JPH01269184A - 文書中の領域境界抽出方式 - Google Patents

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】 〔概要〕 文書中の文字、図形、表及び写真等の記ｖｉ領域を自動
的に抽出する文書読取装置において、該記’Ｒ’ｐＨ域
の境界を確実に検出する文書中の領域境界抽出方式に関
し、 各領域の境界を正確に抽出することを目的とし、文書を
読取って二値化したデータとして画像メモリに格納し、
画像メモリに格納したデータから、文書上における縦及
び横方向の黒画素の分布状態を示すヒストグラムを作成
して、各文字、図形、表及び写真等の各記載領域を夫々
区分して抽出する文書読取装置であって、ヒストグラム
が示す黒画素の分布量が少ない部分を検出するための最
小値から最大値までの複数の比較値を持つ第１の閾値と
、黒画素の分布量が少ない部分の広さを検出するための
最大値から最小値までの複数の比較値を持つ第２の閾値
を設定したパラメータテーブルと、この設定した第１と
第２の閾値を用いて、ヒストグラムが示す黒画素の分布
量が少ない部分の文書上の位置を検出して記載領域間の
境界と判定する手段とを設け、パラメータテーブルに設
定された第１の閾値と第２の閾値とを組合わせ、ヒスト
グラムが示す黒画素の分布量が少ない部分を抽出する動
作を繰り返し、抽出された部分の文書上における位置を
記載領域の境界とするように構成する。

〔産業上の利用分野〕

本発明は文書中の文字、図形、表及び写真等の記載領域
を自動的に抽出する文書読取装置に係り、特に該記！！
領域の境界を確実に検出することを可能とする文書中の
領域境界抽出方式に関する。

印刷文書の中には、文字列の外に図形、表及び写真等が
混在しているが、印刷文書読取装置は、この文字列が記
載されている領域、図形の記載されている領域、表の記
載されている領域、写真の記載されている領域等を夫々
区分して読取っている。

このように各領域を区分して読取るのは、文字列であれ
ば文字を文字コードに変換するとか、図形や写真はイメ
ージデータに変換するとか、表からは統計値を収集する
とか、夫々文書を読取った後で処理する内容が異なるた
めである。

ところで、このような領域を区分するためには、各領域
の境界が確実に検出出来ることが必要である。

〔従来の技術〕

文書中の文字列、図表、写真等の記載された領域を自動
的に抽出するため、従来から種々の方法が試みられてき
た。その代表的な方法に、文書を読取って二値化して画
像メモリに格納し、この画像メモリから二値化したデー
タを読出し、文書上における縦及び横方向の黒画素の分
布状態を示すヒストグラムを作成して、黒画素の分布が
ＯかＯに近い部分を探索する方法がある。

第６図は従来の技術を説明するブロック図で、第７図は
第６図の動作を説明する図である。

スキャナ１は図示省略した文書上を走査して文字列、図
形、表及び写真等を読取り、これを二値化して、例えば
第７図に示す如きイメージデータを画像メモリ２に格納
する。黒画素計数部３は画像メモリ２を走査して、横方
向の各画素列毎の黒画素の総計を求め、文字領域■、写
真領域■、文字領域■、■及び■に対するヒストグラム
■と、縦方向の各画素列毎の黒画素の総計を求め、文字
領域■、写真領域■、文字領域■、■及び■に対するヒ
ストグラム■とを作成し、ヒストグラムメモリ４に格納
する。

そして、ヒストグラム■と■の黒画素の分布がＯか０に
近い部分を探索して、この探索で得られた部分の文書上
における位置を領域間の境界と判定する。

〔発明が解決しようとする課題〕

ヒストグラムメモリ４に格納されたヒストグラム■と■
から、文書中の文字領域■と写真領域■と文字領域■と
文字領域■と文字領域■とを夫々区分するためには、ヒ
ストグラム■と■において、黒画素の分布がＯかＯに近
い部分を検出する必要がある。

ヒストグラム■から文字領域■と■との境界及び文字領
域■と■との境界を示す空白部分に対応する黒画素数の
少ない部分■を検出する場合、写真領域■の黒画素数が
多いと、黒画素数の少ない空白部分に、写真領域の黒画
素数が付加されるため、本来黒画素数がＯか殆どＯに近
い数である筈の空白部分の検出が困難となる。

即ち、黒画素数の少ない部分■を検出することが困難と
なり、正確に文字領域■と０間の境界と、文字領域■と
０間の境界を区分することが出来ない。

又、ヒストグラム■から文字領域■■■■と写真領域０
間の境界を示す空白部分に対応する黒画素数の少ない部
分■は、比較的明確に検出出来るが、文書の地が汚れて
いる場合は、前記同様に検出が困難となり、且つ、この
境界の幅が狭い場合、文字列の行間隔との区別が困難と
なり、正確に領域間の境界を検出することが出来ないと
いう問題がある。

本発明はこのような問題点に鑑み、各領域間の境界の抽
出を行う際に、領域間の空白部分の広／狭にかかわらず
、又空白部分に地汚れ等がある場合にも、各領域の境界
を正確に抽出することを目的としている。

〔課題を解決するための手段〕

第１図は本発明の原理ブロック図で、第２図は第１図の
動作を説明する図である。

第１図は第６図に判定手段５とパラメータテーブル６を
追加したものである。第６図で説明した如く、ヒストグ
ラムメモリ４には、第７図に示す如きヒストグラム■と
■が格納されている。

判定手段５はパラメータテーブル６から、例えば第７図
に示す文字領域■、写真頭載■、文字領域■、■及び■
の各領域間の空白部分を検出するための比較値として、
黒画素数の少ない部分から、比較的黒画素の多い部分ま
で抽出する値を持つ第１の閾値と、該第１の閾値で抽出
された該空白部分の広さを検出する第２の閾値を読取り
、ヒストグラムメモリ４に格納されているヒストグラム
■■の空白部分に対応する黒画素数の少ない部分■と■
の抽出を開始する。

パラメータテーブル６から最初に読出された第１の閾値
Ｔ、は最も小さい値であり、第２の閾値Ｗ、は最も大き
な値である。従って、第２図＋８）に示す如く、各領域
間の空白部分の幅が広く、文書の地汚れ又は写真のよう
な黒画素が多量に展開するような部分と重なることが無
い場合、黒画素の分布量が少なく幅の広い範囲［相］が
抽出される。そして、黒画素の分布は少ないが幅の狭い
■に示す如き部分は抽出されない。

次に判定手段５は第１の閾値をＴ、のままとし、パラメ
ータテーブル６から第２の閾値Ｗアを読出し、再び、ヒ
ストグラム■■の空白部分に対応する黒画素数の少ない
部分■■の抽出を行う。この場合閾値Ｗ２＜Ｗ、である
。続いて、判定手段５は第１の閾値をＴ、のままとし、
第２の閾値Ｗ。

をパラメータテーブル６から８売出し、ヒストグラム■
■の空白部分に対応する黒画素数の少ない部分■■の抽
出を行う。この場合閾値Ｗ、＜Ｗ、である。

このようにして、パラメータテーブル６に用意されてい
る第２の閾値Ｗ１まで実行すると、例えば、第２図（ｂ
）に示す如く、領域間の空白部分の幅の狭い範囲０が検
出される。この場合第２の閾値Ｗ、は、文字列の行間隔
又は文字間隔を検出する程小さい値では無いことが必要
である。

判定手段５は続いて、第１の閾値をＴ２とし、第２の閾
値をＷＩからＷ７まで変化させて、黒画素数の少ない部
分■■を抽出する動作を実行する。

この場合閾値Ｔ　ｚ　＞　Ｔ　Ｉである。そして、更に
第１の閾値をＴ３として上記動作を繰り返す。この場合
閾値Ｔ　３　＞　Ｔ　ｚである。

このようにして、パラメータテーブル６に用意されてい
る第１の閾値がＴ１となるまで実行すると、例えば、第
２図（Ｃ）に示す如き、地汚れが有り、且つ空白部分の
幅が狭い範囲０が検出される。

判定手段５は上記と異なる他の方法として、第１と第２
の閾値を同時に変化させる。即ち、パラメータテーブル
６から第１の閾値Ｔ、と第２の閾値ＷＩとを読出して、
ヒストグラム■■の黒画素数の少ない部分■■の抽出動
作を行うと、第１の閾値Ｔ、と、第２の閾値Ｗ２を読出
し、再び、黒画素数の少ない部分■■の抽出動作を行い
、続いて、第１の閾値Ｔ、と、第２の閾値Ｗ、を続出し
、黒画素数の少ない部分■■の抽出を行う動作を繰り返
し、第１の閾値がＴ、で第２の閾値がＷ、となるまで実
行する。

〔作用〕

上記の如く構成することにより、判定手段５はパラメー
タテーブル６に予め設定された第１と第２の閾値を用い
て、ヒストグラムメモリ４に格納されたヒストグラムよ
り、地汚れが無いか、又は、写真の如き黒画素の多い部
分と重ならなず、且つ幅の広い空白部分から、地汚れが
あるか、又は、黒画素の多い部分と重なり、且つ幅の狭
い空白部分までを抽出することが出来る。

〔実施例〕

第３図は本発明の一実施例を示す回路のブロック図で、
第４図は第３図の動作を説明するフローチャートで、第
５図はパラメータテーブルの一例を示す図である。

第６図と同一符号は同一機能のものを示す。スキャナ１
は図示省略した文書上を走査して文字列、図形、表及び
写真等を読取り、これを二硫化した後画像間引き処理を
行って画素数を減らし、Ａ４の大きさの文書を、例えば
縦方向が３００ドツトで、横方向が２１０ドツトの大き
さの画像メモリ２に格納する。

黒画素計数部３は画像メモリ２を走査して、例えば第７
図に示す如きイメージデータの横方向の黒画素の総計を
求め、文字領域■、写真領域■、文字領域■、■及び■
に対するヒストグラム■と、縦方向の黒画素の総計を求
め、文字領域■、写真領域■、文字領域■、■及び■に
対するヒストグラム■を作成し、ヒストグラムメモリ４
に格納する。

プロセッサ７は第５図に示す如き内容のパラメータテー
ブル６から、ｍを第１の閾値Ｔ、及び第２の閾値Ｗ７に
対する変数として読出す。即ち、第１の閾値Ｔ、とじて
、２ドツトを続出し、第２の閾イ直Ｗ１として３ドツト
を読出す。

そして、ヒストグラムメモリ４に格納されているヒスト
グラム■と■の領域間の空白部分に対応する黒画素数の
少ない部分■と■の抽出を開始する。

即ち、第４図に示す如く、第１の閾値（２ドツト）以下
の黒画素数の部分がヒストグラム■、■にあるか探し、
あればその幅をドツト数で測定する。そして、この幅が
第２の閾値（３ドツト）以上であるか調べる。そして、
第２の閾値以上であれば、領域間の境界と判定する。

第１の閾値（２ドツト）以下の黒画素数の部分がヒスト
グラム■、■に無いか、あっても、その幅が第２の閾値
（３ドツト）以下であった場合、プロセッサ７は領域間
の境界では無（、非境界であると判定する。

そして、プロセッサ７は第１と第２の閾値を変更する。

即ち、パラメータテーブル６から、第１の閾値Ｔ２とし
て、６ドツトを読出し、第２の閾値Ｗ２として３ドツト
を読出す。

そして、パラメータテーブル６の設定値が終了か調べる
。この場合は新たな設定値であるため、再び、ヒストグ
ラム■、■に第１の閾値（６ドツト）以下の黒画素数の
部分があるか探し、あればその幅を測定するルーチンに
戻り、この幅が第２の閾値（３ドツト）以上であるか調
べる。

この幅が第２の閾値以上であれば、領域間の境界である
と判定し、第１の閾値以下の黒画素数の部分がヒストグ
ラム■、■に無いか、あっても、第２の閾値以上の幅を
持つ部分が無い場合、非境界と判定した後、プロセッサ
７は更に第１と第２の閾値を変更するため、パラメータ
テーブル６から、第１の閾値Ｔ、として、１１ドツトを
読出し、第２の閾値Ｗ３として３ドツトを読出す。

そして、パラメータテーブル６の設定値が終了か調べ、
新たな設定値であるため、再び、ヒストグラム■、■に
第１の閾値（１１ドツト）以下の黒画素数の部分がある
か探し、あればその幅を測定するルーチンに戻り、この
幅が第２の閾値（３ドツト）以上であるか調べる。

前記同様空白部分に該当する部分が有れば、境界と判定
し、無ければ非境界と判定した後、プロセッサ７は更に
パラメータテーブル６から、第１の閾値Ｔ４として、１
８ドツトを読出し、第２の閾値Ｗ４として３ドツトを読
出し、パラメータテーブル６の設定値が終了か調べ、新
たな設定値であるため、再び、ヒストグラム■、■に第
１の閾値（１８ドツト）以下の黒画素数の部分があるか
探し、あればその幅を測定するルーチンに戻り、この幅
が第２の閾値（３ドツト）以上であるか調べる。

前記同様空白部分に該当する部分が有れば、境界と判定
し、無ければ非境界と判定した後、プロセッサ７は更に
パラメータテーブル６から、第１の閾値Ｔ、として、１
８ドツトを読出し、第２の閾値Ｗ、として２ドツトを読
出し、パラメータテーブル６の設定値が終了か調べ、新
たな設定値であるため、再び、ヒストグラム■、■に第
１の閾値（１８ドツト）以下の黒画素数の部分があるか
探し、あればその幅を測定するルーチンに戻り、この幅
が第２の閾値（２ドツト）以上であるか調べる。

前記同様空白部分に該当する部分が有れば、境界と判定
し、無ければ非境界と判定した後、プロセッサ７は更に
第１と第２の閾値を変更するため、パラメータテーブル
６から、第１の閾値Ｔ６と第２の閾値Ｗ６を読出さうと
するが、パラメータテーブル６には新たな設定値が存在
しないため、設定値終了と認識しヒストグラム■、■か
ら空白部分に対応する黒画素の分布量の少ない部分■と
■を抽出する動作を終了する。

〔発明の効果〕

以上説明した如く、本発明は文書中の記載領域間の境界
を示す空白部分の幅が種々混在していている場合にも正
確に領域分割が可能となると共に、該記載領域間の空白
部分に地汚れがあったり、写真の如き黒画素の分布する
領域とヒストグラムを作成する持重なる空白部分であっ
ても、正確に領域を分割することが出来る。

【図面の簡単な説明】

第１図は本発明の原理ブロック図、 第２図は第１図の動作を説明する図、 第３図は本発明の一実施例を示す回路のブロック図、 第４図は第３図の動作を説明するフローチャート、第５
図はパラメータテーブルの一例を示す図、第６図は従来
の技術を説明するブロック図、第７図は第６図の動作を
説明する図である。 図において、 １はスキャナ、　　　　２は画像メモリ、３は黒画素計
数部、　４はヒストグラムメモリ、５は判定手段、　　
　６はパラメータテーブル、７はプロセッサである。 米全四シ沈扛プロ、ソノ図 第　１ｆ！１ 第　Ｉ　Ｅつ／）市カ　イＴ　を　宮ｌ　θ肘う　図第
　２　図 木金萌ｎ−実方巳伊イ示す回語刀ブロック図第３図の転
作と言え明するフローテＸ−トノでラメ−タテ−グルシ
ークＶΣ示Ｔ図第　５　図 呼廷釆の妓勃す１言免口月するフ゛ロツ２図昂　　６　
　図

Claims (1)

1. 【特許請求の範囲】 文書中から文字、図形、表及び写真等を読取って、二値
   化したデータとして画像メモリ（２）に格納し、該画像
   メモリ（２）に格納したデータから、該文書上における
   縦及び横方向の黒画素の分布状態を示すヒストグラムを
   作成した後、該ヒストグラムに基づき、各文字、図形、
   表及び写真等の各記載領域を夫々区分して抽出する文書
   読取装置であって、 前記ヒストグラムが示す黒画素の分布量が少ない部分を
   検出するための最小値から最大値までの複数の比較値を
   持つ第１の閾値と、該黒画素の分布量が少ない部分の広
   さを検出するための最大値から最小値までの複数の比較
   値を持つ第２の閾値が予め設定されたパラメータテーブ
   ル（６）と、該パラメータテーブル（６）に設定された
   第１と第２の閾値を用いて、前記ヒストグラムが示す黒
   画素の分布量が少ない部分の前記文書上における位置を
   検出し、該検出位置を前記記載領域間の境界と判定する
   手段（５）とを設け、 前記パラメータテーブル（６）に設定された第１の閾値
   と第２の閾値とを組合わせ、前記ヒストグラムが示す黒
   画素の分布量が少ない部分を抽出する動作を繰り返し、
   該抽出された部分の前記文書上における位置を前記記載
   領域の境界とすることを特徴とする文書中の領域境界抽
   出方式。