JP6550723B2 - 画像処理装置、文字認識装置、画像処理方法、およびプログラム - Google Patents

Description

本発明は、画像処理に関し、特に文字認識処理の前処理として好適な画像処理に関する。

文字列を含む物体を撮影し、撮影した画像から文字列を認識し取得する文字認識技術が普及している。一般に物体は、立体的な形状を有しており、その上様々な種類の材料で構成されているため、画像を撮影する際のカメラ設置位置や照明条件によって、拡散反射光だけでなく鏡面反射光が撮影される場合がある。鏡面反射光の輝度値は拡散反射光と比較して非常に高く、輝度値の飽和を伴い、文字の切り出し処理や文字認識処理の精度低下の原因となる。

例えば、文字認識処理の前処理として画像の二値化が行われる。二値化の手法として、部分的な影の影響をなくすために局所領域内の輝度値に基づいて閾値を動的に決定する動的二値化と呼ばれる手法が提案されている（特許文献１）。このとき、撮影画像の鏡面反射光による高輝度な領域が存在すると適切な二値化がなされずに、後段の文字認識処理に悪影響を及ぼす場合がある。

車両のナンバープレートを対象として文字認識を行う場合を例にとって、より具体的に説明する。図１０（ａ）は、ナンバープレートを撮影した画像を示している。ナンバープレートには文字や数字がエンボス加工されており、エンボス加工の段差部分で鏡面反射光による高輝度領域（飽和領域）が発生することがある。図１０（ｂ）において黒色で示した領域が高輝度領域の例である。このような画像に対して動的二値化処理を施すと、高輝度領域の影響により、ノイズが生じる。図１０（ｃ）は、図１０（ａ）に示す画像に対して動的二値化処理を施して得られる二値画像を示している。図１０（ｃ）に示すように、本来は高輝度とされるべき領域が、鏡面反射光による高輝度領域の存在により相対的に低輝度と判定されてしまう。このようなノイズが乗った画像をもとに文字の切り出しや認識を行うと、その精度が低下してしまう。

上記の説明は、鏡面反射光による高輝度領域（飽和領域）による悪影響の一例に過ぎない。前処理として動的二値化処理を行わない場合や、対象物体がナンバープレート以外の場合などであっても、高輝度領域が存在によって文字認識処理の精度が低下する。

特開２００３−１２３０２３号公報

本発明は上記実情に鑑みなされたものであって、入力画像に鏡面反射光などによる高輝度領域が存在する場合であっても、高精度な文字認識を可能とする技術を提供することを目的とする。

上記目的を達成するため本発明では、文字認識処理の前処理として、画像の高輝度領域を決定して、その高輝度領域の画素値を変換することによって、鏡面反射光などによって生じる高輝度領域による悪影響を抑制する。

具体的には、本発明の一態様は、画像認識処理の前処理を入力画像に施す画像処理装置であって、入力画像の輝度値のヒストグラムを生成する生成手段と、前記ヒストグラムに基づいて輝度値の基準値を決定し、当該基準値よりも大きい輝度値を有する画素である高輝度画素を決定する決定手段と、前記高輝度画素の輝度値を、前記基準値以下の輝度値に変換する変換手段と、を備えることを特徴とする。

また、本発明における前記決定手段は、前記ヒストグラムに基づいて１つまたは複数の輝度値のピーク範囲を決定し、最も輝度値が大きいピーク範囲の上限値に基づいて前記基準値を決定する、ことも好ましい。

また、本発明における前記決定手段は、前記ヒストグラムに基づいて１つまたは複数の輝度値のピーク範囲を決定し、２番目に輝度値が大きいピーク範囲の上限値に基づいて前記基準値を決定する、ことも好ましい。

また、本発明における前記決定手段は、輝度値に対応する度数と当該輝度値近傍での度数の重心との差に基づいて、輝度値を複数の範囲にクラスタリングし、前記複数の範囲のうち、範囲の幅または範囲内の度数の合計が閾値以上である範囲を、前記ピーク範囲として決定する、ことも好ましい。

また、本発明における前記変換手段は、前記高輝度画素の輝度値を、前記基準値に変換する、ことも好ましい。

また、本発明における前記変換手段は、前記高輝度画素の輝度値を、当該画素の周辺に位置する画素の輝度値に基づいて算出される輝度値に変換する、ことも好ましい。

また、本発明の別の態様は、上記に記載の画像処理装置と、前記画像処理装置によって処理が施された画像に対して文字認識処理を行う認識手段と、を備える文字認識装置である。

また、前記入力画像はナンバープレートの少なくとも一部分を含み、前記認識手段は前記ナンバープレートに描かれている文字に対して文字認識処理を行うことを特徴とする、ことも好ましい。

なお、本発明は、上記手段の少なくとも一部を含む画像処理装置や文字認識装置として捉えることができる。また、本発明は、画像処理方法や文字認識方法として捉えることもできる。また、これらの方法の各ステップをコンピュータに実行させるためのコンピュータプログラムや、当該プログラムを非一時的に記憶したコンピュータ読取可能な記憶媒体として捉えることもできる。上記構成および処理の各々は技術的な矛盾が生じない限り互いに組み合わせて本発明を構成することができる。

本発明によれば、入力画像に鏡面反射光などによる高輝度領域を補正することができ、高輝度領域による悪影響を抑制した高精度な文字認識が可能となる。

第１の実施形態に係るナンバープレート認識システムの概要を示す図。 第１の実施形態における文字認識装置の構成を示すブロック図。 第１の実施形態における文字認識処理の流れを示すフローチャート。 第１の実施形態における前処理（高輝度画素の補正処理）の流れを示すフローチャート。 入力画像から得られる輝度のヒストグラムと、ヒストグラムから求められるピーク範囲を説明する図。 第１の実施形態におけるピーク範囲を求めるためのクラスタリング処理の流れを示すフローチャート。 第１の実施形態におけるピーク範囲を求めるためのクラスタリング処理を説明する図。 第１の実施形態による高輝度画素の補正処理の前後の画像を示す図。 第２の実施形態における前処理（高輝度画素の補正処理）の流れを示すフローチャート。 鏡面反射光による悪影響を説明する図。

以下に図面を参照して、この発明を実施するための好ましい形態を例示的に詳しく説明する。ただし、以下の実施形態に記載されている構成部品の寸法、材質、形状、その相対配置などは、特に記載がない限りは、この発明の範囲をそれらのみに限定する趣旨のものではない。

＜第１の実施形態＞
図１は、本実施形態に係る車両のナンバープレート認識システムの概要を示す図である。ナンバープレート認識システムは、路側に立てられたポール上に設置され道路上の車両３０を撮影するカメラ２０と、カメラ２０が撮影した画像からナンバープレートを抽出してナンバープレートに記載された文字を特定する文字認識装置（画像処理装置）１０から構成される。

図２（ａ）は、文字認識装置１０のハードウェア構成を示す図である。文字認識装置１０は、画像入力部１１、演算装置１２、記憶装置１３、入力装置１４、出力装置１５、通信装置１６を含む。画像入力部１１は、カメラ２０から画像データを受け取るインタフェースである。なお本実施形態ではカメラ２０から直接画像データを受け取っているが、通信装置１６を介して画像データを受け取ったり、記録媒体を経由して画像データを受け取ったりしてもよい。演算装置１２は、汎用のプロセッサであり、記憶装置１３に格納されたプログラムを実行して、後述する処理を実現する。記憶装置１３は、主記憶装置および補助記憶装置を含み、演算装置１２によって実行されるプログラムを格納するとともに、画像データやプログラム実行中の一時データを格納する。入力装置１４は、キーボードやマウスなどからなりユーザが文字認識装置に指示を入力するための装置である。出力装置１５は、表示装置やスピーカーなどからなり、文字認識装置がユーザに対する出力を行うための装置である。通信装置１６は、文字認識装置１０が外部のコンピュータと通信を行うための装置である。通信の形態は、有線であっても無線であってもよく、通信規格は任意であってよい。

演算装置１２は、プログラムを実行することにより、図２（ｂ）に示すような機能を実現する。すなわち、演算装置１２は、前処理部１００、文字抽出部１１０、文字認識部１２０の機能部を実現する。前処理部１００は、ヒストグラム生成部１０１、高輝度画素決定部１０２、変換部１０３、二値化部１０４から構成される。各部の処理内容については以下で説明する。

図３は、文字認識装置１０によって行われる文字認識処理の全体的な流れを示すフローチャートである。ステップＳ１０で、文字認識装置１０は画像入力部１１を介してカメラ２０から車両が写った画像データを取得する。文字認識装置１０は、受け取った画像から車両のナンバープレートの領域を抽出して、その領域に対して以降の処理を実行する。ナ
ンバープレートの抽出は、テンプレートマッチングなど既存の手法によって行えばよいので、その説明は省略する。

ステップＳ１１は、画像データが文字認識に適したものとなるように行う前処理であり前処理部１００によって実行される。前処理には、画像の高輝度画素の輝度値補正処理、二値化処理、ノイズ除去処理などが含まれる。

ステップＳ１２では、文字抽出部１１０が、前処理後の画像から文字領域を抽出し、その中からさらに１文字ずつの文字領域を抽出する。ステップＳ１３では、文字認識部１２０が、各文字領域から文字の特徴を抽出し、抽出された文字と辞書データ内の各文字との照合を行って抽出された文字の認識を行う。文字領域の切り出しや文字特徴量の取得や照合処理には、既存の任意の技術を適用可能である。例えば、文字の特徴を取得する手法として、画素特徴抽出法、輪郭特徴抽出法、勾配特徴抽出法などを用いることができる。また、文字認識の手法として、部分空間法、ニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、判別分析などの手法を用いることができる。

以下、本発明における特徴的な処理である前処理における高輝度画素の輝度値（画素値）補正処理について説明する。図４は、前処理、特に高輝度画素の輝度値補正処理の流れを説明するフローチャートである。

まず、ステップＳ２０において、入力画像のグレースケール化が行われる。グレースケール画像の階調数は特に限定されず、例えば２５６階調とすることができる。ステップＳ２１において、ヒストグラム生成部１０１が、グレースケールに変換した画像から輝度値のヒストグラムを生成する。本実施形態においてはヒストグラムのビン幅を１とするが、ビン幅は１より大きくしてもよい。図５（ａ）に生成したヒストグラムの一例を示す。なお図５（ａ）（ｂ）における縦軸は出現割合（密度）を表す。

ステップＳ２２において、高輝度画素決定部１０２が、ヒストグラムを対象にクラスタリング処理を施す。このクラスタリング処理は、輝度値がピークを取る範囲を特定することを目的とし、１つのピーク範囲が１つのクラスタとして決定される。ピーク範囲以外の輝度値は、いずれのクラスタにも属さないものとして判定される。以下、ステップＳ２２におけるクラスタリング処理をより詳細に説明する。

図６は、ステップＳ２２におけるクラスタリング処理の詳細な流れを示すフローチャートである。ステップＳ３０において、ヒストグラムの各ビンごと（本実施形態では各輝度値ごとと同義）に、周辺のＮ輝度における輝度値の重心を計算する。Ｎは例えば１０程度とする。輝度値Ｌｉにおける重心輝度ＧＬｉは、以下の式により計算できる。
ＧＬｉ＝Σ_ｊ（Ｌｊ×ｍｊ）／Σ_ｊ（ｍｊ）
ここで、シグマ（総和）は、ｊについてｉ−Ｎ／２からｉ＋Ｎ／２の範囲での和を表す。ｍｊはヒストグラムにおける輝度値Ｌｊの度数を表す。

ステップＳ３１においては、各ビン（各輝度値）における重心輝度値ＧＬｉと輝度値Ｌｉの差がシフト量Ｓｉとして計算される。すなわち、
Ｓｉ＝ＧＬｉ−Ｌｉ
として、シフト量Ｓｉが決定される。

ステップＳ３２において、各ビン（各輝度値）におけるシフト量が、プラス（＋）、マイナス（−）、ゼロ（０）の３値に量子化される。本実施形態では、シフト量Ｓｉが０．５以上であればプラスとし、−０．５以下であればマイナスとし、それ以外であればゼロとする。この量子化における閾値は、０．５以外の値を採用してもよい。また、量子化の
閾値は、ヒストグラムのビン幅によって変更してもよく、例えば、ビン幅の半分としてもよい。

図７（ａ）は、輝度値のヒストグラムから得られるシフト量と量子化シフト量の例を模式的に示した図である。図７（ａ）の上段には、処理対象となるヒストグラムの例が示されている。図７（ａ）の中段には、輝度値Ａ，Ｂ，Ｃについて、重心輝度値を求めるための周辺輝度の範囲と、重心輝度値が示されている。図の例では、輝度値Ａにおける重心輝度値は輝度値Ａよりも０．５以上大きく、輝度値Ａにおける量子化シフト量がプラス（＋）であることが示されている。同様に、輝度値Ｂにおける重心輝度値は輝度値Ｂとの差の絶対値が０．５より少なく、輝度値Ｂにおける量子化シフト量がゼロ（０）であることが示されている。また、輝度値Ｃにおける重心輝度値は輝度値Ｃよりも０．５以上小さく、輝度値Ｃにおける量子化シフト量がマイナス（−）であることが示されている。図では輝度値ＡからＣについてのみ重心輝度値を示しているが、全ての輝度値について同様の計算がされ、全ての輝度値について量子化シフト量が求められる。図７（ａ）の下段には量子化シフト量が示されている。なお、図において量子化シフト量がプラスとマイナスである部分のみを明示しており、プラスでもマイナスでもない部分は量子化シフト量がゼロである。

図６のフローチャートの説明に戻る。ステップＳ３３では、量子化シフト量の配列（量子化配列とも称する）において、２つ以上連続するプラス列およびマイナス列が抽出され、プラス列の始点からマイナス列の終点までの範囲が１つのクラスタとして決定される。図７（ａ）に示す量子化シフト量から得られるクラスタリングの結果を図７（ｂ）に示す。図７（ａ）においては、プラス列とマイナス列がそれぞれ２つずつ存在し、プラス列とマイナス列のペアに対応して図７（ｂ）に示すように２つのクラスタが決定される。

ステップＳ３４で、ステップＳ３３において求められたクラスタのうち所定の基準を満たさないクラスタを除外する。基準の例として、クラスタの幅が所定の閾値以上であることや、クラスタ内の度数の合計（クラスタに所属する画素数）が所定の閾値以上であることなどを採用できる。幅を持たないクラスタを除去することは、例えば、飽和した画素をその他のピークと区別することができるので有効である。画像全体が明るい場合には最大輝度値（本実施形態では輝度値２５５）において幅のあるピークが検出され、鏡面反射光の影響などにより白飛びが発生した場合には最大輝度値において幅のないピークが検出される。クラスタの幅についての条件を課すことで、鏡面反射光の影響がある場合に補正対象の画素を適切に判定することが可能となる。

以上により、図４のフローチャートに示すステップＳ２２のクラスタリング処理が終了する。図５（ａ）に示すヒストグラムを対象としたクラスタリングの結果を、図５（ｂ）に示す。図５（ｂ）においては、３つのクラスタ５１，５２，５３が得られている。

ステップＳ２３で、高輝度画素決定部１０２は、ステップＳ２２で求められたクラスタのうち輝度値が最も大きいクラスタの輝度値の上限値（最大値）を閾値（基準値）Ｔとして決定する。この閾値Ｔは、画素が高輝度画素であるか否かの判定のために用いられ、より具体的には、閾値Ｔよりも大きい輝度値を有する画素が高輝度画素として決定される。図５（ｂ）の例では、クラスタ５３が最も輝度値の大きいクラスタであり、クラスタ５３の輝度の上限値（この例では１５３）が閾値Ｔとして決定され、それに応じて高輝度画素が決定される。この他にも、上限値に所定の数値を加えて閾値Ｔとして決定する方法や、輝度値が最も大きいクラスタよりも輝度値の大きい領域に量子化シフト量がゼロの領域がある場合は、その領域の輝度値の上限値を閾値Ｔとして決定する方法を用いることで、処理範囲を限定して処理を高速にすることもできる。

ステップＳ２４で、変換部１０３が、閾値Ｔよりも大きい輝度値を有する画素（高輝度画素）の輝度値をＴに設定する。これにより、画像中の高輝度画素の輝度値が全て最大クラスタの上限値（Ｔ）の値に変更される。図８（ａ）は補正前のグレースケール画像、図８（ｂ）は補正後のグレースケール画像を示す。この図に示すように高輝度画素の輝度値を小さくする補正が施され、鏡面反射光による影響を除去できる。

なお、図４のフローチャートでは高輝度画素の補正処理のみを示しているが、ノイズ除去処理や二値化処理や二値画像の細線化処理などその他の処理を行ってもよい。これらの処理は従来から行われている公知な処理であるため詳しい説明は省略するが、二値化処理について簡単に触れる。二値化処理として、局所領域内の輝度値に基づいて閾値を動的に決定する動的二値化を採用することができる。高輝度画素がなくなるように補正がなされているので、動的二値化処理によって鏡面反射光による悪影響を抑制して、適切な二値化が実現できる。

本実施形態によれば、輝度値のヒストグラムに基づいて補正対象の高輝度画素が決定されるため、補正対象の輝度値範囲を固定で定めて補正するよりもより適切に鏡面反射光などの影響を抑制できる。また、鏡面反射光による影響を抑制できるため、文字認識処理の精度を向上させることが可能となる。

＜第２の実施形態＞
第２の実施形態は、第１の実施形態における補正処理において、変換部１０３が高輝度画素（補正対象画素）に代入する輝度値の決定方法が異なる。第１の実施形態では全ての高輝度画素を閾値Ｔで置き換えていたが、本実施形態では、補正対象画素の周囲に位置する画素の輝度値に基づいて補正後の輝度値を決定する。

図９は本実施形態における前処理のうち高輝度画素の輝度値補正処理の流れを示すフローチャートである。ステップＳ２０からＳ２３の処理は第１の実施形態の処理（図４）と同様であるため説明は省略する。本実施形態では、変換部１０３が行う第１の実施形態におけるステップＳ２４の処理が、ステップＳ４１からＳ４８の処理で置き換えられている。

ステップＳ４１で、閾値Ｔよりも大きい輝度値を有する画素（高輝度画素）にフラグが付与される。ステップＳ４２で、フラグが付いた画素のラベリングが行われる。ステップＳ４３で、ラベルの輪郭が抽出される。

ステップＳ４４からＳ４７の処理は、輪郭上のそれぞれの画素について順次実施される。ステップＳ４４で輪郭上の１画素が選択される。ここで選択された画素を画素Ｐと称する。なお、ステップＳ４３で抽出された輪郭上の画素は全て同じ優先度を有し、どの画素から処理が行われてもよい。ステップＳ４５で、画素Ｐの周辺画素からフラグの付いていない画素が抽出される。周辺画素とは、例えば、画素Ｐを中心とする３×３から７×７の範囲内の画素（画素Ｐを除く）であってもよいし、画素Ｐの４近傍画素などであってもよい。ステップＳ４６で、ステップＳ４７において抽出された画素の輝度値の平均値を算出し、この平均値を画素Ｐの輝度値として代入する。ステップＳ４８で、画素Ｐからフラグを外して輪郭を更新する。ステップＳ４８において、フラグ付きの画素が残っているかを判定して、残っている場合にはステップＳ４４に戻って処理を繰り返す。なお、ステップＳ４４における画素の選択においては、輪郭として抽出されたタイミングが早い画素ほど優先的に選択されるようにする。

本実施形態によれば、周囲の画素の輝度値を用いて高輝度画素領域を滑らかに補間できる。したがって、補正後の画像において擬似輪郭が生じにくくなり、文字認識処理の精度
を向上させることができる。

＜他の実施形態＞
上記の実施形態の説明は、本発明を例示的に説明するものに過ぎず、本発明は上記の具体的な形態には限定されない。本発明は、その技術的思想の範囲内で種々の変形が可能である。

上記の説明では、車両のナンバープレートの認識を行うシステムを説明したが、このシステムは任意の文字認識システムに適用できる。本発明は、画像に拡散反射光だけでなく照明などの鏡面反射光が写り込む場合に好適に適用できる。例えば、アルミ缶やビニールなどの表面に記載された文字を認識するファクトリーオートメーション（ＦＡ）用の文字認識システムに適用できる。また、上記で説明した前処理は、文字認識処理の前処理として適用するだけでなく、その他の画像認識処理の前処理として適用することも好ましい。

また上記の説明では、カメラによる画像の撮影、高輝度画素の補正処理、文字認識処理を行うシステムを説明したが、画像はカメラによる撮影以外の方法によって取得してもよい。例えば、データ通信や記録媒体を介して画像を取得して、取得した画像に対して補正処理および文字認識処理を行う文字認識装置として本発明を構成することができる。また、画像に対して補正処理のみを行う画像処理装置として本発明を構成することもできる。

上記の説明では、ヒストグラムからピーク範囲を決定するためにクラスタリング処理を採用しているが、それ以外の手法によってピーク範囲を決定してもよい。例えば、画像全体の輝度値から度数の閾値を決定して、この閾値以上の度数を有する範囲をピーク範囲として決定することが考えられる。この際、このようにして決定されたピーク範囲の幅が所定値よりも小さかったり、ピーク範囲内の画素数が所定値よりも少なかったりした場合には、当該ピーク範囲をピーク範囲として扱わないようにすることも好ましい。また、この手法では、飽和領域がピーク範囲となる可能性があり、その際は、最も輝度値が大きいピーク範囲ではなく、２番目に輝度値が大きいピーク範囲に基づいて基準値を決定することも可能である。

上記の説明では、汎用プロセッサがソフトウェアプログラムを実行することによって機能を提供する例を説明したが、専用のハードウェア回路を用いて上記の機能を提供しても構わない。

本実施形態にかかる文字認識装置は、デスクトップ型コンピュータ、ノート型コンピュータ、スレート型コンピュータ、スマートフォン端末など任意の装置に実装することができる。また、上記で説明した文字認識装置の各機能は１つの装置によって実行される必要はなく、複数の装置がそれぞれの機能を分担して実行してもかまわない。

１０：文字認識装置（画像処理装置）
１００：前処理部 １０１：ヒストグラム生成部 １０２：高輝度が祖決定部
１０３：変換部 １０４：二値化部
１１０：文字抽出部 １２０：文字認識部
２０：カメラ

Claims (10)

1. 画像認識処理の前処理を入力画像に施す画像処理装置であって、
   入力画像の輝度値のヒストグラムを生成する生成手段と、
   前記ヒストグラムに基づいて輝度値の基準値を決定し、当該基準値よりも大きい輝度値を有する画素である高輝度画素を決定する決定手段と、
   前記高輝度画素の輝度値を、前記基準値以下の輝度値に変換する変換手段と、
   を備え、
   前記決定手段は、輝度値に対応する度数と当該輝度値近傍での度数の重心との差に基づいて、輝度値を複数の範囲にクラスタリングし、前記複数の範囲のうち、範囲の幅または範囲内の度数の合計が閾値以上である範囲をピーク範囲として決定し、最も輝度値が大きいピーク範囲の上限値または前記上限値に所定の数値を加えた値を前記基準値として決定する、
   画像処理装置。
2. 画像認識処理の前処理を入力画像に施す画像処理装置であって、
   入力画像の輝度値のヒストグラムを生成する生成手段と、
   前記ヒストグラムに基づいて輝度値の基準値を決定し、当該基準値よりも大きい輝度値を有する画素である高輝度画素を決定する決定手段と、
   前記高輝度画素の輝度値を、前記基準値以下の輝度値に変換する変換手段と、
   を備え、
   前記決定手段は、前記ヒストグラムに基づいて複数の輝度値のピーク範囲を決定し、２番目に輝度値が大きいピーク範囲の上限値に基づいて前記基準値を決定する、
   画像処理装置。
3. 前記決定手段は、輝度値に対応する度数と当該輝度値近傍での度数の重心との差に基づいて、輝度値を複数の範囲にクラスタリングし、前記複数の範囲のうち、範囲の幅または範囲内の度数の合計が閾値以上である範囲を、前記ピーク範囲として決定する、
   請求項２に記載の画像処理装置。
4. 前記変換手段は、前記高輝度画素の輝度値を、前記基準値に変換する、
   請求項１から３のいずれか１項に記載の画像処理装置。
5. 前記変換手段は、前記高輝度画素の輝度値を、当該画素の周辺に位置する画素の輝度値に基づいて算出される輝度値に変換する、
   請求項１から３のいずれか１項に記載の画像処理装置。
6. 請求項１から５のいずれか１項に記載の画像処理装置と、
   前記画像処理装置によって処理が施された画像に対して文字認識処理を行う認識手段と、
   を備える、文字認識装置。
7. 前記入力画像はナンバープレートの少なくとも一部分を含み、前記認識手段は前記ナンバープレートに描かれている文字に対して文字認識処理を行うことを特徴とする、
   請求項６の文字認識装置。
8. 画像処理装置によって実行される画像処理方法であって、
   入力画像の輝度値のヒストグラムを生成する生成ステップと、
   前記ヒストグラムに基づいて輝度値の基準値を決定し、当該基準値よりも大きい輝度値を有する画素である高輝度画素を決定する決定ステップと、
   前記高輝度画素の輝度値を、前記基準値以下の輝度値に変換する変換ステップと、
   を含み、
   前記決定ステップでは、輝度値に対応する度数と当該輝度値近傍での度数の重心との差に基づいて、輝度値を複数の範囲にクラスタリングし、前記複数の範囲のうち、範囲の幅または範囲内の度数の合計が閾値以上である範囲をピーク範囲として決定し、最も輝度値が大きいピーク範囲の上限値または前記上限値に所定の数値を加えた値を前記基準値として決定する、
   画像処理方法。
9. 画像処理装置によって実行される画像処理方法であって、
   入力画像の輝度値のヒストグラムを生成する生成ステップと、
   前記ヒストグラムに基づいて輝度値の基準値を決定し、当該基準値よりも大きい輝度値を有する画素である高輝度画素を決定する決定ステップと、
   前記高輝度画素の輝度値を、前記基準値以下の輝度値に変換する変換ステップと、
   を含み、
   前記決定ステップでは、前記ヒストグラムに基づいて複数の輝度値のピーク範囲を決定し、２番目に輝度値が大きいピーク範囲の上限値に基づいて前記基準値を決定する、
   画像処理方法。
10. 請求項８または９に記載の方法の各ステップをコンピュータに実行させるためのプログラム。