JPH05225378A - 文書画像の領域分割システム - Google Patents
文書画像の領域分割システムInfo
- Publication number
- JPH05225378A JPH05225378A JP3131290A JP13129091A JPH05225378A JP H05225378 A JPH05225378 A JP H05225378A JP 3131290 A JP3131290 A JP 3131290A JP 13129091 A JP13129091 A JP 13129091A JP H05225378 A JPH05225378 A JP H05225378A
- Authority
- JP
- Japan
- Prior art keywords
- block
- area
- unit
- feature
- document image
- 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
Landscapes
- Character Input (AREA)
Abstract
(57)【要約】
【目的】 本発明は文書画像から文字領域を分離抽出す
る文書画像の領域分割システムに関し、文書画像を複数
のブロックに分割し、この分割したブロックの特徴から
そのブロックが文字領域であるか、写真領域であるか或
いは地の領域であるかを簡単に判定することができる文
書画像の領域分割システムを提供することを目的として
いる。 【構成】 入力された文書からブロックを切り出すブロ
ック切り出し部１と、該ブロック切り出し部１の出力を
受けて、切出されたブロックの特徴量を定量的に求める
特徴抽出部２と、該特徴抽出部２の出力を受けて、閾値
処理によって得られた各ブロックの数値的な特徴量の大
きさを用いて、閾値処理によりブロックを写真，文字，
地の部分に分類するブロック分類部３と、該ブロック分
類部３の出力を受けて、同じ種類に分類されている互い
に隣り合うブロックを統合して独立した領域とする領域
分割部４とで構成される。
る文書画像の領域分割システムに関し、文書画像を複数
のブロックに分割し、この分割したブロックの特徴から
そのブロックが文字領域であるか、写真領域であるか或
いは地の領域であるかを簡単に判定することができる文
書画像の領域分割システムを提供することを目的として
いる。 【構成】 入力された文書からブロックを切り出すブロ
ック切り出し部１と、該ブロック切り出し部１の出力を
受けて、切出されたブロックの特徴量を定量的に求める
特徴抽出部２と、該特徴抽出部２の出力を受けて、閾値
処理によって得られた各ブロックの数値的な特徴量の大
きさを用いて、閾値処理によりブロックを写真，文字，
地の部分に分類するブロック分類部３と、該ブロック分
類部３の出力を受けて、同じ種類に分類されている互い
に隣り合うブロックを統合して独立した領域とする領域
分割部４とで構成される。
Description
【０００１】
【産業上の利用分野】本発明は文書画像から文字領域を
分離抽出する文書画像の領域分割システムに関する。
分離抽出する文書画像の領域分割システムに関する。
【０００２】近年、各種データのコンピュータでの処理
や蓄積が進んでいる。特にワードプロセッサ，パーソナ
ルコンピュータの普及により、文書をコンピュータ上で
作成，保管することが多くなっている。コンピュータ上
では文書の編集が容易であり、また、他の文書の参照や
他の文書の一部切り貼りを簡単に行うことができること
が可能なためである。
や蓄積が進んでいる。特にワードプロセッサ，パーソナ
ルコンピュータの普及により、文書をコンピュータ上で
作成，保管することが多くなっている。コンピュータ上
では文書の編集が容易であり、また、他の文書の参照や
他の文書の一部切り貼りを簡単に行うことができること
が可能なためである。
【０００３】しかしながら、現在でも刊行物のほとんど
は紙の形である。しかも、これまでには膨大な量の紙の
書類が作成され、保存されている。これらの紙の書類を
前記文書と同様に有効に活用するためには、何らかの手
段によって書類をコンピュータに入力する必要がある。
は紙の形である。しかも、これまでには膨大な量の紙の
書類が作成され、保存されている。これらの紙の書類を
前記文書と同様に有効に活用するためには、何らかの手
段によって書類をコンピュータに入力する必要がある。
【０００４】これらの書類を改めて人手で入力するには
膨大な労力を必要とするので、入力を自動的に行う文書
入力装置の出現が待たれている。このような文書入力装
置では、書類をイメージスキャナ等でコンピュータに入
力し、入力された画素単位の画像情報（文書画像）の処
理を行う。そして、この文書画像からそのレイアウト構
成を解析したり、画像上の文字等を認識したりすること
によって、コンピュータ上の他の文書と同様に扱うこと
が可能となる。ここで、文書画像のレイアウト解析を行
うためには、文書画像中の写真領域や文字領域を他から
分離し抽出することが重要になってくる。
膨大な労力を必要とするので、入力を自動的に行う文書
入力装置の出現が待たれている。このような文書入力装
置では、書類をイメージスキャナ等でコンピュータに入
力し、入力された画素単位の画像情報（文書画像）の処
理を行う。そして、この文書画像からそのレイアウト構
成を解析したり、画像上の文字等を認識したりすること
によって、コンピュータ上の他の文書と同様に扱うこと
が可能となる。ここで、文書画像のレイアウト解析を行
うためには、文書画像中の写真領域や文字領域を他から
分離し抽出することが重要になってくる。
【０００５】
【従来の技術】従来、文書画像から文字領域，写真領域
を切り出す処理は、それぞれの文字や写真を単位として
行っていた。例えば、先ず画像の２値化を行い、一定値
以上の濃度を持つ画素を黒画素として取り出す。そし
て、２値画像に対してラベリング処理により、連結領域
を取り出す。ここで、ラベリング処理とは、互いに隣接
する黒画素に対して同一のラベルを与える処理をいう。
そして、画像中の独立した黒画素の領域毎に固有のラベ
ルを与えることができる。これにより、同一のラベルを
持つ画素群（連結領域）という形で、独立した黒画素の
領域を文書画像から取り出すことが可能となる。
を切り出す処理は、それぞれの文字や写真を単位として
行っていた。例えば、先ず画像の２値化を行い、一定値
以上の濃度を持つ画素を黒画素として取り出す。そし
て、２値画像に対してラベリング処理により、連結領域
を取り出す。ここで、ラベリング処理とは、互いに隣接
する黒画素に対して同一のラベルを与える処理をいう。
そして、画像中の独立した黒画素の領域毎に固有のラベ
ルを与えることができる。これにより、同一のラベルを
持つ画素群（連結領域）という形で、独立した黒画素の
領域を文書画像から取り出すことが可能となる。
【０００６】図１２はラベリング処理の説明図である。
（ａ）に示す画像中の“１”を黒画素、他を白画素とす
る。ここで、（ａ）の画像中から連結した“１”を持つ
画素のみをグループ化して取り出すと（ｂ）に示すよう
にＡ，Ｂ，Ｃの３つのラベルを持つ領域に分割すること
ができる。こうして、取り出した連結領域を１つの単位
として処理を行う。各連結領域は、それぞれ文字や写
真，図等を表わす。
（ａ）に示す画像中の“１”を黒画素、他を白画素とす
る。ここで、（ａ）の画像中から連結した“１”を持つ
画素のみをグループ化して取り出すと（ｂ）に示すよう
にＡ，Ｂ，Ｃの３つのラベルを持つ領域に分割すること
ができる。こうして、取り出した連結領域を１つの単位
として処理を行う。各連結領域は、それぞれ文字や写
真，図等を表わす。
【０００７】ここで、各連結領域に対して文字確認処理
を行ったり、大きさ，複雑さを調べて連結領域の分類を
行う。例としては、連結領域に対して文字認識処理を行
い、文字認識が可能であれば、それは文字であり、認識
ができなければ写真，図と認識するものである。
を行ったり、大きさ，複雑さを調べて連結領域の分類を
行う。例としては、連結領域に対して文字認識処理を行
い、文字認識が可能であれば、それは文字であり、認識
ができなければ写真，図と認識するものである。
【０００８】
【発明が解決しようとする課題】従来の文書画像の領域
分割方式では、以下に示すような問題があった。即ち、
先ず連結領域（同一ラベルを持つ画素群）を取り出すた
めには、画像の２値化を行う必要があり、２値化に伴う
問題があった。例えば、写真領域には、濃度が薄い部分
が存在することが多いが、２値化の際に濃度が薄い部分
は黒画素として抽出できない。
分割方式では、以下に示すような問題があった。即ち、
先ず連結領域（同一ラベルを持つ画素群）を取り出すた
めには、画像の２値化を行う必要があり、２値化に伴う
問題があった。例えば、写真領域には、濃度が薄い部分
が存在することが多いが、２値化の際に濃度が薄い部分
は黒画素として抽出できない。
【０００９】そのため、１つの写真が複数に分かれてし
まったり、写真の中の濃度が濃い部分だけが出てきたり
してしまう。また、連結領域を単位とするのでは、
「は」，「に」のような１文字が複数に分離しているよ
うな場合、分離してしまった幾つかの領域をまとめて１
つの文字であるとしたり、近接した異なった文字がつな
がってしまい、一つの連結領域の中に複数の文字があっ
たりするため、何らかの特別な処理が必要であった。
まったり、写真の中の濃度が濃い部分だけが出てきたり
してしまう。また、連結領域を単位とするのでは、
「は」，「に」のような１文字が複数に分離しているよ
うな場合、分離してしまった幾つかの領域をまとめて１
つの文字であるとしたり、近接した異なった文字がつな
がってしまい、一つの連結領域の中に複数の文字があっ
たりするため、何らかの特別な処理が必要であった。
【００１０】本発明はこのような課題に鑑みてなされた
ものであって、文書画像を複数のブロックに分割し、こ
の分割したブロックの特徴からそのブロックが文字領域
であるか、写真領域であるか或いは地の領域であるかを
簡単に判定することができる文書画像の領域分割システ
ムを提供することを目的としている。
ものであって、文書画像を複数のブロックに分割し、こ
の分割したブロックの特徴からそのブロックが文字領域
であるか、写真領域であるか或いは地の領域であるかを
簡単に判定することができる文書画像の領域分割システ
ムを提供することを目的としている。
【００１１】
【課題を解決するための手段】図１は本発明の原理ブロ
ック図である。図において、１は入力された文書からブ
ロックを切り出すブロック切り出し部、２は該ブロック
切り出し部１の出力を受けて、切出されたブロックの特
徴量を定量的に求める特徴抽出部、３は該特徴抽出部２
の出力を受けて、閾値処理によって得られた各ブロック
の数値的な特徴量の大きさを用いて、閾値処理によりブ
ロックを写真，文字，地の部分に分類するブロック分類
部、４は該ブロック分類部３の出力を受けて、同じ種類
に分類されている互いに隣り合うブロックを統合して独
立した領域とする領域分割部である。
ック図である。図において、１は入力された文書からブ
ロックを切り出すブロック切り出し部、２は該ブロック
切り出し部１の出力を受けて、切出されたブロックの特
徴量を定量的に求める特徴抽出部、３は該特徴抽出部２
の出力を受けて、閾値処理によって得られた各ブロック
の数値的な特徴量の大きさを用いて、閾値処理によりブ
ロックを写真，文字，地の部分に分類するブロック分類
部、４は該ブロック分類部３の出力を受けて、同じ種類
に分類されている互いに隣り合うブロックを統合して独
立した領域とする領域分割部である。
【００１２】
【作用】ブロック切り出し部１で切り出されるブロック
は、例えば１６×１６画素，８×８画素等の、予め決め
られた大きさの矩形領域である。このブロックが、以後
の処理の対象となる単位である。本発明では、文書画像
の領域分割をこのブロック単位で行い、ブロックが写真
か文字かを判断する。
は、例えば１６×１６画素，８×８画素等の、予め決め
られた大きさの矩形領域である。このブロックが、以後
の処理の対象となる単位である。本発明では、文書画像
の領域分割をこのブロック単位で行い、ブロックが写真
か文字かを判断する。
【００１３】図２は、文書画像からのブロック切り出し
の様子を示す図である。文書画像１０からブロック１１
を切り出している。特徴量としては、写真，文字の区別
が可能なテクスチャ特徴が用いられる。ここで、テクス
チャ特徴とは、画像中の画素の空間的な位置関係の情報
を考慮して特定領域内の画素の濃度変化を数値化したも
のである。
の様子を示す図である。文書画像１０からブロック１１
を切り出している。特徴量としては、写真，文字の区別
が可能なテクスチャ特徴が用いられる。ここで、テクス
チャ特徴とは、画像中の画素の空間的な位置関係の情報
を考慮して特定領域内の画素の濃度変化を数値化したも
のである。
【００１４】例としては、画像のコントラストやランレ
ングス行列等がある。ブロック分類部３では、特徴抽出
部２で得られた各ブロックの数値的な特徴量の大きさを
用いて、閾値処理によりブロックを写真，文字，地の部
分の３種類に分類する。領域分割部４では、ブロック分
類部３で分類されたブロックに対して、同じ種類に分類
された互いに隣り合うブロックを統合して、独立した領
域とする。これによって、文書画像から写真，文字，地
の領域を切り出すことができる。
ングス行列等がある。ブロック分類部３では、特徴抽出
部２で得られた各ブロックの数値的な特徴量の大きさを
用いて、閾値処理によりブロックを写真，文字，地の部
分の３種類に分類する。領域分割部４では、ブロック分
類部３で分類されたブロックに対して、同じ種類に分類
された互いに隣り合うブロックを統合して、独立した領
域とする。これによって、文書画像から写真，文字，地
の領域を切り出すことができる。
【００１５】このように、本発明によれば、ブロックを
単位として画像の濃淡変化による特徴量を抽出してブロ
ックを分類するため、画像の情報を損なう２値化を行う
ことなく、またラベリング処理等によって、個々の文字
を切り出す必要もなく、文書画像の領域分割を行うこと
かできる。本発明によれば、文書画像を複数のブロック
に分割し、この分割したブロックの特徴からそのブロッ
クが文字領域であるか、写真領域であるか或いは地の領
域であるかを簡単に判定することができる。
単位として画像の濃淡変化による特徴量を抽出してブロ
ックを分類するため、画像の情報を損なう２値化を行う
ことなく、またラベリング処理等によって、個々の文字
を切り出す必要もなく、文書画像の領域分割を行うこと
かできる。本発明によれば、文書画像を複数のブロック
に分割し、この分割したブロックの特徴からそのブロッ
クが文字領域であるか、写真領域であるか或いは地の領
域であるかを簡単に判定することができる。
【００１６】
【実施例】以下、図面を参照して本発明の実施例を詳細
に説明する。
に説明する。
【００１７】図３は本発明の一実施例を示す構成ブロッ
ク図である。図１と同一のものは、同一の符号を付して
示す。図において、５は文書画像を入力するための画像
入力部で、例えばイメージスキャナ等で、文書をコンピ
ュータ内にディジタル画像として入力するものである。
２ａは特徴抽出部２内に設けられた特徴量としてコント
ラストを算出するコントラスト算出部である。領域分割
部４は、領域の隣接領域を探索する隣接探索部４ａと、
孤立した領域を除去する孤立領域除去部４ｂから構成さ
れている。６は、分割された領域を出力する結果出力部
である。このように構成された装置の動作を説明すれ
ば、以下のとおりである。
ク図である。図１と同一のものは、同一の符号を付して
示す。図において、５は文書画像を入力するための画像
入力部で、例えばイメージスキャナ等で、文書をコンピ
ュータ内にディジタル画像として入力するものである。
２ａは特徴抽出部２内に設けられた特徴量としてコント
ラストを算出するコントラスト算出部である。領域分割
部４は、領域の隣接領域を探索する隣接探索部４ａと、
孤立した領域を除去する孤立領域除去部４ｂから構成さ
れている。６は、分割された領域を出力する結果出力部
である。このように構成された装置の動作を説明すれ
ば、以下のとおりである。
【００１８】入力された画像は、例えば２５６階調を持
つ濃淡画像としてブロック切り出し部１に送られる。ブ
ロック切り出し部１では、入力された画像を図４に示す
ように矩形のブロックに分割する。ここでは、入力され
た画像を縦横に格子状に切り、それぞれの格子をブロッ
クとして処理の単位とする。
つ濃淡画像としてブロック切り出し部１に送られる。ブ
ロック切り出し部１では、入力された画像を図４に示す
ように矩形のブロックに分割する。ここでは、入力され
た画像を縦横に格子状に切り、それぞれの格子をブロッ
クとして処理の単位とする。
【００１９】特徴抽出部２では、分割された各ブロック
について、テクスチャ特徴を算出する。ここでは、テク
スチャ特徴としてコントラスト算出部２ａがブロック内
のコントラストを計算する。ここで、コントラストは、
２つの画素間の濃度レベルの差を定量化したものであ
る。例えば、図５に示すように、文字部分の場合には、
白の部分にはっきりした黒があるような場合には、高い
値を示す。これに対し、図６に示すように地の部分の場
合には、全て白で濃度に変化がないため、低いコントラ
スト値を示す。また、写真の場合には図７に示すよう
に、ゆるやかな濃度の変化がある部分は中間の値を示
す。
について、テクスチャ特徴を算出する。ここでは、テク
スチャ特徴としてコントラスト算出部２ａがブロック内
のコントラストを計算する。ここで、コントラストは、
２つの画素間の濃度レベルの差を定量化したものであ
る。例えば、図５に示すように、文字部分の場合には、
白の部分にはっきりした黒があるような場合には、高い
値を示す。これに対し、図６に示すように地の部分の場
合には、全て白で濃度に変化がないため、低いコントラ
スト値を示す。また、写真の場合には図７に示すよう
に、ゆるやかな濃度の変化がある部分は中間の値を示
す。
【００２０】図８は、各ブロックから算出したコントラ
ストの値を模式的に示した図である。図の濃い部分がコ
ントラストの高い値を示している。この図は、図４に示
す文書画像と対応している。このようにして得られた各
ブロックの特徴量は、ブロック分類部３に送られる。該
ブロック分類部３では、それぞれのブロックを写真，文
字，地に分類する。
ストの値を模式的に示した図である。図の濃い部分がコ
ントラストの高い値を示している。この図は、図４に示
す文書画像と対応している。このようにして得られた各
ブロックの特徴量は、ブロック分類部３に送られる。該
ブロック分類部３では、それぞれのブロックを写真，文
字，地に分類する。
【００２１】ここでは、２つの閾値ＴＨ１，ＴＨ２（Ｔ
Ｈ１＜ＴＨ２）を与え、特徴量ＦＴＲと比較することに
よって分類する。分類は、 ＦＴＲ＜ＴＨ１ならば地の部分 ＴＨ１＜ＦＴＲ＜ＴＨ２ならば写真の部分 ＴＨ２＜ＦＴＲならば文字の部分 として行う。閾値ＴＨ１，ＴＨ２は予めオペレータが与
えてもよいが、特徴量の分布から求めることもできる。
例えば、図９に示す特徴量の分布図から、特徴量ＦＴＲ
の小さい部分と中間の部分の間に第１の閾値ＴＨ１を、
中間の部分とＦＴＲの大きい部分の間に第２の閾値ＴＨ
２を見つけるようにすることができる。
Ｈ１＜ＴＨ２）を与え、特徴量ＦＴＲと比較することに
よって分類する。分類は、 ＦＴＲ＜ＴＨ１ならば地の部分 ＴＨ１＜ＦＴＲ＜ＴＨ２ならば写真の部分 ＴＨ２＜ＦＴＲならば文字の部分 として行う。閾値ＴＨ１，ＴＨ２は予めオペレータが与
えてもよいが、特徴量の分布から求めることもできる。
例えば、図９に示す特徴量の分布図から、特徴量ＦＴＲ
の小さい部分と中間の部分の間に第１の閾値ＴＨ１を、
中間の部分とＦＴＲの大きい部分の間に第２の閾値ＴＨ
２を見つけるようにすることができる。
【００２２】領域分割部４では、ブロック分類部３で得
られた結果を基にして領域を形成する。ここでは、隣接
探索部４ａで互いに同じ種類に分類されたブロックで隣
接する物を１つの固まりの領域としてブロックを統合す
る。孤立領域除去部４ｂでは、誤分類されたブロックの
統合を行う。ここでは、コントラストが低いために写真
内に生じた地のブロック，文字内の写真，地のブロック
をそれぞれ写真，地とする。
られた結果を基にして領域を形成する。ここでは、隣接
探索部４ａで互いに同じ種類に分類されたブロックで隣
接する物を１つの固まりの領域としてブロックを統合す
る。孤立領域除去部４ｂでは、誤分類されたブロックの
統合を行う。ここでは、コントラストが低いために写真
内に生じた地のブロック，文字内の写真，地のブロック
をそれぞれ写真，地とする。
【００２３】この時、孤立した文字が存在する可能性が
あるので、地の中の孤立した文字を地に変えるようなコ
ントラストの低いブロックに囲まれたコントラストの高
いブロックを変更することはしないようにする。結果出
力部６では、領域分割の結果を出力し、文字の部分は文
字認識部（図示せず）に領域毎に送る。図１０に文書画
像の例を、図１１に本発明の実施例による処理結果の例
を示している。結果では、写真を白，文字を斜線，地を
網線で示している。
あるので、地の中の孤立した文字を地に変えるようなコ
ントラストの低いブロックに囲まれたコントラストの高
いブロックを変更することはしないようにする。結果出
力部６では、領域分割の結果を出力し、文字の部分は文
字認識部（図示せず）に領域毎に送る。図１０に文書画
像の例を、図１１に本発明の実施例による処理結果の例
を示している。結果では、写真を白，文字を斜線，地を
網線で示している。
【００２４】前述した実施例では、テクスチャー特徴と
してコントラストを用いたが、これは他の特徴量であっ
てもよい。例えば、短いランの強調によるランレングス
行列の値を用いることができる。ランレングスとは、同
じ濃度の画素が続く確率を表したもので、一定の濃度が
続く地の部分では、値が高く、濃度変化が少ない写真で
は中間の値をとり、白黒の変化が多い文字の領域では値
が低くなる。これを利用して、コントラストと同様に分
類が可能である。
してコントラストを用いたが、これは他の特徴量であっ
てもよい。例えば、短いランの強調によるランレングス
行列の値を用いることができる。ランレングスとは、同
じ濃度の画素が続く確率を表したもので、一定の濃度が
続く地の部分では、値が高く、濃度変化が少ない写真で
は中間の値をとり、白黒の変化が多い文字の領域では値
が低くなる。これを利用して、コントラストと同様に分
類が可能である。
【００２５】また、前述した実施例では、ブロック切り
出し部１において、画像を格子状のブロックに分割した
が、ブロックとして画素を中心とした一定の大きさを持
つ矩形領域とすることにより、画像の各画素に対して特
徴量を求め、画素を単位として分類することも可能であ
る。また、前述した実施例ではスキャナから入力した画
像をそのまま処理したが、４画素中の平均をとる等の縮
小画像に対して処理を行うようにしてもよい。
出し部１において、画像を格子状のブロックに分割した
が、ブロックとして画素を中心とした一定の大きさを持
つ矩形領域とすることにより、画像の各画素に対して特
徴量を求め、画素を単位として分類することも可能であ
る。また、前述した実施例ではスキャナから入力した画
像をそのまま処理したが、４画素中の平均をとる等の縮
小画像に対して処理を行うようにしてもよい。
【００２６】
【発明の効果】以上、詳細に説明したように、ブロック
（矩形領域）を単位として、画像の濃淡変化による特徴
量を定量的に抽出して、特徴量を基にブロックを分類す
るので、画像の情報を損なう２値化を行うことなく、処
理を行うことができる。また、個々の文字を切り出す必
要もなく、対象に依存しない統一的な処理により文書画
像の領域分割を行うことができる。従って、本発明によ
れば文書画像を複数のブロックに分割し、この分割した
ブロックの特徴からそのブロックが文字領域であるか、
写真領域であるか或いは地の領域であるかを簡単に判定
することができる文書画像の領域分割システムを提供す
ることができる。
（矩形領域）を単位として、画像の濃淡変化による特徴
量を定量的に抽出して、特徴量を基にブロックを分類す
るので、画像の情報を損なう２値化を行うことなく、処
理を行うことができる。また、個々の文字を切り出す必
要もなく、対象に依存しない統一的な処理により文書画
像の領域分割を行うことができる。従って、本発明によ
れば文書画像を複数のブロックに分割し、この分割した
ブロックの特徴からそのブロックが文字領域であるか、
写真領域であるか或いは地の領域であるかを簡単に判定
することができる文書画像の領域分割システムを提供す
ることができる。
【図１】本発明の原理ブロック図である。
【図２】文書画像からのブロック切り出しの様子を示す
図である。
図である。
【図３】本発明の一実施例を示す構成ブロック図であ
る。
る。
【図４】入力画像のブロック分割の様子を示す図であ
る。
る。
【図５】文字部分のコントラストを示す図である。
【図６】地の部分のコントラストを示す図である。
【図７】写真の場合のコントラストを示す図である。
【図８】各ブロックから抽出したコントラストの値を模
式的に示した図である。
式的に示した図である。
【図９】特徴量の分布例を示す図である。
【図１０】文書画像の例を示す図である。
【図１１】本発明による処理結果を示す図である。
【図１２】ラベリング処理の説明図である。
１ ブロック切り出し部 ２ 特徴抽出部 ３ ブロック分類部 ４ 領域分割部
Claims (2)
- 【請求項１】 入力された文書からブロックを切り出す
ブロック切り出し部（１）と、 該ブロック切り出し部（１）の出力を受けて、切出され
たブロックの特徴量を定量的に求める特徴抽出部（２）
と、 該特徴抽出部（２）の出力を受けて、閾値処理によって
得られた各ブロックの数値的な特徴量の大きさを用い
て、閾値処理によりブロックを写真，文字，地の部分に
分類するブロック分類部（３）と、 該ブロック分類部（３）の出力を受けて、同じ種類に分
類されている互いに隣り合うブロックを統合して独立し
た領域とする領域分割部（４）とで構成された文書画像
の領域分割システム。 - 【請求項２】 前記特徴抽出部（２）で抽出される特徴
量としてコントラストを用いたことを特徴とする請求項
１記載の文書画像の領域分割システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3131290A JPH05225378A (ja) | 1991-06-03 | 1991-06-03 | 文書画像の領域分割システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3131290A JPH05225378A (ja) | 1991-06-03 | 1991-06-03 | 文書画像の領域分割システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05225378A true JPH05225378A (ja) | 1993-09-03 |
Family
ID=15054506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3131290A Pending JPH05225378A (ja) | 1991-06-03 | 1991-06-03 | 文書画像の領域分割システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05225378A (ja) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6532303B2 (en) | 1997-08-29 | 2003-03-11 | Sharp Kabushiki Kaisha | Line direction deciding device, image inclination detecting device and image inclination correcting device |
| JP2007259099A (ja) * | 2006-03-23 | 2007-10-04 | Casio Comput Co Ltd | 画像処理装置及び画像処理方法 |
| US7446914B2 (en) | 2005-03-16 | 2008-11-04 | Kabushiki Kaisha Toshiba | Image processing apparatus |
| CN102004925A (zh) * | 2010-11-09 | 2011-04-06 | 无锡中星微电子有限公司 | 物体分类模型的训练方法及利用该模型的识别方法 |
| EP2645697A2 (en) | 2012-03-30 | 2013-10-02 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and method |
| US8792719B2 (en) | 2011-07-29 | 2014-07-29 | Brother Kogyo Kabushiki Kaisha | Image processing device determining attributes of regions |
| US8830529B2 (en) | 2011-07-29 | 2014-09-09 | Brother Kogyo Kabushiki Kaisha | Image processing device for accurately identifying region in image without increase in memory requirement |
| US8837836B2 (en) | 2011-07-29 | 2014-09-16 | Brother Kogyo Kabushiki Kaisha | Image processing device identifying attribute of region included in image |
| US8929663B2 (en) | 2011-07-29 | 2015-01-06 | Brother Kogyo Kabushiki Kaisha | Image processing device identifying region in image as one of uniform region and nonuniform region |
| US9137418B2 (en) | 2012-12-27 | 2015-09-15 | Brother Kogyo Kabushiki Kaisha | Image processing device and computer-readable storage medium storing computer-readable instructions |
| US9235773B2 (en) | 2012-03-30 | 2016-01-12 | Brother Kogyo Kabushiki Kaisha | Image processing device capable of determining types of images accurately |
| US9300840B2 (en) | 2012-12-27 | 2016-03-29 | Brother Kogyo Kabushiki Kaisha | Image processing device and computer-readable storage medium storing computer-readable instructions |
| US9386187B2 (en) | 2013-09-30 | 2016-07-05 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and operations of selecting compression scheme to generate compressed file |
| US10044906B2 (en) | 2016-02-25 | 2018-08-07 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus, medium storing program executable by image processing apparatus, and system |
| US10200570B2 (en) | 2016-06-30 | 2019-02-05 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus for performing reduction process to reduce amount of specific color material to be used |
| US10521686B2 (en) | 2016-01-28 | 2019-12-31 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus, information processing method and storage medium for generating an image file by extracting character pixels of a target image |
| US10592766B2 (en) | 2016-02-29 | 2020-03-17 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and medium storing program executable by image processing apparatus |
| US10821722B2 (en) | 2018-03-30 | 2020-11-03 | Brother Kogyo Kabushiki Kaisha | Control device, storage medium, and printing method |
| US10899139B2 (en) | 2018-03-30 | 2021-01-26 | Brother Kogyo Kabushiki Kaisha | Control device and storage medium |
| US11325398B2 (en) | 2019-02-01 | 2022-05-10 | Brother Kogyo Kabushiki Kaisha | Image processing device generating dot data using machine learning model and method for training machine learning model |
-
1991
- 1991-06-03 JP JP3131290A patent/JPH05225378A/ja active Pending
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6532303B2 (en) | 1997-08-29 | 2003-03-11 | Sharp Kabushiki Kaisha | Line direction deciding device, image inclination detecting device and image inclination correcting device |
| US7446914B2 (en) | 2005-03-16 | 2008-11-04 | Kabushiki Kaisha Toshiba | Image processing apparatus |
| JP2007259099A (ja) * | 2006-03-23 | 2007-10-04 | Casio Comput Co Ltd | 画像処理装置及び画像処理方法 |
| US8532403B2 (en) | 2006-03-23 | 2013-09-10 | Casio Computer Co., Ltd. | Image processing apparatus and image processing method |
| CN102004925A (zh) * | 2010-11-09 | 2011-04-06 | 无锡中星微电子有限公司 | 物体分类模型的训练方法及利用该模型的识别方法 |
| EP2551824A3 (en) * | 2011-07-29 | 2017-12-20 | Brother Kogyo Kabushiki Kaisha | Image processing device for accurately identifying region in image without increase in memory requirement |
| US8792719B2 (en) | 2011-07-29 | 2014-07-29 | Brother Kogyo Kabushiki Kaisha | Image processing device determining attributes of regions |
| US8830529B2 (en) | 2011-07-29 | 2014-09-09 | Brother Kogyo Kabushiki Kaisha | Image processing device for accurately identifying region in image without increase in memory requirement |
| US8837836B2 (en) | 2011-07-29 | 2014-09-16 | Brother Kogyo Kabushiki Kaisha | Image processing device identifying attribute of region included in image |
| US8929663B2 (en) | 2011-07-29 | 2015-01-06 | Brother Kogyo Kabushiki Kaisha | Image processing device identifying region in image as one of uniform region and nonuniform region |
| US9235773B2 (en) | 2012-03-30 | 2016-01-12 | Brother Kogyo Kabushiki Kaisha | Image processing device capable of determining types of images accurately |
| US9014468B2 (en) | 2012-03-30 | 2015-04-21 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus, computer-readable storage medium storing computer-readable instructions and associated method |
| EP2645697A2 (en) | 2012-03-30 | 2013-10-02 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and method |
| US9300840B2 (en) | 2012-12-27 | 2016-03-29 | Brother Kogyo Kabushiki Kaisha | Image processing device and computer-readable storage medium storing computer-readable instructions |
| US9137418B2 (en) | 2012-12-27 | 2015-09-15 | Brother Kogyo Kabushiki Kaisha | Image processing device and computer-readable storage medium storing computer-readable instructions |
| US9386187B2 (en) | 2013-09-30 | 2016-07-05 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and operations of selecting compression scheme to generate compressed file |
| US10521686B2 (en) | 2016-01-28 | 2019-12-31 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus, information processing method and storage medium for generating an image file by extracting character pixels of a target image |
| US10044906B2 (en) | 2016-02-25 | 2018-08-07 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus, medium storing program executable by image processing apparatus, and system |
| US10592766B2 (en) | 2016-02-29 | 2020-03-17 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and medium storing program executable by image processing apparatus |
| US10200570B2 (en) | 2016-06-30 | 2019-02-05 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus for performing reduction process to reduce amount of specific color material to be used |
| US10821722B2 (en) | 2018-03-30 | 2020-11-03 | Brother Kogyo Kabushiki Kaisha | Control device, storage medium, and printing method |
| US10899139B2 (en) | 2018-03-30 | 2021-01-26 | Brother Kogyo Kabushiki Kaisha | Control device and storage medium |
| US11305551B2 (en) | 2018-03-30 | 2022-04-19 | Brother Kogyo Kabushiki Kaisha | Control device and storage medium |
| US11325398B2 (en) | 2019-02-01 | 2022-05-10 | Brother Kogyo Kabushiki Kaisha | Image processing device generating dot data using machine learning model and method for training machine learning model |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH05225378A (ja) | 文書画像の領域分割システム | |
| Wang et al. | Classification of newspaper image blocks using texture analysis | |
| US5050222A (en) | Polygon-based technique for the automatic classification of text and graphics components from digitized paper-based forms | |
| Wu et al. | Textfinder: An automatic system to detect and recognize text in images | |
| Gllavata et al. | A robust algorithm for text detection in images | |
| KR100523898B1 (ko) | 이미지 프로세싱 방법 및 장치 및 기록 매체 | |
| JP5492205B2 (ja) | 印刷媒体ページの記事へのセグメント化 | |
| NL1015943C2 (nl) | Interpretatie van gekleurde documenten. | |
| JP2008148298A (ja) | 画像における異なった内容の領域を識別する方法、画像における異なった内容の領域を識別する装置、および画像における異なった内容の領域を識別するコンピュータ・プログラムを具現するコンピュータ読み取り可能な媒体 | |
| US6532302B2 (en) | Multiple size reductions for image segmentation | |
| CN112507782A (zh) | 文本图像的识别方法及装置 | |
| Lam et al. | Reading newspaper text | |
| US6975761B1 (en) | Image processing for clustering related text objects | |
| IL98293A (en) | A method for distinguishing between text and graphics | |
| Karanje et al. | Survey on text detection, segmentation and recognition from a natural scene images | |
| JPH1125222A (ja) | 文字切り出し方法及び文字切り出し装置 | |
| Bharathi et al. | Segregated handwritten character recognition using GLCM features | |
| CN114758340A (zh) | 物流地址智能识别方法、装置、设备及存储介质 | |
| Andersen et al. | Features for neural net based region identification of newspaper documents | |
| Aparna et al. | A complete OCR system development of Tamil magazine documents | |
| Lin et al. | Text extraction from name cards using neural network | |
| Boiangiu et al. | Automatic Correction of OCR Results Using Similarity Detection for Words and Fonts | |
| Awoke et al. | Ethiopic and latin multilingual text detection from images using hybrid techniques | |
| Lin et al. | Text extraction from name cards with complex design | |
| Elmore et al. | A morphological image preprocessing suite for ocr on natural scene images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19990727 |