点グルーピング手段２は、たとえば図３に示すように、塊領域ｒｂ１，ｒｂ２の内側の適宜位置に参照点ｐ１〜ｐ１９を配置する。この参照点ｐ１〜ｐ１９は、従来の技術として説明したスケルトン抽出により抽出した芯線ｂｂ１，ｂｂ２の上に適宜の間隔で配置したものである。参照点ｐ１〜ｐ１９の距離が小さいほど線要素を誤りなく抽出することができるが、参照点ｐ１〜ｐ１９の個数が多くなると、グループ候補を抽出する際の処理負荷が大きくなるから、実用上では検出しようとする最短の線要素の中に２個以上の参照点ｐ１〜ｐ１９が設定される程度に参照点ｐ１〜ｐ１９の距離を決定する。したがって、参照点ｐ１〜ｐ１９の間隔は、対象物１０に応じて人が最初に決めておく。

図３に示す例では、参照点ｐ１〜ｐ１９を区別するために付与している数値は、画像内で上から下に向かって大きい値とし、上下位置が同じ場合には左から右に向かって大きい値に設定している。つまり、いわゆるラスタ順で数値を付与している。ここにおいて、画像内において参照点ｐ１〜ｐ１９の座標は既知であるものとする。

上述の例では、スケルトン抽出を行って芯線ｂｂ１，ｂｂ２の上に参照点ｐ１〜ｐ１９を設定しているが、スケルトン抽出の処理では、塊領域ｒｂ１，ｒｂ２の画素を周部から順に削り取る処理を繰り返して行うので、もっとも線幅の大きい部位の画素数の半分程度の回数だけ塊領域ｒｂ１，ｒｂ２の輪郭を探索する必要があり、文字２０の線幅が大きい場合には処理負荷が極端に増大することがある。

そこで、上述のようにスケルトン処理により抽出した芯線ｂｂ１，ｂｂ２上に参照点ｐ１〜ｐ１９を配置する代わりに、図４に示すように、塊領域ｒｂ１，ｒｂ２の輪郭線（エッジｃｂ１，ｃｂ２）から、塊領域ｒｂ１，ｒｂ２の線幅の４分の１程度の内側の部位に参照点ｐｎ（ｎは正整数）を配置してもよい。つまり、エッジｃｂ１，ｃｂ２から規定した距離に参照点ｐｎを配置する。輪郭線ｃｂ１，ｃｂ２に沿った参照点ｐｎの間隔は芯線ｂｂ１，ｂｂ２上に参照点ｐ１〜ｐ１９を設定する場合と同様である。また、各参照点ｐｎを区別するために付与する数値もラスタ順とする。

参照点グルーピング手段２では、参照点ｐ１〜ｐ１９の設定後に、図５に示すように、各参照点ｐ１〜ｐ１９を互いに連結する連結線分ｓ（ｉ，ｊ）（ｉ，ｊは連結線分で連結される参照点を表す数値）を設定する。たとえば、参照点ｐ１１から参照点ｐ１に向かって引いた連結線分をｓ（１１，１）と表記する。

図５に示す例では、各参照点ｐ１〜ｐ１９について、他のすべての参照点ｐ１〜ｐ１９に向かう連結線分ｓ（ｉ，ｊ）を設定するから、１９個の各参照点ｐ１〜ｐ１９ごとに１８本ずつの連結線分ｓ（ｉ，ｊ）が設定される。したがって、連結線分ｓ（ｉ，ｊ）の本数は向きを考慮すれば３４２本になるが、始点と終点とが一致する連結線分ｓ（ｉ，ｉ）も含めるものとし、この連結線分ｓ（ｉ，ｉ）では向きを無視するとすれば、合計で３６１本の連結線分ｓ（ｉ，ｊ）が存在することになる。

ここで、上述したグループ候補を求めるための第１の条件として、塊領域ｒｂ１，ｒｂ２の内側のみを通る連結線分ｓ（ｉ，ｊ）で連結された参照点ｐ１〜ｐ１９の組を抽出する。連結線分ｓ（ｉ，ｊ）が塊領域ｒｂ１，ｒｂ２の外側を通る場合には、連結線分ｓ（ｉ，ｊ）の上に画素値が０である画素が存在するから、画素値の判断のみで各連結線分ｓ（ｉ，ｊ）について条件判断を行うことができる。

たとえば、参照点ｐ１１を始点とする連結線分ｓ（１１，ｊ）は、図５に示すように、ｓ（１１，１）、ｓ（１１，３）、ｓ（１１，１２）、ｓ（１１，１７）などと設定することができ、これらの３本のうちでは連結線分ｓ（１１，１），ｓ（１１，１２）が塊領域ｒｂ１の内側のみを通っている。

図５に示す例について、塊領域ｒｂ１，ｒｂ２の内側のみを通る連結線分ｓ（ｉ，ｊ）を○で表し、外側を通る連結線分ｓ（ｉ，ｊ）を×で表わすと、表１のようになる。なお、始点と終点とが一致する連結線分ｓ（ｉ，ｉ）は○になる。表１の左欄の縦列は連結線分ｓ（ｉ，ｊ）が始点の参照点ｐ１〜ｐ１９であり（つまり、参照点ｐｉ）、表１の上欄の横列が連結線分ｓ（ｉ，ｊ）の終点の参照点ｐ１〜ｐ１９である（つまり、参照点ｐｊ）。また、表１の右欄の縦列は左欄の各参照点ｐ１〜ｐ１９を始点とするすべての連結線分ｓ（ｉ．ｊ）のうち塊領域ｒｂ１，ｒｂ２の内側のみを通るものの本数を示している（つまり、横に並ぶ○の個数を表している）。以下、右欄の数値を「対応点数」と呼ぶ。

グループ候補を求める目的は、同じ塊領域ｒｂ１，ｒｂ２の中に存在する参照点ｐ１〜ｐ１９に分離（図９の例では、参照点ｐ１〜ｐ１５の参照点グループ（後述する）と参照点ｐ１４〜ｐ１９の参照点グループとに分離）することであるから、表１において○に対応する連結線分ｓ（ｉ，ｊ）を用いることにより、参照点グループを求める。

図５のように参照点ｐ１１を始点とする４本の連結線分ｓ（１１，１）、ｓ（１１，３）、ｓ（１１，１２）、ｓ（１１，１７）について評価すれば、連結線分ｓ（１１，１），ｓ（１１，１２）が同じ塊領域ｒｂ１の内側のみを通っているから、参照点ｐ１，ｐ１２は参照点ｐ１１と同じ塊領域ｒｂ１の内側に存在していると確定できる。一方、連結線分ｓ（１１，３），ｓ（１１，１７）は塊領域ｒｂ１の外側を通るので、参照点ｐ３，ｐ１７は参照点ｐ１１と同じ塊領域ｒｂ１の内側に存在しているか否かを確認できない。実際には参照点ｐ３は参照点ｐ１１と同じ塊領域ｒｂ１の内側に存在しているが、参照点ｐ１１を始点とする連結線分ｓ（１１，ｊ）によっては同じ塊領域ｒｂ１であることは確認できない。

上述した例から明らかなように、１つの参照点ｐ１〜ｐ１９について当該参照点ｐ１〜ｐ１９を始点とする連結線分ｓ（ｉ，ｊ）を設定し、各連結線分ｓ（ｉ，ｊ）が塊領域ｒｂ１，ｒｂ２の内側のみを通るか外側を通るかを評価すれば、各連結線分ｓ（ｉ，ｊ）の始点である参照点ｐ１〜ｐ１９と終点である参照点ｐ１〜ｐ１９とが同じ塊領域ｒｂ１，ｒｂ２に存在するか否かを確認することができる。そこで、塊領域ｒｂ１，ｒｂ２の外側を通らない連結線分ｓ（ｉ，ｊ）における両端の参照点ｐ１〜ｐ１９を同じグループ候補とすると、塊領域ｒｂ１，ｒｂ２を分離することができる。

また、距離の離れた２個の参照点ｐ１〜ｐ１９を連結する連結線分ｓ（ｉ，ｊ）が塊領域ｒｂ１，ｒｂ２の外側を通らない場合には、当該参照点ｐ１〜ｐ１９の間で塊領域ｒｂ１，ｒｂ２は直線状であると考えられ、両参照点ｐ１〜ｐ１９の間に配置された参照点ｐ１〜ｐ１９はおおむね一つの直線上に配列されていると言える。

以上の観点に基づいてグループ候補を求める方法を以下に説明する。まず、表１について対応点数の少ない参照点ｐ１〜ｐ１２から順にグループ候補を求める。このとき、他のグループ候補に含まれる参照点ｐ１〜ｐ１９を除いて次のグループ候補を求める。また、対応点数が同数である参照点ｐ１〜ｐ１９が複数存在するときには、参照点ｐ１〜ｐ１９のラスタ順でグループ候補を求める。ここで、後に求めるグループ候補では、先に求めたグループ候補に含まれる参照点ｐ１〜ｐ１９を除去してグループ候補とする。対応点数が少ないほうから選択しているのは、後述する特異点検出手段３での処理において特異点の探索を容易にするためである。

一例として表１に基づいてグループ候補を求めると、まず参照点ｐ１５の対応点数が２で最少であるので、参照点ｐ１５について○が付与されている参照点ｐ１３，ｐ１５を第１のグループ候補とする。参照点ｐ１３，ｐ１５を除いて対応点数が次に少ないのは、参照点ｐ１４と参照点ｐ１９との４であるが、ラスタ順であるから参照点ｐ１４について○が付与されている参照点ｐ１４，ｐ１６，ｐ１７，ｐ１８を第２グループ候補とする。次に、参照点ｐ１９が選択されるが、参照点ｐ１９について○が付与されている参照点ｐ１６，ｐ１７，ｐ１８，ｐ１９のうち参照点ｐ１６，ｐ１７，ｐ１８は第２グループ候補に含まれているから、参照点ｐ１９のみを第３のグループ候補とする。

同様の処理を繰り返すと、次に選択されるのは参照点ｐ１であって、参照点ｐ１，ｐ２，ｐ５，ｐ７，ｐ９，ｐ１１が第４のグループ候補になり、その次に選択されるのは参照点ｐ３であって、参照点ｐ３，ｐ４，ｐ６，ｐ８，ｐ１０が第５のグループ候補になる。最後に参照点ｐ１２が残り、参照点ｐ１２が第６のグループ候補になる。

参照点グルーピング手段２では以上の処理を行い、図５に示す例では、６個のグループ候補が求められる。第１のグループ候補は参照点ｐ１３，ｐ１５、第２のグループ候補は参照点ｐ１４，ｐ１６，ｐ１７，ｐ１８、第３のグループ候補は参照点ｐ１９、第４のグループ候補は参照点ｐ１，ｐ２，ｐ５，ｐ７，ｐ９，ｐ１１、第５のグループ候補は参照点ｐ３，ｐ４，ｐ６，ｐ８，ｐ１０、第６のグループ候補は参照点ｐ１２をそれぞれ含むことになる。

（特異点検出手段）
上述のようにしてグループ候補が求められると、特異点検出手段３において、一つのグループ候補の参照点ｐ１〜ｐ１９のうち他のグループ候補の参照点ｐ１〜ｐ１９と同じ塊領域ｒｂ１，ｒｂ２に含まれている参照点ｐ１〜ｐ１９を抽出する。つまり、２つのグループ候補を結合して一つの塊領域ｒｂ１，ｒｂ２にまとめることができる参照点ｐ１〜ｐ１９を抽出する。以下、このような参照点ｐ１〜ｐ１９を「特異点」と呼ぶ。特異点は交差、分岐、接触、屈曲などの生じている部位に対応していることが予想される点である。特異点検出手段３では、特異点を同じ塊領域ｒｂ１，ｒｂ２に含まれることが確認できた他のグループ候補の参照点とともに新たなグループ候補とする。

たとえば、第１のグループ候補に含まれる２個の参照点ｐ１３，ｐ１５について特異点を求めるとすると、参照点ｐ１５について同じ塊領域ｒｂ１であることが確認できるのは第１のグループ候補に含まれる参照点ｐ１３のみであるから特異点を持たないが、参照点ｐ１３は参照点ｐ１５以外に第６のグループ候補に含まれる参照点ｐ１２と同じ塊領域ｒｂ１の中に存在していることが確認できる。したがって、参照点ｐ１３は第１のグループ候補において特異点になる。そこで、特異点である参照点ｐ１３と同じ塊領域ｒｂ１に存在することが確認できた参照点ｐ１２を特異点である参照点ｐ１３とともに第７のグループ候補とする。第６のグループ候補では参照点ｐ１２が特異点になる。

第２のグループ候補については、参照点ｐ１４，ｐ１６，ｐ１７，ｐ１８のうち、参照点ｐ１６，ｐ１７，ｐ１８が第３のグループ候補の参照点ｐ１９と同じ塊領域ｒｂ２に存在しているが、３個の参照点ｐ１６，ｐ１７，ｐ１８が存在するから、参照点ｐ１９との距離がもっとも近い参照点ｐ１８を第２のグループ候補から求めた特異点とする。また、参照点ｐ１９を第３のグループ候補の特異点とする。つまり、参照点ｐ１８，ｐ１９を第８のグループ候補とする。

第４のグループ候補では参照点ｐ１，ｐ２，ｐ５，ｐ７，ｐ９，ｐ１１のうちの参照点ｐ７が、第５のグループ候補のすべての参照点ｐ３，ｐ４，ｐ６，ｐ８，ｐ１０と同じ塊領域ｒｂ１に存在していることが確認できるから、参照点ｐ７を第４のグループ候補と第５のグループ候補とに共通する特異点とする。第５のグループ候補の参照点ｐ３，ｐ４，ｐ６，ｐ８，ｐ１０には参照点ｐ７は含まれていないが、参照点ｐ７には第５のグループ候補のすべての参照点ｐ３，ｐ４，ｐ６，ｐ８，ｐ１０と同じ塊領域ｒｂ１に存在しているから、参照点ｐ７を第５のグループ候補の参照点として扱う。

したがって、第４のグループ候補の参照点ｐ１，ｐ２，ｐ５，ｐ７，ｐ９，ｐ１１と第５のグループ候補の参照点ｐ３，ｐ４，ｐ６，ｐ８，ｐ１０とにおいて、同じ塊領域ｒｂ１であることが確認できる参照点ｐ５，ｐ６や参照点ｐ８，ｐ９は特異点として採用しない。また、参照点ｐ７は１個だけ独立しているから、新たなグループ候補を設ける必要はない。

さらに、第６のグループ候補の参照点ｐ１２は第４のグループ候補の参照点ｐ１１と同じ塊領域ｒｂ１であるから、参照点ｐ１１と参照点ｐ１２とを特異点にする。つまり、参照点ｐ１１，ｐ１２を第９のグループ候補とする。

特異点をまとめると、第１のグループ候補では参照点ｐ１３、第２のグループ候補では参照点ｐ１８、第３のグループ候補では参照点ｐ１９、第４のグループ候補では参照点ｐ７と参照点ｐ１１、第５のグループ候補では参照点ｐ７、第６のグループ候補では参照点ｐ１２になる。また、特異点検出手段３において生成される第７のグループ候補は特異点である参照点ｐ１２，ｐ１３からなり、第８のグループ候補は特異点である参照点ｐ１８，ｐ１９からなり、第９のグループ候補は特異点である参照点ｐ１１，ｐ１２からなる。

上述のようにして求めたグループ候補ごとに参照点ｐ１〜ｐ１９をまとめるように表１を並べ替えると表２のようになる。表２によれば対角成分を含んで正方形状に○が集合する部位がグループ候補ｇ１〜ｇ９になる。また、各グループ候補ｇ１〜ｇ９において重複している参照点ｐ１〜ｐ１９が特異点になる。図３の形状に対応付けて表せば図６のようになる。図６において黒丸で示した参照点ｐ７，ｐ１１，ｐ１２，ｐ１３，ｐ１８，ｐ１９が特異点になる。

（線要素抽出手段）
特異点検出手段３により求めたグループ候補ｇ１〜ｇ９および特異点は、線要素抽出手段４に与えられ線要素Ｌ１〜Ｌ３が抽出される。まず、各グループ候補ｇ１〜ｇ９について、グループ候補ｇ１〜ｇ９に属する参照点ｐ１〜ｐ１９の間の距離を求め、各グループ候補ｇ１〜ｇ９の中で距離が最大になる２個の参照点ｐ１〜ｐ１９をグループ候補ｇ１〜ｇ９の端点として抽出する。

図６に示す例では、グループ候補ｇ１の端点はｐ１３，ｐ１５、グループ候補ｇ２の端点はｐ１４，ｐ１８、グループ候補ｇ３の端点はｐ１９、グループ候補ｇ４の端点はｐ１，ｐ１１、グループ候補ｇ５の端点はｐ３，ｐ１０、グループ候補ｇ６の端点はｐ１２、グループ候補ｇ７の端点はｐ１２，ｐ１３、グループ候補ｇ８の端点はｐ１８，ｐ１９、グループ候補ｇ９の端点はｐ１１，ｐ１２になる。

特異点検出手段３により求めた特異点が、上述のようにして抽出した端点を兼ねている場合には、当該特異点は２個のグループ候補ｇ１〜ｇ９を結合する部位の特異点であると言える。また、グループ候補ｇ１〜ｇ９に含まれる参照点ｐ１〜ｐ１９は、それぞれほぼ直線上に並んでいるので、端点を兼ねた特異点は、トポロジの概念では屈曲点と特定することができる。屈曲点で結合されるグループ候補ｇ１〜ｇ９は同じ塊領域ｒｂ１，ｒｂ２を構成している。

図６に示す例ではグループ候補ｇ１，ｇ４，ｇ７は参照点ｐ１２，ｐ１３を屈曲点とする一つのグループ候補を形成している。また、グループ候補ｇ２，ｇ３，ｇ８は参照点ｐ１８，ｐ１９を屈曲点とする一つのグループ候補を形成し、グループ候補ｇ４，ｇ７，ｇ９は参照点ｐ１１，ｐ１２を屈曲点とする一つのグループ候補を形成する。このような処理を繰り返すことにより、端点を兼用する特異点がなくなり、最終的には図７に示すように、３グループを形成することになる。このような各グループを参照点と呼ぶ。参照点グループは線要素ｕ１〜ｕ３に一対一に対応すると考えられる。

また、特異点がグループ候補ｇ１〜ｇ９の端点ではない場合には、当該特異点は分岐点または交差点と言える。すなわち、特異点が属しているグループ候補ｇ１〜ｇ９において端点でない場合に当該特異点は交差点であり、特異点が属するすべてのグループ候補ｇ１〜ｇ９において少なくとも１つのグループ候補ｇ１〜ｇ９で端点である場合には当該特異点は分岐点であると判断できる。

図６に示す例では、参照点ｐ７は特異点であって、この特異点は２つのグループ候補ｇ４，ｇ５に属しており、しかもどちらのグループ候補ｇ４，ｇ５においても端点ではないので、参照点ｐ７は交差点であると判断される。すなわち、これらのグループ候補ｇ４，ｇ５は互いに独立した線要素であると判断できる。また、グループ候補ｇ４はグループ候補ｇ１，ｇ６，ｇ７とは同じ塊領域ｒｂ１を構成しており、グループ候補ｇ１，ｇ４，ｇ６，ｇ７には交差点や分岐点が生じないので、図７に示すようにグループ候補ｇ１，ｇ４，ｇ６，ｇ７は線要素ｕ１に対応した参照点グループとして抽出され、グループ候補ｇ５は線要素ｕ２に対応した参照点グループとして抽出される。また、グループ候補ｇ２，ｇ３，ｇ８は交差点あるいは分岐点となる特異点を持たないので、他の参照点グループから独立した線要素ｕ３に対応した参照点グループとして抽出される。

各参照点グループは、それぞれ線要素ｕ１〜ｕ３に対応しているから、線要素抽出手段４による上述した処理により線状図形Ｃ１を線要素ｕ１〜ｕ３に分解することができる。

（付加処理）
ところで、上述した例ではグループ候補について、２個のグループ候補が特異点を共有する場合について、共有される特異点が１個だけである場合を説明したが、２個のグループ候補が複数個の特異点を共有する場合もある。

たとえば、図８に示す形状の線状図形Ｃ２では、２個の参照点ｐ５，ｐ６がともにグループ候補ｇ１，ｇ２に共有される特異点になっている。図示例の特異点（参照点ｐ５，ｐ６）は、上述の判断方法では、参照点ｐ５は交差点と判断され、参照点ｐ６は屈曲点と判断される。つまり、同じグループ候補ｇ１，ｇ２であるにもかかわらず、異なる種類の特異点と判断されることになる。このような場合に備えて特異点の種類に優先順位を定めておき、特異点の種類を屈曲点、分岐点、交差点の順で決定する。すなわち、図８に示す例ではグループ候補ｇ１，ｇ２が共有する特異点（参照点ｐ５，ｐ６）のうち屈曲点となる参照点ｐ６を採用し、グループ候補ｇ１，ｇ２を屈曲点で連結された参照点グループと判断する。つまり、図８のような線状図形Ｃ２では、ひとつながりの線要素として抽出される。

また、手書き文字のような線状図形Ｃ３では、図９（ａ）のように一つの塊領域となるべき部位がかすれなどにより複数個の塊領域ｒｂ１，ｒｂ２に分離されることがある。また、図９（ｂ）のように分岐点となるべき部位が滲みなどによって特異点が交差点と判断されて交差する２個の参照点グループに分離されることもある。あるいはまた、図９（ｃ）のように接続されるべき部位が分離されることにより一つの塊領域にならずに複数個の塊領域ｒｂ１，ｒｂ２に分離されることもある。このような場合には、線要素の正しいトポロジを抽出することができない。以下では、図９に示す各場合についてそれぞれトポロジを復元する方法について簡単に説明する。

図９（ａ）に示す例では、２個の参照点グループが検出され２個の線要素ｕ１，ｕ２が存在するかのように判断されるが、１個の線要素にまとめる必要がある。そこで、各線要素ｕ１，ｕ２においてそれぞれ端点となる２個の参照点ｐ１１，ｐ１２、ｐ２１，ｐ２２を通る直線ｋ１，ｋ２を求め、両直線ｋ１，ｋ２のなす角度δと、異なる線要素ｕ１，ｕ２において近いほうの端点となる参照点ｐ１２，ｐ２１の間の距離ｄ０を求めて、角度δと距離ｄ０とを評価する。角度δが規定した角度より大きく、距離ｄ０が規定した長さより短いときに、線要素ｕ１，ｕ２をひとまとまりの線要素として統合する。

図９（ｂ）に示す例では、２つの線要素ｕ３，ｕ４が交差していると判断されるが、両線要素ｕ３，ｕ４について交差点と判断された特異点ｃｐから端点となる参照点ｐ３１，ｐ３２、ｐ４１，ｐ４２までの距離を求め、そのうち特異点ｃｐからの距離が最短である端点となる参照点ｐ４１までの距離ｄ１を求めて距離ｄ１を評価する。距離ｄ１が規定した長さより短いときには、特異点ｃｐを分岐点ではなく分岐点と修正する。また、特異点ｃｐを分岐点に修正するから、線要素ｕ４において特異点ｃｐから端点となる参照点ｐ４１まで参照点は不要であるから、特異点ｃｐから端点となる参照点ｐ４１までの間に存在する参照点をすべて破棄し、特異点ｃｐを線要素ｕ４の一方の端点とする。

図９（ｃ）に示す例では、線要素ｕ５の端点となる２個の参照点ｐ５１，ｐ５２を結ぶ直線に対して、線要素ｕ６の端点となる参照点ｐ６１，ｐ６２のうち線要素ｕ５に近いほうの端点となる参照点ｐ６１から垂線を下ろしたときの垂線の長さｄ２を求めて長さｄ２を評価する。垂線の長さｄ２が規定した長さより短いときには、垂線の足を仮想的な分岐点ｂｐとし、分岐点ｂｐを各線要素ｕ５，ｕ６に加える。つまり、線要素ｕ５，ｕ６に共有される分岐点ｂｐが付加されることにより、線要素ｕ５，ｕ６が、ひとまとまりの線要素として統合される。

以上説明した処理を行うことにより、線幅の比較的大きい線状図形の画像から、滑らかにつながる線要素を抽出し、かつ抽出された線要素のトポロジを解析することができる。文字認識のように線状図形のトポロジと当該線状図形を構成する線要素の長さ程度の情報が得られればよい場合は、上述した処理により対応できる。

（線状図形の計測）
上述の例では線状図形のトポロジを解析するために線要素を抽出する技術について説明したが、線要素抽出手段４により濃淡画像から検出した線要素について、特徴量を計測することが可能である。特徴量としては、長さ、最大幅、平均幅、面積、周囲長、重心座標のような幾何学的な特徴量のほか、線要素の領域に相当する部位の濃淡画像から求められる平均輝度や最大輝度も線要素の特徴量になる。特徴量を計測する場合は、特徴量計測手段（図示せず）を付加する。以下では、特徴量計測手段について説明する。

特徴量計測手段により線要素の特徴量を計測するには、まず図１０に示すように、線要素を抽出するために用いた参照点ｐ１〜ｐ１９（図７参照）のうち、複数の線要素で共有される参照点ｐ７を除くすべての参照点ｐ１〜６，ｐ８〜ｐ１９について、各参照点ｐ１〜６，ｐ８〜ｐ１９を通り塊領域ｒｂ１，ｒｂ２の境界に達する最短の線分を求める。特異点であっても交差点でなければ除外することなく同様の線分を求める。たとえば、図７において、参照点ｐ１２，ｐ１３は特異点であるが、両参照点ｐ１２，ｐ１３は１つの線要素に含まれているので除外しない。要するに、屈曲点は除外せず、分岐点または交差点を除外する。

求めた線分は、各参照点ｐ１〜６，ｐ８〜ｐ１９に対応する部位での線状図形Ｃ１の線幅にほぼ一致するので、図１１に示すように、各参照点ｐ１〜ｐ６，ｐ８〜ｐ１９の周りに上記線分を直径とする円を規定する。このようにして設定した各円について、隣接している円同士を接線で結ぶと図１１のように、線要素ｕ１〜ｕ３に近似した疑似線要素ｕ１′〜ｕ３′が得られる。

上述した処理により疑似線要素を生成すれば、線状図形を構成する線要素ごとに交差点付近における線幅の変化などに影響されずに参照点を基準点とする単純な幾何図形を用いて線状図形を近似することが可能になる。上述の例では円の接線で多角形化した疑似線要素を生成しているが、参照点ごとに設定した線分の端同士を連結した多角形を形成して疑似線要素に用いてもよい。

疑似線要素は線要素にほぼ一致しているから、各疑似線要素について特徴量を計測すれば、各線要素の特徴量を計測することができる。疑似線要素は、参照点の密度が高いほど各線要素の近似の精度が高くなり、結果的に特徴量の計測精度も高くなる。したがって、特徴量計測手段では、疑似線要素を生成する前に、線要素の抽出に用いた参照点だけではなく、特徴量を抽出するための補助的な参照点を付加するようにしてもよい。

また、疑似線要素による近似の精度を高めるには、疑似線要素を生成するために用いた円の半径を規定した一定幅だけ拡張することによって、塊領域ｒｂ１，ｒｂ２が完全に内包されるように疑似線要素を拡大し、疑似線要素の内側で塊領域ｒｂ１，ｒｂ２である領域の画素のみを対象として特徴量を求めるようにしてもよい。

図１０および図１１を用いて説明した例は、図３に示すように線状図形Ｃ１の芯線ｂｂ１，ｂｂ２に沿って参照点ｐ１〜ｐ１９を配置した場合の例であるが、図４に示すように参照点ｐ１〜ｐ３６を塊領域ｒｂ１，ｒｂ２の輪郭線ｃｂ１，ｃｂ２の近傍に配置した場合であも、同様の処理手順によって疑似線要素を生成することができる。

すなわち、図１２に示すように、各参照点ｐ１〜ｐ３６から最短距離に位置する輪郭線ｃｂ１，ｃｂ２上の画素を求めて円の直径の一端とし、当該画素と参照点とを結ぶ直線が反対側の輪郭線に到達した位置を円の直径の他端として円を設定する。以後の処理は図１０および図１１を用いて説明した処理と同様であり、各円の共通接線で多角形上の疑似線要素を形成する。

図１２に示すように疑似線要素を生成すると、各円の中心点を結ぶ折線が線状図形の芯線を近似することになる。この芯線はスケルトン抽出の処理により求めた芯線とは異なり、線状図形のトポロジを保存した芯線になる。また、図４に示す例のように、先に芯線を求めていない場合であっても芯線を求めることができる。また、図１１のように円を設定した場合には、元の線状図形に対して屈曲部位の近似を正確に行えない場合があるが（図１１の右端の破線の部位が近似できない）、図１２に示すように円を設定すれば、屈曲部位の近似の精度を高めることができる。

上述した技術は、手書き文字以外の線状図形にも利用できる。たとえば、毛髪や繊維の画像から個々の毛髪や繊維を分離して抽出し、毛髪や繊維の本数のほか、毛髪や繊維の個々の太さや長さのような特徴量を求めることが可能である。毛髪を例に挙げれば、毛髪の太さの平均値や単位面積あたり本数を求めることにより、脱毛の程度を診断するような用途に用いることができる。あるいはまた、染色した細胞の画像から遺伝子の形状を解析したり、人体の顔面部分の画像からシワの本数や形状を計測する場合にも利用することができる。

毛髪や繊維を対象とする分野に利用する場合には、抽出された各線要素について、線要素の形状だけではなく、線要素の太さの情報も必要である。たとえば、毛髪の画像を解析することにより脱毛の評価を行う場合には、毛髪の密度とともに毛髪の太さの平均値や、規定した太さ以上の毛髪が占める割合などを評価指標として計測する必要がある。これらの要求には、上述したように特徴量を抽出することで対応することができる。

ところで、毛髪では鋭角に屈曲した線要素が存在しないということを既知の知識として用いることができる。この種の先験的な知識を用いることができる場合には、線要素を抽出する際に、線要素を分離する条件として、線要素の交差角度などの特徴量なども併せて用いてもよい。たとえば図８に示す例では、グループ候補ｇ１の端点となる参照点ｐ１，ｐ６とグループ候補ｇ２の端点となる参照点ｐ６，ｐ１１とに対応した連結線分ｓ（１，６），ｓ（１１，６）がなす角度に対して規定の閾値を設定しておき、この角度が設定した閾値以下である場合には参照点ｐ６は屈曲点ではなく「重なった端点」とみなしグループ候補ｇ１，ｇ２をそれぞれ独立した線要素として抽出する。つまり、線要素の抽出にあたっては抽出しようとする対象に応じて線要素を抽出する際の条件を適宜に変更する。

本発明の実施形態を示すブロック図である。 同上における塊領域の概念を説明する図である。 同上における参照点の配置例を示す図である。 同上における参照点の他の配置例を示す図である。 同上における連結線分の例を示す図である。 同上におけるグループ候補の概念を示す図である。 同上における参照点グループの例を示す図である。 同上におけるグループ候補の抽出例を示す図である。 同上におけるトポロジの復元方法を説明する図である。 同上において特徴量を抽出する方法を説明する図である。 同上において特徴量を抽出する方法を説明する図である。 同上において図４に示した参照点を用いて特徴量を抽出する方法を説明する図である。 システムの構成例を示すブロック図である。 線状図形の一例を示す図である。 図１４に示した線状図形の理想的な細線化の例を示す図である。 図１４に示した線状図形を細線化したときの実例を示す図である。

符号の説明

１ 塊領域抽出手段
２ 参照点グルーピング手段
３ 特異点検出手段
４ 線要素抽出手段
Ｃ１ 線状図形
ｃｂ１，ｃｂ２ 輪郭線
ｇ１〜ｇ９ グループ候補
ｐｎ 参照点
ｒｂ１，ｒｂ２ 塊領域
ｓ（ｉ，ｊ） 連結線分
ｕ１〜ｕ３ 線要素
ｕ１〜ｕ３′ 疑似線要素

Claims (7)

1. 複数の線要素で構成される線状図形の画像から線要素を個々に分離する画像処理装置であって、コンピュータを、画像において線状図形が占める領域を塊領域として切り出す塊領域抽出手段と、塊領域の内側において互いに離間した複数の参照点を配置するとともに互いに他の参照点同士を連結した連結線分のうち塊領域の内側のみを通る連結線分で連結される参照点の一つの組合せをグループ候補としすべての参照点をいずれかのグループ候補に対応付ける参照点グルーピング手段と、参照点のうち複数のグループ候補に対応付けられる参照点を特異点として検出する特異点検出手段と、グループ候補と特異点との位置関係を用いて参照点の点列の連続性を評価し線要素に一対一に対応する参照点グループを抽出する線要素抽出手段として用いることを特徴とする画像処理装置。
2. 前記線要素抽出手段は、抽出した参照点グループに含まれる参照点を用い、線要素の端点となる参照点を求めるとともに、屈曲点と分岐点と交差点とのいずれかに対応する参照点の有無を判定することを特徴とする請求項１記載の画像処理装置。
3. 前記参照点グルーピング手段は、前記塊領域の芯線を求めた後、前記参照点を芯線の上に配置することを特徴とする請求項１または請求項２記載の画像処理装置。
4. 前記参照点グルーピング手段は、前記塊領域の輪郭線を求めた後、前記参照点を輪郭線の内側であって輪郭線から規定した距離に配置することを特徴とする請求項１または請求項２記載の画像処理装置。
5. 前記線要素抽出手段により求めた参照点グループごとの参照点を用いて前記塊領域を構成する線要素について、長さと最大幅と平均幅と面積と周囲長と重心座標と平均輝度との少なくとも一つの特徴量を計測する特徴量計測手段が付加されていることを特徴とする請求項１ないし請求項３のいずれか１項に記載の画像処理装置。
6. 前記特徴量計測手段は、前記参照点グループごとに参照点を通り前記塊領域の輪郭線に達する最短の線分を求め、当該線分の各端を連結した多角形と当該線分を直径とする円の共通接線を連結した多角形との一方を前記線要素を近似した疑似線要素とし、疑似線要素について前記特徴量を求めることを特徴とする請求項５記載の画像処理装置。
7. 前記特徴量計測手段は、前記参照点グループごとに参照点を通り前記塊領域の輪郭線に達する最短の線分を求め、当該線分を直径とする円の中心を求めるとともに、円の中心を結ぶ線を塊領域の芯線とすることを特徴とする請求項５または請求項６記載の画像処理装置。

Images