JP5028337B2 - 画像処理装置、画像処理方法、プログラム、及び記憶媒体 - Google Patents

Description

本発明は、画像処理技術に関するものである。

近年、情報の電子化が進み、紙文書をそのまま保存するのではなく、スキャナ等によりスキャンして電子化して保存したり、その電子データを他装置に送信したりするシステムが普及してきている。送信コストを削減するため、電子化された文書に対して高い圧縮性が要求されている。一方、電子データの圧縮においては、電子化データを部分的に編集できる再利用性と、拡大しても縮小しても画質が落ちない高画質性とが要求されている。

ところが、文書データに文字領域や写真領域が混在する場合は、文字領域に適した圧縮を行うと画質が良いが圧縮率が低くなり、写真領域に適した圧縮を行うと圧縮率が高いが文字が劣化してしまう問題がある。そこで、電子化された文書データ（文書画像）を文字領域や写真領域に分離し、再利用性と高画質性が重視されている文字領域をベクトルデータに変換する。そして、それ以外の簡易にベクトル化で再現できない写真領域等をJPEGで圧縮し、各領域の圧縮結果を合成して出力することにより、文書画像の高圧縮性、再利用性、高画質性を実現する手法が提案されている（特許文献１を参照）。

従来、文書画像から分離された線が多く含まれている画像（以下、「線画画像」という）をベクトル化する手段が提案されている（特許文献２を参照）。例えば、画像を２値化し、２値化画像にある各閉じた線から取り出された粗輪郭を近似処理するアウトラインベクトル法と、各閉じた線の線芯を近似するラインアート法が提案されている。

さらに、ベクトル処理の対象を拡大し、文書画像の高圧縮性、再利用性、高画質性を向上させるための手法が提案されている（特許文献３を参照）。今まで写真としてJPEGで圧縮されていた画像の中に物体の輪郭に縁がついたように明瞭で、出現色も限られている等の特徴を有する特定画像（イラスト）（以下「クリップアート画像」）をベクトル化する手法が提案されている。ここで提案されている方法は、画像を色の類似度により色領域に分割し、各色領域の輪郭をアウトライン法で近似し、色情報を加えてベクトルデータを出力するものである。

しかしながら、今までは画像データのベクトル化の際に、入力画像がクリップアート画像なのか線画なのかは開発者の経験に基づき判断され、それによって、適用するベクトル手法が切り替えられている。従来の技術では、入力画像がクリップアートなのか線画なのかの自動判定により自動的にベクトル手法を切り替えることが出来ない。文書画像を文字領域や写真領域などの属性領域に分離する手段に関して、画素単位で文字画素か写真画素等の判定方法が沢山提案されているが、処理対象となる文書画像の全体がクリップアート画像なのか線画なのかの判定を行うものではない。

また、２値線画のベクトル化処理に関しても種々の提案がなされている。例えば、カラー線画のベクトル化処理に関して、入力画像の三つの単色多値画像を生成し、それぞれの多値画像が有する等濃度線の形状を抽出してベクトル化する手法が提案されている（特許文献４を参照）。
特開２００４−２６５３８４号公報 特許第３０４９６７２号公報 特開２００６−３４４０６９号公報 特開平１１−０６９１４５号公報

しかしながらカラー線画の単色多値画像の生成に閾値に大きく影響されることや、スキャンノイズへの対応がうまく出来ないこと等の問題点がある。

本発明は、クリップアートと線画の混在領域に対して、自動的にクリップアートなのか線画なのかを判定し、画像の種類（属性）に応じて自動的にベクトル化手法を切り替える画像処理技術を提供することを目的とする。

また、カラー線画のベクトル化に関しては、カラー線画を各色領域に分割し、各色領域のベクトル化結果を合成しベクトルデータを生成する画像処理方法及び画像処理装置を提供することをもう一つの目的とする。

上記課題を解決するために、本発明にかかる画像処理装置は、入力された文書画像データから、前記文書画像データに含まれるデータの属性を判定し、当該属性ごとの領域に前記文書画像データを分離する分離手段と、
前記分離手段で分離された領域のうち、前記属性が文字、写真、表のいずれでもない属性の領域を、グラフィックス領域として抽出する抽出手段と、
前記抽出手段で抽出された前記グラフィックス領域内の各画素のエッジ強度を求め、当該求めたエッジ強度が予め定められた第１の閾値よりも高い画素の数をカウントするエッジ画素数カウント手段と、
前記抽出手段で抽出された前記グラフィックス領域を構成する各画素が有する色情報に基づいて色ごとのクラスタに分け、該グラフィックス領域の四辺にある画素が属する各クラスタの出現頻度をカウントし、最も出現頻度の高いクラスタを背景として同定し、当該背景として同定されたクラスタ以外のクラスタに属する画素の数をカウントする背景以外画素数カウント手段と、
前記エッジ画素数カウント手段でカウントされた画素の数と、前記背景以外画素数カウント手段でカウントされた画素の数との割合をエッジ率として計算するエッジ率計算手段と、
前記エッジ率計算手段で計算された前記エッジ率が予め定められた第２の閾値より高い場合は前記グラフィックス領域を線画により構成される線画領域であると判定し、前記エッジ率が前記第２の閾値以下である場合は前記グラフィックス領域をクリップアート領域であると判定する判定手段と、
前記判定手段で前記クリップアート領域であると判定された場合は当該グラフィックス領域に対してクリップアート領域に適したベクトル化処理を行い、前記判定手段で前記線画領域であると判定された場合は当該グラフィックス領域に対して線画領域に適したベクトル化処理を行うベクトル変換手段と、
を備えることを特徴とする。

本発明によれば、クリップアート画像と線画画像の自動判定ができ、それにより画像の属性に応じたベクトル化手法を自動的に切り替えることが可能になる。

ベクトル化手法を自動的に切り替えることにより、文書画像の処理効率や画質の向上が可能になる。

カラー線画の特徴に合った色分離処理ができ、それによりカラー線画のベクトル化結果が改善され、文書画像の圧縮性や再利用性を向上させることが可能になる。

以下、図面を参照して、本発明に係る画像処理装置を用いたクリップアート領域と線画領域の自動判定によりベクトル化処理の自動切り替え及びカラー線画のベクトル化処理ための色分離処理について、詳細に説明する。ただし、この実施の形態に記載されている構成要素はあくまで例示であり、本発明の技術的範囲は、特許請求の範囲によって確定されるのであって、以下の個別の実施形態によって限定されるわけではない。

（第1実施形態）
（装置構成）
図１は、本発明の実施形態にかかる画像処理装置の構成を示すブロック図である。画像形成装置は、クリップアート領域と線画領域の自動判定によりベクトル化処理の自動切り替え処理及びカラー線画のベクトル化処理ための色分離処理を行う機能を有する。

図１において、入力部１０は、例えば、スキャナなどの画像読取手段を介して紙情報から入力されたモノクロまたはカラー画像データの入力を受け付ける。領域分離部１１はカラー画像から文字領域や写真等を含む複数種類の領域に分離する。グラフィックス領域抽出部１２は分離されたそれぞれの領域から、属性が文字でもない写真でもないグラフィックス領域を抽出する。クリップアート領域・線画領域判定部１３はグラフィックス領域に含まれるクリップアート領域と線画領域とを判定する。なお、本実施形態において、クリップアートとは、写真や自然画などの色数が多い複雑な画像とは異なり、出現する色数が限られた単純なイラストのような画像のことを指すものとする。クリップアート領域分割部１４はクリップアート領域にある各画素を色特徴に基づき領域に分割する。クリップアート領域ベクトル変換部１５はクリップアート領域分割結果をベクトルデータに変換する。線画領域色分離部１６はカラー線画領域を色成分に分ける。線画領域ベクトル変換部１７は線画領域の色分離結果をベクトルデータに変換する。ベクトルデータ出力部１８は、クリップアート領域ベクトル変換部１５の処理結果と、線画領域ベクトル変換部１７の処理結果と、を出力することが可能である。

図２は、図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。尚、本実施形態では、画像処理装置として、スキャナ機能やプリンタ機能を有するディジタル複合機（ＭＦＰ）を用いているが、汎用のスキャナとパーソナルコンピュータとを接続したシステムを当該画像処理装置として用いてもよい。

図２に示すように、ＭＦＰは、画像処理装置の制御手段として機能するコントローラユニット２０００を備えている。コントローラユニット２０００は、画像入力デバイスであるスキャナ２０７０や画像出力デバイスであるプリンタ２０９５と、デバイスインタフェース（I/F）を介して接続する。そして、コントローラユニット２０００は、スキャナ２０７０で原稿画像から読み取られた画像データをプリンタ２０９５によって印刷出力するコピー機能を実現するための制御を行うことが可能である。また、コントローラユニット２０００は、ＬＡＮ１００６や公衆回線（ＷＡＮ）１００８を介して他装置との間でパターン画像やデバイス情報等の入出力を行うための制御を行うことが可能である。

コントローラユニット２０００は、図２に示すように、ＣＰＵ２００１を有している。ＣＰＵ２００１は、ＲＯＭ２００３に格納されているブートプログラムによりオペレーションシステム（ＯＳ）を立ち上げる。そして、このＯＳ上でＨＤＤ（ハードディスクドライブ）２００４に格納されているアプリケーションプログラムを実行することによって各種処理を実行する。ＣＰＵ２００１の作業領域として、ＲＡＭ２００２が用いられる。ＲＡＭ２００２はまた、ＣＰＵ２００１の作業領域だけでなく、画像データを一時記憶するための画像メモリ領域をも提供する。ＨＤＤ２００４は、上記アプリケーションプログラムとともに、画像データを格納する。

ＣＰＵ２００１には、システムバス２００７を介して、ＲＯＭ２００３やＲＡＭ２００２が接続している。ＣＰＵ２００１には、操作部Ｉ／Ｆ（インタフェース）２００６、ネットワークＩ／Ｆ（インタフェース）２０１０、モデム２０５０及びイメージバスＩ／Ｆ（インタフェース）２００５が接続されている。

操作部Ｉ／Ｆ２００６は、タッチパネルを有する操作部２０１２とのインタフェースであり、操作部２０１２に表示する画像データを操作部２０１２に対して出力する。また、操作部Ｉ／Ｆ２００６は、操作部２０１２においてユーザにより入力された情報をＣＰＵ２００１に送出する。

また、ネットワークＩ／Ｆ２０１０は、ＬＡＮ１００６に接続され、ＬＡＮ１００６を介してＬＡＮ１００６に接続された各装置との間で情報の入出力を行う。モデム２０５０は、公衆回線１００８に接続し、公衆回線１００８を介して他装置との間で情報の入出力を行う。

イメージバスＩ／Ｆ２００５は、システムバス２００７と画像データを高速で転送する画像バス２００８を接続し、データ構造を変換するためのバスブリッジである。画像バス２００８は、ＰＣＩバス又はＩＥＥＥ１３９４から構成される。画像バス２００８上には、ラスタイメージプロセッサ（ＲＩＰ）２０６０、デバイスＩ／Ｆ２０２０、スキャナ画像処理部２０８０、プリンタ画像処理部２０９０、画像回転部２０３０、サムネイル作成部２０３５及び画像圧縮部２０４０が設けられている。

ＲＩＰ２０６０は、ＰＤＬコードをビットマップイメージに展開するプロセッサである。デバイスＩ／Ｆ２０２０には、スキャナ２０７０及びプリンタ２０９５が接続され、画像データの同期系／非同期系の変換を行う。スキャナ画像処理部２０８０は、入力画像データに対して補正、加工、編集処理を行う。プリンタ画像処理部２０９０は、プリント出力画像データに対してプリンタの補正、解像度変換等を行う。画像回転部２０３０は、画像データの回転を行う。画像圧縮部２０４０は、多値画像データをＪＰＥＧデータに、ニ値画像データをＪＢＩＧ、ＭＭＲ、ＭＨ等のデータに圧縮するとともに、その伸長処理も行う。

＜クリップアート領域と線画領域の自動判定によるベクトル化処理の自動切り替え処理の概要＞
図３は、第１実施形態におけるクリップアート領域と線画領域の自動判定によるベクトル化処理の自動切り替え処理の概略を説明するためのフローチャートである。

まず、入力部１０において、スキャナより紙情報を入力し、カラー文書画像データを得る（ステップＳ３１０）。次に、領域分離部１１において、入力されたカラー文書画像を二値データに変換し、この二値画像データを文字、写真、表等の複数種類の領域に分離する（ステップＳ３１１）。尚、この領域分離処理を実現する一例として、米国特許第５，６８０，４７８号公報に記載の領域分離技術を用いることができる。尚、当該公報には、「Method and Apparatus for character recognition (Shin-Ywan Wang et aI./Canon K.K.)」が記載されている。さらに、グラフィックス領域抽出部１２において、前工程で分離された領域から、領域の属性が文字・写真・表のいずれでもないグラフィックス領域、即ち、クリップアート領域と線画領域が含まれる領域、を処理対象として選択する（ステップＳ３１２）。

次に、クリップアート領域・線画領域判定部１３により、前工程（ステップＳ３１２）で抽出されたグラフィックス領域はクリップアート領域なのか線画領域なのかを判定する（ステップＳ３１３）。

クリップアート領域と判定されれば（ステップＳ３１４−Ｙｅｓ）、クリップアート領域分割部１４において、色特徴に基づき画素をいくつかのクラスタ（領域）に分ける。この領域分割処理の詳細については後述する（ステップＳ３１５）。そして、クリップアート領域ベクトル変換部１５において、分割された領域毎に輪郭線と領域内部色に基づきベクトルデータに変換する（ステップＳ３１６）。このベクトル処理を実現する一例としては、例えば、各色領域の境界線を取り出し、各境界線の輪郭線の追跡を行い、その座標ベクトルを選択することによりベクトル化するものが挙げられる。なお、クリップアート画像を色毎のクラスタ（色領域）に分け、各クラスタのアウトライン（輪郭）に基づいてベクトル化すると、各クラスタの境界線、つまり、他のクラスタが隣接する部分には隙間が出たり、或いは重なったりしてしまう可能性がある。本出願人は、特願2006-335070において、色領域間の境界の交点を同定し、同定した交点を端点として端点間をつなぐ境界ごとに端点間ベクトルを生成し、その端点間ベクトルを繋ぐことで各領域のベクトルデータを生成する手法を提案している。すなわち、ステップＳ３１６で行うベクトル化処理は、隣接する色領域間の隙間の発生や重なりの発生を防ぐために、境界線を同じ近似を使ってベクトル化する手法を用いるようにするのが望ましい。

一方、線画領域と判定されれば（ステップＳ３１４−Ｎｏ）、線画領域色分離部１６において、各画素の色特徴及び各領域の連結等の情報に基づき各色領域に分ける。この線画色分離処理の詳細については後述する（ステップＳ３１７）。そして、線画領域ベクトル変換部１７において、分離された各色領域毎にベクトルデータに変換する（ステップＳ３１８）。このベクトル処理を実現する一例としては、例えば、特許第２８８５９９９号公報に記載の、二値画像の輪郭線の追跡を行い、その座標ベクトルを選択することによりベクトル化するものが挙げられる。

次に、ベクトルデータ出力部１８において、ベクトル化の結果を出力する（ステップＳ３１９）。

＜グラフィックス領域の抽出例＞
図４は、第1実施形態の画像処理において画像からクリップアート領域と線画領域が含まれるグラフィックス領域を選択した一例を示す図である。図４に示す文書画像では、前述した領域分離法により、写真領域４３１、文字領域４３２、及びクリップアート領域と線画領域が含まれるグラフィックス領域４３３、４３４がそれぞれ矩形領域として分離されている。

＜クリップアート領域と線画領域の判定処理（Ｓ３１３）＞
グラフィックス領域に含まれているクリップアート領域と線画領域の判定処理（Ｓ３１３）の詳細について、図５を参照して説明する。

先ず、ステップＳ５０１では、処理対象となるグラフィックス画像を入力する。そして、エッジ抽出工程として、ステップＳ５０２では、グラフィックス画像からエッジ強度を抽出する。エッジを抽出するには、公知のPrewittフィルタ、あるいはSobelフィルタを利用することが可能である。すなわち、エッジ強度を示す微分画像を生成する。そして、エッジ画素数カウント工程であるステップＳ５０３では、抽出されたエッジ強度に基づき、エッジ強度が予め定められた閾値より高い画素の数を、エッジの画素として、カウントする。

そして、背景以外の画素数カウント工程であるステップＳ５０４では、背景以外の画素数をカウントする。この背景以外の画素数のカウント（統計処理）についての詳細は後述する。そして、エッジ率計算工程として、ステップＳ５０５では、上記ステップＳ５０３で求めたエッジ強度の高い画素数とステップＳ５０４で求めた背景以外の画素数の割合（エッジ率）を計算する。

ステップＳ５０６、Ｓ５０７、Ｓ５０８では、クリップアート領域か線画領域かの判定を行う。ステップＳ５０６では、先のステップＳ５０５で求めたエッジ率を見て、エッジ率が予め定められた閾値より高ければ（Ｓ５０６−Ｙｅｓ）、ステップＳ５０８で入力グラフィックス画像を線画と判定する。一方、エッジ率がある閾値より低ければ（Ｓ５０６−Ｎｏ）、ステップＳ５０７で入力グラフィックス画像をクリップアートと判定する。そして、ステップＳ５０９では、クリップアート領域と線画領域の判定結果を出力する。

＜背景以外の画素数の統計処理（Ｓ５０４）＞
クリップアート領域は基本的にベタ領域が多い。一方、線画領域は線が沢山含まれている。この特徴を利用して、クリップアート領域と線画領域の判定に使われているエッジ率として、エッジ強度の高い画素数と背景以外の画素数の割合を求める。エッジ率を求めるのは、エッジ強度の高い画素数と画像全体の画素数の割合では、背景部分の影響が大きくなってしまうためである。

背景以外の画素数の統計処理（Ｓ５０４）の詳細を、図６を参照して説明する。先ず、ステップＳ５０１では、処理対象となるグラフィックス領域を入力する。そして、ステップＳ６４１では、処理対象のグラフィックス画像をおおまかなクラスタリング処理をする。この処理では、画像の色特徴（各画素が有する、彩度、濃度などの色情報を含む）を利用し、画像（各画素）の色特徴の類似度により色の塊に分ける。そして、ステップＳ６４２では、大まかなクラスタリング処理の結果に基づき、周囲の四辺を取る。そして、ステップＳ６４３では、周囲の四辺にある画素のクラスタ情報（例えば、各画素が有する色情報を含む）を見て、各クラスタの出現頻度をカウント（統計）する。そして、ステップＳ６４４では、各クラスタの中から一番出現頻度の高いクラスタを背景領域と同定する。そして、ステップＳ６４５では、同定された背景以外の領域に含まれる画素数をカウント（統計）し、そして、ステップＳ６４６では、そのカウント（統計）された背景以外の画素数を出力する。

＜背景領域同定処理の例（Ｓ６４４）＞
ステップＳ６４４における背景領域同定処理の具体例を説明する。図７は、第１実施形態の画像処理においてグラフィックス領域からの背景領域の同定を例示的に説明する図である。このグラフィックス領域は大まかなクラスタリング処理により緑色クラスタ７０１、黄色クラスタ７０２、青色クラスタ７０３、紫色クラスタ７０４の四つの領域に分けられる。背景同定処理では、グラフィックス画像の矩形領域の周囲の四辺にある各画素のクラスタ情報により、緑色クラスタ７０１の出現頻度が一番高いので、緑色クラスタ７０１は背景領域と同定する。

＜クリップアート領域分割処理（Ｓ３１５）＞
クリップアートの領域分割処理（Ｓ３１５）の詳細を図８の参照により説明する。まず、ステップＳ８０１では、処理対象となるクリップアート画像を入力する。そして、ステップＳ８０２では、各画素の色特徴量に基づいてクラスタリング処理を行う。この処理では、まず、ラスタスキャンしたスタートの画素により、最初のクラスタを生成する。そして、次の画素に対して、全てのクラスタ間との色特徴量の類似度を求める。類似度が高いほど、画素とクラスタとの特徴が近いと考えられる。ここでは、類似度の計算にＲＧＢ値を用いるが、他のカラー空間の情報、或いは、カラー以外の情報を特徴量としても使える。そして、一番高い類似度と、この類似度に対応したクラスタ番号と、を記録し、この類似度を事前に設定された閾値とを比較する。類似度が閾値より高ければ、対象画素が記録されたクラスタに属させる。類似度が閾値より低ければ、対象画素により新たなクラスタを生成する。この処理は全ての画素の処理が終わるまで繰り返し実行する。

次に、ステップＳ８０３では、先のステップＳ８０２のクラスタリング処理結果に基づき、クラスタ統合処理を行う。この処理では、まず、分離したい領域数の目標値を入力する。本発明では、例えば、何色くらいに分離するかの目安を目標値とすることができる。なお、ユーザにより目標値が入力されない場合は、予め決めておいたデフォルトの値（例えば、１６色）を目標値として使うように構成しても構わない。そして、現在のクラスタの数を数える。現在のクラスタの数を領域数の目標値と、を比較する。現在のクラスタ数が目標値より多ければ、クラスタの統合を行う。統合処理では、各クラスタの代表値を示す特徴情報（例えば、類似度の計算にＲＧＢ値を含む）を求め、各クラスタの特徴情報の類似度を計算し、その中から一番類似度の高い二つのクラスタを一つに統合する。領域統合処理は現在のクラスタ数が目標値以下になるまで繰り返し実行する。

次に、ステップＳ８０４〜Ｓ８０７では、先のステップＳ８０３のクラスタ統合処理（領域統合処理）の結果に基づき、ノイズ領域の再処理を行う。この処理では、まず、ステップＳ８０４では、領域分割の結果をラベリングし、そして、ステップＳ８０５では、各ラベル領域の面積を計算する。ラベル領域の面積はこの領域にある画素の数である。ラベル領域の面積がある閾値より小さければ、この領域をノイズ領域と判定する。そして、ステップＳ８０６では、ノイズ領域と判定された領域に含まれた各画素に対して、周囲に隣接する領域との類似度を計算し、処理対象画素を一番類似度の高い領域に属させる（ノイズ除去）。ステップＳ８０７において、全てのラベル領域に対して処理済みか判定し、処理が完了していない場合は（Ｓ８０７−Ｎｏ）、処理をステップＳ８０５に戻し、同様の処理を全てのラベル領域が処理済みになるまで繰り返し実行する。一方、ステップＳ８０７の判定で、全てのラベル領域の処理が完了したと判定される場合は（Ｓ８０７−Ｙｅｓ）、ステップＳ８０８において、クリップアートの領域分割結果を出力する。

＜線画領域の色分離処理（Ｓ３１７）＞
カラー線画は基本的にクリップアートと同じ処理で良いと考えられる。しかしながら、クリップアート処理のままで、ノイズ領域の再処理を行うと、線画にある線の一部がなくなったり、ノイズ領域の再処理を行わなければ、線の周囲に大量のノイズが残ってしまったりする問題が生じる。そのため、クリップアートの処理をベースにカラー線画専用の処理を加える必要がある。

ステップＳ３１７における線画領域の色分離処理の詳細を、図９を参照して説明する。

まず、ステップＳ９０１では、処理対象となるカラー線画画像を入力する。そして、ステップＳ９０２では、各画素の色特徴量に基づいてクラスタリング処理を行う。そして、ステップＳ９０３では、クラスタの数が目標値に比べて多ければ、最も類似するクラスタ同士から順にクラスタ統合処理を行う。そして、ステップＳ９０４では、クラスタ統合処理後の各クラスタについて、ラベリング処理を行う。ステップＳ９０２〜Ｓ９０４はクリップアートの該当処理（Ｓ８０２〜Ｓ８０４）と同じである。

そして、ステップＳ９０５では、上記のラベリング処理により求められる、統合された各クラスタ内に含まれる連結領域の数を示す連結情報（ラベル数）に基づき、再統合が必要なクラスタの再統合処理を行う。この再統合処理対象領域の再処理についての詳細は後述する。そして、ステップＳ９０６では、各色領域の２値画像を出力する。

＜再統合処理対象領域の再処理（Ｓ９０５）＞
図９のステップＳ９０５における再統合処理対象領域の再処理について、図１０を参照して説明する。

先ず、ステップＳ１００１では、上記のラベリング処理（Ｓ９０４）の結果を入力する。再統合処理対象判定工程として、ステップＳ１００２では、各クラスタにおいて、ラベル数がある閾値以上で、且つ、画素数がある閾値より少ないクラスタを再統合処理対象クラスタ（再統合対象領域）と判定する。そして、主要色領域判定工程として、ステップＳ１００３では、画素数がある閾値以上のクラスタを主要色クラスタ（主要色領域）と判定する。そして、ステップＳ１００４では、各再統合処理対象クラスタを一番色類似度の高い主要色クラスタに統合させ、ステップＳ１００５では、再統合処理対象クラスタの再処理結果を出力する。なお、ラベル数がある閾値より少なく且つ画素数がある閾値より少ないクラスタに関しては、再統合対象クラスタにも、主要色クラスタ（再統合先のクラスタ）にもならないので、そのまま出力されることになる。

ここで、ラベル数の閾値は絶対値を使ってもいいし、各クラスタのラベル数と画像全体のトータルなラベル数の割合を使ってもいい。また、クラスタの画素数の閾値も同様である。また、処理する入力画像の画質などによって最適な閾値は異なると考えられるので、判定に用いる各閾値は、予め主なサンプル画像を用いて実験的に求めておいた閾値を適用するのが望ましい。

＜線画領域の色分離処理（クラスタリング処理）の例＞
図１１と図１２は、第１実施形態の画像処理において線画領域の色分離処理を実行する例を示す図である。図１１は、再統合処理対象領域の再処理を実行する前の各クラスタの結果である。例えば、原画１１００は見た目で茶色の線からなる画像である。クラスタリング、クラスタ統合処理により、線画領域の画像は、極薄い茶色の領域（クラスタ）１１０１、薄い茶色の領域（クラスタ）１１０２、濃い茶色の領域（クラスタ）１１０３、背景領域（クラスタ）１１０４との四つのクラスタに分けられたものとする。なお、図１１の１１０１〜１１０４および図１２の１２０３〜１２０４では、各クラスタに属する画素部分を黒で表現している。このように、１色に見えるような線画であっても厳密に色情報に基づいてクラスタリングした場合、色ムラ等により複数のクラスタに分かれる場合がある。クラスタリングにより、元々１つのクラスタで表したい線が切れてしまうと、ベクトル化処理を行った場合、データ量が多くなってしまうとともに、ベクトルデータとしての再利用にも適さないものになってしまう。

図１２は、再統合処理対象領域の再処理を実行する後の各クラスタの結果である。再統合処理対象領域の再処理により、ラベル数がある閾値以上で、且つ、画素数がある閾値より少ないクラスタ１１０１、１１０２（図１１）を再統合処理対象領域と判定する。また、画素数がある閾値以上のクラスタ１１０３、１１０４を主要色領域と判定する。また、再統合処理対象領域として判定されたクラスタ１１０１、１１０２を、主要色領域１２０３、１２００４の中で色類似度が一番近い主要色領域１２０３に統合する。

以上説明したように本実施形態によれば、クリップアート画像と線画画像の自動判定ができ、それにより画像の属性に応じたベクトル化手法を自動的に切り替えることが可能になる。

あるいは、本実施形態によれば、ベクトル化手法を自動的に切り替えることにより、文書画像の処理効率や画質の向上が可能になる。

あるいは、本実施形態によれば、カラー線画の特徴に合った色分離処理ができ、それによりカラー線画のベクトル化結果が改善され、文書画像の圧縮性や再利用性を向上させることが可能になる。

（第２実施形態）
先に説明した第１実施形態では、クリップアート領域と線画領域の判定処理に、エッジ強度の高い画素の数と背景以外の画素数の割合、即ち、エッジ率を用いた構成を例として説明した。本実施形態では、エッジ率、大まかなクラスタリングの領域数、グレーなのかカラーなのかの情報に基づき判定する構成例を説明する。本実施形態では、エッジ率が高い、あるいは、大まかなクラスタリングの領域数がある閾値より少ない、或いは、グレー画像であるのいずれかの条件を満たす画像を線画と判定する。

図１３は、第２実施形態に係るクリップアート領域と線画領域の判定処理を説明するフローチャートである。

先ず、ステップＳ１３０１では、処理対象となるグラフィックス画像を入力する。そして、ステップＳ１３０２では、画像からエッジを抽出する。そして、ステップＳ１３０３では、エッジ情報に基づき、エッジ強度が予め定められた閾値より高い画素の数をカウント（統計）する。そして、ステップＳ１３０４では、背景以外の画素数をカウント（統計）する。そして、ステップＳ１３０５では、上記のステップＳ１３０３で求めたエッジ強度の高い画素数と、ステップＳ１３０４で求めた背景以外の画素数との割合、即ち、エッジ率を計算する。ここまでの処理は第1実施形態のクリップアート領域と線画領域の判定処理と同じである。

グレー画像・カラー画像判定工程として、ステップＳ１３１１〜Ｓ１３１３では、入力画像がグレー画像であるかカラー画像であるかを判定する。ステップＳ１３１１では、各画素のRGBカラー情報から、例えば、彩度等の色彩情報（Ｓ情報）を取得する（色彩情報取得工程）。色彩情報（Ｓ情報）を取得する方法としては、例えば、RGBカラー空間からHSVカラー空間へ変換するのが一つのやり方である。尚、本発明の趣旨は、この例に限定されるものではなく、それ以外に色彩情報（Ｓ情報）が取得できる方法でも可能である。

そして、ステップＳ１３１２では、色彩情報（Ｓ情報）がある閾値以上である画素数をカウント（統計）する。スキャン画像の場合は、画像にある元々白色の部分（色彩情報（Ｓ情報）は０である）は黄色っぽくなるが、この黄色部分は色彩情報（Ｓ情報）が低いので、色彩情報（Ｓ情報）がある閾値以下のものであれば、そもそも色がないと考えてもいい。そして、ステップＳ１３１３では、色彩情報（Ｓ情報）が予め定められた閾値以上である画素数と、画像サイズと、の割合を計算する。この割合が予め定められた閾値より低ければ、グレー画像と判定し（Ｓ１３１３−Ｙｅｓ）、閾値以上であれば、カラー画像と判定する（Ｓ１３１３−Ｎｏ）。

色数取得工程として、ステップＳ１３１４〜Ｓ１３１５では、画像の大まかな色数を取得する。ステップＳ１３１４では、画像を大まかにクラスタリングする。大まかなクラスタリング処理は基本的にクラスタリング処理と同じであるが、高速にクラスタリングして色数を求めるのが目的のため、クラスタリング処理の際に色類似度の閾値を高く設定する。ステップＳ１３１５の判定で、色数がある閾値より少ない場合（Ｓ１３１５−Ｙｅｓ）、処理はステップＳ１３０８に進められ、色数がある閾値より以上の場合（Ｓ１３１５−Ｎｏ）、処理は、ステップＳ１３０７に進められる。

ステップＳ１３０７〜Ｓ１３０８では、グラフィックス領域がクリップアート領域なのか線画領域なのか、グラフィックス画像の領域の種類を判定する。エッジ率が高ければ、或いは、グレー画像であれば、あるいは、色数がある閾値より少なければ、線画と判定する（Ｓ１３０８）。すなわち、Ｓ１３０６，Ｓ１３１３，Ｓ１３１５のいずれかがＹｅｓであれば、線画領域と判定する。

一方、エッジ率が高くない（Ｓ１３０６−Ｎｏ）、グレー画像でない（Ｓ１３１３−Ｎｏ）、色数がある閾値より少なくない場合（Ｓ１３１５−Ｎｏ）は、クリップアート領域と判定する。すなわち、Ｓ１３０６，Ｓ１３１３，Ｓ１３１５のいずれかがＮｏであれば、クリップアート領域と判定する。そして、ステップＳ１３０９では、クリップアート領域と線画領域の判定結果を出力する。

（第３実施形態）
第１実施形態では、再統合処理対象領域を主要色領域に再統合するための再統合処理対象領域の再処理に、色の類似度（色類似度）を用いた構成例を説明した。第３実施形態では、再統合処理対象領域の再処理に、色類似度および色彩の情報の両方を使う構成例を説明する。

図１４は、本発明の実施形態２に係る線画領域色分離処理の再統合処理対象領域の再処理を説明するフローチャートである。

先ず、ステップＳ１４０１では、ラベリング処理の結果を入力する。そして、ステップＳ１４０２では、各クラスタにおいて、ラベル数がある閾値以上で、且つ、画素数がある閾値より少ないクラスタを再統合対象領域と判定する。ステップＳ１４０３では、画素数がある閾値以上のクラスタを主要色領域と判定する。

そして、ステップＳ１４０４では、各クラスタの色彩情報を取得する。この色彩情報の計算には、ＲＧＢカラー空間からＨＳＶカラー空間への変換を用いることが可能であるが、本発明の趣旨はこの例に限定されるものではなく、他の方法により色彩情報が得られる手段も考えられる。

そして、ステップＳ１４０５では、再統合処理対象領域を主要色領域に再統合する。再統合の条件として、無彩色の再統合処理対象領域を色類似度の一番高い無彩色の主要色領域に、有彩色の再統合処理対象領域を色類似度の一番高い有彩色の主要色領域に統合する。

そして、ステップＳ１４０６では、再統合処理対象領域の再処理結果を出力する。

（第４実施形態）
第1実施形態では、線画領域の色分離処理に、クラスタリング処理、クラスタ統合処理、ラベリング処理、そして、再統合対象領域の再処理の流れで処理を説明した。第４実施形態では、更に微小領域を適切に無くすための改良の処理を説明する。

図１５は、第４実施形態に係る線画領域色分離処理を説明するフローチャートである。まず、ステップＳ１５０１において、処理対象となるカラー線画画像を入力する。

そして、ステップＳ１５０２では、クラスタリング処理を行う。そして、ステップＳ１５０３では、クラスタ統合処理を行う。そして、ステップＳ１５０４では、ラベリング処理を行う。そして、ステップＳ１５０５では、上記のラベリング処理の連結情報に基づき、再統合が必要な領域の再統合処理を行う。

そして、ステップＳ１５０６では、微小領域の再処理を行う。この処理では、上記の再統合対象領域の再処理の結果からラベリング処理により各ラベル領域にある画素数がある閾値より少なければ、微小領域とする。そして、この微小領域にある全ての画素を周囲領域の中から、色類似度の一番高い領域に再配分させる。そして、ステップＳ１５０７では、各色領域の２値画像を出力する。

（第５実施形態）
第１乃至第４実施形態では、入力画像が領域分離された後に、文字・写真・表のいずれでもないグラフィックス領域からクリップアート領域か線画領域かの判定を行った。そして、その判定により線画と判定された領域を線画の色分離処理、線画のベクトル化処理をし、クリップアートと判定された領域をクリップアート領域分割、クリップアートのベクトル化処理をする構成例を説明した。

第５実施形態では、線画の属性を有する領域の色分離処理の適用例を説明する。

図１６は、第５実施形態に係る線画のベクトル化処理ための色分離処理を行う機能を有する画像処理装置の構成を示すブロック図である。図１６において、入力部１６０１はスキャンによって紙情報をカラー画像として入力する。領域分離部１６０２はカラー画像から文字領域や写真等を含む複数種類の領域に分離する。線画領域抽出部１６０３は分離されたそれぞれの領域から線画領域を抽出する。線画領域色分離部１６０４は線画領域を色成分に分ける。線画領域ベクトル変換部１６０５は線画領域の色分離結果をベクトルデータに変換する。ベクトルデータ出力部１６０６は線画領域ベクトル変換部１６０５の出力結果を出力する。

図１７は、第５実施形態にかかる線画のベクトル化処理の流れを説明するためのフローチャートである。

まず、入力部１６０１において、スキャナより紙情報を入力し、カラー文書画像データを得る（ステップＳ１７０１）。次に、領域分離部１６０２において、入力されたカラー文書画像を二値データに変換し、この二値画像データを文字、写真、表等の複数種類の領域に分離する（ステップＳ１７０２）。さらに、線画領域抽出部１６０３において、前工程で分離された領域から属性が線画である領域を処理対象として選択する（ステップＳ１７０３）。例えば、ユーザに線画領域を指定させ、当該指定された領域を線画領域として選択する。

次に、線画領域色分離部１６０４において、各画素の色特徴及び各領域の連結等の情報に基づき各色領域に分ける（ステップＳ１７０４）。そして、線画領域ベクトル変換部１６０５において、分離された各色領域毎にベクトルデータに変換する（ステップＳ１７０５）。次に、ベクトルデータ出力部１６０６において、ベクトル化の結果を出力する（ステップＳ１７０６）。

線画領域の色分離処理、また、線画領域の色分離処理に係る再統合対象領域の再処理は、第1実施形態、第３実施形態、第４実施形態のいずれかを用いることが可能である。

以上説明したように本実施形態によれば、前述した線画領域の色分離処理（クラスタの再統合処理）を、他の手法によって決定された線画領域に適用することが可能になる。

本実施形態によれば、ベクトル化手法を自動的に切り替えることにより、文書画像の処理効率や画質の向上が可能になる。

あるいは、本実施形態によれば、カラー線画の特徴に合った色分離処理ができ、それによりカラー線画のベクトル化結果が改善され、文書画像の圧縮性や再利用性を向上させることが可能になる。

（第６実施形態）
図１８は、本発明の実施形態にかかる画像処理装置の構成を示すブロック図である。画像処理装置は、クリップアート領域と線画領域の自動判定によりベクトル化処理の自動切り替え処理及びカラー線画のベクトル化処理ための色分離処理を行う機能を有する。

図１８において、入力部１０はスキャンによって紙情報をカラー画像として入力する。領域分離部１８１１はカラー画像から文字領域や写真等を含む複数種類の領域に分離する。グラフィックス領域抽出部１８１２は分離されたそれぞれの領域から、属性が文字でもない写真でもないグラフィックス領域を抽出する。クリップアート領域・線画領域判定部１８１３はグラフィックス領域に含まれるクリップアート領域と線画領域を判定する。クリップアート領域ベクトル変換部１８１４はクリップアート領域をベクトルデータに変換する。線画領域ベクトル変換部１８１５は線画領域をベクトルデータに変換する。ベクトルデータ出力部１８１６は、クリップアート領域ベクトル変換部１８１４の処理結果と、線画領域ベクトル変換部１８１５の処理結果と、を出力することが可能である。図１８に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成は、第1実施形態で説明したブロック図（図２）と同様のものとなり、重複した説明を避けるため、本実施形態では、その説明を省略する。

＜クリップアート領域と線画領域の自動判定によるベクトル化処理の自動切り替え処理の概要＞
図１９は、第６実施形態におけるクリップアート領域と線画領域の自動判定によるベクトル化処理の自動切り替え処理の概略を説明するためのフローチャートである。

まず、入力部１８１０において、スキャナより紙情報を入力し、カラー文書画像データを得る（ステップＳ１９１０）。次に、領域分離部１８１１において、入力されたカラー文書画像を二値データに変換し、この二値画像データを文字、写真、表等の複数種類の領域に分離する（ステップＳ１９１１）。尚、この領域分離処理を実現する一例として、米国特許第５，６８０，４７８号公報に記載の領域分離技術を用いることができる。尚、当該公報には、「Method and Apparatus for character recognition (Shin-Ywan Wang et aI./Canon K.K.)」が記載されている。さらに、グラフィックス領域抽出部１８１２において、前工程で分離された領域から属性が文字でもない写真でもないグラフィックス領域、即ち、クリップアート領域と線画領域が含まれる領域、を処理対象として選択する（ステップＳ１９１２）。

次に、クリップアート領域・線画領域判定部１８１３において、前工程（ステップＳ１９１２）で抽出されたグラフィックス領域はクリップアート領域なのか線画領域なのかを判定する（ステップＳ１９１３）。クリップアート領域と線画領域の判定処理は、第1実施形態で説明したステップＳ３１３、ステップＳ３１３の内容を具体的に説明する図５のフローチャートと同様の処理である。また、図５のフローチャートの背景以外の画素数の統計処理（Ｓ５０４）と、ステップＳ５０４の内容を具体的に説明する図６のフローチャートの内容は、第1実施形態で説明した内容と同様である。

クリップアート領域と判定されれば（Ｓ１９１4−Ｙｅｓ）、クリップアート領域ベクトル変換部１８１４において、色特徴に基づき画素をいくつかのクラスタ（領域）に分ける（ステップＳ１９１５）。ステップＳ１９１５の領域分割処理は、第1実施形態で説明した図８のフローチャートと同様の処理に従う。そして、分割された領域毎に輪郭線と領域内部色に基づきベクトルデータに変換する（ステップＳ１９１６）。ベクトル処理の例としては、例えば、T１００２４５４２に記載の、各色領域の境界線を取り出し、各境界線の輪郭線の追跡を行い、その座標ベクトルを選択することによりベクトル化するものが挙げられる。そして、本実施形態におけるベクトル化処理においてもこの技術を利用するものとする。

一方、線画領域と判定されれば（ステップＳ１９１４−Ｎｏ）、線画領域ベクトル変換部１７において、線画領域のデータをベクトルデータに変換する（ステップＳ１９１８）。このベクトル処理を実現する一例としては、例えば、特許第２８８５９９９号公報に記載の、二値画像の輪郭線の追跡を行い、その座標ベクトルを選択することによりベクトル化するものが挙げられる。

次に、ベクトルデータ出力部１８１６において、ベクトル化の結果を出力する（ステップＳ１９１９）。

（他の実施形態）
なお、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録したコンピュータ可読の記憶媒体を、システムあるいは装置に供給することによっても、達成されることは言うまでもない。また、システムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読出し実行することによっても、達成されることは言うまでもない。

この場合、記憶媒体から読出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。

プログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、不揮発性のメモリカード、ＲＯＭなどを用いることができる。

また、コンピュータが読出したプログラムコードを実行することにより、前述した実施形態の機能が実現される。また、プログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行い、その処理によって前述した実施形態が実現される場合も含まれることは言うまでもない。

本発明の第１実施形態に係る画像処理装置の機能構成を示すブロック図である。 図１に示す画像処理装置を実現したディジタル複合機（ＭＦＰ）の主要部構成を例示するブロック図である。 クリップアート領域と線画領域の自動判定によりベクトル化処理の自動切り替え処理の概略を説明するためのフローチャートである。 入力画像の領域分離の結果からクリップアート領域と線画領域を含むグラフィックス領域を分離した例を示す図である。 クリップアート領域と線画領域の判定処理を説明するためのフローチャートである。 クリップアート領域と線画領域の判定処理に使われている背景以外の画素数の統計処理を説明するためのフローチャートである。 クリップアート領域と線画領域の判定処理に使われている背景領域同定処理の例を示す図である。 クリップアート領域の分割処理を説明するフローチャートである。 線画領域の色分離処理を説明するフローチャートである。 線画領域の再統合処理対象領域の再処理を説明するフローチャートである。 線画領域の色分離処理（再統合処理対象領域の再処理前）の例を示す図である。 線画領域の色分離処理（再統合処理対象領域の再処理後）の例を示す図である。 第２実施形態の画像処理においてクリップアート領域と線画領域の判定処理を説明するためのフローチャートである。 第３実施形態の画像処理において線画領域色分離処理の再統合処理対象領域の再処理を説明するフローチャートである。 第４実施形態による画像処理において線画領域色分離処理を説明するフローチャートである。 第５実施形態の線画のベクトル化処理ための色分離処理を行う機能を有する画像処理装置の構成を示すブロック図である。 第５実施形態の線画のベクトル化処理の概略を説明するためのフローチャートである。 第６の実施形態に係る画像処理装置の機能構成を示すブロック図である。 第６実施形態におけるクリップアート領域と線画領域の自動判定によりベクトル化処理の自動切り替え処理の概略を説明するためのフローチャートである。

符号の説明

１０ 入力部
１１ 領域分離部
１２ グラフィックス領域抽出部
１３ クリップアート領域・線画領域判定部
１４ クリップアート領域分割部
１５ クリップアート領域ベクトル変換部
１６ 線画領域色分離部
１７ 線画領域ベクトル変換部
１８ 出力部

Claims (10)

1. 入力された文書画像データから、前記文書画像データに含まれるデータの属性を判定し、当該属性ごとの領域に前記文書画像データを分離する分離手段と、
   前記分離手段で分離された領域のうち、前記属性が文字、写真、表のいずれでもない属性の領域を、グラフィックス領域として抽出する抽出手段と、
   前記抽出手段で抽出された前記グラフィックス領域内の各画素のエッジ強度を求め、当該求めたエッジ強度が予め定められた第１の閾値よりも高い画素の数をカウントするエッジ画素数カウント手段と、
   前記抽出手段で抽出された前記グラフィックス領域を構成する各画素が有する色情報に基づいて色ごとのクラスタに分け、該グラフィックス領域の四辺にある画素が属する各クラスタの出現頻度をカウントし、最も出現頻度の高いクラスタを背景として同定し、当該背景として同定されたクラスタ以外のクラスタに属する画素の数をカウントする背景以外画素数カウント手段と、
   前記エッジ画素数カウント手段でカウントされた画素の数と、前記背景以外画素数カウント手段でカウントされた画素の数との割合をエッジ率として計算するエッジ率計算手段と、
   前記エッジ率計算手段で計算された前記エッジ率が予め定められた第２の閾値より高い場合は前記グラフィックス領域を線画により構成される線画領域であると判定し、前記エッジ率が前記第２の閾値以下である場合は前記グラフィックス領域をクリップアート領域であると判定する判定手段と、
   前記判定手段で前記クリップアート領域であると判定された場合は当該グラフィックス領域に対してクリップアート領域に適したベクトル化処理を行い、前記判定手段で前記線画領域であると判定された場合は当該グラフィックス領域に対して線画領域に適したベクトル化処理を行うベクトル変換手段と、
   を備えることを特徴とする画像処理装置。
2. 前記ベクトル変換手段は、
   前記クリップアート領域を色ごとのクラスタに分け、各クラスタの輪郭線と各クラスタの内部色とに基づいてベクトルデータに変換することによって、前記クリップアート領域に適したベクトル化処理を行うクリップアート領域ベクトル変換手段と、
   前記線画領域を色ごとのクラスタに分け、各クラスタの２値画像に基づいてベクトルデータに変換することによって、前記線画領域に適したベクトル化処理を行う線画領域ベクトル変換手段と、を含むことを特徴とする請求項１に記載の画像処理装置。
3. 前記クリップアート領域ベクトル変換手段は、
   前記クリップアート領域の画素が有する色の類似度により、前記クリップアート領域を前記クラスタに分離するクラスタリング処理手段と、
   前記クラスタを代表となる色の類似度により統合するクラスタ統合手段と、
   前記統合されたクラスタに含まれる画素数が、予め定められた閾値より小さい場合、当該クラスタをノイズ領域として除去するノイズ除去手段と、
   前記ノイズ領域が除去された後の各クラスタの輪郭線と各クラスタの内部色とに基づいてベクトルデータに変換することによって、前記クリップアート領域に適したベクトル化処理を行うベクトル化手段と、
   を含むことを特徴とする請求項２に記載の画像処理装置。
4. 前記線画領域ベクトル変換手段は、
   前記線画領域の画素が有する特徴情報に基づいて、前記線画領域を複数のクラスタに分離するクラスタリング処理手段と、
   前記複数のクラスタそれぞれの特徴情報の類似度に基づき、類似度の高いクラスタを統合するクラスタ統合手段と、
   前記クラスタ統合手段で統合した後の各クラスタに含まれる連結領域の数を求めるラベリング処理手段と、
   前記連結領域の数が予め定められた閾値以上で、かつ、前記クラスタに含まれる画素数が予め定められた閾値より少ないクラスタを、更なる統合が必要な再統合対象クラスタとして判定する再統合処理対象判定手段と、
   前記クラスタに含まれる画素数が予め定められた閾値以上のクラスタを、主要色クラスタとして判定する主要色領域判定手段と、
   各クラスタの特徴情報に基づき、前記再統合対象クラスタを前記主要色クラスタのいずれかに統合する再統合手段と、
   前記再統合手段により統合された後の各クラスタの２値画像に基づいてベクトルデータに変換することによって、前記線画領域に適したベクトル化処理を行うベクトル化手段と、
   を含むことを特徴とする請求項２に記載の画像処理装置。
5. 分離手段、抽出手段、エッジ画素数カウント手段、背景以外画素数カウント手段、エッジ率計算手段、判定手段、及びベクトル変換手段を有する画像処理装置における画像処理方法であって、
   前記分離手段が、入力された文書画像データから、前記文書画像データに含まれるデータの属性を判定し、当該属性ごとの領域に前記文書画像データを分離する分離工程と、
   前記抽出手段が、前記分離工程で分離された領域のうち、前記属性が文字、写真、表のいずれでもない属性の領域を、グラフィックス領域として抽出する抽出工程と、
   前記エッジ画素数カウント手段が、前記抽出工程で抽出された前記グラフィックス領域内の各画素のエッジ強度を求め、当該求めたエッジ強度が予め定められた第１の閾値よりも高い画素の数をカウントするエッジ画素数カウント工程と、
   前記背景以外画素数カウント手段が、前記抽出工程で抽出された前記グラフィックス領域を構成する各画素が有する色情報に基づいて色ごとのクラスタに分け、該グラフィックス領域の四辺にある画素が属する各クラスタの出現頻度をカウントし、最も出現頻度の高いクラスタを背景として同定し、当該背景として同定されたクラスタ以外のクラスタに属する画素の数をカウントする背景以外画素数カウント工程と、
   前記エッジ率計算手段が、前記エッジ画素数カウント工程でカウントされた画素の数と、前記背景以外画素数カウント工程でカウントされた画素の数との割合をエッジ率として計算するエッジ率計算工程と、
   前記エッジ率計算工程で計算された前記エッジ率が予め定められた第２の閾値より高い場合は前記グラフィックス領域を線画により構成される線画領域であると判定し、前記エッジ率が前記第２の閾値以下である場合は前記グラフィックス領域をクリップアート領域であると、判定手段が判定する判定工程と、
   前記ベクトル変換手段が、前記判定工程で前記クリップアート領域であると判定された場合は当該グラフィックス領域に対してクリップアート領域に適したベクトル化処理を行い、前記判定工程で前記線画領域であると判定された場合は当該グラフィックス領域に対して線画領域に適したベクトル化処理を行うベクトル変換工程と、
   を有することを特徴とする画像処理方法。
6. 前記ベクトル変換工程は、
   前記クリップアート領域を色ごとのクラスタに分け、各クラスタの輪郭線と各クラスタの内部色とに基づいてベクトルデータに変換することによって、前記クリップアート領域に適したベクトル化処理を行うクリップアート領域ベクトル変換工程と、
   前記線画領域を色ごとのクラスタに分け、各クラスタの２値画像に基づいてベクトルデータに変換することによって、前記線画領域に適したベクトル化処理を行う線画領域ベクトル変換工程と、を有することを特徴とする請求項５に記載の画像処理方法。
7. 前記クリップアート領域ベクトル変換工程は、
   前記クリップアート領域の画素が有する特徴情報の類似度により、前記クリップアート領域を前記クラスタに分離するクラスタリング処理工程と、
   前記クラスタを代表する特徴情報の類似度に基づき、類似度の高いクラスタを１つのクラスタに統合するクラスタ統合工程と、
   前記統合されたクラスタに含まれる画素数が、予め定められた閾値より小さい場合、当該クラスタをノイズ領域として除去するノイズ除去工程と、
   前記ノイズ領域が除去された後の各クラスタの輪郭線と各クラスタの内部色とに基づいてベクトルデータに変換することによって、前記クリップアート領域に適したベクトル化処理を行うベクトル化工程と、
   を有することを特徴とする請求項６に記載の画像処理方法。
8. 前記線画領域ベクトル変換工程は、
   前記線画領域の画素が有する特徴情報に基づいて、前記線画領域を複数のクラスタに分離するクラスタリング処理工程と、
   前記複数のクラスタそれぞれの特徴情報の類似度に基づき、類似度の高いクラスタを統合するクラスタ統合工程と、
   前記クラスタ統合工程で統合された後の各クラスタに含まれる連結領域の数を求めるラベリング処理工程と、
   前記連結領域の数が予め定められた閾値以上で、かつ、前記クラスタに含まれる画素数が予め定められた閾値より少ないクラスタを、更なる統合が必要な再統合対象クラスタとして判定する再統合処理対象判定工程と、
   前記クラスタに含まれる画素数が予め定められた閾値以上のクラスタを主要色クラスタとして判定する主要色領域判定工程と、
   各クラスタの特徴情報に基づき、前記再統合対象クラスタを前記主要色クラスタのいずれかに統合する再統合工程と、
   前記再統合工程により統合された後の各クラスタの２値画像に基づいてベクトルデータに変換することによって、前記線画領域に適したベクトル化処理を行うベクトル化工程と、
   を有することを特徴とする請求項６に記載の画像処理方法。
9. コンピュータに、請求項５乃至８のいずれか１項に記載の画像処理方法を実行させるプログラム。
10. 請求項９に記載のプログラムを格納したコンピュータ可読の記憶媒体。

Images