JP6953230B2 - スキャン画像にファイル名等を設定するための装置、その制御方法及びプログラム - Google Patents

Description

本発明は、スキャン画像の文字認識結果を用いて、当該スキャン画像に対してファイル名等を設定する技術に関する。

従来より、文書の管理手法として、紙文書をスキャンして電子化する手法が広く行われている。そして、文書の電子化に際して、スキャンされた画像データに対して文字認識処理（ＯＣＲ処理）を行い、認識された文字を電子化した文書ファイルのファイル名に使用する技術がある。例えば、特許文献１には、原稿を読み取って得たスキャン画像をユーザに提示して領域を指定させ、当該指定された領域に対してＯＣＲ処理を行って文字列を取得し、当該スキャン画像のファイル名に使用する技術が開示されている。

特開２０１５−２１５８７８号公報

ＯＣＲ処理では、所定の条件設定に従って、スキャン画像内の１つのまとまりのある文字列の領域（文字列領域）毎に、文字列を抽出する処理が実行される。このとき、適用する条件設定が読取対象の各領域に合っていないと誤認識の可能性が高くなってしまう。ここで、具体例を示して説明する。図１の例では、「注文書」、「東京株式会社」、「H2014-90002」の各文字列に対応する各領域を順に指定している。本来であれば、「注文書_東京株式会社_H2014-90002」という内容の文字列が、ファイル名入力欄１０に表示（自動入力）されることをユーザは企図している。しかしながら、実際には「注文書_東京株式会社_比2014-9000量」という内容が表示されており、３番目に指定した領域において誤認識が生じてしまっている。これは、日本語を想定したＯＣＲ処理の条件設定がなされていたため、３番目に指定した領域に条件が合っていなかったことが原因である。この点、上記特許文献１では、ＯＣＲ処理で得た文字列に対して、キーボード等を用いて編集操作（文字の削除や追加など）を行えるようにしている。しかしながら、そもそものＯＣＲ処理における誤認識の確率を下げることができれば、こちらの方がユーザの利便性向上という観点で優れている。

本発明は、上記の課題に鑑み、スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、読取対象の文字列に応じた適切な条件設定を可能にして、文字認識率を向上させることを目的にする。

本発明に係る装置は、文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置であって、前記スキャン画像内の一続きの文字列と推認される単位領域をユーザが選択可能に表示した、前記所定の処理を行うためのＵＩ画面を表示する表示制御手段と、前記ＵＩ画面を介してユーザが選択した単位領域に対してＯＣＲ処理を行ない、該ＯＣＲ処理によって抽出された文字列を用いて前記所定の処理のための付帯情報を設定する設定手段と、を備え、前記設定手段は、前記ＯＣＲ処理の条件を、選択された単位領域の選択順及び前記付帯情報のフォーマットに基づき決定することを特徴とする。

本発明によれば、スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、読取対象の文字列に応じた適切な条件設定をすることができる。これにより、文字認識率が向上する。

従来の問題点を説明する図 画像処理システムの全体構成を示す図 （ａ）はＭＦＰのハードウェア構成図、（ｂ）はファイルサーバのハードウェア構成図 ＭＦＰのソフトウェア構成図 スキャン画像の生成からアップロードまでの動作制御の流れを示すフローチャート スキャン設定画面の一例を示す図 プレビュー画面の一例を示す図 プレビュー画面でファイル名が生成された状態を示す図 アップロード設定画面の一例を示す図 ファイル名生成処理の詳細を示すフローチャート ファイル名入力欄の表示例 ＯＣＲ設定画面の一例を示す図

以下、本発明を実施するための形態について図面を用いて説明する。なお、以下の実施の形態は特許請求の範囲に係る発明を限定するものでなく、また実施の形態で説明されている特徴の組み合わせの全てが発明の解決手段に必須のものとは限らない。

本発明に係る装置は、文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置であって、前記スキャン画像をＵＩ画面に表示する表示制御手段と、前記ＵＩ画面に表示された前記スキャン画像においてユーザが選択した複数の文字領域の選択順と、前記所定の処理のための付帯情報のフォーマットとに基づいて、当該選択された複数の文字領域それぞれに対するＯＣＲ処理の条件を決定し、前記選択された複数の文字領域それぞれに対して当該決定された条件を用いてＯＣＲ処理を行ない、該ＯＣＲ処理によって前記複数の文字領域それぞれから得られる文字列を用いて前記所定の処理のための付帯情報を設定する設定手段と、を備えることを特徴とする。

ＭＦＰ（Multi Function Printer）１１０は、スキャナやプリンタといった複数の機能を有する複合機であり、画像処理装置の一例である。ファイルサーバ１２０は、電子化された文書ファイルを保存・管理する外部サーバの一例である。本実施例の画像処理システムは、ＭＦＰ１１０とファイルサーバ１２０とからなる構成としているがこれに限定されない。例えば、ＭＦＰ１１０がファイルサーバ１２０の役割を兼ね備えてもよい。また、ＬＡＮに代えてインターネットなどを介した接続形態であってもよい。また、ＭＦＰ１１０は、ＰＳＴＮ（Public Switched Telephone Networks）に接続され、ファクシミリ装置（不図示）との間で画像データをファクシミリ通信することができる。

図３（ａ）は、ＭＦＰ１１０のハードウェア構成図である。ＭＦＰ１１０は、制御部２１０、操作部２２０、プリンタ部２２１、スキャナ部２２２、モデム２２３で構成される。制御部２１０は、以下の各部２１１〜２１９で構成され、ＭＦＰ１１０全体の動作を制御する。ＣＰＵ２１１は、ＲＯＭ２１２に記憶された制御プログラムを読み出して、読取／印刷／通信などＭＦＰ１１０が有する各種機能を実行・制御する。ＲＡＭ２１３は、ＣＰＵ２１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。なお、本実施例では１つのＣＰＵ２１１が１つのメモリ（ＲＡＭ２１３またはＨＤＤ２１４）を用いて後述のフローチャートに示す各処理を実行するものとするが、これに限定されない。例えば、複数のＣＰＵや複数のＲＡＭまたはＨＤＤを協働させて各処理を実行してもよい。ＨＤＤ２１４は、画像データや各種プログラムを記憶する大容量記憶部である。操作部Ｉ／Ｆ２１５は、操作部２２０と制御部２１０とを接続するインタフェースである。操作部２２０には、タッチパネルやキーボードなどが備えられており、ユーザによる操作／入力／指示を受け付ける。プリンタＩ／Ｆ２１６は、プリンタ部２２１と制御部２１０とを接続するインタフェースである。印刷用の画像データはプリンタＩ／Ｆ２１６を介して制御部２１０からプリンタ部２２１へ転送され、記録媒体上に印刷される。スキャナＩ／Ｆ２１７は、スキャナ部２２２と制御部２１０とを接続するインタフェースである。スキャナ部２２２は、不図示の原稿台やＡＤＦ（Auto Document Feeder）にセットされた原稿を読み取って画像データを生成し、スキャナＩ／Ｆ２１７を介して制御部２１０に入力する。ＭＦＰ１１０は、スキャナ部２２２で生成された画像データをプリンタ部２２１から印刷出力（コピー）する他、ファイル送信またはメール送信することができる。モデムＩ／Ｆ２１８は、モデム２２３と制御部２１０とを接続するインタフェースである。モデム２２３は、ＰＳＴＮ上のファクシミリ装置との間で画像データをファクシミリ通信する。ネットワークＩ／Ｆ２１９は、制御部２１０（ＭＦＰ１１０）をＬＡＮに接続するインタフェースである。ＭＦＰ１１０は、ネットワークＩ／Ｆ２１９を用いてＬＡＮ上の外部装置（ファイルサーバ１２０など）に画像データや情報を送信したり、各種情報を受信したりする。

図３（ｂ）は、ファイルサーバ１２０のハードウェア構成図である。ファイルサーバ１２０は、ＣＰＵ３１１、ＲＯＭ３１２、ＲＡＭ３１３、ＨＤＤ３１４及びネットワークＩ／Ｆ３１５で構成される。ＣＰＵ３１１は、ＲＯＭ３１２に記憶された制御プログラムを読み出して各種処理を実行することで、ファイルサーバ１２０全体の動作を制御する。ＲＡＭ３１３は、ＣＰＵ３１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。ＨＤＤ３１４は、画像データや各種プログラムを記憶する大容量記憶部である。ネットワークＩ／Ｆ３１５は、ファイルサーバ１２０をＬＡＮに接続するインタフェースである。ファイルサーバ１２０は、ネットワークＩ／Ｆ３１５を用いてＬＡＮ上の他の装置（ＭＦＰ１１０など）との間で各種情報を送受信する。

＜ＭＦＰのソフトウェア構成＞
図４は、ＭＦＰ１１０のソフトウェア構成図である。ＭＦＰ１１０のソフトウェアは、ネイティブ機能モジュール４１０とアディショナル機能モジュール４２０の大きく２つに分けられる。ネイティブ機能モジュール４１０に含まれる各部は、ＭＦＰ１１０に標準的に備えられた機能モジュールである。これに対し、アディショナル機能モジュール４２０に含まれる各部は、ＭＦＰ１１０に追加的に備わる機能モジュールであり、例えばアプリケーションのインストールによって実現される機能モジュールである。本実施例におけるアディショナル機能モジュール４２０は、Ｊａｖａ（登録商標）をベースとしたアプリケーションであり、ＭＦＰ１１０への機能追加を容易に実現できる。なお、ＭＦＰ１１０には図示しない他のアプリケーションがインストールされていても良い。以下、両機能モジュール４１０及ぶ４２０を構成する各部について説明する。

アプリケーション表示部４２３は、操作部２２０のタッチパネルに、ユーザによる各種操作を受け付けるためのＵＩ画面を表示する表示制御を行う。表示するＵＩ画面の詳細については後述する。スキャン指示部４２１は、ＵＩ画面を介して入力されたユーザ指示に従い、スキャン設定や転送設定の情報を含んだスキャン要求をスキャン実行部４１１に送信して、スキャン処理を実行させる。このスキャン要求には、後述するアプリケーション受信部４２２が受信する画像データが、当該スキャン要求に対応したものかどうかを識別するための要求ＩＤも含まれる。

スキャン実行部４１１は、スキャン指示部４２１からのスキャン要求を受けて、スキャナＩ／Ｆ２１７を介してスキャナ部２２２を制御しスキャン処理を実行する。これにより、原稿が読み取られて画像データが生成される。スキャンによって生成された画像データ（以下、「スキャン画像データ」と呼ぶ。）はその転送先を特定する転送設定の情報と共に転送部４１２に渡される。転送部４１２は、スキャン実行部４１１から受け取ったスキャン画像データを、転送設定に従って転送する。スキャン画像データの転送先としては、ファイルサーバ１２０や、ＬＡＮ上のＰＣ（不図示）等を設定可能である。ただし、本実施例では、スキャン実行部４１１で生成されたスキャン画像データは、一旦全て、アディショナル機能モジュール４２０に転送するように設定されているものとする。転送部４１２は、ＦＴＰ（File Transfer Protocol）クライアント機能を有しており、ＦＴＰサーバ機能を有するアプリケーション受信部４２２に対してＦＴＰでスキャン画像データを転送する。

アプリケーション受信部４２２は、転送部４１２から内部転送されたスキャン画像データを受信し、アプリケーション転送部４２４に渡す。アプリケーション転送部４２４は、受信したスキャン画像データを画像解析部４２５に渡す。画像解析部４２５は、受け取ったスキャン画像データに対して領域分割や文字認識処理（ＯＣＲ処理）といった解析処理を行なう。そして、スキャン画像データとその解析処理の結果は、アプリケーション転送部４２４を介してプレビュー表示部４２６に渡される。プレビュー表示部４２６は、スキャン画像データとその解析結果に基づき、ユーザがファイル名設定を行うためのＵＩ画面を生成し、操作部２２０の液晶パネルに表示するといった表示制御を行う。

アップロード指示部４２７は、ユーザがフォルダパス設定を行うためのＵＩ画面を生成し、操作部２２０のタッチパネルに表示する。アプリケーション転送部４２４は、ファイルサーバ１２０にスキャン画像データを転送（送信）する。アプリケーション転送部４２４は、転送が終了すると、アプリケーション表示部４２３に転送が終了したことを通知する。アプリケーション表示部４２３は、アプリケーション転送部４２４からの通知を受けて、表示内容を更新する。また、アプリケーション転送部４２４は、ＳＭＢ（Server Message Block）クライアント機能を有している。これにより、ＳＭＢサーバ機能を有するファイルサーバ１２０に対して、ＳＭＢを用いてファイル操作及びフォルダ操作を行う。なお、使用するプロトコルは、ＳＭＢに限定されるものではなく、WebDAV、ＦＴＰ、ＳＭＴＰ等であってもよい。また、ＳＯＡＰやＲＥＳＴといったファイル送信目的以外のプロトコルも使用可能である。

続いて、ＭＦＰ１１０において原稿からスキャン画像を生成し、ファイルサーバ１２０にアップロードする際の動作制御について説明する。図５は、スキャン画像の生成からアップロードまでの制御の流れを示すフローチャートである。この一連の処理は、制御部２１０において、ＣＰＵ２１１がＨＤＤ２１４に記憶された制御プログラムを実行することにより実現される。以下、詳しく説明する。

ステップ５０１では、アプリケーション表示部４２３により、スキャン処理のための各種設定を行うためのＵＩ画面（以下、「スキャン設定画面」と呼ぶ。）が、操作部２２０のタッチパネルに表示される。図６は、スキャン設定画面の一例を示す図である。図６のスキャン設定画面６００には、５つの設定ボタン６０１〜６０５が存在する。［カラー設定］ボタン６０１は、原稿をスキャンする際のカラー／モノクロを設定するためのボタンである。［解像度設定］ボタン６０２は、原稿をスキャンする際の解像度を設定するためのボタンである。［両面読み取り設定］ボタン６０３は、原稿の両面をスキャンしたい場合に用いる設定ボタンである。［原稿混載設定］ボタン６０４は、サイズが異なる原稿をまとめてスキャンしたい場合に用いる設定ボタンである。［画像形式設定］ボタン６０５は、スキャン画像データの保存形式を指定する際に用いる設定ボタンである。これら設定ボタン６０１〜６０５を用いた設定時には、ＭＦＰ１１０においてサポートされている範囲で設定可能な候補（選択肢）が表示され、ユーザは表示された候補から望むものを選択する。なお、上述の設定ボタンは一例であって、これらすべての設定項目が存在しなくても良いし、これら以外の設定項目が存在してもよい。ユーザは、このようなスキャン設定画面６００を介してスキャン処理についての詳細な設定を行なう。［キャンセル］ボタン６２０は、スキャン設定を中止する場合に用いるボタンである。［スキャン開始］ボタン６２１は、原稿台等にセットした原稿に対するスキャン処理の開始を指示するためのボタンである。

ステップ５０２では、アプリケーション表示部４２３により、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［スキャン開始］ボタン６２１の押下が検出された場合は、アプリケーション表示部４２３によって各設定ボタン６０１〜６０５で設定された内容とスキャン処理の実行開始の受付が、スキャン指示部４２１に対して伝えられる。一方、［キャンセル］ボタン６２０の押下が検出された場合は本処理を終える。

ステップ５０３では、スキャン指示部４２１からの指示に応答して、スキャン実行部４１１によってスキャン処理が実行される。これにより得られたスキャン画像データは、ステップ５０４において、転送部４１２を通じてアプリケーション受信部４２２にＦＴＰで内部転送され、さらにアプリケーション転送部４２４を介して画像解析部４２５に送られる。

ステップ５０５では、画像解析部４２５において、スキャン画像データの解析処理が実行される。具体的には、まず、スキャン画像データに対し、画像信号の二値化やスキャン時にずれた原稿の傾きの修正、原稿が正立する方向への回転などを行なって、解析処理を行いやすい状態に補正する。そして、補正されたスキャン画像（２値画像）に対してエッジ抽出などを行って、当該画像内の文字列領域、すなわち、一続きの文字列と推認される塊（単位領域）を特定する。以下の表１は、ある見積書のスキャン画像の一部に対して画像解析処理を行った結果の一例を示している。

上記表１において、［番号］は、特定された各文字列領域を一意に示す番号である。この例では１から９までの通し番号が、認識した順番に付けられている。［領域のＸ座標］は、特定された各文字列領域の左上隅のＸ座標を示す。［領域のＹ座標］は、特定された各文字列領域の左上隅のＹ座標を示す。以後、文字列領域に対して“座標”と言う場合は、特に断らない限り、文字列領域の左上隅の位置座標のことを意味するものとする。［領域の幅］は、特定された各文字列領域の左辺から右辺までの距離を示す。［領域の高さ］は、特定された各文字列領域の上辺から下辺までの距離を示す。本実施例では、［領域のＸ座標］、［領域のＹ座標］、［領域の幅］、［領域の高さ］はいずれもピクセルで示すが、ポイントやインチ等で示してもよい。スキャン画像から抽出された各文字列領域の情報（以下、「文字列領域情報」と呼ぶ。）は、画像解析データとしてアプリケーション転送部４２４に渡される。画像解析データは、例えばＣＳＶやＸＭＬのフォーマットとするが、他のフォーマットであっても構わない。また、ＨＤＤ２１４に一旦保存した上で、所定のタイミングで渡してもよい。

ステップ５０６では、プレビュー表示部４２６により、ステップ５０３で読み込まれたスキャン画像が、操作部２２０のタッチパネルにプレビュー表示される。このプレビュー表示用の画面データは、アプリケーション表示部４２３によって生成・提供される。ユーザは、スキャン画像がプレビュー表示されたＵＩ画面（以下、「プレビュー画面」と呼ぶ。）を介して、スキャン画像データのファイル名を設定することができる。図７（ａ）は、プレビュー画面の一例を示す図である。プレビュー画面７００において、画面中央にあるプレビュー領域７１０内に、読み込まれたスキャン画像が表示される。そして、プレビュー領域７１０内には、スキャン画像と共にその表示状態を変更するための複数のボタン７１１〜７１４も表示される。ボタン７１１及び７１２はスキャン画像の全体を表示しきれないときに現れるボタンで、表示領域を縦方向にスクロールするためのボタンである。ＭＦＰ１１０が備えるタッチパネルは通常それほど大きくはない。そこで、例えば、スキャン画像がA4縦・横書きの原稿を読み取ったものである場合は、スキャン画像の幅方向（短手方向）全体がプレビュー領域７１０にちょうど収まるように上詰めで縮小表示されるよう初期設定される。つまり、初期設定においては、A4縦のスキャン画像の下部はプレビュー領域７１０内に表示されないことになる。このようなとき、「↓」ボタン７１２を押下すると下に表示領域がスクロールし、下部を表示させることができる。さらに、スキャン画像が例えばA4横やA3などの場合には、表示領域を横方向にスクロールするためのボタンを設ければよい。ボタン７１３及び７１４は、表示領域を拡大・縮小するためのボタンであり、「＋」のボタン７１３を押下するとズームインし、「−」のボタン７１４を押下するとズームアウトする。これらボタン操作による動作を、プレビュー画面上でのスワイプやピンチアウト／ピンチインといったユーザの指による操作で実現してもよい。また、プレビュー領域７１０には、ステップ５０５の画像解析処理によって特定された文字列領域が、上述の文字列領域情報に基づき、ユーザに識別可能な態様で表示される。図７（ｂ）は、図７（ａ）のプレビュー画面７００において、各文字列領域が囲み枠によって識別可能に表示された状態を示す図であり、各文字列領域は前述の表１の通し番号１〜９に対応している。ユーザが、プレビュー領域７１０に表示された文字列領域の中から任意の文字列領域を選択（例えば指でタッチ）すると、そこに含まれる文字列がファイル名入力欄７０１に表示、すなわち自動入力され、ファイル名を構成する文字列の一部となる。また、ユーザは、プレビュー画面７００において、ファイル名のフォーマットを設定することができる。ファイル名フォーマットは、ファイル名の構成要素である単位文字列の内容を表わす“項目”と、当該項目が複数の場合に項目同士を繋ぐ“区切り文字”との組み合わせからなる。項目としては、例えば「文書種別」、「会社名」、「注文番号」、「納品日」等が挙げられる。また、区切り文字としては、例えば、ハイフン“−”やアンダーバー“＿”等が挙げられる。以下の表２は、ファイル名フォーマットの一例を一覧で示している。

ユーザが、［ファイル名フォーマット設定］ボタン７０２を押下すると、ファイル名フォーマットの候補として、上記表２のような一覧がリスト表示される。そして、ユーザが、表示された候補の中から所望のフォーマットを選択することで、適用されるファイル名フォーマットが決定される。［戻る］ボタン７２０は、プレビュー表示を中止する場合に用いるボタンである。［次へ］ボタン７２１は、読み込まれたスキャン画像データのアップロード先を設定する画面に移行するためのボタンである。なお、上述した各種ボタンの種類、各文字列領域の表示や選択の態様は一例にすぎず、これに限定されない。例えば、ファイル名入力欄７０１に表示された文字列を修正・変更したり、ファイル名を確定したりするためのボタンがあってもよい。また、ボタン７０３については後述する。

ステップ５０７では、プレビュー表示部４２６により、読み込まれたスキャン画像に対するファイル名の生成がなされる。図８は、ファイル名生成後のプレビュー画面７００の状態を示す図である。この例では、「注文書」、「東京株式会社」、「H2014−90002」に対応する文字列領域が順次選択されたことで、「注文書_東京株式会社_H2014−90002」の文字列が、ファイル名入力欄７０１に表示されている。また、プレビュー領域７１０では、文字列領域の囲みがユーザのタッチ操作によってファイル名の一部として選択されたことを示すため、太枠に変わっている。このファイル名生成処理の詳細については後述する。所望するファイル名が生成されてユーザが［次へ］ボタン７２１を押下すると、ステップ５０８へ進む。

ステップ５０８では、プレビュー表示部４２６により、ステップ５０２と同様、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［次へ］ボタン７２１の押下が検出された場合は、ファイル名入力欄７０１に表示中のファイル名（ファイル名として設定された文字列）の情報がアップロード指示部４２７へ送られ、ステップ５０９へ進む。一方、［戻る］ボタン７２０の押下が検出された場合は、ステップ５０１（スキャン設定画面の表示）へ戻る。

ステップ５０９では、アップロード指示部４２７により、スキャン画像データの転送先を設定するためのＵＩ画面（以下、「アップロード設定画面」と呼ぶ。）が、操作部２２０のタッチパネルに表示される。ユーザは、このアップロード設定画面を介して、ファイルサーバ１２０へのアップロードに関する詳細設定を行う。図９は、アップロード設定画面の一例を示す図である。ユーザは、［フォルダパス］入力欄９０１に、ファイルサーバ１２０へ外部転送する際のフォルダパスの名称（パス名）を入力する。図９の例では、“2017_04_04”がパス名として入力されている。入力方法としては、例えばフォルダパス入力欄９０１へのタップ操作に応じてキーボード画面のサブウインドウ（不図示）を表示し、ユーザに、当該キーボード画面を介してパス名を入力させる方法がある。あるいは、ＨＤＤ２１４内に保持するアドレス帳の中から選択して設定できるようにしてもよい。［戻る］ボタン９２０は、アップロードに関する詳細設定を中止する場合に用いるボタンである。［アップロード］ボタン９２１は、［フォルダパス］入力欄９０１で設定したフォルダパスへのアップロードを指示するためのボタンである。

ステップ５１０では、アップロード指示部４２７により、ステップ５０８と同様、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［アップロード］ボタン９２１の押下が検出された場合は、ステップ５１１へ進む。その際、フォルダパス入力欄９０１に入力されたパス名、ステップ５０７で生成されたファイル名、ファイルサーバ設定の各情報が、アプリケーション転送部４２４へ渡される。ここで、ファイルサーバ設定は、ファイルサーバ１２０にスキャン画像データを格納するために必要な情報であり、具体的には、ホスト名、フォルダパスの起点、ログイン用のユーザ名とパスワードといった情報を含む。一方、［戻る］ボタン９２０の押下が検出された場合は、ステップ５０６（プレビュー画面の表示）へ戻る。

ステップ５１１では、アプリケーション転送部４２４により、スキャン画像データの格納先パスが、アップロード指示部４２７から受け取った情報に基づき生成される。具体的には、ファイルサーバ設定（ファイルサーバ１２０のホスト名、フォルダパスの起点）にフォルダパスを加えて生成される。これにより、例えば“\\server01\Share\2017_04_04”といった格納先パスが生成される。そして、ステップ５１２では、アプリケーション転送部４２４により、ファイルサーバ１２０に対するアクセスが実行される。この際、ファイルサーバ設定に含まれるユーザ名とパスワードをファイルサーバ１２０に送信する。ユーザ名とパスワードを受け取ったファイルサーバ１２０では、認証処理が実行される。

ステップ５１３では、アプリケーション転送部４２４により、ファイルサーバ１２０での認証結果に従って処理の切り分けがなされる。すなわち、ファイルサーバ１２０から認証成功の通知を受信した場合は、ステップ５１４に進む。一方、認証失敗の通知を受信した場合は、本処理を終了する。

ステップ５１４では、アプリケーション転送部４２４により、ステップ５１１で生成された格納先パスが示すフォルダにスキャン画像データが外部転送され、ファイルサーバ１２０内に格納される。

以上が、本実施例に係るスキャン画像の生成からアップロードまでの動作制御の内容である。なお、本実施例では、ステップ５０５〜５０７の各処理を、スキャンによって生成された１ページ分の画像データに対して行うことを想定している。例えば、プレビュー画面７００内に次のページの画像解析を行うためのボタンを設け、その解析によって得られた次ページのプレビュー表示を行って、次ページ以降の文字列領域からファイル名を構成する文字列を設定できるようにしてもよい。

＜ファイル名の生成＞
図１０は、プレビュー表示部４２６におけるファイル名生成処理（ステップ５０７）の詳細を示すフローチャートである。以下、図１０のフローに沿って説明する。

ステップ１００１では、現在設定されているファイル名フォーマットが取得され、当該取得したファイル名フォーマットの内容がファイル名入力欄７０１に表示される。この際、例えば低濃度のグレイ文字等を用いて薄く表示することで、ユーザにこれから選択すべき文字列領域を認識させることができる。ここでは、前述の［ファイル名フォーマット設定］ボタン８０２を介して前述の表２における番号４のファイル名フォーマットが選択されているものとする。この場合、「＜文書種別＞−＜会社名＞−＜納品日＞」が仮のファイル名として、ファイル名入力欄７０１に表示されることになる。図１１（ａ）にその表示例を示す。どの項目も未選択であることを示す低濃度で薄く表示されている。なお、ファイル名フォーマットの設定は、本処理の開始時にユーザにメッセージ表示等によって促してもよいし、所定のファイル名フォーマットを初期値として予め設定・表示しておき、ユーザが必要に応じて適宜変更してもよい。

ステップ１００２では、タッチパネル上に表示されたプレビュー画面７００へのユーザによるタッチ操作の有無が監視される。タッチ操作が検出されるとステップ１００２へ進む。続くステップ１００３では、タッチ操作の内容によって処理の切り分けがなされる。タッチ操作の内容が、［次へ］ボタン７２１または［戻る］ボタン７２０の押下であった場合は、本処理を終了する。［次へ］ボタン７２１または［戻る］ボタン７２０の押下ではなかった場合は、ステップ１００４へ進む。

ステップ１００４では、タッチ操作がなされたタッチパネル上の位置座標（x,y）が取得される。続くステップ１００５では、タッチ操作された位置座標が、いずれかの文字列領域と重なるかどうかが判定される。例えば、前述の図７（ｂ）のプレビュー画面７００において、タッチ操作された位置座標が、プレビュー領域７１０に表示された各文字例領域の内側（文字列領域の四隅を表す位置座標で特定される矩形の内側）に含まれるかどうかで判定する。タッチ操作された位置座標がいずれかの文字列領域と重なっている場合は、ステップ１００６へ進む。一方、重なっていない場合は、ステップ１００２に戻る。

ステップ１００６では、スキャン画像内の文字列領域に対するタッチ操作の順番（選択順）が特定される。具体的には、まず、ファイル名入力欄７０１における現時点の表示内容が取得される。そして取得した表示内容のうち、ファイル名フォーマットの項目に対応する文字列（後述のステップ１０１２で置換された文字列）の数を取得し、その数に１を加えたものをタッチ操作の順番として特定する。例えば、ファイル名入力欄７０１に「注文書−東京株式会社−＜納品日＞」が現在表示されていたとする。この状態で、「H2014-90002」の文字列領域へのタッチ操作が検出された場合のタッチ操作の順番は、“２＋１＝３”となる。なお、タッチ操作の順番がファイル名フォーマットを構成する項目の個数を超えないよう、タッチ操作すべき文字列領域のトータル数を知らせる表示をしてもよい。また、必要な個数を超えてタッチ操作がされた場合にエラーメッセージを表示するなどしてもよい。

ステップ１００７では、ステップ１００６で特定したタッチ操作の順番（選択順）と、ステップ１００１で取得したファイル名フォーマットとに基づき、後続のステップ１００８で適用するＯＣＲ処理の条件を決定する。この際、予め用意した、ＯＣＲ処理の各種条件を格納したデータベース（以下、条件ＤＢ）が参照される。ＯＣＲ処理の条件は、複数のパラメータ（ここでは「タイプ」、「ＯＣＲ言語」、「追加文字」「整形フォーマット」）で構成され、ファイル名を構成する前述の各項目に対応付けられている。本実施例ではパラメータは最大で４つであり、それぞれ以下の内容を表わす。まず、「タイプ」は、対象文字列の属性を示す。また、「ＯＣＲ言語」は日本語や英語といった本来的な意味での言語の他、数字なども含む概念であり、このＯＣＲ言語によって、使用する辞書データの種類が特定される。「追加文字」は辞書データ内の単語に加えて認識すべき文字を規定する。「整形フォーマット」は、読み取った文字列を後処理で整形する際のフォーマットを規定する。表３は、ＯＣＲ処理の条件ＤＢの一例を示す。

なお、「ＯＣＲ言語」が“日本語”のときは、日本語用のＯＣＲアルゴリズムによって日本語の辞書データを使用した文字認識を行うため、“日本語”以外の言語の文字列が認識されることはない。そこで、例えば「ＯＣＲ言語」に“日本語、中国語、ドイツ語”や“数字、カタカナ”のように複数の言語を指定して、複数の言語に対応した複数のＯＣＲアルゴリズムを適用しても構わない。また、「ＯＣＲ言語」のバリエーションとして、例えば会社名や電話番号などの情報が記載されたアドレス帳等を指定してもよい。さらには、本実施例では、フォーマットを構成する項目毎に対応する条件を規定した条件ＤＢを用いたが、例えば、フォーマットと条件とを１対１で対応付けた条件ＤＢを用いてもよい。このように、予め設定されたフォーマットとユーザによる文字列領域の選択順とに基づいてＯＣＲ処理の条件を決定することで、各文字列領域に対して、それぞれ適したＯＣＲ言語が適用されることになる。その結果、例えば図１で示したように、アルファベットの「H」を漢字の「比」と誤認識するようなケースを減らすことができる。

例えば、ファイル名フォーマットが「＜文書種別＞_＜会社名＞_＜納品日＞」であって、タッチ操作の順番が“３”の場合、当該タッチ操作に係る文字列領域についてのＯＣＲ処理の条件は、以下のように決定される。

まず、適用するファイル名フォーマット「＜文書種別＞−＜会社名＞−＜納品日＞」を、区切り文字（アンダーバー）で分割する。すると、１番目の項目は＜文書種別＞、２番目の項目は＜会社名＞、３番目の項目は＜納品日＞となる。いま、タッチ操作の順番は“３”なので、ＯＣＲ処理の対象項目は３番目の＜納品日＞である。そして、表３の条件ＤＢを参照して、＜納品日＞に対応付けられたパラメータが、ＯＣＲ処理の条件として決定される。すなわち、対象文字列の属性が“日付”、使用する辞書データの種類が“数字”、追加的に文字認識する文字が“平成，年，月，日，／”、抽出した文字列を「yyyyMMdd」で整形することが、タッチ操作された文字列領域へのＯＣＲ処理の条件として決定される。

ステップ１００８では、タッチ操作された位置座標と重なっている文字列領域の文字列が取得される。この際、ステップ１００７で決定されたＯＣＲ処理の条件とステップ１００５で重なりありと判定された文字列領域の位置座標の情報が画像解析部４２５へ渡され、画像解析部４２５において、渡された情報に従ってＯＣＲ処理がなされる。そして、ＯＣＲ処理で得られた文字認識結果が、プレビュー表示部４２６へと渡される。

ステップ１００９では、ステップ１００７で決定したＯＣＲ処理の条件に「整形フォーマット」が含まれているかどうかが判定される。「整形フォーマット」が含まれている場合は、ステップ１０１０にて、ステップ１００８で取得された文字列が整形フォーマットに従って整形される。例えば、前述の「yyyyMMdd」は、日付を表す文字列を組み合わせたフォーマットであり、「yyyy」は４桁の西暦数字、「MM」は２桁の月、「dd」は２桁の日を表わしている。よって、「「2017年4月14日」の文字列領域がタッチ操作された場合は、まず「2017年4月14日」の文字列が読み取られ、さらに整形フォーマット「yyyyMMdd」によって「20170414」へと整形されることになる。一方、ステップ１００７で決定したＯＣＲ処理の条件に「整形フォーマット」が含まれていなければ、ステップ１０１１へ進む。

ステップ１０１１では、ファイル名入力欄７０１に現在表示中の内容が取得される。取得される表示内容には、少なくともその一部にステップ１００１で取得・表示されたファイル名フォーマットの構成要素である項目名（以下、「フォーマット要素」と呼ぶ。）が含まれる。そして、ステップ１０１２では、ステップ１００８で取得した文字列（或いはステップ１０１０で整形した文字列）が、本ステップで取得した表示内容中の対応するフォーマット要素と置き換えられる。

ステップ１０１３では、ステップ１００１で取得したファイル名フォーマットに従ったファイル名が完成したかどうかが判定される。この際、ファイル名入力欄７０１に表示されていたフォーマット要素が全て認識文字列に置換され、ファイル名入力欄７０１の表示内容が全て濃い文字で表示されていれば、ファイル名は完成している。判定の結果、ファイル名が完成していれば本処理を終える。一方、ファイル名が未完成であれば、ステップ１００２に戻って処理を続行する。

以上が、ファイル名生成処理の内容である。図１１（ｂ）〜（ｄ）は、前述の図１１（ａ）の状態から、「注文書」「東京株式会社」「2017年04月14日」の文字列領域を順にユーザがタッチ操作してファイル名を完成させた時の、ファイル名入力欄７０１における表示内容の変遷を示している。まず、図１１（ｂ）は、「注文書」の文字列領域が最初にタッチ操作された後のファイル名入力欄７０１の状態である。この段階では、＜文書種別＞のフォーマット要素が、文字列領域８１５に対するＯＣＲ処理で得られた認識文字列“注文書”に置換される。そして、＜文書種別＞に対応する文字列領域がタッチ操作済みであることを示すために、“注文書”の文字列とそれに続く区切り文字のアンダーバー“_”が濃く表示されている。そして、図１１（ｃ）は、「注文書」の文字列領域に続いて「東京株式会社」の文字列領域がタッチ操作された後のファイル名入力欄７０１の状態である。この段階では、＜会社名＞のフォーマット要素が、文字列領域８１６に対するＯＣＲ処理で得られた認識文字列“東京株式会社”に置換される。そして、図１１（ｂ）と同様、“東京株式会社”とそれに続く区切り文字のアンダーバー“_”までが濃く表示される。図１１（ｄ）は、最後に「2017年04月14日」の文字列領域がタッチ操作された後のファイル名入力欄７０１の状態である。この段階で、＜納品日＞のフォーマット要素が、文字列領域８１７に対するＯＣＲ処理で得られた認識文字列の整形後の文字列“20170414”へ置換される。そして、“20170414”までが濃く表示され、設定されたファイル名フォーマットに対応するファイル名が完成する。

なお、本実施例では、ファイル名入力欄７０１の表示内容のうち、ユーザがタッチ操作して認識文字列に置換された箇所までを濃く表示し、未だ置換されていない箇所を薄く表示しているが、これに限定されない。例えば、認識文字列に置換された箇所をハイライト表示したり、逆に未だ置換されていない箇所を斜体で表示したりといった方法でタッチ操作が済んだ箇所かどうかを識別できるようにしてもよい。さらには、未だ置換されていない箇所にだけタッチ操作を促すメッセージを表示するなどしてもよい。

また、本実施例では、スキャン画像内の文字列領域の文字認識結果を用いてファイル名を設定する場面を例に説明したが、本発明の適用範囲はファイル名を設定する場面に限定されるものではない。例えば、スキャン画像のアップロード先といったデータの転送先設定や、ＦＡＸ送信やメール送信の宛先設定に適用してもよい。この場合、例えば、前述の図９のアップロード設定画面９００において、フォルダパス用のフォーマット設定ボタン（不図示）を設け、ユーザが複数の候補の中からフォルダパスのフォーマット選択・設定できるようにする。また、不図示の宛先設定画面において、ＦＡＸ番号やメールアドレス用のフォーマットをユーザが同様に設定できるようにする。そして、フォルダパス、ＦＡＸ番号、メールアドレスを設定するためのＯＣＲ処理を、設定されたフォーマットに応じた条件で実行すればよい。このように、スキャン画像データの転送先設定など、スキャン画像に関連する様々な情報（付帯情報）の設定を行う場面において、本発明は幅広く適用可能である。

また、ファイル名フォーマットの候補（表２を参照）や、各候補に対応したＯＣＲ処理の条件ＤＢ（表３を参照）については、ユーザや管理者が適宜追加、削除、変更といった編集をできるようにしてもよい。図１２は、ファイル名フォーマットの候補、及び当該候補の編集に伴って生じ得るＯＣＲ処理の条件の設定変更を、ユーザが行うためのＵＩ画面（ＯＣＲ設定画面）の一例を示している。このＯＣＲ設定画面１２００は、図７（ｂ）のプレビュー画面７００におけるボタン７０３の押下により、例えばサブウィンドウとして表示される。入力欄１２０１は、１又は複数のファイル名フォーマットを記載した、例えばＸＭＬ形式のリスト等のファイルパスを表示する領域である。ユーザは、［参照］ボタン１２０２を押下して例えばファイルサーバ１２０上のフォルダを辿り、リストの存在するファイルパスを指定する。すると、指定されたファイルパスが入力欄１２０１に表示される。その後に「保存」ボタン１２２１が押下されると、入力欄１２０１に表示中のファイルパスからリストが読み込まれ、ＲＡＭ２１３又はＨＤＤ２１４に保存される。そして、当該リストに記載されたファイル名フォーマットが新たな選択候補として、ファイル名フォーマット設定ボタン７０２の押下に応答して表示されることになる。同様に、入力欄１２０３は、ＯＣＲ処理の条件を記載したリスト等のファイルパスを表示する。ユーザは、［参照］ボタン１２０４を押下して例えばファイルサーバ１２０上のフォルダを辿り、リストの存在するファイルパスを指定する。すると、指定されたファイルパスが入力欄１２０３に表示される。その後に「保存」ボタン１２２１が押下されると、入力欄１２０３に表示中のファイルパスからリストが読み込まれ、ＲＡＭ２１３又はＨＤＤ２１４に保存される。そして、当該リストに記載された内容がＯＣＲ処理の新たな条件ＤＢとなる。［キャンセル］ボタン１２２０は、作業をキャンセルしてＯＣＲ設定画面１２００を閉じるためのボタンである。ユーザは、このようなＯＣＲ設定画面１２００を介して、ファイル名フォーマットの候補やＯＣＲ処理の条件を編集することができる。なお、上述した編集方法は一例であり、例えばウェブブラウザからウェブサービスにアクセスしてリストを表示・保存してもよいし、ユーザが入力欄１２０１及び１２０３にファイルパスを直接入力して設定できても良い。

以上のとおり本実施例によれば、スキャン画像に対してＯＣＲ処理を行ってファイル名等を設定する場面において、別途設定したフォーマットに従ってＯＣＲ処理の条件が適切に設定される。これにより、文字認識率を向上させることができる。

（その他の実施例）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

Claims (17)

1. 文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置であって、
   前記スキャン画像をＵＩ画面に表示する表示制御手段と、
   前記ＵＩ画面に表示された前記スキャン画像においてユーザが選択した複数の文字領域の選択順と、前記所定の処理のための付帯情報のフォーマットとに基づいて、当該選択された複数の文字領域それぞれに対するＯＣＲ処理の条件を決定し、前記選択された複数の文字領域それぞれに対して当該決定された条件を用いてＯＣＲ処理を行ない、該ＯＣＲ処理によって前記複数の文字領域それぞれから得られる文字列を用いて前記所定の処理のための付帯情報を設定する設定手段と、
   を備えることを特徴とする装置。
2. 前記表示制御手段は、前記スキャン画像と共に前記付帯情報のフォーマットを前記ＵＩ画面に表示し、
   ユーザは、前記スキャン画像内に存在する文字領域の中から、前記表示されたフォーマットの構成要素に対応する文字領域を順に選択する、
   ことを特徴とする請求項１に記載の装置。
3. 前記表示制御手段は、前記表示されたフォーマットの構成要素のうち、対応する文字領域が既に選択された箇所と、まだ選択されていない箇所とをユーザが識別できるように表示することを特徴とする請求項２に記載の装置。
4. 前記表示制御手段は、前記表示されたフォーマットの構成要素のうち、対応する文字領域が既に選択された箇所を、前記ＯＣＲ処理によって当該選択された文字領域から得た文字列で置き換えることによって、対応する文字領域既に選択された箇所と、まだ選択されていない箇所とをユーザが識別できるように表示することを特徴とする請求項３に記載の装置。
5. 前記表示制御手段は、前記表示されたフォーマットの構成要素のうち、対応する文字領域が既に選択された箇所を濃く表示し、まだ選択されていない箇所を薄く表示することを特徴とする請求項３または４に記載の装置。
6. 前記フォーマットの構成要素には、前記付帯情報の構成要素となる文字列の内容を表わす項目が少なくとも含まれ、
   前記ＯＣＲ処理の条件は、前記項目に対応付けられている、
   ことを特徴とする請求項２乃至５のいずれか１項に記載の装置。
7. 前記ＯＣＲ処理の条件は、ＯＣＲ言語を特定する情報を少なくとも含む複数のパラメータで構成されることを特徴とする請求項１乃至６のいずれか１項に記載の装置。
8. 前記複数のパラメータは、前記ＯＣＲ言語に対応する辞書データ内の文字に加えて認識すべき文字を規定する情報と、前記ＯＣＲ処理により得られる文字列を後処理で整形する際のフォーマットを規定する情報との少なくともいずれかを含むことを特徴とする請求項７に記載の装置。
9. 前記付帯情報のフォーマットは、前記ＵＩ画面を介したユーザ指示に基づき決定されることを特徴とする請求項１乃至８のいずれか１項に記載の装置。
10. 前記表示制御手段は、前記付帯情報のフォーマットの候補を前記ＵＩ画面に表示し、当該候補の中からユーザに所望のフォーマットを選択させることを特徴とする請求項９に記載の装置。
11. 前記所定の処理は、前記スキャン画像を保存する処理であり、
    前記付帯情報のフォーマットは、前記スキャン画像を保存する際のファイル名のフォーマットである
    ことを特徴とする請求項１乃至１０のいずれか１項に記載の装置。
12. 前記所定の処理は、前記スキャン画像を所定の転送先にアップロードする処理であり、
    前記付帯情報のフォーマットは、前記転送先を示すパス名のフォーマットである
    ことを特徴とする請求項１乃至１０のいずれか１項に記載の装置。
13. 前記所定の処理は、前記スキャン画像をＦＡＸ送信する処理であり、
    前記付帯情報のフォーマットは、ＦＡＸ番号のフォーマットである
    ことを特徴とする請求項１乃至１０のいずれか１項に記載の装置。
14. 前記所定の処理は、前記スキャン画像をメール送信する処理であり、
    前記付帯情報のフォーマットは、メールアドレスのフォーマットである
    ことを特徴とする請求項１乃至１０のいずれか１項に記載の装置。
15. 前記表示制御手段は、前記ＵＩ画面に表示された前記スキャン画像において、さらに、当該スキャン画像内の一続きの文字列と推認される文字領域をユーザに識別可能な態様で表示し、
    前記ユーザは、当該識別可能な態様で表示された文字領域の中から、前記複数の文字領域を選択する、ことを特徴とする請求項１乃至１４のいずれか１項に記載の装置。
16. 文書をスキャンして得られたスキャン画像に対して所定の処理を行う装置の制御方法であって、
    前記スキャン画像をＵＩ画面に表示するステップと、
    前記ＵＩ画面に表示された前記スキャン画像においてユーザが選択した複数の文字領域の選択順と、前記所定の処理のための付帯情報のフォーマットとに基づいて、当該選択された複数の文字領域それぞれに対するＯＣＲ処理の条件を決定し、前記選択された複数の文字領域それぞれに対して当該決定された条件を用いてＯＣＲ処理を行ない、該ＯＣＲ処理によって前記複数の文字領域それぞれから得られる文字列を用いて前記所定の処理のための付帯情報を設定するステップと、
    を含むことを特徴とする制御方法。
17. コンピュータを、請求項１乃至１５のいずれか１項に記載の装置として機能させるためのプログラム。

Images