JPH039489A - 表領域識別方法 - 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】 〔産業上の利用分野〕 本発明は、文字認識装置等において、文書等の入力画像
上の表領域を識別する方法に関する。

〔従来の技術及び発明が解決しようとする課題〕一般の
文書は、文字の領域のほかに図、写真、表等の領域があ
る。このような文書を文字認識装置において認識処理す
る場合１文字領域は文字認識をし、図や写真の領域は画
像のまま保存し、あるいは再度デイザ法を用いて擬似２
値画像で読み取って保存し、表領域は表の罫線を枠とし
て認識し、その枠の内部の画像についてだけ文字認識を
するというように、領域別に処理内容を変える必要があ
る。

このような領域別の処理を行うには、その前提として領
域識別が必要となる。この領域識別の中で、表領域につ
いては１例えば特開昭５７−１０４３６３号公報に記載
の″枠パターン識別方法″を行うことも可能である。し
かし、縦方向および横方向の長線分（枠線候補）を抽出
し、縦横の長線分による枠の形成の判定を行うには、処
理がかなり複雑になり、高速処理が難しいという問題が
あった。

よって本発明の目的は、処理が簡便で高速の表領域識別
が可能な表領域識別方法を提供することにある。

〔課題を解決するための手段〕

本発明においては、原稿の画像またはその圧縮画像上の
黒画素のランを抽出し、接したランを矩形統合し、統合
した矩形のうちで所定以上のサイズの矩形について、そ
の内部の一定以上の長さのランを統合することにより罫
線を抽出し、その個数に基づいて表領域であるか否かを
判定することによって、表領域を識別する。

〔作　用〕

このようにラン統合矩形のサイズから表領域候補を見つ
け、その枠内の罫線の個数により表領域であるか否かを
判定する方法であるため、閉じた枠のパターンを認識す
る方法に比べ、処理アルゴリズムが単純で高速処理が可
能である。

〔実施例〕

以下、図面により本発明の幾つかの実施例について説明
する。

第１図は本発明の各実施例に係る装置構成を示す概略ブ
ロック図である。１はＯＣＲであり、この部分に表領域
識別手段が設けられている。２は処理対象の原稿の画像
を読み取るためのスキャナである。

０ＣＲＬにおいて、制御部３からスキャナ２に読取りの
命令を与えて原稿画像の入力を実行させ、その画像デー
タ（または圧縮画像データ）を画像メモリ４に蓄積させ
る。ラン抽出部５は１画像メモリ４から１ラインずつ画
像データを読出し、黒画素のラン（黒画素の連結）の始
点と終点の座標を検出し、それをラン番号（検出順番）
とともにランメモリ６に書き込む。

矩形統合部７では、抽出されたランの始点及び終点の座
標を比較することにより、矩形メモリ８に登録されたど
の矩形に統合すべきか、あるいは新規の矩形に統合すべ
きかを判定し、矩形メモリ８のデータを更新する。なお
、矩形メモリ８内の矩形データは、矩形番号と、矩形の
左上角および右下角の座標よりなる。

表領域候補判定部９では、矩形メモリ８に登録された各
矩形のサイズをチエツクし１表領域の候補としての矩形
を検出し、その矩形の番号を制御部３へ送る。制御部３
では、表領域候補の矩形番号を表領域判定部１ｏへ送る
。

表領域判定部１０では、矩形メモリ８内の指定された番
号の矩形データを参照し、その矩形を構成するランのデ
ータをランメモリ６より得て、矩形内の一定以上の長さ
のランを統合することにより罫線を抽出し、その罫線の
個数から表領域であるか否かを判定し、その結果を制御
部３へ送る。

ランデータバッファ１１は、罫線統合のためのランデー
タの記憶に用いられる。

以上説明した処理のより具体的な内容について、実施例
毎に説明する。

寒胤涯↓ 処理全体の流れは第２図の通りである。処理ブロック２
１で原稿の画像データを画像メモリ４に取り込むが、こ
れは制御部３の制御によってスキャナ２によりなされる
。

処理ブロック２２は、入力画像上のランの抽出と、その
矩形統合を行う部分で、これはラン抽出部５および矩形
統合部７の役割である。具体例を第３図および第４図に
よって説明する。

入力画像上に第３図（ａ）に示すようなパターンが存在
する場合、ラン抽出部５は画像の１ラインずつをラスタ
ースキャンし、黒連結のラン１からラン５を順に抽出し
、それぞれのランの抽出順序に艷ったラン番号を付け、
それぞれの始点（左端）と終点（右端）の座標をランメ
モリ６に書き込む。第３図（ａ）の例では、ランメモリ
６の内容は第３図（ｂ）に示す如くになる。

また、矩形統合部７では、抽出されたランの始点および
終点の座標とを比較し、接しているランを矩形に統合す
る。第３図（ａ）に示すような５個のランが抽出された
段階では、第４図（ａ）に示すように、ラン１とラン３
は矩形１に統合され、ラン２、ラン４及びラン５は矩形
２に統合される結果、矩形メモリ８には第４図（ｃ）に
示すような矩形データが書き込まれることになる。

より詳しく説明すると、ラン１が抽出されたときには矩
形は一つも登録されていないので、ラン１と始点（左上
角）および終点（右下角）が一致する矩形１が新規に登
録される０次のラン２が抽出されたときは、このラン２
はラン１と接していないので、ラン２と始点および終点
が一致する矩形２が新規に登録される。次のラン３が抽
出されると、これは矩形１を構成するラン１と接するの
で、ラン３は矩形１に統合され、矩形１の始点はそのま
まであるが、終点はラン３の終点座標に変更される。ラ
ン４およびラン５も同様に矩形２に統合され、矩形２の
終点のＹ座標はラン５のＹ座標に変更される。

その後、第４図（ｂ）に示すようにラン６が抽出される
と、このラン６はこれまでに登録された矩形１に統合さ
れたランにも矩形２に統合されたランにも接していない
ので、新しい矩形３が登録される。その結果、矩形メモ
リ８のデータは第４図（ｄ）に示す如くに更新される。

再び第２図において、処理ブロック２３は表領域候補判
定部９の処理部分であり、矩形メモリ８に登録された各
矩形のＸ、Ｙ方向の大きさを所定の閾値ＴＨＲｘｔＴＨ
Ｒｙと比較し、これら閾値の両方を越える大きさの矩形
を表領域の候補と判定し、その矩形番号を制御部３に通
知する。

次の処理ブロック２４は表領域判定部９による処理部分
である。まず、制御部３より指定された表領域候補の矩
形内のランより閾値ＴＨＴ以上の長さのランで接したも
のを統合することにより罫線（ここでは横書き文書を想
定しているので、横罫線）の候補を得る。これが″ラン
データバッファの作成″である。そして、ランデータバ
ッファ１１上に得られた罫線候補の中より、矩形の幅に
近い長さ以上のものを罫線として抽出し、その個数をカ
ウントする。これが″罫線のカウント″である。そして
、罫線のカウント値を所定の閾値と比較し、その閾値を
越える場合に当該矩形を表領域と判定し、その矩形番号
を制御部３へ通知する。

これが゛表領域の判定″′である。

ここで、罫線候補の統合すなわち″ランデータバッファ
（ＲＢ）の作成″について説明する。ランデータバッフ
ァＲＢは、表領域候補矩形の各ラインに１対１に対応し
た始点および終点のＸ座標の記憶エリアを持ち、最初は
全エリアがクリアされている。

矩形の第１ラインより、一定以上の長さのランを捜し、
あるライン（＠ライン）で一定以上のランが見つかると
、そのランの始点および終点のＸ座標とランデータバッ
ファＲＢの前ラインのエリアに記憶されているＸ座標と
を比較し、１画素でも接続していればランデータバッフ
ァＲＢの現ラインのエリアに、始点座標として、前ライ
ンと現ラインの始点のＸ座標の小さいほうの座標値を書
込み、また終点座標として、前ラインと現ラインの終点
のＸ座標の大きいほうの座標値を書き込む。

このような処理の繰り返しにより、罫線の候補となり得
るようなラン群の最後のランの存在するラインにおいて
、罫線候補の全体の始点と終点のＸ座標がランデータバ
ッファＲＢの対応エリアに保存される。

なお、縦罫線のランは横罫線のランに比べ一般に十分短
いので、罫線候補の統合の対象から除外されるため、ラ
インデータバッファＲＢの対応エリアはクリアされたま
まになる。

第５図は、前記処理ブロック２３および処理ブロック２
４の詳細フローチャートである。この図において、■の
部分が処理ブロック２３に対応し。

■、■および■の部分がそれぞれ処理ブロック２４の″
ランデータバッファの作成″′、″罫線のカウント″お
よび“表領域の判定″の各処理に対応する。

なお、第５図における記号の意味は次の通りである。

ｉ　　：矩形番号 ｊ　　：矩形内のラン番号 ｋ　　：ランデータバッファのデータ番号ＩＲＷｉ　　
　：番号ｉの矩形の幅 ＩＴＨｉ　　　：番号ｉの矩形の高さ ＴＨＲｘ’　　：表領域候補判定のための幅の閾値ＴＨ
Ｒｙ　　　：表領域候補判定のための高さの閾値ＩＲｉ
ｊｗ　　：矩形ｉ内のランｊの幅ＩＲｉｊｘｓ：矩形ｉ
内のランｊの始点Ｘ座標ＩＲｉｊｘｅ：矩形ｉ内のラン
ｊの終点Ｘ座標ＴＨＴ　　　　：罫線のランの判定のた
めの閾値ＲＢｓｋ　　　：ランデータバツファのに番目
の始点のＸ座標ＲＢｅｋ　　　：ランデータバッファの
に番目の終点のＸ座標ＴＨＬ　　　　：罫線判定のため
の閾値ＴＨＣ：罫線の個数の閾値 なお、■の処理部分において、各罫線候補として統合さ
れたライン数をカウントし、そのカウント値をチエツク
することにより、一定の高さを越えて統合されたときに
■の処理部へ分岐し、他の領域と判定するようにしても
よい、このようなチエツクを追加すれば、写真領域等を
表領域と誤識することがより確実に回避できる。

叉産貫主 前記実施例１とは″罫線のカウント′″（第２図）の処
理が異なる。すなわち１本実施例においては、矩形の幅
に近い罫線候補を無条件に罫線としてカウントするので
はなく、矩形の幅に近い罫線候補でも連続して出現する
ものは無視し、独立に出現する罫線候補のみを罫線とし
てカウントし、そのカウント値を“表領域の判定″に用
い表領域の判定精度の向上を図っている。

第６図は本実施例の処理の概略フローチャートであり、
各記号は第５図中の記号と対応している。

この図で■の部分がパ罫線のカウント″の処理部分（第
６図の■に対応）である。■の処理部分において、ｃｎ
ｔｌは罫線候補の連続／独立の判定のために導入された
フラグである。

失五ガニ 本実施例の処理の概略フローチャートを第７図に示す、
処理ブロック３１，３３，３４，３５は前記各実施例の
対応処理ブロックと同様の処理ブロックである。処理ブ
ロック３２が本実施例で追加された部分である。ここで
入力画像データに圧縮（縮小）処理を施し、その圧縮（
縮小）画像について処理ブロック３３以下の処理を実行
する。

なお、この圧縮処理の手段は第１図に示されていない。

すなわち本実施例においては、処理すべき画像データ量
を大幅に削減することにより、処理時間の短縮と、ラン
メモリ６および矩形メモリ８の容量削減を図っている。

なお、実験によれば、４００ｄ　ｐ　ｉの画像に対し８
分の１程度のデータ圧縮を行っても、表領域の判定能力
は現画像で処理した場合と殆ど違いがないことが確認さ
れている。

〔発明の効果〕

以上実施例により説明した如く、本発明によれば、文書
等の表領域を高精度に識別することができ、その処理ア
ルゴリズムも簡便であって高速処理が可能である。

【図面の簡単な説明】

第１図は本発明の実施例に係る装置構成の概略ブロック
図、第２図は本発明の一実施例における処理全体の流れ
を示すフローチャート、第３図はラン抽出とランメモリ
のデータの説明のための図、第４図はランの矩形統合と
矩形メモリのデータを説明するための図、第５図は表領
域候補矩形判定および表領域判定の詳細フローチャート
、第６図は本発明の他の実施例の処理を示すフローチャ
ート、第７図は本発明のさらに他の実施例の処理を示す
フローチャートである。 １・・・０ＣＲ１２・・・スキャナ、　３・・・制御部
、４・・・画像メモリ、　５・・・ラン抽出部、６・・
・ランメモリ、　７・・・矩形統合部、８・・・矩形メ
モリ、　９・・・表領域候補判定部、１ｏ・・・表領域
判定部、 １１・・・ランデータバッファ。 第３図 Ｃ尖） （シ９ 第６図

Claims (1)

【特許請求の範囲】
1. （１）原稿の画像またはその圧縮画像上の黒画素のラン
   を抽出し、接したランを矩形統合し、統合した矩形のう
   ちで所定以上のサイズの矩形について、その内部の一定
   以上の長さのランを統合して罫線を抽出し、その罫線の
   個数に基づいて表領域であるか否かを判定することを特
   徴とする表領域識別方法。