JPH03131995A

JPH03131995A - 日本語文書の接触文字の切出し方法

Info

Publication number: JPH03131995A
Application number: JP1269059A
Authority: JP
Inventors: Ichiro Ogura; 一郎小倉; Yasuo Hongo; 本郷　保夫
Original assignee: Fuji Electric Co Ltd; Fuji Facom Corp
Current assignee: Fuji Electric Co Ltd; Fuji Facom Corp
Priority date: 1989-10-18
Filing date: 1989-10-18
Publication date: 1991-06-05
Anticipated expiration: 2013-03-25
Also published as: JP2730996B2

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〕この発明は、文字サイズに近い文字ピッチで印字された
日本語文書や、複写を繰り返した日本語文書において発
生する接触文字を切り出すための方法に関する。

〔従来の技術〕

従来は、文字同士の接触により発生した連続する文字パ
ターン（接触文字）については、２文字の接触文字を対
象としており、この文字パターンの投影データの中の最
小値となる位置を切出し位置として２つに切り出すよう
にしている。なお、この切出しは投影データがしきい値
レベルＴＨ（４００ＤＰＩで６ドツト、つまり０．３８
ｍ■）以下の場合にのみ実行し、投影データの最小値が
しきい値レベルＴＨよりも大きい場合は、この文字パタ
ーンの長さしを標準文字サイズごとに分割することによ
り、接触文字を切り出すようにしている。

〔発明が解決しようとする課題〕

従来、接触文字は２文字までを対象としており、３文字
以上が接触した場合も、投影データの最小値１個所で切
出すため２文字までしか分割出来ないという問題がある
。この例を第４図（イ）に示す、また、投影データの最
小値で切り出すと、例えば横書きにおいて漢字の“へん
”と“つくり”の境界で誤って切り出してしまうという
問題もある。この例を第４図（ロ）に示す。

したがって、この発明の課題は接触文字を精度良く切り
出し得るようにすることにある。

〔課題を解決するための手段〕

文書画像の投影データから文字行または文字列を切り出
し、さらに文字行または文字列の投影データをもとに連
続するを判定するための標準文字サイズＳを抽出する０
次に、この文字行または文字列の投影データをもとに連
続する文字パターンを切り出す、そして、接触している
文字パターン（長さし）に対し、標準文字サイズＳを用
いて文字と文字の接触位置の組み合わせ（文字並びの組
み合わせ）を作成し、その位置の近傍での文字境界度を
演算する（例えば、各位置の投影データの最小値ｐＨの
平均値Ｐ１）、この文字境界度に基づいて、これらの組
み合わせの中から妥当な組み合わ廿を推定し、接触文字
を切り出す。

〔作用〕

文字サイズに近い文字ピッチで印字された日本語文書や
、複写を繰り返した日本語文書において発生する接触文
字について、文字並びの組み合わせを作成してその中か
ら妥当な組み合わせを推定し分離することで、それぞれ
の文字を精度良く切り出す。

〔実施例〕

第１図はこの発明の実施例を示すフローチャート、第２
八図ないし第２Ｃ図はいずれも投影値を説明するための
説明図、第３Ａ図ないし第３Ｅ図はこの発明による切出
し方法を具体的に説明するための説明図である。

まず、文書画像を入力しく■参照）、文書画像の投影デ
ータから文字行（または文字列）を切出す（■参照）０
次に、文字行または文字列の行または列寸法から全角を
判定するために算出された標準文字サイズＳを抽出する
（■参照）、そして、文字切出しを行なう（■参照）。

以下、文字切り出しの詳細について説明する。

まず、文字行（または文字列）の投影データを求める（
■−１）。この投影データの例を第２八図ないし第２Ｃ
図に示す、第２Ａ図および第２Ｃ図は漢字と漢字との間
で、また第２Ｂ図は“れ”と“の間でそれぞれ接触して
いる例を示す。

次に、この投影データをもとに連続する文字パターンを
切り出す（■−２）、そして、文字パターンの長さしに
より、以下の如き条件で文字並びを分類する。

条件（１）Ｌ＜Ｋｌ　　（−０，３７）ＸＳ・・・・・・句読点または中点の可能性。

条件（２）ＫＩＸＳ≦Ｌ＜Ｋ２　（−〇、６）ＸＳ・・・・・・半
角サイズの文字。

条件（３）Ｋ２ｘｓ：５Ｌ＜Ｋ３　（＝１．２）ｘｓ・・・・・・
２通りの文字並びの組み合わせ。

（ｉ）全角サイズの文字。

（ｉｉ）半角サイズの文字２文字。

条件（４）Ｋ３ＸＳ≦Ｌ＜Ｋ４　（−１，８）ＸＳ・・・・・・２
通りの文字並びの組み合わせ。

Ｎ）全角サイズの文字と半角サイズ以下の文字の順。

（ｉｉ）半角サイズ以下の文字と全角サイズの文字の順
。

条件（５）Ｋ４ＸＳ≦Ｌ＜Ｋ５　（＝２．２）ｘＳ・・・・・・全
角サイズの文字２文字。

条件（６）Ｋ５ＸＳ≦Ｌ＜Ｋ６　（−２，８）ｘｓ・・・・・・２
通りの文字並びの組み合わせ。

（ｉ）全角サイズの文字２文字と半角サイズ以下の文字
の順。

（ｉｉ　）半角サイズ以下の文字と全角サイズの文字２
文字の順。

条件（７）Ｋ６ＸＳ≦Ｌ＜Ｋ７　（＝１１　０）ｘＳ・・・・・・
２通りの文字並びの組み合わせ。

（ｉ）全角サイズの文字Ｎ文字。

（ｉｉ　）全角サイズの文字（Ｎ＋１）文字。

ここに、Ｎ−［Ｌ／Ｓ］、〔］はガウス記号を示し、［
］の値を越えない最大の整数を表わす。また、Ｎは３〜
１０の場合に相当する。

条件（８）Ｋ７ＸＳ≦Ｌ・・・・・・全角サイズの文字Ｎ文字。

接触文字が多すぎる場合で、Ｎは１１以上。

条件（１）、　　（２）に該当する文字パターンは、単
独で切り出すことができる文字である。

条件（３）〜（８）に該当する文字パターンは接触文字
であるため、複数の文字並びの組み合わせの対象となる
。そこで、切出しの可能性を推定して複数の文字並びの
組み合わせを作成し、文字境界度ＰＬ、Ｐ２を演算する
。そして、この文字境界度より妥当な文字並びを推定す
る。以下、条件（３）〜（８）の各場合につき、第３Ａ
図ないし第３Ｅ図を参照して詳しく説明する。

条件（３）についてこの場合は、文字並びの組み合わせが次の２通りあると
仮定し、このうちどちらが妥当かを推定する。つまり、
全角サイズの文字か半角サイズの文字２文字かを推定す
る（Φ−３）、そこで、まずこの文字パターン（長さし
）の中心位置（Ｌ／２）の近傍（例えば、±０．１ｘＳ
以内の範囲Ｚ１）に投影データの極小値をもつ位置（最
もへこんだ位置）が存在するか否かを調べる。そして、
この位置が存在するならば、半角サイズの文字２文字の
文字並びであると判定し、この中心位置で半角サイズ２
文字に切り出す、この場合の例を第３Ａ図に示す。

条件（４）についてこの場合は、文字並びの組み合わせが次の２通りあると
仮定し、このうちどちらが妥当かを推定する。つまり、
全角サイズの文字と半角サイズ以下の順か、半角サイズ
以下の文字と全角サイズの文字の順かを推定する（■−
４）、まず、文字パターン（長さＬ）の前から標準文字
サイズＳの距離の位置Ｉ！ｌの近傍Ｚ２の文字境界度を
求める。

この実施例では、投影データの最小値Ｐ１を文字境界度
として演算する。次に、文字パターンの後からＳの距離
（前からＬ−３の距離）の位置１２の近傍Ｚ３の投影デ
ータの最小値Ｐ２を、同様に文字境界度として求める。

そして、Ｐｌと２２を比較し、その値の小さい方が妥当
な文字並びと推定し、文字の切り出しを行なう、つまり
、Ｐ１≦Ｐ２の場合は位置１１で、ＰＩ＞Ｐ２の場合は
位置１２でそれぞれ文字の切り出しを行なう、この場合
の例を第３Ｂ図に示す。

条件（５）についてこの場合は、半角サイズの文字は混在していないと仮定
して、全角サイズの文字が２文字並んでいると推定し、
文字パターンの長さしの中心位置（Ｌ／２）で文字の切
り出しを行なう（■−５）。

この場合の例を第３Ｃ図に示す。

条件（６）についてこの場合は、文字並びの組み合わせが次の２通りあると
仮定し、このうちどちらが妥当かを推定する。つまり、
全角サイズの文字２文字と半角サイズ以下の文字の順か
、半角サイズ以下の文字と全角サイズの文字の順かを推
定する（■−６）。

まず、文字パターン（長さＬ）の前からＳの距離の位置
ｌｌｌの近傍Ｚ４の投影データの最小値Ｐ１１と、前か
ら２ＸＳの距離の位置１１２の近傍Ｚ５の投影データの
最小値Ｐ１２を求め、その平均値Ｐ１を演算する。次に
、文字パターンの後からＳの距離の位置１２１の近傍ｚ
６の投影データの最小値Ｐ２１と、後から２ＸＳの距離
（前からＬ−２ＸＳの距Ｍ）の位置１２２の近傍ｚ７の
投影データの最小値Ｐ２２を求め、その平均値Ｐ２を演
算する。そして、ＰｉとＰ２を比較し、その値の小さい
方を妥当な文字並びと推定し、文字の切り出しを行なう
、つまり、Ｐ１≦２２の場合は位置ｌｌｌと１１２で、
ＰＩ＞Ｐ２の場合は位置１２１と１２２でそれぞれ文字
の切出しを行なう。

この場合の例を第３Ｄ図に示す。

条件（７）についてこの場合は、半角サイズの文字は混在しておらず、文字
並びの組み合わせが次の２通りあると仮定し、このうち
どちらが妥当かを推定する。つまり、全角サイズの文字
Ｎ文字か、全角サイズの文字（Ｎ＋１）文字かを推定す
る（■−７）。ここで、Ｎ−［Ｌ／Ｓｌである。まず、
文字パターン（長さし）をＮ等分する位置！！１１　　
（−Ｌ／Ｎ）　。

１１２　（２ｘＬ／Ｎ）、ｌ　１３　（３ｘＬ／Ｎ）。

・・・・・・ｆｌ　（Ｎ−１）　（−（Ｎ−１）　ＸＬ
／Ｎ）の各位置の近傍Ｚの投影データの最小値ｐＨ，Ｐ
Ｉ２、ＰＩ３．・・・・・・ＰＩ（Ｎ−１）を求め、そ
の平均値を演算する。

Ｐ１＝　（Ｐ１１＋ＰＩ２＋Ｐ１３・・・・・・＋Ｐｉ
（Ｎ−１））／　（Ｎ−１）次に、文字パターンを（Ｎ＋１）等分する位置！！２１
　　（−Ｌ／（Ｎ＋１））、Ｊ２２　（−２ＸＬ／　（
Ｎ＋１））、１２３　（＝３ｘＬ／　（Ｎ＋１））・・
・・・・Ｉ！２Ｎ　（−ＮＸＬ／　（Ｎ＋　１））の各
位置の近傍２°の投影データの最小値Ｐ２１．Ｐ２２゜
Ｐ２３．・・・・・・Ｐ２Ｎを求め、その平均値を演算
する。

Ｐ２−　　（Ｐ２１＋Ｐ２２＋Ｐ２３・・・・・・＋Ｐ
２Ｎ）／Ｎそして、ＰＩとＰ２を比較し、その値の小さい方が妥当
な文字並びと推定し、文字の切り出しを行なう。つまり
、Ｐ１≦Ｐ２の場合はＮ等分する位置位ｒＩ１７１１，
１１２．　　Ｉｔ１３．　・・・−・・１１　（Ｎ−１
）で、ＰＩ＞Ｐ２の場合は（Ｎ＋１）等分する位ｆＩ１
２１．Ｉ２２．　１２３．・・・・・・１２Ｎでそれぞ
れ文字の切出しを行なう、この場合の例を第３Ｅ図に示
す。

条件（８）についてこの場合は、接触文字が多すぎる（この実施例では、全
角サイズの文字が１１文字以上）場合であり、切出し不
能として以下の処理を行なう。分割数Ｎ　（−ＣＬ／Ｓ
］　）を演算し、文字パターンの長さしをＮ等分する。

そして、切出し不能として、各文字にリジェクトフラグ
をセントする（■−８）。

〔発明の効果〕

この発明によれば、文字サイズに近い文字ピッチで印字
された日本語文書や、複写を繰り返した日本語文書にお
いて発生する接触文字について、接触した文字パターン
の長さしと計測した標準文字サイズＳとから、文字並び
の組み合わせを作成して妥当な組み合わせを推定するよ
うにしたので、それぞれの文字を精度良く切り出すこと
が可能となる利点が得られる。

【図面の簡単な説明】

第１図はこの発明の実施例を示すフローチャート、第２
Ａ図ないし第２Ｃ図はいずれも文字列に対応する投影値
の例を説明するための説明図、第３八図ないし第３Ｅ図
はこの発明による切出し方法を具体的に説明するための
説明図、第４図は切出し方法の従来例を説明するための
説明図である。符号説明Ｓ・・・標準文字サイズ、ｚ、　　ｚ’　　ｚｔ〜Ｚ　
７　用切出し位置。

Claims

【特許請求の範囲】１）文書画像の複数のブロックに分割されたブロック毎
の投影データから、文字行または文字列を抽出して標準
文字サイズを決定した後、前記文字行または文字列の投影データをもとに連続する
文字パターンを抽出し、その連続する文字パターンの長
さと投影データから接触文字について文字がどのように
並んでいるかを示す文字並びの組み合わせを作成し、そ
の文字並びの組み合わせに基づいて投影データから文字
境界度を求め、この文字境界度に基づいて文字並びの組
み合わせの中から妥当な組み合わせを推定して文字を切
り出すことを特徴とする日本語文書の接触文字の切出し
方法。