JPH04353989A - 単語切り出し方式 - Google Patents
単語切り出し方式Info
- Publication number
- JPH04353989A JPH04353989A JP3127911A JP12791191A JPH04353989A JP H04353989 A JPH04353989 A JP H04353989A JP 3127911 A JP3127911 A JP 3127911A JP 12791191 A JP12791191 A JP 12791191A JP H04353989 A JPH04353989 A JP H04353989A
- Authority
- JP
- Japan
- Prior art keywords
- pitch
- word
- document
- threshold
- histogram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000605 extraction Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000012015 optical character recognition Methods 0.000 abstract description 6
- 239000000872 buffer Substances 0.000 description 12
- 238000000034 method Methods 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Landscapes
- Character Input (AREA)
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。
め要約のデータは記録されません。
Description
【０００１】
【産業上の利用分野】この発明は欧文を対象とした光学
式文字読取装置（ＯＣＲ）の単語切り出し方式に関する
。
式文字読取装置（ＯＣＲ）の単語切り出し方式に関する
。
【０００２】
【従来の技術】一般的に、欧文を対象としたＯＣＲでの
単語切り出し方式は、特開昭６３−１５８６７８号公報
の「単語間スペース検出方法」に記載されているように
、文字間スペースヒストグラムから切り出し用のしきい
値を抽出する方式を採用している。この方式は汎用性が
高く、プロポーショナルピッチで印字された文書の単語
切り出しが確実に行える。
単語切り出し方式は、特開昭６３−１５８６７８号公報
の「単語間スペース検出方法」に記載されているように
、文字間スペースヒストグラムから切り出し用のしきい
値を抽出する方式を採用している。この方式は汎用性が
高く、プロポーショナルピッチで印字された文書の単語
切り出しが確実に行える。
【０００３】
【発明が解決しようとする課題】しかしながら上記の従
来の単語切り出し方式は、プロポーショナルピッチの文
書には有効であるものの、定ピッチ文書に対して十分で
はなかった。すなわち、定ピッチ文書において、例えば
Ｉ，ｌ，ｉ，１のように横幅の小さい文字が並んでいる
場合に誤切り出しを生じることがあった。この原因は、
定ピッチ文書において横幅の小さい文字がある場合に、
隣の文字とのスペース間隔が大きくなってしまい、従来
の単語切り出し方式では、この間隔を単語間間隔と判定
して誤切り出しを行うためである。
来の単語切り出し方式は、プロポーショナルピッチの文
書には有効であるものの、定ピッチ文書に対して十分で
はなかった。すなわち、定ピッチ文書において、例えば
Ｉ，ｌ，ｉ，１のように横幅の小さい文字が並んでいる
場合に誤切り出しを生じることがあった。この原因は、
定ピッチ文書において横幅の小さい文字がある場合に、
隣の文字とのスペース間隔が大きくなってしまい、従来
の単語切り出し方式では、この間隔を単語間間隔と判定
して誤切り出しを行うためである。
【０００４】この発明は以上の事情を考慮してなされた
ものであり、上記した定ピッチ文書に対する問題点を解
決するため、行抽出，文字切り出し終了後、まず定ピッ
チの判定をおこない、定ピッチと判定された場合はピッ
チを利用した定ピッチ用単語切り出しを行い、また、プ
ロポーショナルピッチと判定された場合は、従来法によ
る単語切り出しを行うことにより上記問題点を解決する
単語切り出し方式を提供するものである。
ものであり、上記した定ピッチ文書に対する問題点を解
決するため、行抽出，文字切り出し終了後、まず定ピッ
チの判定をおこない、定ピッチと判定された場合はピッ
チを利用した定ピッチ用単語切り出しを行い、また、プ
ロポーショナルピッチと判定された場合は、従来法によ
る単語切り出しを行うことにより上記問題点を解決する
単語切り出し方式を提供するものである。
【０００５】
【課題を解決するための手段及び作用】この発明は、欧
文を対象とする光学式文字読取装置の単語切り出し方式
において、１行分の画像データ抽出、文字切り出し後、
スペースの出現頻度を表すヒストグラムより求めた単語
間しきい値により、粗い単語切り出しを行い、この粗い
単語切り出し結果から決定する全文字間より、文字の中
心間距離を示すピッチのヒストグラムを求め、このピッ
チヒストグラムの分散、平均に基づいて入力文書が定ピ
ッチであるかプロポーショナルピッチであるかを判定し
、判定結果が定ピッチ文書の場合に、定ピッチ用の単語
切り出ししきい値を前記ピッチヒストグラムの平均をも
とに決定するとともに、このしきい値をもとに単語切り
出し処理を行い、判定結果がプロポーショナルピッチ文
書の場合に、前記単語間しきい値をもとに単語切り出し
処理を行うことを特徴とした単語切り出し方式である。
文を対象とする光学式文字読取装置の単語切り出し方式
において、１行分の画像データ抽出、文字切り出し後、
スペースの出現頻度を表すヒストグラムより求めた単語
間しきい値により、粗い単語切り出しを行い、この粗い
単語切り出し結果から決定する全文字間より、文字の中
心間距離を示すピッチのヒストグラムを求め、このピッ
チヒストグラムの分散、平均に基づいて入力文書が定ピ
ッチであるかプロポーショナルピッチであるかを判定し
、判定結果が定ピッチ文書の場合に、定ピッチ用の単語
切り出ししきい値を前記ピッチヒストグラムの平均をも
とに決定するとともに、このしきい値をもとに単語切り
出し処理を行い、判定結果がプロポーショナルピッチ文
書の場合に、前記単語間しきい値をもとに単語切り出し
処理を行うことを特徴とした単語切り出し方式である。
【０００６】
【実施例】以下図に示す実施例に基づいてこの発明を詳
述する。なお、これによってこの発明は限定されるもの
ではない。図１および図２はこの発明に用いる光学式文
字読取装置（以下ＯＣＲと略す）の概略ブロック図であ
る。両図において、１は文字を読み取って画像信号に変
換するイメージスキャナである。２はこのイメージスキ
ャナ１から出力される画像信号を処理する認識処理部と
しての本体である。認識処理部はスペースヒストグラム
作成部２ａと、粗単語間しきい値検出部２ｂと、粗単語
切り出し部２ｃと、ピッチヒストグラム作成部２ｄと、
平均・分散計算部２ｅと、定ピッチ判定部２ｆと、単語
切り出ししきい値設定部２ｇとを備え、この発明におけ
る単語切り出し処理を実行する。３はこの本体２へ制御
信号などを入力するための入力デバイスである。４は本
体２にて読み取られた文字などを表示するための出力デ
バイスである。
述する。なお、これによってこの発明は限定されるもの
ではない。図１および図２はこの発明に用いる光学式文
字読取装置（以下ＯＣＲと略す）の概略ブロック図であ
る。両図において、１は文字を読み取って画像信号に変
換するイメージスキャナである。２はこのイメージスキ
ャナ１から出力される画像信号を処理する認識処理部と
しての本体である。認識処理部はスペースヒストグラム
作成部２ａと、粗単語間しきい値検出部２ｂと、粗単語
切り出し部２ｃと、ピッチヒストグラム作成部２ｄと、
平均・分散計算部２ｅと、定ピッチ判定部２ｆと、単語
切り出ししきい値設定部２ｇとを備え、この発明におけ
る単語切り出し処理を実行する。３はこの本体２へ制御
信号などを入力するための入力デバイスである。４は本
体２にて読み取られた文字などを表示するための出力デ
バイスである。
【０００７】さらに上記本体２は、認識処理部を制御し
て画像信号を演算処理するＣＰＵ５と、イメージスキャ
ナ１から出力される画像信号を格納する画像メモリ６と
、この画像メモリ６からＣＰＵ５によって抽出された１
ライン分の画像データを格納するライン画像メモリ７と
、このライン画像メモリ７内のデータについて単語切り
出し処理に使用される各種バッファとしてのしきい値バ
ッファ８ａ，文字座標バッファ８ｂ，定ピッチフラグ８
ｃ，分散バッファ８ｄ，平均バッファ８ｅ，ピッチヒス
トグラムバッファ８ｆおよびスペースヒストグラムバッ
ファ８ｇとから主として構成される。
て画像信号を演算処理するＣＰＵ５と、イメージスキャ
ナ１から出力される画像信号を格納する画像メモリ６と
、この画像メモリ６からＣＰＵ５によって抽出された１
ライン分の画像データを格納するライン画像メモリ７と
、このライン画像メモリ７内のデータについて単語切り
出し処理に使用される各種バッファとしてのしきい値バ
ッファ８ａ，文字座標バッファ８ｂ，定ピッチフラグ８
ｃ，分散バッファ８ｄ，平均バッファ８ｅ，ピッチヒス
トグラムバッファ８ｆおよびスペースヒストグラムバッ
ファ８ｇとから主として構成される。
【０００８】次に上記認識処理部の処理を図３に示すフ
ローチャートに従って説明する。なお、説明に際しては
図４に示すヒストグラムを参照する。図３に示す定ピッ
チ推定および単語切り出ししきい値処理のフローチャー
トにおいて、 （１） まず行抽出，全文字切り出し終了後、全文字間
（正確に言えば単語間を含んでいる）スペースヒストグ
ラムを作成する（ステップ２０）。 （２） 従来法と同様に、このヒストグラムを２つのグ
ループに分割する最適しきい値（スペースビット数）を
求め、これを領域全体での単語間しきい値αとする（ス
テップ２１）。図４はステップ２０で求めた全文字間ヒ
ストグラムと、ステップ２１で求めた単語間しきい値α
とを示す一例である。
ローチャートに従って説明する。なお、説明に際しては
図４に示すヒストグラムを参照する。図３に示す定ピッ
チ推定および単語切り出ししきい値処理のフローチャー
トにおいて、 （１） まず行抽出，全文字切り出し終了後、全文字間
（正確に言えば単語間を含んでいる）スペースヒストグ
ラムを作成する（ステップ２０）。 （２） 従来法と同様に、このヒストグラムを２つのグ
ループに分割する最適しきい値（スペースビット数）を
求め、これを領域全体での単語間しきい値αとする（ス
テップ２１）。図４はステップ２０で求めた全文字間ヒ
ストグラムと、ステップ２１で求めた単語間しきい値α
とを示す一例である。
【０００９】（３） 次にこのしきい値αをもとに、全
行の全文字に対して粗い単語切り出しを行う（ステップ
２２）。上記ステップ２０，２１および２２は従来の処
理方法と同様である。従って入力が定ピッチ文書の場合
、横幅が小さい文字間では誤切り出しとなっている。し
かし、この誤切り出しは以下に説明する処理を行うこと
によって何ら不具合となるものではない。
行の全文字に対して粗い単語切り出しを行う（ステップ
２２）。上記ステップ２０，２１および２２は従来の処
理方法と同様である。従って入力が定ピッチ文書の場合
、横幅が小さい文字間では誤切り出しとなっている。し
かし、この誤切り出しは以下に説明する処理を行うこと
によって何ら不具合となるものではない。
【００１０】（４） ステップ２２にて文字間と判定さ
れた全ての隣会う２文字間で、文字の中心間距離（ピッ
チ）を求め、ピッチヒストグラムを作成する（ステップ
２３）。 （５） そのピッチヒストグラムの平均値μ・分散σ２
を計算する（ステップ２４）。 （６） 平均値により分散を正規化する。σ２’＝σ２
÷μ（ステップ２５）。 （７） この正規化された分散σ２’と、しきい値βと
の大小比較を行い、小の場合（σ２’＜β）は定ピッチ
文書と判定して処理（７）（８）（９）へ分岐する。ま
た、大の場合（σ２’≧β）はプロポーショナルピッチ
文書と判定して処理（１０）へ分岐する（ステップ２６
）。このしきい値βは実験等により随意に決定できる定
数であり、この実施例においては０．３である。
れた全ての隣会う２文字間で、文字の中心間距離（ピッ
チ）を求め、ピッチヒストグラムを作成する（ステップ
２３）。 （５） そのピッチヒストグラムの平均値μ・分散σ２
を計算する（ステップ２４）。 （６） 平均値により分散を正規化する。σ２’＝σ２
÷μ（ステップ２５）。 （７） この正規化された分散σ２’と、しきい値βと
の大小比較を行い、小の場合（σ２’＜β）は定ピッチ
文書と判定して処理（７）（８）（９）へ分岐する。ま
た、大の場合（σ２’≧β）はプロポーショナルピッチ
文書と判定して処理（１０）へ分岐する（ステップ２６
）。このしきい値βは実験等により随意に決定できる定
数であり、この実施例においては０．３である。
【００１１】定ピッチ文書の場合
（８） ピッチヒストグラムの平均値μを文字ピッチと
する（ステップ２７）。 （９） 文字ピッチμと定数δとにより、単語切り出し
しきい値γを求める。γ＝μ×δ（ステップ２８）。定
数δは実験等により随意に決定できる定数であり、この
実施例においては０．８である。 （１０） 定ピッチフラグをＯＮ“１”にし、処理を終
了する（ステップ２９）。
する（ステップ２７）。 （９） 文字ピッチμと定数δとにより、単語切り出し
しきい値γを求める。γ＝μ×δ（ステップ２８）。定
数δは実験等により随意に決定できる定数であり、この
実施例においては０．８である。 （１０） 定ピッチフラグをＯＮ“１”にし、処理を終
了する（ステップ２９）。
【００１２】プロポーショナルピッチ文書の場合（１１
） 定ピッチフラグをＯＦＦ“０”にし、処理を終了す
る（ステップ３０）。このようにして定ピッチ文書であ
るかプロポーショナル文書であるかの推定がなされる。 定ピッチ文書と推定された場合（定ピッチフラグＯＮの
場合）、各行の単語切り出し処理では上記切り出ししき
い値γと文字間スペースビット数との大小比較を行い、
大の場合は単語間スペースとして単語切り出しを行なう
。プロポーショナルピッチと推定された場合（定ピッチ
フラグＯＦＦの場合）、従来法により単語切り出しを行
なう。
） 定ピッチフラグをＯＦＦ“０”にし、処理を終了す
る（ステップ３０）。このようにして定ピッチ文書であ
るかプロポーショナル文書であるかの推定がなされる。 定ピッチ文書と推定された場合（定ピッチフラグＯＮの
場合）、各行の単語切り出し処理では上記切り出ししき
い値γと文字間スペースビット数との大小比較を行い、
大の場合は単語間スペースとして単語切り出しを行なう
。プロポーショナルピッチと推定された場合（定ピッチ
フラグＯＦＦの場合）、従来法により単語切り出しを行
なう。
【００１３】
【発明の効果】この発明によれば、定ピッチ、プロポー
ショナルピッチのどんな文書にも対しても、自動的に最
適な単語切り出しを行うことができるため、ＯＣＲにお
ける認識率を向上させることができる。また、オペレー
タに対しては操作上の負担を軽減させることができる。
ショナルピッチのどんな文書にも対しても、自動的に最
適な単語切り出しを行うことができるため、ＯＣＲにお
ける認識率を向上させることができる。また、オペレー
タに対しては操作上の負担を軽減させることができる。
【図１】この発明の光学式文字読取装置のブロック図で
ある。
ある。
【図２】この発明における定ピッチ推定およびしきい値
検出処理を示すブロック図である。
検出処理を示すブロック図である。
【図３】実施例における定ピッチ推定および単語切り出
ししきい値抽出処理を説明するフローチャートである。
ししきい値抽出処理を説明するフローチャートである。
【図４】実施例における全文字間ヒストグラムと単語間
しきい値を示す図表である。
しきい値を示す図表である。
１ イメージスキャナ
２ 本体
３ 入力デバイス
４ 出力デバイス
５ ＣＰＵ
６ 画像メモリ
７ ライン画像メモリ
８ａ しきい値バッファ
８ｂ 文字座標バッファ
８ｃ 定ピッチフラグ
８ｄ 分散バッファ
８ｅ 平均バッファ
８ｆ ピッチヒストグラムバッファ
Claims (1)
- 【請求項１】 欧文を対象とする光学式文字読取装置
の単語切り出し方式において、１行分の画像データ抽出
、文字切り出し後、スペースの出現頻度を表すヒストグ
ラムより求めた単語間しきい値により、粗い単語切り出
しを行い、この粗い単語切り出し結果から決定する全文
字間より、文字の中心間距離を示すピッチのヒストグラ
ムを求め、このピッチヒストグラムの分散、平均に基づ
いて入力文書が定ピッチであるかプロポーショナルピッ
チであるかを判定し、判定結果が定ピッチ文書の場合に
、定ピッチ用の単語切り出ししきい値を前記ピッチヒス
トグラムの平均をもとに決定するとともに、このしきい
値をもとに単語切り出し処理を行い、判定結果がプロポ
ーショナルピッチ文書の場合に、前記単語間しきい値を
もとに単語切り出し処理を行うことを特徴とした単語切
り出し方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3127911A JPH04353989A (ja) | 1991-05-30 | 1991-05-30 | 単語切り出し方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3127911A JPH04353989A (ja) | 1991-05-30 | 1991-05-30 | 単語切り出し方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04353989A true JPH04353989A (ja) | 1992-12-08 |
Family
ID=14971700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3127911A Pending JPH04353989A (ja) | 1991-05-30 | 1991-05-30 | 単語切り出し方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04353989A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013033416A (ja) * | 2011-08-03 | 2013-02-14 | Sharp Corp | 文字認識装置、文字認識方法及びプログラム |
-
1991
- 1991-05-30 JP JP3127911A patent/JPH04353989A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013033416A (ja) * | 2011-08-03 | 2013-02-14 | Sharp Corp | 文字認識装置、文字認識方法及びプログラム |
| CN102982328A (zh) * | 2011-08-03 | 2013-03-20 | 夏普株式会社 | 字符识别装置和字符识别方法 |
| US8861862B2 (en) | 2011-08-03 | 2014-10-14 | Sharp Kabushiki Kaisha | Character recognition apparatus, character recognition method and program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH04353989A (ja) | 単語切り出し方式 | |
| JP3090342B2 (ja) | 文字列方向判別装置 | |
| JPH0410087A (ja) | 基本ライン抽出方法 | |
| JPS62133585A (ja) | 単語切出方式 | |
| JPH07230525A (ja) | 罫線認識方法及び表処理方法 | |
| JP2569103B2 (ja) | 文字検出方法 | |
| JP3193573B2 (ja) | かぎかっこ付文字認識装置 | |
| JP3537570B2 (ja) | 日英混在文書のスペース検出方法、ピッチ書式判定方法及び定ピッチ英数文字列のスペース検出方法 | |
| JP3220226B2 (ja) | 文字列方向判別方法 | |
| JPH05174185A (ja) | 日本語文字認識装置 | |
| JPH10171924A (ja) | 文字認識装置 | |
| JP3190794B2 (ja) | 文字切り出し装置 | |
| JP2753094B2 (ja) | 単語切り出し装置 | |
| JPS62169287A (ja) | 記載文字形態判別方式 | |
| JP3000480B2 (ja) | 文字領域区切り検出方法 | |
| JPS63101983A (ja) | 文字列抽出方式 | |
| JP2520174B2 (ja) | 文字自動抽出装置 | |
| CA2186611A1 (en) | Automatic determination of landscape scan in binary images | |
| JPH10187887A (ja) | 書体識別装置および書体識別方法および情報記録媒体 | |
| JP2000048191A (ja) | 画像処理方法及び画像処理プログラムを記録した媒体 | |
| JPH0528260A (ja) | 輪郭ベクトル抽出方式 | |
| JPH02230484A (ja) | 文字認識装置 | |
| JPH05189604A (ja) | 光学的文字読取装置 | |
| JP2000187704A (ja) | 文字認識装置及びその方法及び記憶媒体 | |
| JPH01265378A (ja) | 欧文文字認識方式 |