JPH05159062A - 文書認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 文書データの圧縮率を高め、かつその２次利
用を容易にする。 【構成】 画像読み取り部１により文書画像はデジタル
データに変換され、画像メモリ２に保存され、保存され
た画像データは前処理部３によって不要なノイズなどを
除去され、レイアウト認識部４においては文書画像を認
識し、文字部、画像部、表部、図形部に各々領域分割さ
れる。認識された領域はそれぞれ文字認識部５、画像圧
縮部６、表認識部７、図形認識部８によって認識を行
い、その領域の属性に応じた書式に変換される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はＤＴＰや電子ファイリン
グシステムなどで利用できる文書認識装置に関し、さら
に詳しくは、そのデータの二次利用と格納の効率化に関
するものである。

【０００２】

【従来の技術】今日、多くの情報を整理し、検索を可能
とするために、様々な情報が電子ファイル化されるよう
になってきた。これまで電子ファイル化する方法とし
て、原稿をスキャナで読み込みイメージファイル化する
方法が多く採られてきた。しかしこの方法では、ファイ
ルサイズの増大を招くと言う問題があった。そこで、文
字の部分を認識することによって文字コードに変換する
必要が生じてきた。しかし文書には文字の他に、写真等
の画像や、イラストや図面などの線画、表などが混在し
ており、これまでの方法では、文書と画像（表・画像、
図形を含む）とに分離したり、図形についてはベクトル
化して線画に変換する、等が考えられていた。

【０００３】

【発明が解決しようとする課題】しかし、表については
表と認識せずに画像データ、または画像データに変換さ
れていたので、十分な圧縮が行われず、また、表形式に
なったデータを、表計算アプリケーションなどで再利用
することができなかった。

【０００４】本発明は、文書に含まれている文章を構成
する文字、写真等の画像、イラストや図面などの図形、
表などをそれぞれ最適な書式に変換するとともにデータ
サイズの圧縮を可能にする文書認識装置の提供を目的と
する。

【０００５】

【課題を解決するための手段】本発明の文書認識装置は
上記目的を達成するために、文書画像を読み取ってデジ
タルデータに変換する画像読み取り部と、読み取った文
書を保存する画像メモリと、前記画像メモリの文書画像
の空白部により画像を分割する領域分割部、前記領域分
割部で分割された領域が文字・画像・表・図形のいずれ
であるかを認識する領域属性認識部よりなるレイアウト
認識部と、前記レイアウト認識部で認識された領域ごと
に、文字領域の文字の認識を行う文字認識部と、同じく
画像領域の画像の圧縮を行う画像圧縮部と、同じく表領
域の表認識を行う表認識部と、同じく図形領域の図形認
識を行う図形認識部とから構成されている。

【０００６】

【作用】本発明は、上記の構成により、１頁分の文書の
画像データから、文字部、画像部、表部、図形部の各領
域に分割し、その各々について認識を行いその各々の最
適な書式に変換し、その各々のデータの再利用を可能に
する。

【０００７】

【実施例】図１は本発明の一実施例の文書認識装置の構
成図である。以下図に基づいて本発明の処理の流れを説
明する。画像読み取り部１により文書画像はデジタルデ
ータに変換され、画像メモリ２に保存される。保存され
た画像データは前処理部３によって不要なノイズなどを
除去される。レイアイト認識部４においては文書画像を
認識し、文字部、画像部、表部、図形部に領域を分割さ
れる。認識された領域はそれぞれ文字認識部５、画像圧
縮部６、表認識部７、図形認識部８の認識装置によって
認識を行い、それぞれの領域の属性に応じた書式に変換
される。

【０００８】つぎに本発明の中心部であるレイアウト認
識部４について詳細な説明を行う。レイアウト認識部は
大きく２つの部分に分かれている。まず、入力された画
像をいくつかの領域に分割する、領域分割部４ａと、分
割された領域が、文字、図形、画像、表のどれであるか
を認識する領域属性認識部４ｂである。最初に領域分割
部４ａにおける分割方法についてのべる。図２（ａ）に
一般的な文書画像の例を示す。領域分割を行うための基
本的な方法は領域を分割している空白を探すことであ
る。図３が空白の検出アルゴリズムを示すフローチャー
トである。以下図３により、そのアルゴリズムの説明を
行う。

【０００９】（１）ステップ１（Ｓ１） 文書画像を左端から水平方向に連続する白画素の個数が
しきい値ＮＨ以上の座標点を探す。いまその座標点の開
始点を（ｘｓｓ，ｙｓ）、終了点を（ｘｅｓ，ｙｓ）と
する。

【００１０】（２）ステップ２（Ｓ２） 次のライン（ｙｓ＋１）の（ｘｓｓ，ｙｓ）から（ｘｅ
ｓ，ｙｓ）までの白画素の個数がしきい値Ｎよりも小さ
くなるまで繰り返し、その時の白画素の開始点を（ｘｓ
ｅ，ｙｅ）、終了点を（ｘｅｅ，ｙｅ）とする。

【００１１】（３）ステップ３（Ｓ３） もし次の条件を満たすとき、検出した空白は領域を分割
する。｜ｙｅ−ｙｓ｜＞ＮＶ（ＮＶはしきい値） （４）ステップ４（Ｓ４） 以上の処理を全てラインが終了するまで繰り返す。

【００１２】（５）ステップ５（Ｓ５）（図示せず） Ｓ１からＳ４までと同様の操作を垂直方向についてもお
こなう。図２（ａ）の文書から空白部分を抽出した結果
が図２（ｂ）である。その後空白で囲まれる部分を領域
として分割抽出した結果が図２（ｃ）である。

【００１３】つぎに領域属性認識部４ｂについて詳しく
説明する。図４に示す領域の属性の判定アルゴリズムに
基づいて詳しく説明する。

【００１４】（１）ステップ１（Ｓ１） 領域内の画素について、 Ｄ ＝ （黒画素数）／（全体の画素数） とすると、 Ｄ ＞ ＤＤ（ＤＤはしきい値） を満たすとき、その領域内は画像である。

【００１５】（２）ステップ２（Ｓ２） 領域内の連結された黒画素を囲む最小の外接矩形を求め
る。

【００１６】（３）ステップ３（Ｓ３） 求めた外接矩形の中で最も長い横の辺の長さＬＹと縦の
辺の長さＬＴとを求める。

【００１７】（４）ステップ４（Ｓ４） いま、ＬＹ＞ＬＬＹ、ＬＴ＞ＬＬＴ（ＬＬＹ、ＬＬＴは
しきい値）のどちらかを満たすとき、領域内は図形また
は表である。また、それ以外の場合には文字である。
（図５） （５）ステップ５（Ｓ５） 領域内で長い水平線を調べる。そのためには水平方向の
ヒストグラムをとる。図６のように水平方向に表の一部
である水平線がある場合にはヒストグラムの山ができ
る。したがって、 （ヒストグラムの最大値）／（領域の横幅）＞ ＬＬ を満たすとき、領域に長い水平線を含むことになり、表
であると判断する。

【００１８】

【発明の効果】以上説明したように本発明の文書認識装
置により、文字、図形、表、画像データを自動的に判別
して認識できることからこれまでの作業の効率化が図
れ、また、上記４つの領域に分割してそれぞれに対して
認識を行うことにより、それぞれの領域に最適なコード
変換を行うことが可能となり、大幅なデータ圧縮と、そ
れぞれのアプリケーションによるデータの２次加工が可
能となる。

【図面の簡単な説明】

【図１】本発明の一実施例の文書認識装置の構成図

【図２】（ａ）同じくその認識すべき文書画像の例 （ｂ）同じくその各領域間の空白を抽出した結果を示す
説明図 （ｃ）同じく各領域に分割抽出した結果を示す説明図

【図３】同じく空白の検出アルゴリズムを示すフローチ
ャート

【図４】領域の属性の判定アルゴリズムを示すフローチ
ャート

【図５】同じく外接矩形を説明する説明図

【図６】同じく表領域のヒストグラムをとった例を示す
説明図

【符号の説明】

１ 画像読み取り部 ２ 画像メモリ ３ 前処理部 ４ レイアウト認識部 ４ａ 領域分割部 ４ｂ 領域属性認識部 ５ 文字認識部 ６ 画像圧縮部 ７ 表認識部 ８ 図形認識部

Claims (1)

【特許請求の範囲】
1. 【請求項１】文書画像を読み取ってデジタルデータに変
   換する画像読み取り部と、読み取った文書を保存する画
   像メモリと、前記画像メモリの文書画像の空白部により
   画像を分割する領域分割部、前記領域分割部で分割され
   た領域が文字・画像・表・図形のいずれであるかを認識
   する領域属性認識部よりなるレイアイト認識部と、前記
   レイアウト認識部で認識された領域ごとに、文字領域の
   文字の認識を行う文字認識部と、同じく画像領域の画像
   の圧縮を行う画像圧縮部と、同じく表領域の表認識を行
   う表認識部と、同じく図形領域の図形認識を行う図形認
   識部とよりなる文書認識装置