JP6024795B2 - 画像処理装置、画像処理プラグラム - Google Patents

Description

本発明は、対象領域の特徴を判定する技術に関する。

画像を表す画像データに基づいて、画像内の対象領域の特徴を判定する技術が知られている。対象領域の特徴を正しく判定できれば、特徴に応じた画像処理を施すことができる等のメリットがある。例えば、画像を複数のブロックに分割し、ブロックごとにコントラストを算出する。そして、各ブロックのコントラストに基づいて、各ブロックを写真、文字等に分類する技術が知られている（例えば、特許文献１）。

特開平５−２２５３７８号公報

しかしながら、対象領域が文字であるか否かをより高い精度で判定する技術が求められていた。また、対象領域の属性を精度よく特定する技術が求められていた。

本発明の主な利点は、対象領域が文字であるか否かをより高い精度で判定する技術を提供することである。本発明の他の利点は、対象領域の属性を精度よく特定する技術を提供することである。

本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の適用例として実現することが可能である。

［適用例１］画像を表す画像データを用いて、前記画像内の対象領域を構成する複数の画素を、オブジェクトを構成するオブジェクト画素と、前記オブジェクトを除いた背景を構成する背景画素と、に分類する分類部と、前記対象領域が、前記オブジェクト画素と前記背景画素との関係に関する第１の条件を満たすか否かを判定する第１の判定部と、前記対象領域が、前記複数の画素の画素値に関する第２の条件を満たすか否かを判定する第２の判定部と、前記第１の判定部による判定結果と前記第２の判定部による判定結果とを用いて、前記対象領域が、文字を表す文字領域であるか否かを特定する属性特定部と、を備える、画像処理装置。

上記構成によれば、対象領域を構成する複数の画素を、オブジェクト画素と背景画素とに分類する。複数の画素の画素値に関する第２の条件を満たすか否かに加えて、オブジェクト画素と背景画素との関係に関する第１の条件を満たすか否かを判定する。そして、これらの判定結果を用いて、対象領域が文字領域であるか否かを精度良く特定できる。

［適用例２］画像を表す画像データを用いて、前記画像内の対象領域と、前記対象領域の周囲に位置する周囲領域と、を特定する領域特定部と、前記周囲領域を構成する画素の画素値を用いて、前記対象領域を構成する複数の画素を、オブジェクトを表すオブジェクト画素と、前記オブジェクトを除いた背景を表す背景画素と、に分類する分類部と、前記オブジェクト画素の数と前記背景画素の数との比率に応じた特徴値を算出する特徴値算出部と、前記対象領域が前記特徴値に関する条件を満たすか否かに基づいて、前記対象領域が文字を表す文字領域であるか否かを特定する属性特定部と、を備える画像処理装置。

上記構成によれば、対象領域を構成する複数の画素を、周囲領域を構成する画素の画素値を用いて、オブジェクト画素と背景画素とに分類し、オブジェクト画素の数と背景画素の数との比率に応じた特徴値に関する条件を満たすか否かを判定する。そして、判定結果を用いて、対象領域が文字領域であるか否かを精度良く特定することができる。
［適用例３］画像を表す画像データを用いて、前記画像内の対象領域を構成する複数の画素を、オブジェクトを構成するオブジェクト画素と、前記オブジェクトを除いた背景を構成する背景画素と、に分類する分類部と、前記オブジェクト画素の数と前記背景画素の数との比率に応じた第１の特徴値を算出する第１の特徴値算出部と、画素値の分布範囲の広さに関する第２の特徴値を算出する第２の特徴値算出部と、第１の基準値より多くの画素が有する階調値の数に関する第３の特徴値を算出する第３の特徴値算出部と、前記対象領域が、前記第１の特徴値に関する第１の条件を満たすか否かを判定する第１の判定部と、前記対象領域が、前記第２の特徴値に関する第２の条件を満たすか否かを判定する第２の判定部と、前記対象領域が、前記第３の特徴値に関する第３の条件を満たすか否かを判定する第３の判定部と、前記第１の条件による第１の判定結果と、前記第２の条件による第２の判定結果と、前記第３の条件による第３の判定結果と、の組み合わせに対して、前記対象領域の属性として特定されるべき特定結果が対応付けられている判定情報を格納する判定情報格納部と、前記第１の判定結果と、前記第２の判定結果と、前記第３の判定結果と、前記判定情報と、を用いて、前記対象領域が、前記文字領域であるか否か、写真領域であるか否か、描画領域であるか否か、の少なくとも一つを特定する属性特定部と、を備える、画像処理装置。

なお、本発明は、種々の形態で実現することが可能であり、例えば、画像処理サーバ、画像処理システム、画像処理方法、これらの機能を実現するためのコンピュータプログラム、そのコンピュータプログラムを記録した記録媒体、等の形態で実現することができる。

実施例における画像処理装置としての複合機２００の構成を示すブロック図。 画像処理の処理ステップを示すフローチャート。 対象画像Ｇおよびエッジ画像Ｅの一例を示す図。 判定画像ＢＧの一例を示す図。 領域判定処理の処理ステップを示すフローチャート。 輝度分布を表すヒストグラムの一例を示す図。 判定テーブル２９２の一例を示す図。 属性が「文字」である画像領域の典型例について説明する図。 属性が「描画」である画像領域の典型例について説明する図。 属性が「写真」である画像領域の典型例について説明する図。

Ａ．実施例：
Ａ−１．複合機の構成：
次に、本発明の実施の形態を実施例に基づき説明する。図１は、実施例における画像処理装置としての複合機２００の構成を示すブロック図である。

複合機２００は、ＣＰＵ２１０と、ＲＯＭとＲＡＭとを含む内部記憶装置２４０と、所定の方式（例えば、インクジェット、レーザー）で画像を印刷するプリンタ部２５０と、光電変換素子（例えば、ＣＣＤ、ＣＭＯＳ）を用いて原稿を読み取るスキャナ部２６０と、タッチパネルなどの操作部２７０と、デジタルカメラ３００やパーソナルコンピュータ４００やＵＳＢメモリ（図示省略）などの外部装置とデータ通信を行うための通信部２８０と、ハードディスクドライブやＥＥＰＲＯＭなどの外部記憶装置２９０と、を備えている。

内部記憶装置２４０には、ＣＰＵ２１０が処理を行う際に生成される種々の中間データを一時的に格納するバッファ領域２４１が設けられている。外部記憶装置２９０は、複合機２００を制御するための種々のコンピュータプログラム２９１と、後述する画像処理において参照される判定テーブル２９２と、後述する画像処理の対象となる画像データ２９３を格納している。コンピュータプログラム２９１は、コンピュータ読み取り可能な記録媒体に記録された形態で提供され得る。ここでいう記録媒体は、ＣＤ−ＲＯＭ、ＵＳＢストレージなどの着脱可能な記録媒体、ＲＯＭやＲＡＭなどの計算機の内部記憶装置、ハードディスクドライブなどの計算機に接続される外部記憶装置を含む。画像データ２９３は、スキャナ部２６０を用いて原稿を読み取ることによって生成された画像データを含んでも良く、外部装置から通信部２８０を介して取得された画像データを含んでも良い。例えば、画像データ２９３は、デジタルカメラ３００によって生成された画像データや、パーソナルコンピュータ４００にインストールされた文書作成や画像作成のためのアプリケー
ションプログラムによって生成された画像データを含んでも良い。

ＣＰＵ２１０は、コンピュータプログラム２９１を実行することにより、後述する画像処理を実行する画像処理部Ｍ１００として機能する。画像処理部Ｍ１００は、領域特定部Ｍ１１０と、エッジ強度算出部Ｍ１２０と、領域判定部Ｍ１３０とを備えている。領域判定部Ｍ１３０は、二値化処理部Ｍ１３１と、画素密度算出部Ｍ１３２と、色分布算出部Ｍ１３３と、画素密度判定部Ｍ１３４と、色分布判定部Ｍ１３５と、属性特定部Ｍ１３６とを備えている。これらの各機能部が実行する処理については後述する。

Ａ−２．画像処理：
画像処理部Ｍ１００は、画像データを用いて、画像データが表す画像の内容を判定する一連の処理を実行する。図２は、画像処理の処理ステップを示すフローチャートである。

ステップＳ１００では、画像処理部Ｍ１００は、処理対象とする画像データ（対象画像データ）を選択する。例えば、画像処理部Ｍ１００は、対象画像データを指定する指定指示を操作部２７０を介してユーザから受け付け、指定指示において指定された対象画像データを、外部記憶装置２９０に格納された複数の画像データ２９３の中から選択する。

図３は、対象画像データが表す対象画像Ｇ（図３（ａ））、および、エッジ画像データが表すエッジ画像Ｅ（図３（ｂ））の一例を示す図である。この対象画像Ｇは、背景画像Ｂｇ１と、文字を表すオブジェクトである第１の文字オブジェクトＯｂ２および第２の文字オブジェクトＯｂ４と、写真を表すオブジェクトである写真オブジェクトＯｂ３と、描画を表すオブジェクトである描画オブジェクトＯｂ５とを含んでいる。ここで、描画は、イラスト、表、線図、模様などを含む。以下では、対象画像データは、ＲＧＢ画素データによって構成されたビットマップデータであるものとして説明する。ＲＧＢ画素データは、レッド（Ｒ）、グリーン（Ｇ）、ブルー（Ｂ）の３つの成分値（各成分値は、例えば、２５６階調の階調値）を含む画素データである。なお、画素データの成分値を画素値とも呼ぶ。対象画像データが他のデータ形式である場合には、画像処理部Ｍ１００は、対象画像データを上述したビットマップデータに変換した後に、以下の処理を行う。

ステップＳ２００では、画像処理部Ｍ１００の領域特定部Ｍ１１０は、対象画像データを用いて、エッジ画像を表すエッジ画像データを作成する。エッジ画像データは、対象画像データを構成する複数のＲＧＢ画素データの各成分値に対して、ｓｏｂｅｌフィルタを適用して得られる。エッジ画像データは、対象画像を構成する複数の画素にそれぞれ対応する複数のＲＧＢ画素データによって構成される。このＲＧＢ画素データは、対象画像の対応する画素のエッジ強度をＲ、Ｇ、Ｂの各成分値についてそれぞれ表した画素データである。具体的には、エッジ画像における画素位置（ｘ，ｙ）の画素の所定の成分値Ｓ（ｘ、ｙ）は、対象画像における９つの画素の成分値Ｓに対応するそれぞれの成分値Ｐを用いて、以下の式（１）によって算出される。
...式（１）
ここで、上記式（１）に示すように、９つの画素は、エッジ画像における画素位置（ｘ，ｙ）に対応する対象画像における画素位置（ｘ，ｙ）を中心とした上下左右の９つの位置の画素である。上記式（１）の第１項および第２項は、９つの位置の画素の画素値に、対応する係数をそれぞれ乗じた値の和の絶対値である。上記式（１）から解るように、エッジ画像の画素データ（画素のエッジ強度）は、対象画像において、互いに近接する第１の画素の成分値（画素値）と、第２の画素の成分値との差を用いて算出される。なお、エッジ画像の作成には、Ｓｏｂｅｌフィルタに限らず、Ｐｒｅｗｉｔｔフィルタ、Ｒｏｂｅｒｔｓフィルタなど種々のエッジ検出用フィルタが利用できる。

図３（ｂ）には、図３（ａ）に示す対象画像Ｇに基づくエッジ画像Ｅが示されている。なお、図３（ｂ）では、図を見やすくするために、エッジ強度が小さい画素を白で、エッジ強度が大きい画素を黒で示している。エッジ画像Ｅには、対象画像Ｇの各オブジェクトＯｂ２〜Ｏｂ５のエッジＥｇ２〜Ｅｇ５が含まれていることが解る。

ステップＳ３００では、領域特定部Ｍ１１０は、エッジ画像Ｅに対して複数の単位ブロックＢ（図３（ｂ））を設定する。単位ブロックＢは、エッジ画像Ｅに対して格子状に配置されたブロックである。１つの単位ブロックＢは、例えば、エッジ画像Ｅの画素を１単位として、その１単位の画素をＮ行×Ｎ列（Ｎは所定の自然数）に並べた大きさを有する。単位ブロックＢは、後述するように、対象画像における領域を特定する際の最小の単位である単位領域である。Ｎの大きさは、任意の設計値とされるが、例えば、１０〜５０程度に設定される。エッジ画像Ｅと対象画像Ｇと同じサイズ（縦および横の画素数）であるので、単位ブロックＢは対象画像Ｇに対して設定されていると言うこともできる。領域特定部Ｍ１１０は、単位ブロックの設定に対応して、判定画像ＢＧを設定する。

図４は、判定画像ＢＧの一例を示す図である。判定画像ＢＧを構成する各画素（判定画素）ＢＰは、上述した複数の単位ブロックＢのそれぞれに対応している。判定画像ＢＧの各画素の画素値は、対応する単位ブロックＢに関する各種の情報（例えば、後述する領域識別情報）を表す値が用いられる。判定画像ＢＧが設定された段階では、判定画像ＢＧの全ての画素の画素値が０にされる（初期化される）。

ステップＳ４００では、領域特定部Ｍ１１０は、所定の選択順序に従って、複数の単位ブロックＢの中から処理対象の判定ブロックを選択する。ここで、本実施例では、１つの判定ブロックは、２行×２列の４つの単位ブロックから構成される。選択順序の一例を説明する。エッジ画像Ｅおける左上端の判定ブロックＵ１１が最初に選択される（図３（ｂ））。そして、１つの単位ブロックＢだけ右方向にずれた判定ブロックＵ１２、さらに、１つの単位ブロックＢだけ右方向にずれた判定ブロックＵ１３が順次に選択される（図３（ｂ））。そして、順次に右方向に１つの単位ブロックＢずつずれたグループが選択された結果、エッジ画像Ｅおける右上端の判定ブロックＵ１ｎが選択されると、次に、判定ブロックＵ１１より１つの単位ブロックＢだけ下方向にずれた判定ブロックＵ２１が選択される（図３（ｂ））。そして、順次に右方向に１つの単位ブロックＢずつずれた判定ブロックが選択される。これを繰り返して右下端の判定ブロックＵｎｎ（図３（ｂ））まで順次に選択される。この選択方式では、１つの単位ブロックＢが複数の判定ブロックに含まれるので、１つの単位ブロックＢは、複数回に亘って選択され得る。例えば、図３（ｂ）においてハッチングで示した上端から２ブロック目で左端から２ブロック目の単位ブロックＢは、４回に亘って選択される。

ステップＳ５００では、画像処理部Ｍ１００のエッジ強度算出部Ｍ１２０は、処理対象の判定ブロックのエッジ強度（領域エッジ強度）を算出する。具体的には、エッジ強度算出部Ｍ１２０は、本実施例では、領域エッジ強度を示す特徴値として、判定ブロック（４
つの単位ブロックＢ）内の全てのエッジ画像Ｅの画素について、各成分値（Ｒ、Ｇ、Ｂ）の平均値（ＥＲａｖｅ、ＥＧａｖｅ、ＥＢａｖｅ）を算出する。ここで、領域エッジ強度を示す特徴値として、上記各成分値の平均値に代えて、各成分値の中間値や最頻値を用いても良く、少なくとも一つの成分値が所定のしきい値より大きい画素の数などを用いても良い。

ステップＳ６００では、領域特定部Ｍ１１０は、処理対象の判定ブロック（４つの単位ブロックＢ）が均一ブロックであるか否かを判定する。均一ブロックは、領域エッジ強度が所定基準より小さい領域である。実施例では、領域特定部Ｍ１１０は、処理対象の判定ブロックの上述した領域エッジ強度を示す３つの特徴値（ＥＲａｖｅ、ＥＧａｖｅ、ＥＢａｖｅ）を、それぞれの特徴値について定められた基準値（ＥＴｒ、ＥＴｇ、ＥＴｂ）と比較する。この比較の結果、ＥＲａｖｅ＜ＥＴｒ、かつ、ＥＧａｖｅ＜ＥＴｇ、かつ、ＥＢａｖｅ＜ＥＴｂが成立する場合には、領域特定部Ｍ１１０は、処理対象の判定ブロック（４つの単位ブロックＢ）は、均一ブロックであると判定する。逆に、ＥＲａｖｅ≧ＥＴｒ、および、ＥＧａｖｅ≧ＥＴｇ、および、ＥＢａｖｅ≧ＥＴｂのうちの少なくとも一つが成立する場合には、領域特定部Ｍ１１０は、処理対象の判定ブロック（４つの単位ブロックＢ）を均一ブロックであるとは判定しない。画像処理部Ｍ１００は、処理対象の判定ブロックが均一ブロックであると判定した場合には（ステップＳ６００：ＹＥＳ）、ステップＳ７００に処理を移行し、処理対象の判定ブロックが均一ブロックであると判定しない場合には（ステップＳ６００：ＮＯ）、ステップ７００の処理を省略し、ステップ８００に処理を以降する。

ステップＳ７００では、領域特定部Ｍ１１０は、ステップＳ６００における判定結果に基づいて、判定画像ＢＧの画素値を更新する。具体的には、領域特定部Ｍ１１０は、判定画像ＢＧにおいて、均一ブロックであると判定された単位ブロックＢに対応する画素の画素値を「１」にする。

ステップＳ８００では、領域特定部Ｍ１１０は、全ての判定ブロックを選択したか否かを判定する。全ての判定ブロックを選択していない場合には（ステップＳ８００：ＮＯ）、領域特定部Ｍ１１０は、ステップＳ４００に戻って、新たな処理対象の判定ブロックを選択する。全ての処理対象とすべき判定ブロックを選択した場合には（ステップＳ８００：ＹＥＳ）、領域特定部Ｍ１１０は、ステップＳ９００に処理を移行する。

図４（ａ）には、ステップＳ９００に移行する段階での判定画像ＢＧの一例を示している。１つの単位ブロックＢが、複数の判定ブロックに属するので、領域特定部Ｍ１１０は、１つの単位ブロックＢについて複数回の判定（ステップＳ６００）を行い得る。一度でも均一ブロックであると判定された単位ブロックＢは、最終的に均一ブロックに分類され、一度も均一ブロックであると判定されない単位ブロックＢは、最終的に非均一ブロックに分類される。ステップＳ９００に移行する段階では、判定画像ＢＧの各画素の画素値は、「０」、および、「１」のいずれかの値となっている。画素値「０」は、その画素に対応する単位ブロックＢが非均一ブロックに分類されたことを示している。画素値「１」は、その画素に対応する単位ブロックＢが均一ブロックに分類されたことを示している

ステップＳ９００では、領域特定部Ｍ１１０は、単位ブロックＢを複数のグループに分類して、グループごとに識別子を付すラベリング処理を実行する。具体的には、領域特定部Ｍ１１０は、判定画像ＢＧにおいて、画素値が「０」であり互いに隣接する複数の画素を同じグループとし、画素値が「１」であり互いに隣接する複数の画素を同じグループとする。そして、領域特定部Ｍ１１０は、同じグループに属する画素は同じ画素値を有し、異なるグループに属する画素は異なる画素値を有するように、判定画像ＢＧの画素値を更新する。この結果、判定画像ＢＧにおいて、同じ画素値を有する画素で構成される画像領
域が特定される。

図４（ｂ）には、ラベリング処理後の判定画像ＢＧの一例が図示されている。図４（ｂ）の例では、５つの画像領域ＰＧ１〜ＰＧ５が特定されていることが解る。このように、判定画像ＢＧにおいて特定された画像領域に対応して、単位ブロックＢを最小単位とする画像領域が、対象画像Ｇにおいて特定される。以上の説明から解るように、ラベリング処理後の判定画像ＢＧの画素値は、対象画像Ｇにおいて特定された画像領域を識別する領域識別子と言うことができる。

図３、図４に示す例では、判定画像ＢＧの画像領域ＰＧ１〜ＰＧ５（図４（ｂ））にそれぞれ対応する対象画像Ｇの画像領域として、背景画像Ｂｇ１、第１の文字オブジェクトＯｂ２、写真オブジェクトＯｂ３、第２の文字オブジェクトＯｂ４、描画オブジェクトＯｂ５に対応する領域Ａ１〜Ａ５（図３（ａ））が特定されている。なお、対象画像Ｇにおいて特定される画像領域は、非均一領域と均一領域とのうちのいずれかである。非均一領域は、非均一ブロックに分類された単位ブロックＢに対応する領域である。均一領域は、均一ブロックに分類された単位ブロックＢに対応する領域である。図３（ａ）の例では、背景画像Ｂｇ１に対応する画像領域Ａ１は、均一領域であり、各オブジェクトＯｂ２〜Ｏｂ５に対応する画像領域Ａ２〜Ａ５は、非均一領域である。上述したように互いに隣接する非均一ブロックは、１つの画像領域（非均一領域）として特定されるために、非均一領域は基本的に均一領域に囲まれている。

以上の説明から解るように、上述したステップＳ２００〜ステップＳ９００までの処理は、対象画像Ｇにおいて、非均一領域と、非均一領域の周囲に位置する（隣接する）均一領域とを特定する領域特定処理である。

ステップＳ１０００では、画像処理部Ｍ１００は、対象画像Ｇにおいて特定された非均一領域（画像領域Ａ２〜Ａ５）の中から１つの非均一領域を、対象領域として選択する。ステップＳ１１００では、画像処理部Ｍ１００の領域判定部Ｍ１３０は、対象領域として選択された非均一領域の属性を判定する領域判定処理を実行する。

図５は、領域判定処理の処理ステップを示すフローチャートである。ステップＳ１１１０では、領域判定部Ｍ１３０は、対象領域である非均一領域の周囲に位置する均一領域（以下、単に周囲領域とも呼ぶ。）を特定する。例えば、対象領域である非均一領域が画像領域Ａ２（図３（ａ））である場合には、領域判定部Ｍ１３０は、背景画像Ｂｇ１に対応する画像領域Ａ１の全体を周囲領域として特定する。これに代えて、領域判定部Ｍ１３０は、画像領域Ａ１のうちの一部の領域、例えば、対象領域である画像領域Ａ２の近傍の一部の領域を周囲領域として特定しても良い。例えば、図４（ｂ）の判定画像ＢＧにおいて符号ＲＧ２で示す領域に対応する画像領域、すなわち、背景画像Ｂｇ１に対応する画像領域Ａ１のうち、対象領域の周囲を囲む所定幅（例えば、１つの単位ブロックＢ分の幅）の環状の領域を周囲領域としても良い。

ステップＳ１１２０では、領域判定部Ｍ１３０は、対象画像Ｇにおいて特定した周囲領域の色の平均値（ＡＲａｖｅ、ＡＧａｖｅ、ＡＢａｖｅ）を算出する。すなわち、領域判定部Ｍ１３０は、周囲領域を構成する全画素について、ＲＧＢ画素データの各成分値（画素値）の平均値を算出する。平均値に代えて、最頻値や、中間値などを採用しても良い。

ステップＳ１１３０では、領域判定部Ｍ１３０の二値化処理部Ｍ１３１は、平均値（ＡＲａｖｅ、ＡＧａｖｅ、ＡＢａｖｅ）を用いて、対象領域の二値化を行う。すなわち、二値化処理部Ｍ１３１は、対象領域を構成する各画素を「０」および「１」のいずれかに二値化することによって、対象領域を構成する各画素を、「１」に対応するオブジェクト画
素と、「０」に対応する背景画素とに分類する。具体的には、対象領域を構成する画素ｉのＲＧＢ画素データの成分値（Ｒｉ、Ｇｉ、Ｂｉ）が、以下の式（２）〜式（４）を全て満たす場合には、画素ｉの画素値は「０」とされ、式（２）〜式（４）のいずれかを満たさない場合には、画素ｉの画素値は「１」にされる。
ＡＲａｖｅ−Ｔｈ１＜Ｒｉ＜ＡＲａｖｅ＋Ｔｈ１ ...（２）
ＡＧａｖｅ−Ｔｈ１＜Ｇｉ＜ＡＧａｖｅ＋Ｔｈ１ ...（３）
ＡＢａｖｅ−Ｔｈ１＜Ｂｉ＜ＡＢａｖｅ＋Ｔｈ１ ...（４）

式（２）〜式（４）から解るように、周囲領域の色の平均値（平均画素値）と、画素ｉの成分値（画素値）との差の絶対値が、基準値Ｔｈ１より小さい場合に、画素ｉは、背景画素に分類される。そして、周囲領域の色の平均値（平均画素値）と、画素ｉの成分値（画素値）との差の絶対値が、基準値Ｔｈ１以上である場合に、画素ｉは、オブジェクト画素に分類される。

ステップＳ１１４０では、領域判定部Ｍ１３０の画素密度算出部Ｍ１３２は、オブジェクト画素の画素密度Ｄを算出する。画素密度Ｄは、対象領域に占めるオブジェクト画素の割合を示す値である。画素密度Ｄは、以下の式（５）で表される。
Ｄ＝Ｎｏ／Ｎａ＝Ｎｏ／（Ｎｏ＋Ｎｂ） ...（５）
ここで、Ｎｏは、オブジェクト画素の数、Ｎａは、対象領域を構成する全ての画素の数（対象領域の画素の総数）、Ｎｂは、背景画素の数、をそれぞれ表す。画素密度Ｄは、１／｛１＋（Ｎｂ／Ｎｏ）｝と表すことができることから明らかなように、オブジェクト画素の数Ｎｏと背景画素の数Ｎｂとの比率に応じた特徴値と言うことができる。

ステップＳ１１５０では、領域判定部Ｍ１３０の色分布算出部Ｍ１３３は、対象領域を構成する画素の輝度分布を算出する。本実施例では、色分布算出部Ｍ１３３は、対象領域を構成する画素のうち、オブジェクト画素についての輝度分布を算出する。

図６は、輝度分布を表すヒストグラムの一例を示す図である。図６（ａ）のヒストグラムは、横軸に輝度値Ｙ（２５６階調）を取り、各輝度値を有する画素の数を縦軸にプロットして得られる。色分布算出部Ｍ１３３は、図６（ａ）に示すようなヒストグラムで表される輝度分布データを生成する。すなわち、色分布算出部Ｍ１３３は、全てのオブジェクト画素の輝度値Ｙを算出し、輝度値Ｙが取り得る階調（例えば、２５６階調）ごとに、その輝度値Ｙを有する画素の数をカウントする。対象領域を構成する画素の輝度値Ｙは、ＲＧＢ画素データ（Ｒ、Ｇ、Ｂ）を用いて、例えば、以下の式（６）によって算出される。輝度値Ｙ=((0.298912×Ｒ)＋(0.586611×Ｇ)＋(0.114478×Ｂ)) ...（６）

ステップＳ１１６０では、色分布算出部Ｍ１３３は、算出した輝度分布（輝度分布データ）を用いて、分布幅Ｗを算出する。分布幅Ｗは、本実施例では、基準値Ｔｈ２よりも多くの画素が有する輝度値Ｙのうちの最大値と、基準値Ｔｈ２よりも多くの画素が有する輝度値Ｙのうちの最小値との差である（図６（ａ））。分布幅Ｗは、輝度値の分布の特徴を表す特徴値であって、輝度値の分布範囲の広さを示す特徴値であると言える。

ステップＳ１１７０では、色分布算出部Ｍ１３３は、算出した輝度分布を用いて、色数Ｃを算出する。色数Ｃは、図６（ａ）に示すように、本実施例では、基準値Ｔｈ２より多くの画素が有する輝度値Ｙの数である。輝度値Ｙが異なれば、その画素の色が異なるので、異なる輝度値Ｙの数（輝度値Ｙの種類の数）は、異なる色の数（色の種類の数）を表している。すなわち、色数Ｃは、異なる輝度値Ｙの数を示す特徴値であると言える。

ステップＳ１１８０では、領域判定部Ｍ１３０は、上述した画素密度Ｄと、分布幅Ｗと、色数Ｃとに基づいて、対象領域の属性を特定する。例えば、領域判定部Ｍ１３０は、上
述した画素密度Ｄ、分布幅Ｗ、色数Ｃのそれぞれが、所定の条件を満たすか否かを判定する。具体的には、領域判定部Ｍ１３０の画素密度判定部Ｍ１３４は、対象領域のオブジェクト画素の画素密度Ｄが、画素密度基準値Ｄｔｈ以上であるか否かを判定する。そして、領域判定部Ｍ１３０の色分布判定部Ｍ１３５は、上述した分布幅Ｗが、分布幅基準値Ｗｔｈ以上であるか否かを判定する。また、色分布判定部Ｍ１３５は、上述した色数Ｃが、色数基準値Ｃｔｈ以上であるか否かを判定する。そして、領域判定部Ｍ１３０の属性特定部Ｍ１３６は、画素密度判定部Ｍ１３４による画素密度Ｄに関する判定結果と、色分布判定部Ｍ１３５による分布幅Ｗに関する判定結果および色数Ｃに関する判定結果と、を用いて、対象領域の属性を特定する。

図７は、判定テーブル２９２の一例を示す図である。属性特定部Ｍ１３６は、対象領域の属性を特定する際に、外部記憶装置２９０に格納された判定テーブル２９２（図１）を参照する。図７に示すように、判定テーブル２９２には、画素密度Ｄに関する条件の判定結果と、分布幅Ｗに関する条件の判定結果と、色数Ｃに関する条件の判定結果との組み合わせに対して、対象領域の属性として特定されるべき特定結果が対応付けられている。判定テーブル２９２に従って、対象領域の属性を判定すると、領域判定部Ｍ１３０は、領域判定処理を終了する。

図２：ステップＳ１２００では、領域判定部Ｍ１３０は、全ての非均一領域を対象領域として選択したか否かを判断する。選択されていない非均一領域がある場合には（ステップＳ１２００：ＹＥＳ）、領域判定部Ｍ１３０は、ステップＳ１０００に戻る。全ての非均一領域が選択済みである場合には（ステップＳ１２００：Ｎｏ）、画像処理部Ｍ１００は、画像処理を終了する。この画像処理の後には、例えば、属性が特定された画像領域ごとに、属性に応じた画質調整処理が施される。例えば、「写真」と特定された画像領域には、ホワイトバランス、明るさなどを調整する処理が施され、「文字」と特定された画像領域には、シャープネス、コントラストを強くする処理が施され得る。

ここで、属性が「文字」「描画」「写真」である各画像領域の典型例について説明する。図８は、属性が「文字」である画像領域の典型例について説明する図である。図８（ａ）は、対象画像Ｇにおける第２の文字オブジェクトＯｂ４を含む画像領域Ａ４を示している。図８（ｂ）は、画像領域Ａ４を二値化した二値画像ＢＶ４を示している。図８（ｃ）は、画像領域Ａ４のオブジェクト画素ＯＰの輝度分布を示すヒストグラムを示している。

画像領域Ａ４には、３色の文字を含んでいる（図８（ａ））。画像領域Ａ４のヒストグラムは、３色のそれぞれに対応する３種類の輝度値の画素のみが存在することを示している（図８（ｃ））。このように、文字は少ない種類の色で表現される場合が多いために、属性が「文字」である画像は、後述する属性が「写真」である画像と比較して、色数Ｃが少なくなる傾向がある。また、図８（ｂ）に示す例では、オブジェクト画素ＯＰの領域の面積は、背景画素ＢＰの領域の面積より小さい。このように、文字は、線によって構成されることが多く、塗りつぶされた領域を含むことは少ないために、属性が「文字」である画像は、領域全体の面積に占めるオブジェクトの面積の割合が比較的小さく、後述する属性が「写真」や「描画」である画像と比較して、オブジェクト画素ＯＰの画素密度Ｄが小さくなる傾向がある。

また、属性が「文字」である画像は、読みやすさの点から、背景画素ＢＰの色と、オブジェクト画素ＯＰの色との輝度の差が大きくされやすい。例えば、背景画素ＢＰの色の輝度が大きい（例えば、白色などの薄い色）場合には、文字のオブジェクト画素ＯＰの色の輝度は小さい（例えば、黒色などの濃い色）ことが多い。逆に、背景画素ＢＰの色の輝度が小さい場合には、文字のオブジェクト画素ＯＰの色の輝度は大きいことが多い。この結果、属性が「文字」である画像の分布幅Ｗは比較的小さいことが多い（図８（ｃ））。

図９は、属性が「描画」である画像領域の典型例について説明する図である。図９（ａ）は、対象画像Ｇにおける描画オブジェクトＯｂ５を含む画像領域Ａ５を示している。図９（ｂ）は、画像領域Ａ５を二値化した二値画像ＢＶ５を示している。図９（ｃ）は、画像領域Ａ５のオブジェクト画素ＯＰの輝度分布を示すヒストグラムを示している。

画像領域Ａ５には、４色の文字を含んでいる（図９（ａ））。画像領域Ａ５のヒストグラムは、４色のそれぞれに対応する４種類の輝度値の画素のみが存在することを示している（図９（ｃ））。このように、属性が「描画」である画像は、後述する属性が「写真」である画像と比較して、色数Ｃが少なくなる傾向がある。また、図９（ｂ）に示す例では、オブジェクト画素ＯＰの領域の面積は、背景画素ＢＰの領域の面積より大きい。このように、描画は、線だけでなく、塗りつぶされた領域を含むことが多いために、属性が「描画」である画像は、上述した属性が「文字」である画像と比較して、オブジェクト画素ＯＰの画素密度Ｄが大きくなる傾向がある。

図１０は、属性が「写真」である画像領域の典型例について説明する図である。図１０（ａ）は、対象画像Ｇにおける写真オブジェクトＯｂ３を含む画像領域Ａ３を示している。図１０（ｂ）は、画像領域Ａ３を二値化した二値画像ＢＶ３を示している。図１０（ｃ）は、画像領域Ａ３のオブジェクト画素ＯＰの輝度分布を示すヒストグラムを示している。

画像領域Ａ３は、階調性に富み、多数の色を含んでいる（図１０（ａ））。このために、画像領域Ａ３のヒストグラムは、広い輝度値の範囲に亘る他種類の輝度値の画素が存在することを示すものとなる（図１０（ｃ））。このように、属性が「写真」である画像は、上述した属性が「文字」や「描画」である画像と比較して、色数Ｃが多く、分布幅Ｗが大きくなる傾向がある。また、図１０（ｂ）に示す例では、オブジェクト画素ＯＰの領域の面積は、背景画素ＢＰの領域の面積より大きい。このように、写真の領域は多様な色の画素で埋められることが多いために、属性が「写真」である画像は、上述した属性が「文字」である画像と比較して、オブジェクト画素ＯＰの画素密度Ｄが大きくなる傾向がある。

判定テーブル２９２から解るように、対象領域の属性が「文字」であると判定される場合は、以下の２つである。
（１−１）色数Ｃ＜Ｃｔｈ、かつ、画素密度Ｄ＜Ｄｔｈ
（１−２）分布幅Ｗ＜Ｗｔｈ、かつ、色数Ｃ≧Ｃｔｈ、かつ、画素密度Ｄ＜Ｄｔｈ
また、対象領域の属性が「描画」であると判定される場合は、以下の１つである。
（２−１）色数Ｃ＜Ｃｔｈ、かつ、画素密度Ｄ≧Ｄｔｈ
また、対象領域の属性が「写真」であると判定される場合は、以下の２つである。
（３−１）分布幅Ｗ≧Ｗｔｈ、かつ、色数Ｃ≧Ｃｔｈ
（３−２）分布幅Ｗ＜Ｗｔｈ、かつ、色数Ｃ≧Ｃｔｈ、かつ、画素密度Ｄ≧Ｄｔｈ

本実施例では、（１−１）に示す場合に、対象領域の属性を「文字」であると判定するので、上述した色数Ｃが比較的少なく、画素密度Ｄが比較的小さいという、典型的な文字の特徴を有する画像領域（図８参照）の属性を、正しく特定することができる。

本実施例では、（２−１）に示す場合に、対象領域の属性を「描画」であると判定するので、上述した色数Ｃが比較的少なく、画素密度Ｄが比較的大きいという、典型的な描画の特徴を有する画像領域（図９参照）の属性を、正しく特定することができる。

本実施例では、（３−１）に示す場合に、対象領域の属性を「写真」であると判定する
ので、上述した分布幅Ｗが比較的大きく、色数Ｃが比較的多いという、典型的な写真の特徴を有する画像領域（図１０参照）の属性を、正しく特定することができる。

次に、分布幅Ｗは比較的小さいが、色数Ｃは比較的多い場合には、色数Ｃが比較的多い点で「文字」「描画」の典型的な特徴を備えるとは言えず、分布幅Ｗが比較的小さい点で「写真」の典型的な特徴を備えるとは言えない。このような典型的でない場合について説明する。

分布幅Ｗが比較的小さく、かつ、色数Ｃが比較的多く、かつ、画素密度Ｄが比較的小さい場合には、分布幅Ｗが比較的小さい点、画素密度Ｄが比較的小さい点の２点で、「文字」の特徴に合致している。一方、「写真」の特徴に合致している点は、色数Ｃが比較的多い点だけであり、「描画」の特徴に合致している点は、見られない。本実施例では、上述した（１−２）の場合には、対象領域の属性は、「文字」であると判定するので、典型的ではないものの、特徴の合致点の多さに基づいて、精度良く対象領域の属性を特定することができる。

分布幅Ｗが比較的小さく、かつ、色数Ｃが比較的多く、かつ、画素密度Ｄが比較的大きい場合には、色数Ｃは比較的多い点、画素密度Ｄが比較的大きい点の２点で、「写真」の特徴に合致している。「写真」である場合には、例えば、露出アンダーである暗い写真や、露出オーバーである明るい写真のように、輝度の分布幅Ｗが比較的小さい場合も想定できる。一方、「文字」の特徴に合致している点は、分布幅Ｗが比較的小さい点だけであり、「描画」の特徴に合致している点は、画素密度Ｄが比較的大きい点だけである。本実施例では、上述した（３−２）の場合には、対象領域の属性は、「写真」であると判定するので、典型的ではないものの、特徴の合致点の多さなどに基づいて、精度良く対象領域の属性を特定することができる。

以上の説明から解るように、本実施例の画像処理部Ｍ１００は、分布幅Ｗおよび色数Ｃなどのオブジェクト画素の画素値に関する条件を満たすか否かに加えて、オブジェクト画素の画素密度Ｄに関する条件を満たすか否かを判定する。画像処理部Ｍ１００は、これらの判定結果を用いて、対象画像の属性を精度良く特定することができる。具体的には、上述したように、色数Ｃが比較的少ない場合には、色数Ｃに関する条件だけでは、対象領域の属性が「文字」であるか「描画」であるかを特定することは困難である場合があるが、さらに、画素密度Ｄに関する条件を判定することによって、精度良く、対象領域の属性が「文字」であるか「描画」であるかを判定することができる。また、分布幅Ｗが比較的小さく、かつ、色数Ｃが比較的多い場合には、分布幅Ｗと色数Ｃに関する条件だけでは、対象領域の属性を特定することが困難であるが、さらに、画素密度Ｄに関する条件を判定することによって、精度良く、対象領域の属性が「文字」であるか「写真」であるかを判定することができる。

さらに、画像処理部Ｍ１００の領域特定部Ｍ１１０は、対象領域としての非均一領域と、対象領域の周囲に位置する周囲領域としての均一領域とを特定する。そして、画像処理部Ｍ１００の二値化処理部Ｍ１３１は、周囲領域を構成する画素の画素値を用いて、対象領域を構成する複数の画素をオブジェクト画素と背景画素とに分類する。したがって、周囲画像の画素値を用いて、対象領域の複数の画素を、オブジェクト画素と背景画素とに、正しく分類することができる。

より具体的には、領域判定部Ｍ１３０は、周囲画像を構成する複数の画素の平均画素値、すなわち、周囲領域の色の平均値（ＡＲａｖｅ、ＡＧａｖｅ、ＡＢａｖｅ）を算出する。そして、二値化処理部Ｍ１３１は、周囲領域の色の平均値と、対象領域を構成する画素ｉのＲＧＢ画素データの成分値（Ｒｉ、Ｇｉ、Ｂｉ）との差の絶対値が、基準値Ｔｈ１よ
り小さい場合に、その画素ｉを背景画素に分類する。そして、二値化処理部Ｍ１３１は、背景画素に分類された画素以外の画素を、オブジェクト画素に分類する。この結果、周囲領域の色（画素値）から背景画素の色（画素値）を予測することができ、その予測に基づいて、対象領域を構成する複数の画素を、背景画素とオブジェクト画素とに分類する。この結果、例えば、背景画素とオブジェクト画素との差が小さい場合であっても、対象領域を構成する複数の画素を、正しく背景画素とオブジェクト画素とに分類することができる。

また、画像処理部Ｍ１００は、処理対象の単位ブロックＢを構成する複数の画素の間の画素値の差をエッジ抽出フィルタによって抽出して、処理対象の単位ブロックＢのエッジ強度（ＥＲａｖｅ、ＥＧａｖｅ、ＥＢａｖｅ））を算出している。そして、エッジ強度算出部Ｍ１２０は、エッジ強度（ＥＲａｖｅ、ＥＧａｖｅ、ＥＢａｖｅ）と、基準値（ＥＴｒ、ＥＴｇ、ＥＴｂ）との比較によって、処理対象の単位ブロックＢが均一ブロックであるか否かを判定している。この結果、対象領域としての非均一領域と、周囲領域としての均一領域とを、適切に特定することができる。

さらに、複合機２００は、画素密度Ｄに関する条件による判定結果と、色数Ｃおよび分布幅Ｗに関する条件による判定結果と、属性の特定結果（「文字」「描画」「写真」のいずれであるか）と、が対応付けられた判定テーブル２９２を格納する外部記憶装置２９０を備える。そして、領域判定部Ｍ１３０の属性特定部Ｍ１３６は、判定テーブル２９２を用いて、容易に対象領域が文字領域であるか否かを特定することができる。

領域判定部Ｍ１３０は、分布幅Ｗに関する条件と、色数Ｃに関する条件とを用いて、対象領域の属性を精度良く特定することができる。上述したように、画素密度Ｄが比較的大きい場合には、画素密度Ｄに関する条件だけでは、対象領域の属性が「描画」であるか「写真」であるかを特定することは困難である。本実施例の領域判定部Ｍ１３０は、分布幅Ｗと色数Ｃの条件を加えて判定することで、正しく対象領域の属性を判定することができる。また、領域判定部Ｍ１３０は、画素密度Ｄが画素密度基準値Ｄｔｈより小さいである場合には、基本的には、領域判定部Ｍ１３０は、対象領域の属性が「文字」であると判断している。しかしながら、領域判定部Ｍ１３０は、分布幅Ｗが分布幅基準値Ｗｔｈ以上であり、かつ、色数Ｃが色数基準値Ｃｔｈ以上である場合には、画素密度Ｄの値に拘わらず、対象領域の属性が「写真」であると判断している。このように領域判定部Ｍ１３０は、分布幅Ｗおよび色数Ｃに関する条件を用いて、対象領域の属性を精度良く特定することができる。

本実施例における二値化処理部Ｍ１３１は、請求項における分類部の例であり、本実施例における画素密度判定部Ｍ１３４は、請求項における第１の判定部の例であり、本実施例における色分布判定部Ｍ１３５は、請求項における第２の判定部の例である。本実施例における画素密度算出部Ｍ１３２は、請求項における第１の特徴値算出部の例である本実施例における色分布算出部Ｍ１３３は、請求項における第２の特徴値算出部の例である。

Ｂ．変形例：
この発明は上記実施例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能である。

（１）上記実施例では、色分布算出部Ｍ１３３は、図６（ａ）に示すようなヒストグラムで表される輝度分布データを生成しているが、これに代えて、図６（ｂ）に示すようなヒストグラムで表される輝度分布データを生成しても良い。この例では、輝度値Ｙが取り得る階調（例えば、２５６階調）を、所定数、具体的には、例えば、２０の輝度クラスに割り当てている。１つの輝度クラスには、１２または１３階調の連続する輝度値Ｙが割り当
てられる。そして、クラス番号が小さいほど、小さな輝度値Ｙが割り当てられ、クラス番号が大きいほど、大きな輝度値Ｙが割り当てられる。例えば、クラス番号が「１」の輝度クラスには、輝度値０〜１２、クラス番号が「２」の輝度クラスには、輝度値１３〜２５、クラス番号が「２０」の輝度クラスには、輝度値２４４〜２５５がそれぞれ割り当てられる。そして、色分布算出部Ｍ１３３は、輝度クラスごとに、その輝度クラスに属する輝度値Ｙを有する画素の数をカウントして、輝度分布データを生成する。

この場合には、分布幅Ｗは、図６（ｂ）に示すように、有効最小クラスから有効最大クラスまでの幅を輝度クラスの数を用いて表した値であっても良い。ここで、有効最大クラスは、基準値Ｔｈ５よりも多くの画素が属する輝度クラス（有効輝度クラスとも呼ぶ。）のうち、最も大きい輝度値Ｙが割り当てられている輝度クラスである。有効最小クラスは、基準値Ｔｈ５よりも多くの画素が属する輝度クラスのうち、最も小さい輝度値Ｙが割り当てられている輝度クラスである。具体的には、分布幅Ｗは、有効最大クラスのクラス番号Ｗｍａｘと、有効最小クラスのクラス番号Ｗｍｉｎを用いて、Ｗ＝Ｗｍａｘ−Ｗｍｉｎ＋１と表されても良い。この場合、図６（ｂ）に示す例では、分布幅Ｗは、１９−１＋１＝１９である。また、色数Ｃは、有効輝度クラスの数で表されても良い。この場合、図６（ｂ）に示す例では、色数Ｃは、１５である。このように、分布幅Ｗは、輝度値Ｙの分布の特徴を表す特徴値であって、輝度値の分布範囲の広さと相関を有する特徴値であることが好ましい。また、分布幅Ｗは、輝度値の分布範囲の広さを評価できる評価値であることが好ましいと言うこともできる。同様に、色数Ｃは、輝度値Ｙの分布の特徴を表す特徴値であって、異なる輝度値の数（種類の数）と相関を有する特徴値であることが好ましい。また、色数Ｃは、異なる輝度値の数を評価できる評価値であることが好ましい。このような場合には、分布幅Ｗおよび色数Ｃの取りうる値に応じた適切な分布幅基準値Ｗｔｈおよび色数基準値Ｃｔｈを設定することによって、実施例のように、対象画像の属性を適切に特定することができる。

なお、分布幅Ｗ、色数Ｃは、輝度値Ｙについての特徴値に限られず、画素データの成分値（Ｒ、Ｇ、Ｂ）についての特徴値であっても良いし、ＨＳＢ色空間などの明度についての特徴値であっても良い。すなわち、画素の画素値または画素値を変換して得られる値に基づいて得られる様々な値についての特徴値が用いられ得る。一般的には、分布幅Ｗ、色数Ｃは、画素の画素値の分布の特徴を表す特徴値であることが好ましい。

（２）なお、上記実施例におけるオブジェクト画素の画素密度Ｄに代えて、背景画素の画素密度ＢＤを採用しても良い。オブジェクト画素の画素密度Ｄと背景画素の画素密度ＢＤは、Ｄ＝１−ＢＤの関係にあるので、画素密度基準値Ｄｔｈの値および判定条件の不等号を適切に設定すれば、背景画素の画素密度ＢＤを用いて、実施例と実質的に同一の判定を行うことができる。同様に、オブジェクト画素の数を背景画素の数で割った値や背景画素の数をオブジェクト画素の数で割った値を用いても、実施例と実質的に同一の判定を行うことができる。一般的には、オブジェクト画素の数と背景画素の数との比率に応じた特徴値を採用することが好ましい。

さらには、属性を特定するための判定条件には、画素密度Ｄに関する条件のような、オブジェクト画素の数と背景画素の数との比率に関する条件に限らず、オブジェクト画素と背景画素との関係に関する様々な条件が用いられ得る。例えば、対象領域におけるオブジェクト画素と背景画素との位置関係、例えば、オブジェクト画素と背景画素とが、ある方向に沿って交互に存在しているか否かなどが採用され得る。

（３）領域判定部Ｍ１３０は、色数Ｃおよび分布幅Ｗを用いることなく、画素密度Ｄのみを用いて、対象画像の属性が「文字」であるか否かを特定しても良い。上述したように、画素密度Ｄが比較的小さい場合には、対象画像の属性が「文字」である可能性が高いので
、画素密度Ｄを用いて、精度よく対象画像の属性が「文字」であるか否かを特定することができる。

（４）上記実施例では、周囲領域の色の平均値を用いて、対象領域を構成する画素の分類（二値化）することにより分類精度を向上させているが、周囲領域を用いることなく、かかる分類を行っても良い。この場合には、周囲領域を特定することなく、低い計算負荷で対象領域を構成する画素の分類を行うことができる。また、周囲領域が存在しない場合、例えば、画像全体を対象領域として対象領域の属性を特定する場合であっても、対象領域の属性を特定することができる。

（５）上記実施例では、対象画像を構成する画素を、オブジェクト画素と背景画素とに分類しているが、ここで、オブジェクト画素は、対象画像において属性の判定対象となるべきオブジェクトを構成する画素であり、背景画素はそれ以外の画素である。例えば、青色のオブジェクトのみを属性の判定対象とする場合には、対象画像を構成する画素を、青色のオブジェクトを構成する画素を、オブジェクト画素として分類し、それ以外の画素、例えば、他の色のオブジェクトを構成する画素、背景を構成する画素、ノイズ成分などを背景画素に分類しても良い。

（６）上記実施例では、領域判定部Ｍ１３０は、周囲領域として均一領域を特定しているが、均一領域に限らず、例えば、均一、非均一に拘わらず、対象領域の外縁に沿って存在している任意の大きさの領域を周囲領域として特定しても良い。また、領域特定部Ｍ１１０は、対象領域の特定（非均一領域の特定）や、均一領域であるか非均一領域であるかの判定を、領域のエッジ強度を用いて行っているが、これに限られない。例えば、対象領域の特定、周囲領域の特定は、例えば、ユーザからの領域指定指示を、操作部２７０を介して受け付けることによって行われても良い。また、均一領域であるか非均一否かの判定も、同様に、ユーザが黙視によって判定した判定結果を、操作部２７０を介して受け付けることによって行われても良い。

（７）判定テーブル２９２はテーブル形式に限定されず、領域判定部Ｍ１３０が参照することのできる判定情報であれば良い。また、判定テーブル２９２のような判定情報を外部記憶装置２９０に格納することに代えて、例えば、判定情報を外部のサーバ等にアクセスして取得することとしても良い。

（８）画像処理部Ｍ１００の機能を実現する装置は、複合機２００に限らず、様々な装置、例えば、プリンタ、デジタルカメラ、スキャナなどの画像関連機器の内部のコンピュータ、あるいは、汎用のパーソナルコンピュータ、サーバなどの計算機であっても良い。また、１つの筐体の装置に限らず、複数の筐体内にそれぞれ配置された複数の計算機を含む計算機システム（例えば、いわゆるクラウドコンピューティングを実現する分散型の計算機システム）によって、画像処理部Ｍ１００の機能が実現されても良い。この場合には、画像処理部Ｍ１００の機能を実現する計算機システムの全体が、請求項における画像処理装置に対応する。

（９）上記実施例において、ハードウェアによって実現されていた構成の一部をソフトウェアに置き換えるようにしてもよく、逆に、ソフトウェアによって実現されていた構成の一部をハードウェアに置き換えるようにしてもよい。

２００...複合機、２１０...ＣＰＵ、２４０...内部記憶装置、２５０...プリンタ部、２６０...スキャナ部、２７０...操作部、２８０...通信部、２９０...外部記憶装置、２９１...コンピュータプログラム、２９２...判定テーブル、Ｍ１００...画像処理部、Ｍ
１１０...領域特定部、Ｍ１２０...エッジ強度算出部、Ｍ１３０...領域判定部、Ｍ１３
１...二値化処理部、Ｍ１３２...画素密度算出部、Ｍ１３３...色分布算出部、Ｍ１３４...画素密度判定部、Ｍ１３５...色分布判定部、Ｍ１３６...属性特定部画像領域

Claims (7)

1. あらかじめ準備された判定テーブルが格納されたメモリと、
   画像を表す画像データを用いて、前記画像内の対象領域を構成する複数の画素を、オブジェクトを構成するオブジェクト画素と、前記オブジェクトを除いた背景を構成する背景画素と、に分類する分類部と、
   前記オブジェクト画素の数と前記背景画素の数との比率に応じた第１の特徴値を算出する第１の特徴値算出部と、
   画素値の分布範囲の広さに関する第２の特徴値を算出する第２の特徴値算出部と、
   第１の基準値より多くの画素が有する階調値の数に関する第３の特徴値を算出する第３の特徴値算出部と、
   前記対象領域が、前記第１の特徴値に関する第１の条件を満たすか否かを、前記画像内のすべての前記対象領域について判定する第１の判定部と、
   前記対象領域が、前記第２の特徴値に関する第２の条件を満たすか否かを、前記画像内のすべての前記対象領域について判定する第２の判定部と、
   前記対象領域が、前記第３の特徴値に関する第３の条件を満たすか否かを、前記画像内のすべての前記対象領域について判定する第３の判定部と、
   前記画像内のすべての前記対象領域について、前記対象領域における前記第１の条件による第１の判定結果と、前記対象領域における前記第２の条件による第２の判定結果と、前記対象領域における前記第３の条件による第３の判定結果と、を用いて、前記メモリに格納されている前記判定テーブルを参照して、前記対象領域が、前記文字領域であるか否か、写真領域であるか否か、描画領域であるか否か、の少なくとも一つを特定する属性特定部と、
   を備え、
   前記判定テーブルは、前記第１の条件による判定結果と、前記第２の条件による判定結果と、前記第３の条件による判定結果と、からなる複数の組み合わせに対して、それぞれ、前記対象領域の属性として特定されるべき特定結果が対応付けられている、画像処理装置。
2. 請求項１に記載の画像処理装置であって、
   前記属性判定部は、前記第１の特徴値が第２の基準値以上であり、かつ、前記第２の特徴値が第３の基準値未満であり、かつ、前記第３の特徴値が第４の基準値以上である場合と、前記第２の特徴値が前記第３の基準値以上であり、かつ、前記第３の特徴値が前記第４の基準値以上である場合と、のいずれか一方の場合に、前記対象領域が、前記写真領域であると特定する、画像処理装置。
3. 請求項１または請求項２に記載の画像処理装置であって、
   前記属性判定部は、前記第１の特徴値が第２の基準値以上であり、かつ、前記第３の特徴値が第４の基準値未満である場合に、前記対象領域が、前記描画領域であると特定する、画像処理装置。
4. 請求項１ないし請求項３のいずれかに記載の画像処理装置であって、さらに、
   前記画像データを用いて、前記画像において、前記対象領域と前記対象領域の周囲に位置する周囲領域とを特定する領域特定部を備え、
   前記分類部は、前記周囲領域を構成する画素の画素値を用いて、前記対象領域を構成する複数の画素を、前記オブジェクト画素と前記背景画素とに分類する、画像処理装置。
5. 請求項４に記載の画像処理装置であって、さらに、
   前記画像内の領域を構成する第１の画素の画素値と第２の画素の画素値との差を用いて、前記画像内の領域のエッジ強度を算出するエッジ強度算出部を備え、
   前記領域特定部は、前記エッジ強度が第１の基準値以上である領域を、前記対象領域として特定し、前記エッジ強度が前記第１の基準値より小さいである領域を、前記周囲領域として特定する、画像処理装置。
6. 請求項４または請求項５に記載の画像処理装置であって、
   前記分類部は、前記対象領域を構成する画素のうち、前記周囲領域を構成する複数の画素の平均画素値との差が第２の基準値より小さい画素値を有する画素を前記背景画素として分類し、前記対象領域を構成する画素のうち、前記背景画素を除いた画素を前記オブジェクト画素として分類する、画像処理装置。
7. あらかじめ準備された判定テーブルが格納されたメモリを備えるコンピュータに、
   画像を表す画像データを用いて、前記画像内の対象領域を構成する複数の画素を、オブジェクトを構成するオブジェクト画素と、前記オブジェクトを除いた背景を構成する背景画素と、に分類する分類機能と、
   前記オブジェクト画素の数と前記背景画素の数との比率に応じた第１の特徴値を算出する第１の特徴値算出機能と、
   画素値の分布範囲の広さに関する第２の特徴値を算出する第２の特徴値算出機能と、
   第１の基準値より多くの画素が有する階調値の数に関する第３の特徴値を算出する第３の特徴値算出機能と、
   前記対象領域が、前記第１の特徴値に関する第１の条件を満たすか否かを、前記画像内のすべての前記対象領域について判定する第１の判定機能と、
   前記対象領域が、前記第２の特徴値に関する第２の条件を満たすか否かを、前記画像内のすべての前記対象領域について判定する第２の判定機能と、
   前記対象領域が、前記第３の特徴値に関する第３の条件を満たすか否かを、前記画像内のすべての前記対象領域について判定する第３の判定機能と、
   前記画像内のすべての前記対象領域について、前記対象領域における前記第１の条件による第１の判定結果と、前記対象領域における前記第２の条件による第２の判定結果と、前記対象領域における前記第３の条件による第３の判定結果と、を用いて、前記メモリに格納されている前記判定テーブルを参照して、前記対象領域が、前記文字領域であるか否か、写真領域であるか否か、描画領域であるか否か、の少なくとも一つを特定する属性特定機能と、
   を実現させ、
   前記判定テーブルは、前記第１の条件による判定結果と、前記第２の条件による判定結果と、前記第３の条件による判定結果と、からなる複数の組み合わせに対して、それぞれ、前記対象領域の属性として特定されるべき特定結果が対応付けられている、画像処理プログラム。