JPH01229388A

JPH01229388A - 数字認識方法および装置

Info

Publication number: JPH01229388A
Application number: JP63055762A
Authority: JP
Inventors: Yukio Sato; 幸雄佐藤
Original assignee: Nippon Steel Corp
Current assignee: Nippon Steel Corp
Priority date: 1988-03-09
Filing date: 1988-03-09
Publication date: 1989-09-13

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】〔産業上の利用分野〕本発明は数字を認識する技術に関する。

〔従来技術〕

例えば、工場から送られて来た鋼板には、その型式等を
識別するためのコードを示す数字がペイントされている
。この数字を読み取り作業ロボットに入力すると、作業
ロボットは入力された数字で示されるコードに対応付け
された鋼板の仕分は等の作業を実行する。これにおいて
、数字の認識を自動化すれば、一連の作業を完全自動化
することができる。

従来の数字の自動認識に、パターンマツチング法と呼ば
れる技術がある。これにおいては、認識対称となる画像
（以下対称画像という）のＸｅＹ方向の画素分布を示す
パラメータを求め、基準となる文字（以下基準文字とい
う）を、ｘ、ｙ方向の画素分布を示すパラメータにより
記述した辞書を検索する。

例えば、第１０ａ図は、対称画像の量子化パターンであ
る。これをＸ軸に投影すると第１０ｂ図に示したパター
ンが得られ、ｙ軸に投影すると第１０ｃ図に示したパタ
ーンが得られる。これらは、それぞれ対称画像のＸｔ　
ｙ軸方向の画素分布を示すので、パラメータ：（（２，６，３，４，６，６，１０，８）、　（７，７
，２，２，３，４，４，４，７，５））を用いて記述す
ることができる。このパラメータは、第１１ａ図に示し
た基準文字ｉｎ　３　＋＋の量子化パターンをそれぞれ
ｘ、ｙ軸に投影して得た第１１ｂ図あるいは第１１ｃ図
に示したパターンから得たパラメータ：（（４，６，４，４，６，６，１０，６）、　（６，８
，４，２，３，３，２，４，８，６））との相関が高い
（整合の度合が高い）ので対称画像は文字″゛３”と認
識される。

〔従来技術の問題点〕

しかしながら、パターンマツチング法においては、同一
文字でもフォントが異なるとパラメータに著しい差が生
じるため、フォント数分の基準文字の辞書を必要とする
。また、１文字の認識においては、最大でフォント数の
１０倍（０〜９の数字を対称とするため）の相関を求め
る必要がある。

つまり、パターンマツチング法は、大容量の辞書メモリ
を必要とし、処理時間が長いという欠点を有している。

〔発明の目的〕

本発明は大容量のメモリを必要とすることなく、短い処
理時間で数字を認識することを目的とする。

〔発明の構成〕

上記目的を達成するため、本発明においては、標本画像
を構成する線素がなす閉ループ、交差および端点の数よ
り特徴パラメータを求め、予め用意した、数字を構成す
る線素がなす閉ループ、交差および端点の数から求めた
基準パラメータと照合し、標本画像を認識する。

また、これを標本画像の分類に用いて、その分類に対応
付けした部位の標本画像を構成する線素の形状から特徴
パターンを求め、その分類に含まれる各数字毎に設定し
た部位の数字を構成する線素の形状から求めた基準パタ
ーンと照合し、標本画像を認識する。

（作用〕これによれば、各数字がフォントを超えて固有する基本
的な特長、すなわち、数字を構成する線素がなす閉ルー
プ、交差および端点の数をパラメータとして数字を記述
しているので、大容量のメモリは不要である。また、照
合回数は少なく、数字認識の処理時間が著しく短縮され
る。

さらに、上記数字の特徴を示すパラメータにより標本画
像の大分類を行なった後、細部の形状に着目して基準パ
ターンとのマツチングを行なえば、数字認識がより確実
になる。

本発明の他の目的および特徴は、以下の図面を参照した
実施例説明より明らかになろう。

〔実施例〕

第１図に、工場から送られて来た鋼板にペイントされて
いる識別コードを示す数字を読み取ってそのデータを作
業ロボットに転送する、数字認識システムのハードウェ
ア構成を示す。

このシステムは、システム全体の動作制御を行なうコン
ピュータ１　、２５６　Ｘ　２５６画素の解像度で鋼板
を撮像するＩＴＶカメラ２、ＩＴＶカメラ２の出力信号
をデジタル変換して２５６階調の原画像データを生成す
るＡ／Ｄコンバータ２　ａ　、　ＨＷｉ像テータを処理
してそれに含まれている識別コードを示す数字を読み取
る画像処理プロセッサ３、原画像データを始めとして種
々の画像データがストアされる画像メモリ４、画像処理
プロセッサ３の処理結果等を出力するデイスプレィユニ
ット５およびプリンタ６、画像処理プロセッサ３の処理
結果等を登録しておくフロッピーディスク７および、オ
ペレータがコンピュータｌに対する指示を入力するキー
ボードターミナル８等でなる。

コンピュータ１は、所定のプログラムに従ってＩＴＶカ
メラ２およびＡ／Ｄコンバータ２ａを制御して原画像デ
ータを画像メモリ４内にストアすると、画像処理プロセ
ッサ３に対して画像処理の実行を指示する０画像処理プ
ロセッサ３は、これに応答して第２ａ図のフローチャー
トで示される画像処理を実行する。以下、この画像処理
について説明する。

画像処理プロセッサ３は、コンピュータｌより指示を受
けると、まず、ＳＬ（フローチャートに付したステップ
番号を示す：以下同義）において所定のメモリおよびレ
ジスタ等を初期化する。

続いてＳ２において２５６階調の原画像データを２値化
し、Ｓ３においてラインの切出しを行なう。

ここで、第３図を参照されたい。この第３図は、２値化
した原画像データにより示される画像を模式的に示した
ものであるが、これにおいてＹ軸上に画像を投影すると
、Ｙ１〜Ｙ２の間に黒画素（数字の成分となる画素：以
下同じ）が集中する。

そこで、この間に数字の存在するものと判定してライン
の切出しを行なう。

Ｓ４においては、Ｓ３において切り出したラインからさ
らに１文字分の対象画像の領域を切出す。

この場合はラインと平行な軸上に画像を投影する。

例えば、第３図においては、切り出したラインの画像を
Ｘ軸上に投影して黒画素が集中する範囲Ｘ１〜Ｘ２．Ｘ
３〜Ｘ４．Ｘ５〜Ｘ６．・・・・・。

を検出し、各範囲のＸ座標に基づいて１文字分の領域を
摘出する。本実施例では左端画像から処理を行なうので
、第３図においては、まず、座標（ＸＩ、Ｙｌ）および
（Ｘ２．Ｙ２）で対角指定される領域を摘出する。

Ｓ５においては、切り出した１文字分の領域の含まれる
原画像データの最高階調と最低階調とを検出して階調補
正を行なう。この際、ノイズの影響を除去するために最
高、最低階調ともに、それが所定値Ｖ。画素あることを
条件としている。階調補正は、第４図に示すように最低
階調をＤ　ｗｉｎ、最高階調をＤ　ｗａｘとするとき、
Ｄｍｉｎ−Ｄｍａｘの階調を０〜２５５に変換する線形
関数に原画像データを代入し、その写像を求める。この
階調補正処理により原画像データのコントラストが改善
される。

Ｓ６においては、補正した原画像データを２値化し、黒
画素および白画素（数字の背景となる画素：以下同じ）
の２次元配列でなる２値画像を示す２値画像データを作
成する。

Ｓ７においては、膨張処理を２回行ない、その後縮小処
理を２回行なって２値画像のギャップを補間している。

膨張処理は、切出し領域内の各画素に逐次注目してそれ
が黒画素のときは８近傍画素（第５図において、ＰＯを
注目画素とするとＰ１〜Ｐ８が８近傍画素である）のす
べてを黒画素に変換し、縮小処理は、切出し領域内の各
画素に逐次注目してそれが白画素のときは８近傍画素の
すべてを白画素に変換する処理である。このＳ７の処理
により、２値画像の４×４画素の大きさ以下のギャップ
が補間される。

Ｓ８においては、２値画像の線幅を１画素に細線化して
いる。本実施例ではＨｉｌｄｉｔｃｈの方法を用いてい
る。これにおいては、第５図に示すような注目画素ＰＯ
とそれを囲む近傍画素Ｐ１〜Ｐ８でなる３×３画素マト
リクスで２値画像内をラスクスキャンしながら、以下の
（１）〜（６）の条件がすべて満足される毎に、注目画
素ＰＯの削除を判定する。

（１）注目画素ＰＯが対象物に属する画素、すなわち、
黒画素である条件、（２）注目画素ＰＯが境界画素である条件、すなわち、
４近傍画素ＰＬ、Ｐ３．Ｐ５およびＰ７の内、少なくと
も１つが白画素である条件、（３）注目画素ＰＯが端点
てない条件、すなわち、８近傍画素Ｐ１〜Ｐ８の内、少
なくとも２つが黒画素である条件、（４）孤立点でない条件、すなわち、８近傍画素Ｐ１〜
Ｐ８の内、少なくとも１つがこの細線化処理によっても
削除されない黒画素である条件、（５）注目画素ＰＯに
連結する成分の数が１である条件、すなわち、注目画素
ＰＯを削除しても連結性が保存される条件、および、（６）線幅が２画素の成分に対してその片側のみを削除
する条件、すなわち、８近傍画素Ｐ１〜Ｐ８の内のこの
細線化処理によって削除される黒画素と、注目画素ＰＯ
を同時に削除しても連結性がなお保存される条件。

この細線化処理を実行すると、第６図に示すように、黒
画素により示される画像を内接する最小の矩形を処理領
域Ｗに設定し、ｘ、ｙ座標系を定めて８９のラベリング
処理を実行する。第６図を例としてこのラベリング処理
を説明する。

（１）座標（０，０）からラスクスキャンを開始すると
座標（１６，Ｏ）で最初の黒画素が見付かる。

そこで、この画素をスタート画素Ｓ１としてトラッキン
グを開始する。このトラッキングは、第５図に示した３
×３画素マトリクスを用いて、８近傍画素ＰＬ−Ｐ８に
黒画素を見付ける毎に注目画素ＰＯの座標をその黒画素
の座標に更新設定し、黒画素を追跡するとともに画素数
のカウントを行なう。なお、第６図のスタート画素Ｓ１
は端点てはないので８近傍画素に２つの黒画素が含まれ
る。

このように、端点以外の画素からトラッキングを開始す
る場合には８近傍画素に複数の黒画素が含まれるので、
本実施例においては、８近傍画素Ｐ１〜Ｐ８に対してこ
の順序で優先順位を設定している。つまり、最初のトラ
ッキングは矢印ａ１の方向に行なわれる。

（２）トラッキング中に８近傍画素内に、すでにトラッ
キングを行なった黒画素を含めて３つの黒画素を有する
注目画素を見付けるとそれを分岐画素に設定する。つま
り、Ｓｌから矢印ａ１の方向にトラッキングを行なうと
きには、座標（２８，２７）でスタート画素Ｓ１に接続
される最初の分岐画素Ｎ１を見付ける。

（３）分岐画素Ｎ１を見付けるとトラッキングを中止し
て再びスタート画素Ｓ１に注目し、残されたブランチの
トラッキングを開始する。このときのトラッキング方向
は上記の優先順から矢印ａ２の方向となる。

（４）このトラッキングにおいて、座標（１６，２７）
でスタート画素Ｓ１に接続される２つ目の分岐画素Ｎ２
を見付けると、そこでトラッキングを中止して再度スタ
ート画素Ｓ１に注目するが、残されたブランチがないた
め、今度は分岐画素Ｎ１に注目し、ここからトラッキン
グを開始する。このときのトラッキング方向は上記優先
順から矢印ｂ１の方向となる。

（５）座標（１６，２７）で分岐画素Ｎ１に接続される
分岐画素Ｎ２を見付けると、そこでトラッキングを中止
して分岐画素Ｎ１に戻り、残されているブランチのトラ
ッキングを開始する。

゛（６）次のトラッキングは、上記の優先順から矢印ｂ
２の方向に行なわれ、座標（１６，２７）で分岐画素Ｎ
２を見付ける。

（７）再度分岐画素Ｎ１に戻るが、残されているブラン
チがないので分岐画素Ｎ２に注目する。しかしこの分岐
画素Ｎ２に接続されるブランチのトラッキングはすべて
終了しているのでスタート画素Ｓ１に戻ってラスクスキ
ャンを再開し、トラッキングが未だ行なわれていない黒
画素を探索する。

（８）ラスクスキャンにおいて、座標（２０，４３）で
第２のスタート画素Ｓ２を見付けると上記同様にしてト
ラッキングを行なう。この場合、座標（１８，４７）の
黒画素は端点であるので、この画素を端点画素Ｅ１に設
定する。

（９）以下、第２のスタート画素Ｓ２に戻り、ラスクス
キャンを続行する。

このようにして、Ｓ９のラベリングにおいては、１Ｉｌ
ａ化した２値画像を画素の連結状態より記述する。例え
ば、第６図に示した画像であれば、Ｑｌ：■Ｓ１→Ｎｔ
（４６）、　　■Ｓ１→Ｎ２（３６）。

■Ｎ１→Ｎ２（１３）　＆■Ｎ１→Ｎ２（１０１）Ｑ２
　二〇Ｓ２→Ｅ１（５）となる。なお、括弧内の数字は各ブランチを構成する画
素数である。

ＳＩＯにおいては特徴パラメータを算出する。

第６図を例に説明する。

（１）Ｓ９においてラベリングを施した画像の構成画素
数により適否を判定する。つまり、画像Ｑ１の全構成画
素数は１９６１画像Ｑ２の全構成画素数は５であり、後
者は所定値ｖ１より小さいのでノイズと見做して除去す
る。

（２）画像の閉ループ数りをカウントする０画像Ｑ１に
は、■、■＆■でなる第１の閉ループ、■。

■＆■でなる第２の閉ループ、および、■＆■でなる第
３の閉ループがある。したがってＬ＝３をセットする（
第２の閉ループは第１と第３を合成したものとしてＬ＝
２としても良い）。

（３）画像の交差数Ｃをカウントする。ここでは、画像
２１の分岐画素Ｎ　１　ｙ　Ｎ　２を調べ、４連結（第
５図において、ＰＬ、Ｐ３．Ｐ５＆Ｐ７が黒画素）にな
っていればＣをカウントアツプするが。

第６図の例ではＯとなる。

（４）画像の端点数Ｅをカウントする。画像Ｑ１には端
点画素が含まれていないので０となるが。

ノイズとして消去したが、画像Ｑ２のように２つの端点
画素Ｓ２＋Ｅ１を有する場合にはＥ＝２をセットする。

Ｓｌｌでは、対象画像の認識を行なう、この認識は２段
階になっており、最初に特徴パラメータＬ、Ｃ，Ｈによ
り対象画像の大分類を行ない、次に細部の特徴に着目し
て認識を行なう。以下、これについて説明する。

本実施例において用いた閉ループ数りによる大分類を第
１表に、交差数Ｃによる大分類を第２表に、端点数Ｅに
よる大分類を第３表にそれぞれ示した。

第　　　１　　　表第　　　２　　　表第　　　３　　　表次に、第７図を参照されたい。ここに示したように、数
字ＩＩ　Ｉ　ＩＩはａの部位に、数字ＩＩ　２　ＩＩは
ｂとＣの部位に、数字１１３　Ｈはｄとｅの部位に、数
字１１４　＃１はｆの部位に、数字１１５　ＩＩはｇと
ｈの部位に、数字′″６″はｉの部位に、数字′″７″
はｊとｋの部位に、数字′″９′′はｍの部位に、それ
ぞれ特徴を求めることができる。そこで、本実施例にお
いては、第８図に示すような各数字を内接する矩形Ｗを
４分割し、各小矩形の頂点を基準にして５×５画素のパ
ターン抽出領域Ｗ１〜Ｗ９を設定し、第９図に示した基
準パターンＴ１〜Ｔ７を作成した。これに゛よれば、数
字”　１　”は領域Ｗ５にパターンＴ１が現われること
か特徴となり、数字“２″は領域ｗ５にパターンＴ２が
、領域ｗ９にパターンＴ３が現われることが特徴となり
、数字４４３　ｊ＃は領域ｗ５にパターンＴ４が、領域
ｗ３にパターンＴ５が現われることが特徴となり、数字
ＩＪ　４９１は領域ｗ９にパターンＴ１が現われること
が特徴となり、数字１＃　５１１は領域ｗ３にパターン
Ｔ５が、領域ｗ８にパターンＴ３が現われることが特徴
となり、数字４１６　Ｂは領域ｗ３にパターンＴ６が現
われることが特徴となり、数字１１７　ＩＩは領域ｗ３
にパターンＴ５が、領域ｗ８にパターンＴＩが現われる
ことが特徴となり、数字゛９”は領域ｗ７にパターンＴ
７が現われることが特徴となる。

以上に基づいて対象画像の認識を行なうのであるが、さ
らに第２ｂ図に示したフローチャートを参照してさらに
詳細に説明する。

Ｓ２１では、閉ループの数りを調べる。この数が２以上
であれば、前記第１表より対象画像は数字１４８　＄１
に特定できるので、Ｓ２２で認識結果を書き込むレジス
タエに８をセットする。

閉ループの数りが０であれば、大分類グループに含まれ
る数字は１，２，３．５および７であるため、Ｓ２３に
おいて第８図に示すように対称画像を内接する領域Ｗ内
に設定した５Ｘ５画素の領域ｗ１〜ｗ９を用いて特徴パ
ターンを抽出し、基準パターンとの整合を調べる。具体
的には、領域ｗ５に基づく特徴パターンと基準パターン
Ｔ１、領域ｗ５に基づく特徴パターンと基準パターンＴ
２、領域ｗ９に基づく特徴パターンと基やパターンＴ３
、領域ｗ５に基づく特徴パターンと基準パターンＴ４、
領域ｗ３に基づく特徴パターンと基準パターンＴ５、領
域ｗ８に基づく特徴パターンと基準パターンＴ３、領域
Ｗ８に基づく特徴パターンと基準パターンＴ１、をそれ
ぞれ比較する。

この比較において、不一致画素数が規定値以下であれば
一致と判定して対応する整合パラメータＭ１〜Ｍ７に１
をセットし、それを超えるときには不一致と判定して対
応する整合パラメータＭｌ〜Ｍ７に０をセットして。

整合パラメータＭ１が１、すなわち、対称画像の領域ｗ
５に基づく特徴パターンが基準パターンＴ１に一致する
とき、対象画像は数字ＩＩ　Ｉ　ＩＩに特定できるので
、Ｓ２５でレジ反りＩに１をセットする。

整合パラメータＭ２およびＭ３が１、すなわち、対称画
像の領域ｗ５に基づく特徴パターンが基準パターンＴ２
に一致し、領域ｗ９に基づく特徴パターンが基準パター
ンＴ３に一致するとき、対象画像は数字“２″に特定で
きるので、Ｓ２７でレジスタエに２をセットする。

整合パラメータＭ４およびＭ５が１、すなわち、対称画
像の領域ｗ５に基づく特徴パターンが基準パターンＴ４
に一致し、領域ｗ３に基づく特徴パターンが基準パター
ンＴ５に一致するとき、対象画像は数字１１３７９に特
定できるので、Ｓ２９でレジスタＩに３をセットする。

整合パラメータＭ５およびＭ６が１、すなわち、対称画
像の領域ｗ３に基づく特徴パターンが基準パターンＴ５
に一致し、領域Ｗ８に基づく特徴パターンが基準パター
ンＴ３に一致するとき、対象画像は数字１１５　Ｈに特
定できるので、Ｓ３１でレジスタＩに５をセットする。

整合パラメータＭＳおよびＭ７が１、すなわち、対称画
像の領域ｗ３に基づく特徴パターンが基準パターンＴ５
に一致し、領域Ｗ８に基づく特徴パターンが基準パター
ンＴ１に一致するとき、対象画像は数字ｉｔ　７　ｎに
特定できるので、Ｓ３３でレジスタエに７をセットする
。　　　・整合パラメータＭ１〜Ｍ７からは対象画像がこれらいず
れとも特定できないときには、Ｓ３４においてレジスタ
Ｉに認識エラーを示す＊をセットする。

閉ループの数りが１であれば、大分類グループに含まれ
る数字は０，４．６および９であるため、Ｓ３５におい
て端点の数Ｅを調べる。この数がＯであれば、さらにＳ
３６において交差の数Ｃを調べる。このとき、交差の数
Ｃが０であれば、対象画像は数字、”ｏ”に特定できる
ので、Ｓ３７でレジスタＩにＯをセットする。

端点の数Ｅが１以上のとき、あるいはそれが０であって
も交差の数Ｃが１以上のときはＳ３８において整合パラ
メータＭ８〜ＭＩＯを算出する。

これら整合パラメータＭ８〜ＭＩＯには、前記と同様に
領域ｗ９に基づく特徴パターンと基準パターンＴｌ、領
域ｗ３に基づく特徴パターンと基準パターンＴ６、領域
Ｗ７に基づく特徴パターンと基準パターンＴ７の比較に
より、一致を示す１または不一致を示すＯがセットされ
る。

整合パラメータＭ８が１、すなわち、対称画像の領域ｗ
９に基づく特徴パターンが基準パターンＴ１に一致する
とき、対象画像は数字１１４　Ｊ＋に特定できるので、
Ｓ４０でレジスタＩに４をセットする。

整合パラメータＭ９が１．すなわち、対称画像の領域ｗ
３に基づく特徴パターンが基準パターンＴ６に一致する
とき、対象画像は数字″″６″に特定できるので、Ｓ４
２でレジスタＩに６をセットする。

整合パラメータＭＩＯが１、すなわち、対称画像の領域
ｗ７に基づく特徴パターンが基準パターンＴ７に一致す
るとき、対象画像は数字Ｈ９１１に特定できるので、Ｓ
４４でレジスタＩに９をセットする。

整合パラメータＭ８〜ＭＩＯからは対象画像がこれらい
ずれとも特定できないときには、Ｓ３４においてレジス
タＩに認識エラーを示す＊をセットする。

Ｓ４５においてレジスタＩの値を内部メモリに登録する
と、第２ａ図に示したフローチャートの３１２に戻り、
次の対象をセットしてＳ４からの処理を繰り返す。すべ
ての対象画像を認識すると認識結果をコンピュータ１に
転送して処理を終了する。

〔発明の効果〕

以上説明したとおり本発明によれば、各数字がフォント
を超えて固有する基本的な特長、すなわち、数字を構成
する線素がなす閉ループ、交差および端点の数をパラメ
ータとして数字を記述しているので、大容量のメモリは
不要となり、標本の認識に必要な照合回数は少なく、処
理時間が著しく短縮される。

特に、上記数字の特徴を示すパラメータにより標本画像
の大分類を行なった後、細部の形状に着目して基準パタ
ーンとのマツチングを行なえば、より確実な数字認識が
得られる。

【図面の簡単な説明】

第１図は一実施例の数字認識システムのハードウェア構
成を示すブロック図である。第２ａ図および第２ｂ図は第１図に示した画像処理プロ
セッサ３の処理動作を示すフローチャートである。第３図は対象画像を含む領域の切出しを説明するための
説明図、第４図は階調補正を説明するためのグラフ、第
５図は３Ｘ３画素マトリクスを説明するための説明図、
第６図は細線化した対象画像の一例を示す平面図、第７
図は数字の特徴を説明するための説明図、第８図は特徴
パターンの抽出を説明するための説明図、第９図は基準
パターンを示す平面図である。第１０ａ図、第１０ｂ図、第１０ｃ図、第１１ａ図、第
１１ｂ図および第１１ｃ図は従来技術を説明するための
説明図である。１：コンピュータ２：ＩＴＶカメラ　　　２ａ　：　Ａ／Ｄコンバータ２
．２ａ：（画像入力手段）３：画像処理プロセッサ（線素抽出手段。特徴パターン生成手段、特徴パラメータ生成手段。記憶手段、第１判定手段、第２判定手段）４：画像メモ
リ　　　　５：ディスプレイ６：プリンタ７：フロッピーディスクユニット８：キーボードターミナル声１　区兜２ａ図声３ヌ声４区却４科７声５図声６図声７図声８図声９図粕Ｏａ図　　　　　　　　声１０ｃ図声１０ｂ図声　コ１ａ　図戸１１ｂ図東１１ｃ区

Claims

【特許請求の範囲】

（１）　標本画像を構成する線素がなす閉ループ、交差
および端点の数を示す特徴パラメータと、予め用意した
、数字を構成する線素がなす閉ループ、交差および端点
の数を示す基準パラメータとを照合して該標本画像を認
識する、数字認識方法。
（２）　標本画像を構成する線素がなす閉ループ、交差
および端点の数を示す特徴パラメータと、予め用意した
、数字を構成する線素がなす閉ループ、交差および端点
の数を示す基準パラメータとを照合して該標本画像を分
類し、その後、該標本画像を構成する線素の、該分類に
対応する１つ以上の部位の形状を示す特徴パターンと、
該分類に含まれる各数字毎に設定された部位の、該数字
を構成する線素の形状を示す基準パターンとを照合して
該標本画像を認識する、数字認識方法。
（３）　標本画像を入力する画像入力手段；前記標本画
像の線素を抽出する線素抽出手段；前記線素がなす閉ル
ープ、交差および端点を検出し、それらの数から特徴パ
ラメータを生成する特徴パラメータ生成手段；各数字に対応付けて、それぞれを構成する線素がなす閉
ループ、交差および端点の数を示す基準パラメータを記
憶する記憶手段；および、前記特徴パラメータと前記基
準パラメータとを照合して前記標本画像を認識する判定
手段；を備える数字認識装置。
（４）　標本画像を入力する画像入力手段；前記標本画
像の線素を抽出する線素抽出手段；前記線素がなす閉ル
ープ、交差および端点を検出し、それらの数から特徴パ
ラメータを生成する特徴パラメータ生成手段；各数字に対応付けて、それぞれを構成する線素がなす閉
ループ、交差および端点の数を示す基準パラメータ、な
らびに、各数字毎に設定された部位の該線素の形状を示
す基準パターンを記憶する記憶手段；前記特徴パラメータと前記基準パラメータとを照合して
前記標本画像を分類する第１判定手段；前記線素の、前
記第１判定手段の分類に対応する１つ以上の部位の形状
を示す特徴パターンを生成する特徴パターン生成手段；
および、前記特徴パターンと、前記第１判定手段の分類に含まれ
る数字の前記基準パターンとを照合して前記標本画像を
認識する、第２判定手段；を備える数字認識装置。