JPH05258058A - 位置サンプリングに基づく画像分析 - Google Patents

Abstract

(57)【要約】 （修正有） 【目的】 画像を定義するデータ値をランダムないし疑
似ランダムなサンプリングで画像の特性を測定する画像
処理手法を提供する。 【構成】 スキュー、タイプフェイス、文字サイズやス
ペース配分といった属性についての情報は、いくつかの
抽出位置の特性を測定し、結果を結合して画像の特性の
測定値を得ることで得ることができる。抽出する位置の
数は画像内の位置の数よりも少ないが、統計的に有意義
な程度を達成するのに十分なものとする。抽出する位置
は、候補位置を示すランダムないし疑似ランダム数を得
て、候補位置は測定に適切な開始点かどうかを判定する
基準を適用することにより選択することができる。測定
値はエッジへの距離のように、いくつかの各々の方向の
各々の抽出する位置からの距離を示すことができる。そ
の距離を結合して、平均化等を行って分布を示すデータ
を得ることができる。画像は、各々が測定している特性
の際だった値を有するセグメントに分割することができ
る。

Description

【発明の詳細な説明】

【０００１】本発明は画像を分析する手法に関する。

【０００２】フィシュラーM.A.(Fischler, M.A.)および
ボレスR.C.(Bolles, R.C.)「ランダムサンプルコンセン
サス(Random Sample Consensus) ：画像分析および自動
化地図製作に対するアプリケーションでのモデル適合パ
ラダイム(A Paradigm for Model Fitting with Applica
tions to Image Analysis and Automated Cartograph
y)」ＡＣＭコミュニケーションズ(Communications of t
he ACM) 、24巻、第６号1981年６月、pp.381-395には、
実験データに対しモデルを適合するパラダイムが説明さ
れている。

【０００３】本発明は、画像を定義するデータをランダ
ムないし疑似ランダムに抽出することにより画像の特性
を測定する画像処理手法を提供する。全ての画像位置に
関した画像特性を測定する代わりに、この手法では画像
位置のランダムないし疑似ランダムに選択した小集合に
関した画像特性を測定する。そしてその結果を組み合わ
せて画像の画像特性を測定するデータを得る。

【０００４】本発明の１側面では、画像を分析する際の
基本的な問題に対処する。すなわち従来の画像分析手法
では、画像を画素に分割し、画像の全ての画素を定義す
るデータを操作している。しかし一般的に画像は非常に
多くの画素を含んでおり、この方法は計算的に高価であ
る。

【０００５】その側面は更に、この問題を緩和できる手
法の発見に基づいている。この手法は画像内のいくつか
の位置あるいは画像のセグメントをランダムないし疑似
ランダムに抽出するものである（以下その抽出する位置
を「サンプル集合」と称する）。従ってこの手法により
画像の全ての位置を定義するデータを操作せずに、画像
特性を全体として測定することができる。

【０００６】ランダムな選択により、非ランダムな選択
から生じることがあるエイリアジングを防ぐことができ
る。例えば位置を規則的ないし一定のパターンで選択す
る場合、画像内の規則性ないし一定性を発生する特徴
は、その発生がサンプル集合内の位置で発生していない
あるいはサンプル集合内の全位置で発生するが他の位置
では発生しないといったパターンで発生する場合は、無
視あるいは誤って解釈されることがある。

【０００７】ランダム抽出手法は、画像内の位置を示す
番号をランダムないし疑似ランダムに生成し、次に示さ
れた位置の特性を測定することにより実施することがで
きる。次に別の番号を生成し、別の位置について特性を
測定すること次々に行う。抽出した位置の測定を組み合
わせると画像の特性の測定値を得ることができる。

【０００８】各々の位置に対する測定は、その位置の特
性を測定する抽出結果データを生成する操作で行うこと
ができる。各々の位置の抽出結果データは、位置に関し
た情報を提供する１つ以上のデータ項目の集合となる
（以下それを「結果集合」と称する）。例えば結果集合
には、位置から延長しているいくつかの方向の各々のデ
ータ項目を含めることができ、その各々の方向のデータ
項目は、その方向で画像が基準を満たす最も近い位置へ
の距離を示す値とすることができる。

【０００９】サンプル集合内の位置の抽出結果データを
結合すると、画像の結合結果データを得ることができ
る。例えば上記のように結果集合を得ることができ、各
々の結果集合はいくつかの方向の各々のデータ項目を含
み、各々の方向のデータ項目はその方向の距離を示して
いると、その方向のデータ項目を平均化することにより
結合データ項目を各々の方向に対して得ることができ
る。

【００１０】図１は、いくつかの近接位置に関した特性
の測定では如何に冗長データが生成され得るかを示すあ
る画像部分の略図である。

【００１１】図２は、いくつかの近接位置に関した特性
の測定で冗長データが生成され得ることを別の方法で示
すある画像部分の略図である。

【００１２】図３は、位置を抽出することで画像の特性
を測定する全般的な過程を示すフロー図である。

【００１３】図４は、画像のランダムな抽出を逐次に行
う際の全体的な過程を示すフロー図である。

【００１４】図５は、画像のランダムな抽出を並列に行
う際の全体的な過程を示すフロー図である。

【００１５】図６は、特性を各々のセグメントに対して
測定できるように画像をセグメント化する際の全般的な
過程を示すフロー図である。

【００１６】図７は、位置をランダムに抽出することに
より特性が測定される画像処理を実施するシステムの構
成部分を示す略ブロック図である。

【００１７】図８は、画像をセグメント化し、各々のセ
グメントに対して特性を測定することにより画像の特性
を測定する過程を示すフロー図である。

【００１８】図９は、基準を満たす位置をランダムに抽
出することにより画像の特性を測定する過程を示すフロ
ー図である。

【００１９】図１０は、画像内のランダムな位置を得る
際の過程を示すフロー図である。

【００２０】図１１は、ランダムな抽出および連結され
た構成部分のエッジの間の距離を測定することによりス
キューの近似を得る過程を示すフロー図である。

【００２１】図１２は、ランダムな抽出とスキューの近
似の周りの方向に対する特性画素数の分散を得ることに
よりスキューのより正確な近似を得る過程を示すフロー
図である。

【００２２】図１３は、スキューを測定する際に図１
１、図１２の手法を共に使用できる方法を示すフロー図
である。

【００２３】図１４は、ランダムな抽出により優占的(d
ominant)なタイプフェイスを測定する過程を示すフロー
図である。

【００２４】図１５は、文字あるいはストローク・サイ
ズを測定あるいはスペース配分をランダムな抽出により
測定する過程を示すフロー図である。

【００２５】図１６は、ランダムな抽出により画像の特
性を測定する並列プロセッサを含むシステムの略ブロッ
ク図である。

【００２６】図１７は、ランダムな抽出により画像の特
性を測定する並列プロセッサを含む複写機の略ブロック
図である。

【００２７】本発明の全般的な機能は図１−６から理解
することができる。図１は画像の近接した位置は、近く
の連結した構成部分に関し如何に類似した特性を有する
かを示したものである。図２は同様に、画像の連結した
構成部分の近接した位置は、連結した構成部分のエッジ
に関し如何に類似した特性を有するかを示している。図
３は画像の位置を抽出して画像の特性を測定する方法を
示している。図４は逐次マシン上のサンプル集合内の位
置の特性の測定方法を示し、図５は並列マシン上でのサ
ンプル集合内の位置の測定方法を示している。図６は画
像を測定している特性の際だった値を各々有する小さい
画像にセグメント化する方法を示している。

【００２８】図１の位置１０，１２，１４は、画像特性
を測定できるものに関した近接位置である。例示した画
像特性は、最も近い連結構成部分の白領域にわたる方向
θ₁の距離である。図から分かるように、全ての３つの
位置１０，１２，１４に対する方向θ₁ の最も近い連結
構成部分は構成部分２０である。位置１０から構成部分
２０のエッジ上の位置２２への距離はデータ１であり、
位置１２から位置２４はデータ２であり、位置１４から
位置２６はデータ３である。データ１、データ２、デー
タ３は各々互いに異なるが、それらの相違は比較的小さ
い。非常に小さい測定単位を使用しない限り、位置１
０，１２，１４の画像特性は同一である。従って３つの
全ての位置に関する特性を測定するは、冗長データがも
たらされることになる。

【００２９】図２の位置４０，４２，４４は同様に、連
結構成部分５０の近接位置である。例示した画像特性
は、連結構成部分５０の最も近いエッジに対する黒色領
域にわたる方向θ２の距離である。位置４０から構成部
分５０のエッジ上の位置５２の距離はデータ４で、位置
４２から位置５４はデータ５、位置４４から位置５６は
データ６である。データ４、データ５、データ６も互い
に異なるが、それらの間の相違は比較的小さく、３つの
全位置に関して特性を測定するとこれも冗長データをも
たらすことになる。

【００３０】図３は、位置のサンプル集合の特性を測定
することにより画像の特性を測定する際の全般的な過程
を示している。この手法を用いると、図１と図２で説明
した冗長測定を削減できる。ボックス７０のステップで
はサンプル集合位置の特性を測定する。ボックス７２の
ステップでは次にボックス７０からの結果を結合して画
像の特性の測定値を得る。

【００３１】図３のステップは図１、２で例示されたタ
イプの冗長性を削減するが、サンプル集合位置を規則性
ないし一定性のパターンで選択する場合は、エイリアジ
ングを受ける。画像の規則性ないし一定性を発生する特
徴は、その発生がサンプル集合内の位置では発生してい
ないあるいはサンプル集合内の全位置で発生するが他の
位置では発生しないといったパターンで生じる場合は、
無視あるいは誤った解釈されることがある。例えば全て
のｎ番目の位置を規則的に抽出すると、画像の特徴がｎ
位置離れた間隔で生じる場合はエイリアジングをもたら
す結果になることがある。エイリアジング問題は、サン
プル集合位置をランダムないし疑似ランダムに選択する
ことで避けることができる。

【００３２】図４は、図３のボックス７０のステップを
逐次マシン上でランダムな選択で実施する方法を示して
いる。ボックス９０のステップは抽出する画像の位置を
示す位置データをランダムに生成することで始める。ボ
ックス９２のステップでは次に、表示された位置はサン
プル集合基準を満たすかどうかに基づいて分岐する。満
たさなければ、ボックス９０のステップが再び行われる
が、表示された位置が基準を満たせばボックス９４のス
テップで位置に関した画像特性を測定する。ボックス９
６のステップでは次に、画像の特性を測定するのに十分
な位置が抽出されたかどうかに基づいて分岐する。十分
でなければボックス９０のステップが再び行われる。

【００３３】図５は、図３のボックス７０のステップ
を、画像内の各々の位置が、位置のデータ項目を局所メ
モリに記憶する各々の処理装置を有する並列マシンでラ
ンダムな選択で行う方法を示している。ボックス１１０
のステップでは、各々の処理装置が、その位置がサンプ
ル集合基準を満たすか、そしてその位置に関した画像特
性の測定結果を示すデータをもたらすかを示す基準デー
タを生成するように、処理装置を並列に作動する。この
ステップを行う際、処理装置は他の処理装置と交信して
必要なデータを得ることができる。ボックス１１２のス
テップでは次に、基準データがその位置の基準を満たす
処理装置からランダムなサンプル集合を選択する。サン
プル集合からの結果データはボックス１１４で得る。

【００３４】図６は、測定する特性の際だった値を各々
有する１部分以上を含む画像をセグメントに分割し、そ
の各々に対して特性を測定する方法を示している。ボッ
クス１３０のステップは、画像を例えばテキストを含む
画像の場合はラインやワードといったように開始セグメ
ントに分割することで始める。これは画像データを操作
して、各々の開始セグメントを定義するセグメント・デ
ータを生成することで行うことができる。ボックス１３
２のステップでは次に各々の開始セグメントでの特性を
測定するが、これは各々のセグメントでの位置のサンプ
ルの結果データを得て、その結果データを結合してセグ
メントの結合結果を得ることで行うことができる。次に
ボックス１３４のステップでは、ボックス１３２からの
測定値に基づいて開始セグメントをより大きなセグメン
トにグループ化して、各々測定する特性の際だった値を
有するセグメントを得る。これは結合結果を用いてどの
開始セグメントをグループに含めるべきかを判定して、
セグメントをグループ内に含むより大きなセグメントを
定義するグループ化セグメント・データを生成すること
で行うことができる。

【００３５】統計的抽出理論によれば、分布の分散は分
布を抽出する際に所与のレベルの統計的意義を得るのに
必要なサンプル数の二乗に逆比例する。従って分散が既
知あるいは測定する画像特性や画像内の位置の数といっ
た要因から分析的に判定できる場合は、サンプルの必要
数は理論的に計算を通し決定することができる。

【００３６】実際上、画像特性の分散は前もって知られ
ておらず、分析的に判定できないことがしばしばある。
従って統計的抽出理論のヒューリスティックな応用を用
いて、取得するサンプル数を得ることができる。単純な
ヒューリスティックは、初期のサンプル数を選択し、選
択した数を用いて２つの測定を行うことである。即ち２
つの測定が同一あるいはほぼ同一であれば、選択した数
は十分大きいが、大きくなければ、選択した数を増分し
て２つの測定を増分した数で行うことができ、それを更
に行うことができる。

【００３７】このヒューリスティックを用いると、距離
を方向の関数として測定してスキューないしフォントに
ついての情報を得るのには１０００サンプルで十分であ
り、結合構成部分の間の水平、垂直距離を測定し、文字
やストローク・サイズ、スペース配分についての情報を
得るのには５０００サンプルで十分であり、所与の方向
の線分に沿った所与の色の画素数の分散を測定し、スキ
ューについての情報を得るには２４サンプルで十分であ
ることが分かっている。これらの結果は基礎的な測定の
分散に基づいて説明できる。即ち距離測定は、方向の関
数としてあるいは水平、垂直方向でも、比較的大きな分
散を有しているので、それには比較的多くのサンプルが
必要である。それ自身統計的測定値である分散は、比較
的小さい分散を有するので、画像のそれを測定するには
比較的少ない数のサンプルしか必要としない。

【００３８】上述の全般的な機能を様々なマシン上で数
々の方法で実施して、広範囲の画像特性を測定すること
ができる。

【００３９】図７は本発明を逐次マシンで実施する１つ
の方法を示している。図８は画像をセグメント化する際
のステップを示している。図９は特性を測定する際に辿
る全般的なステップを示している。図１０は、画像内の
ランダムな位置を示すデータを得る方法を詳細に示して
いる。

【００４０】図７のシステム１６０には、入力装置１６
４から入力データを受け取り、出力データを出力装置１
６６に与えるために接続されたプロセッサ１６２が含ま
れている。プロセッサ１６２はワークステーションのＣ
ＰＵとすることができ、入力装置１６４と出力装置１６
６はＩ／Ｏ装置とすることができる。例えば入力装置１
６４はスキャナあるいはディジタル画像源といった画像
入力装置とすることができる。また入力装置１６４は周
辺記憶装置あるいは他の既知、あるいは距離を方向の関
数として示すモデル・プロファイルを受け取ることがで
きる送信媒体に対する接続を提供することができる。同
様に出力装置１６６は、画像特性を示しデータのような
プロセッサ１６２により得たデータを提供する装置とす
ることができる。

【００４１】作動中、プロセッサ１６２はプログラム・
メモリ１６８からの命令を実行し、データの読み取り、
書き込みを行うためにデータ・メモリ１７０にアクセス
する。プログラム・メモリ１６８はプロセッサ１６２の
いくつかの操作を行うための命令を記憶している。デー
タ・メモリ１７０は図示するようにデータを記憶し、ま
た一時的にプロセッサ１６２がその操作を行う際に使用
する中間データを記憶することができる。

【００４２】プロセッサ１６２は画像セグメント化操作
１７２を行って画像のセグメントの画像特性を測定する
ことができる。画像セグメント化操作１７２に対するコ
ールには、測定する特性を識別するデータを含めること
ができる。下記に詳細に述べるように、画像セグメント
化操作１７２は一方でタイル・セグメント化操作１７
４、ライン・セグメント化操作１７６、ワード・セグメ
ント化操作１７８、スキュー操作１８０、その他の特性
操作１８２を呼び出して、画像をセグメントに分割し、
各々が測定する特性の際だった値を持つようにすること
ができる。スキュー操作１８０と他の特性操作１８２は
ランダム位置操作１８４を呼び出して抽出する位置を識
別するデータを得ることができる。

【００４３】画像セグメント化操作１７２、タイル・セ
グメント化操作１７４、ライン・セグメント化操作１７
６、ワードセグメント化操作１７８、スキュー操作１８
０、他の特性操作１８２を行う際は、プロセッサ１６２
はデータ・メモリ１７０内の画像データ１８６にアクセ
スして分析している画像についてのデータを得、画像内
の特定の位置のデータを得ることができる。スキュー操
作１８０、他の特性操作１８２を実行することで、プロ
セッサ１６２は重要度データ１８８にアクセスして所望
のレベルの統計的重要性に対して特性を測定するために
抽出しなければならない位置の数ないし割合を示すデー
タを得ることができる。即ちこれらの操作を行うこと
で、プロセッサ１６２は抽出結果データ１９０や画像結
果データ１９２を生成して記憶することができる。

【００４４】図８はセグメント化操作１６８を実施する
方法を示している。ボックス２１０のステップは、特定
の画像特性を測定するコールを受けて始まる。そのコー
ルは又分析する画像の源をも示している。ボックス２１
２のステップではその画像源をベースに分岐し、画像を
走査するときは、ボックス２１４のステップは入力装置
１６４から走査データを受け取り、２値化し、それをデ
ータ・メモリ１７０に記憶する。このステップには、ノ
イズを削減するためあるいは他の無関係なデータを除去
するため、画像データの前処理も含まれる。

【００４５】ボックス２２０のステップは測定する特性
がスキュー、タイプフェイス、文字サイズ、スペース配
分などのテキストの特性かどうかに基づいて分岐する。
そうでなければボックス２２２のステップは他の当該手
法を通して特性を測定する。

【００４６】テキスト特性を測定する際は、一般的にス
キューを判定することが必要である。従ってボックス２
２４のステップは、タイル・セグメント化サブルーチン
１７４に対する適切なコールで画像を矩形などのタイル
に分割して始まる。ボックス２２６のステップではスキ
ュー・サブルーチン１８０への適切なコールを行ってタ
イルのスキューを測定し、次にスキューに基づいてタイ
ルをスキュー・セグメントにグループ化する。このステ
ップでは全てのタイルのスキューを測定してタイルを類
似性にしたがってスキュー・セグメントにグループ化し
たり、あるいはシード・タイルから始まるスキュー・セ
グメントを成長させるように全てのタイルを測定しなく
てもよい他の戦略を用いることもできる。いずれの場合
も、隣接するタイルは十分異なるスキューを持つ場合
は、同一スキュー・セグメントに含めるべきではない。

【００４７】スキュー・セグメントを得ると、ボックス
２２８のステップは再びスキュー・サブルーチン１８０
に対すコールを行い、今回は各々のスキュー・セグメン
トのスキューを測定する。次にボックス２３０のステッ
プは、測定している特性がスキューかどうかに基づいて
分岐する。そうであれば、ボックス２３２のステップで
はボックス２２８からの結果をもたらし、スキューの測
定が完了する。

【００４８】スキュー以外の特性については、ボックス
２４０のステップは反復ループを始め、その各々の反復
で１つのスキュー・セグメントの特性を測定する。ボッ
クス２４２のステップでは次のスキュー・セグメントを
サブセグメントに分割して反復ループを始める。これは
ライン・セグメント化操作１７６とワード・セグメント
化操作１７８へのコールで行うことができる。ライン・
セグメント化操作１７６とワード・セグメント化操作１
７８へのコールには、分割されているスキュー・セグメ
ントの測定されたスキューを含めることができる。ライ
ン・セグメント化操作１７６はスキュー・セグメントに
わたって同一角度で延長している空白スペースをスキュ
ーとして見いだすことができ、隣接する空白スペース間
のそのセグメントをライン・セグメントとして扱う。ワ
ード・セグメント化操作１７８はライン・セグメントに
わたってスキューに垂直な角度で延長し、ワード内の潜
在的な文字間スペースよりも大きな最低幅を有する空白
スペースを見いだすことができ、隣接する空白スペース
間のセグメントをワード・セグメントとして扱う。

【００４９】スキュー・セグメントがサブセグメントに
分割されると、ボックス２４４のステップは、特性がほ
ぼ同一のサブセグメントがテキスト・セグメントにグル
ープ化されるようにサブセグメントの特性を測定する。
この場合、分離したワードは異なる優占的なタイプフェ
イスを有するか、異なる文字サイズあるいはスペースを
有することがあるので、全てのサブセグメントについて
特性を測定することが必要となることがある。

【００５０】全てのスキュー・セグメントに対処する
と、ボックス２５０のステップは各々のスキュー・セグ
メントに対して得られた結果を提供する。画像に１つの
スキュー・セグメントだけが含まれる場合は、その結果
はその画像の特性を全体として測定する。

【００５１】図８の手法では自動的にセグメントを見い
だし、その各々について画像特性を測定することができ
るが、他の方法を用いることもできる。すなわち分析す
る画像は、人間のオペレータからの情報に基づいてセグ
メント化することができる。あるいは画像を特性に対す
る単一の際だった値を持つものと想定することができ、
それは多くの場合そうである。又ボックス２２４や２４
２のステップの前に、追加テストを行って画像が単一の
際だった値を持って現れ、セグメント化やグループ化が
不必要であるかどうかを判定することができる。例え
ば、画像が単一の優占的なタイプフェイスを有する場合
は、タイプフェイスを判定するためにセグメント化やグ
ループ化をする必要はない。同様に図１１に関して下記
に説明する画像全体のスキュー測定の結果が、最低及び
最高結合距離値の間の範囲の３分の１以下の最低値を有
する場合は、画像は際だったスキューを有し、スキュー
・セグメントに分割する必要はない。このしきい値は、
ライン間距離は一般的に文字間距離よりも少なくとも３
倍あるという観測に基づいている。

【００５２】図９はボックス２２２，２２６，２２８，
２４４の測定操作を実施する全般的なステップを示して
いる。いくつかの測定操作の特定の実施について、下記
に詳細に述べる。

【００５３】ボックス２７０のステップは、特定の特性
を測定するコールを受けて始まる。このコールには特性
を測定する画像のパラメータが含まれる。図８に関して
説明したように、その画像はタイル、スキュー・セグメ
ント、ワード・セグメントあるいはテキスト・セグメン
トなどの別の画像のセグメントであることがある。画像
パラメータには、例えば画素で測定したメモリ内での画
像を定義するデータの開始位置やその寸法を含めること
ができる。

【００５４】ボックス２７０で受け取ったデータに基づ
いて、ボックス２７２のステップは抽出するサンプル数
を決定する。この数は大域変数を設定あるいは抽出する
サンプル数に等しい定数を含めることで前もって決定で
きるので、このステップはオプションである。図７に関
して上述したように、重要度データ１８８には、特定の
特性の所望の統計的重要度をもたらすため、抽出する必
要のある画像の数ないし割合を示すデータを含めること
ができる。例えば画像の寸法を用いて画像内の画素数を
判定し、測定する特性について抽出しなければならない
その割合を掛けて、得るべきサンプル数を得ることがで
きる。

【００５５】ボックス２８０のステップは図４のステッ
プを全般的に辿る反復ループを始め、ボックス２７２か
らの数に達するまでサンプルを得る。ボックス２８２の
ステップはランダム位置操作１８４を呼び出し、測定し
ている画像のランダムな位置を得る。このコールにはボ
ックス２７０からの画像のパラメータを含めることがで
きる。

【００５６】ボックス２８４のステップでは測定してい
る特性のサンプル集合基準をボックス２８２で得られた
位置に対して適用する。その位置が基準を満たさなけれ
ば、ボックス２８２のステップを繰り返して別の位置を
得る。基準を満たす位置が得られれば、ボックス２８６
のステップはその位置の特性を測定するのに必要なステ
ップを取る。

【００５７】ボックス２７２からのサンプル数に達する
と、ボックス２８８のステップはボックス２８６の各々
の反復で得られた測定値を、画像の特性の測定値と結合
する。この測定値は、ボックス２７０で受けたコールを
与えた過程に回答される。

【００５８】下記に詳細に説明するように、ボックス２
８６と２８８のステップは別の形で割り当てることがで
きる。例えば、ボックス２８６のステップを完全に省略
して全ての位置を得て記憶することができ、次にボック
ス２８８のステップが位置の特性を測定してその結果を
結合することができる。あるいはボックス２８６のステ
ップには各々の測定値をそれが得られたときに先回の測
定値と結合する操作を含めることができ、その場合ボッ
クス２８８のステップは結合結果が回答される前に測定
値を結合するのに必要な最終操作を行う。これらのステ
ップの実施方法の選択は、効率性や他の実際上の考慮に
基づいて行うことができる。

【００５９】図１０は図９のボックス２８２で呼び出さ
れたランダム位置操作１８４の実施を示している。ボッ
クス３００のステップは画像パラメータを含むランダム
位置を提供するコールを受けて始まる。画像パラメータ
にはメモリ内の画像を定義するデータの開始位置、画素
で測定したその寸法、及び画素の合計数を示すデータを
含めることができる。

【００６０】ボックス３０２のステップは通常のランダ
ムないし疑似ランダム数生成手法を通してランダム数を
生成する。ボックス３０４のステップは次にボックス３
０２からのランダム数をボックス３００からの画像パラ
メータにより定義された画像に写像し、画像内の位置を
見いだす。例えばランダム数は、画像内のゼロと画素合
計数の間で生成することができ、ランダム数は次に画像
内の行数により割ることができ、除算の整数結果は画素
が発生する行を示し、残りは行内の画素の位置を示す。
ボックス３０６のステップはボックス３０４で得られた
位置をランダム位置操作１８４を呼び出した過程に回答
する。

【００６１】以下の部分では、図９の全般的な手法を実
施してスキュー、タイプフェィス、文字サイズ、スペー
ス配分についての情報を提供する特性を測定する方法例
を提供する。

【００６２】図８のボックス２２６、２２８のステップ
は、画像内のテキストのラインのスキューを測定する
が、図１１は多数の方向のエッジ画素間の距離を測定す
ることによりスキューを測定する手法を例示している。
図１２は、ある範囲をカバーするいくつかの方向のライ
ンの黒画素数を測定することによりスキューを測定する
手法を例示している。図１１と１２の手法は一般的に図
９のステップを辿るが、いくつかの点で各々は図９とは
異なっている。図１３は、図１１と１２の手法を共に用
いて図８のボックス２２６と２２８のステップを行う方
法を例示している。

【００６３】図１１のステップでは、スキューを測定す
る際に取得するサンプル数は前もって決定され、例えば
大域変数の形で得ることができると想定している。図１
１のボックス３２０のステップは、スキューと共にスキ
ューを測定する画像のパラメータを測定するコールを受
けて始まる。ボックス３２２のステップは大域変数で示
されたサンプル数に達するまでサンプルを取得する反復
ループを始める。ボックス３２４のステップは測定して
いる画像内のランダム位置をランダム位置サブルーチン
１８４を呼び出したりすることで取得する。ボックス３
２６のステップは次にボックス３２４からのランダム位
置の画素データ項目にアクセスし、隣接する位置の画素
データ項目にもアクセスする。

【００６４】ボックス３３０のステップはランダム位置
の画素データ項目が黒色ないし白色の適切な色を示して
いるか及び隣接している位置の１つが反対の色であるか
どうかを判定するサンプル集合基準を適用するので、ラ
ンダム位置はエッジ画素となる。そうでなければ別のラ
ンダム位置をボックス３２４で得る。

【００６５】サンプル集合基準を満たす画素を見いだす
と、ボックス３３２のステップは背景色にわたりいくつ
かの方向の各々の最も近いエッジに対する距離を測定す
る。例えば画像が白の背景に対して黒の文字を有してい
れば、距離は白色画素にわたり最も近い黒色エッジ画素
あるいは最も近い白色エッジ画素に対して測定すること
ができる。ボックス３３４のステップは各々の方向で得
られた距離をその位置の先回得られた距離の合計に追加
し、それにより各々の位置で得られた距離の測定値を結
合する操作部分を行う。

【００６６】サンプル数が得られると、ボックス３４０
のステップは各々の方向の距離の合計を得られたサンプ
ル数で割ることにより測定値を結合する操作を完了し、
各々の位置での平均距離を出すことができる。然るにス
キューは距離を平均化せずに判定することができるの
で、このステップはオプション的なものである。平均距
離はプロファイルを形成し、それは次にボックス３４２
で分析して２つの最深分離最低値を見いだす。言い替え
れば２つの最深最低値がある最低角度ε以下で分離され
た方向にあると、それらは分離最低値よりも同一最低値
の一部として扱われる。ボックス３５０のステップは次
にボックス３４２からの最深分離最低値はほぼ反対方向
にあるかどうかを判定する。これは方向が１８０±ε度
で分離されている場合は真となる。そうであればボック
ス３５２のステップは最深最低値の方向を取得し、それ
をスキュー測定を呼び出した過程に回答する。しかしそ
うでなければ、ボックス３５４のステップは、分析して
いる画像がテキストの画像ではない場合あるいはテキス
トに際だった方向がないようにラインが様々な方向に延
長している場合に一般的に生じる失敗を示す値を回答す
る。

【００６７】図１２のステップでは、スキューを測定す
る際に取得するサンプル数は前もって決定され、例えば
サブルーチンに含まれた定数の形で得ることができると
想定している。図１２のボックス３７０のステップはス
キューを、スキューを測定する画像のパラメータ及び近
似スキュー角度と共に測定するコールを受けて始まる。
ボックス３７２のステップは、定数で示されたサンプル
位置数に達するまでサンプル位置を得る反復ループを始
める。ボックス３７４のステップは測定されている画像
内のランダム位置をランダム位置サブルーチン１８４を
呼び出したりして取得する。ボックス３７６のステップ
は次にボックス３７４からのランダム位置の画素データ
項目にアクセスする。

【００６８】ボックス３８０のステップはランダム位置
の画素データ項目が文字内の画素の色、即ち白色の背景
上の黒色の文字に対して黒色ないし黒色の背景上の白色
の文字に対して白色を示すかどうかを判定するサンプル
集合基準を適用する。そうでなければ別のランダム位置
をボックス３７４で得る。

【００６９】サンプル集合基準を満たす画素が見つかれ
ば、ボックス３８２のステップは画素の位置をサンプル
集合位置のアレイに追加する。次にサンプル位置数が得
られれば、ボックス３９０のステップはアレイ内の位置
を通過する反復ループを始める。各々の位置について、
ボックス３９２は、ボックス３７０で受け取った近似ス
キューの周りの範囲をカバーするいくつかの方向の各々
の位置を通してライン上の文字画素を計数する。各々の
計数が得られると、二乗のような演算を行い、その結果
を同一方向の先回の結果の合計に追加して、各々の方向
での分散の度合を生成する。

【００７０】アレイ内の全位置に対処すれば、特性を測
定し、結果を結合する操作は完了する。ボックス３９４
のステップでは、最大合計結果を有する方向、即ちその
方向のライン間の分散が最大である方向を見いだす。従
ってボックス３９４のステップは最大合計結果を有する
方向をスキューの角度として回答する。

【００７１】図１３のステップは、図１１、１２の手法
を共に用いてスキューを検出する方法を例示している。
ボックス４００のステップは、スキューを測定する画像
のパラメータでスキューを測定するコールを受けて始ま
る。ボックス４０２のステップは図１１の手法を用いて
第１のスキューの近似を得るために測定を行う。ボック
ス４０４のステップは回答された結果に基づいて分岐す
る。結果が失敗を示す場合は、ボックス４０６のステッ
プは失敗をボックス４００でコールを受けた過程に回答
する。

【００７２】図１１の手法からの結果がスキューの角度
の場合は、ボックス４１０のステップはこの角度を第２
の測定を行う際の近似スキューとして用い、図１２の手
法を用いてスキューのより正確な近似を得る。ボックス
４１２のステップでは次により正確なスキュー測定値を
ボックス４００でコールを受け取った過程に回答する。

【００７３】図８のボックス２４４のステップは画像内
のテキストの優占的なタイプフェイスを測定することが
できるが、図１４は文字内の画素から多数の方向のエッ
ジ画素への距離を測定することにより優占的なタイプフ
ェイスを測定する手法を例示している。図１４の手法は
一般的に図９のステップを辿るが、いくつかの点で図９
とは異なっている。

【００７４】図１４のステップでは、優占的なタイプフ
ェイスを測定する際に取得するサンプル数は前もって決
定されており、例えば大域変数の形で得られると想定す
る。図１４のボックス４３０のステップは優占的なタイ
プフェイスを、優占的なタイプフェイスを測定する画像
のパラメータ及び距離測定値を得るべきいくつかの方向
と共に測定するコールを受けてはじまる。ボックス４３
２のステップは、大域変数により示されたサンプル数に
達するまでサンプルを得る反復ループを始める。ボック
ス４３４のステップは測定されている画像内のランダム
位置をランダム位置操作１８４を呼び出したりして取得
する。ボックス４３６のステップは次にボックス４３４
からのランダム位置の画素データ項目にアクセスする。

【００７５】ボックス４３６のステップは、ランダム位
置の画素データ項目は文字の内部の画素に対して適切な
色、即ち画像が白色の背景に黒色のテキストを含むか、
黒色の背景に白色のテキストを含むかどうかにより黒色
か白色を示すかどうかを判定するサンプル集合基準を適
用する。代わりにこの基準は、ランダム位置は文字のエ
ッジの画素であるかどうかを判定することもできる。画
素が基準を満たさない場合は、他のランダム位置がボッ
クス４３４で得られる。

【００７６】サンプル集合基準を満たす画素が見つかれ
ば、ボックス４３８のステップは文字色にわたってボッ
クス４３０で受け取ったいくつかの方向の各々で最も近
いエッジに対する距離を測定する。例えば画像が白色の
背景上に黒色の文字を有している場合は、黒色の画素に
わたって最も近い黒色のエッジ画素に対しあるいは最も
近い白色のエッジ画素に対して距離を測定できる。ボッ
クス４４０のステップは各々の方向で得られた距離をそ
の方向で先回得られた距離の合計に加え、それにより各
々の方向で得られた距離の測定値を結合する操作の一部
を行う。

【００７７】サンプル数を得ると、ボックス４４２のス
テップは、各々の方向の距離の合計を得られたサンプル
の数で割ることによって測定値を結合する操作を完了
し、各々の方向の平均距離を生成する。ボックス４４４
のステップは次に平均距離により形成されたプロファイ
ルを、各々が各々のタイプフェイスを表現するいくつか
のモデル・プロファイルと比較する。この比較は、例え
ば比較している２つのプロファイル上のいくつかの点の
ペアの各々での差の合計の平方根といった距離測定値を
得ることにより行うことができる。ボックス４４６のス
テップは次にボックス４４２からのプロファイルに最も
近いモデル・プロファイルのタイプフェイスを示すデー
タを回答し、それにより優占的なタイプフェイスの測定
を完了する。

【００７８】図１４の手法で生成されたプロファイル
は、いくつかのプロファイルを等化グループに集合する
分類手法でも使用することができる。

【００７９】ボックス４４４での比較ではともかく、ス
キューと縮尺の差を補償する必要がある。図８の手法で
スキューを補償する１つの方法は、図８のボックス２２
８のスキューの測定の結果を、スキューの角度で最初の
測定を行うなどして、図１４のボックス４５０の各々の
方向で用いることである。縮尺は比較を行う前にプロフ
ァイルを規準化することにより補償することができる。

【００８０】図８のボックス２４４のステップでは、画
像のテキストの文字サイズやスペース配分あるいはスト
ロークを測定することができる。図１５は所与の方向の
連結構成エッジのがその間の距離を測定することにより
文字あるいはストロークのサイズやスペース配分を測定
する手法を例示している。図１５の手法は一般的に図９
のステップを辿るが、いくつかの点で図９とは異なって
いる。

【００８１】図１５のステップでは、文字サイズないし
スペース配分を測定する際に得るべきサンプル数は前も
って判定されており、例えば大域変数の形で得ることが
できると想定する。図１５のボックス４５０のステップ
は、文字サイズないしスペース配分を、サイズないしス
ペース配分を測定する画像のパラメータと共に測定する
コールを受けて始まる。コールには測定するサイズある
いはスペース配分の方向の表示が含まれている。サイズ
を測定する場合は、測定値は連結された構成部分にわた
るが、スペース配分を測定する場合は、測定値は連結さ
れた構成部分の間にある。

【００８２】ボックス４５２のステップは大域変数によ
り示されたサンプル数に達するまで、サンプルを得る反
復ループを始める。ボックス４５４のステップは測定し
ている画像内のランダム位置を、ランダム位置操作１８
４を呼び出すなどして取得する。ボックス４５６のステ
ップは次にボックス４５４からのランダム位置の画素デ
ータ項目にアクセスする。

【００８３】ボックス４６０のステップはランダム位置
の画素データ項目がエッジ画素であるかどうかを判定す
るサンプル集合基準を適用する。これはその値を隣接す
る画素の値と比較することにより行うことができる。画
素が基準を満たさない場合は、別のランダム位置をボッ
クス４５４で得る。

【００８４】サンプル集合基準を満たす画素が見つかる
と、ボックス４６２のステップは連結構成部分にわたっ
て、ないし連結構成部分間で、ボックス４５０で示され
た方向で最も近いエッジへの距離を測定する。画像が例
えば白色の背景上に黒色の文字を有する場合、連結構成
部分にわたる距離は黒色画素にわたって最も近いエッジ
画素に対して測定することができ、連結構成部分間の距
離は白色画素にわたって最も近いエッジ画素に対して測
定することができる。ボックス４６４のステップは測定
した距離をヒストグラム・データ構造に含む距離範囲の
値を増分する。

【００８５】サンプル数が得られると、ボックス４６６
のステップはヒストグラム・データ構造を操作して、ボ
ックス４５０で示されたサイズないしスペース配分の測
定値を得る。

【００８６】図１５の手法はともかくスキューに対して
補償をする必要がある。スキューを補償する１つの方法
は、ボックス４６２のステップが分析している画像のス
キューに関したもの以外、同一方向を使用できるように
ボックス４５０でスキュー補償方向を示すことである。

【００８７】本発明は図５に関して上述したように、並
列マシンでも実施することができる。図１６は本発明を
実施できる並列マシンの構成部分を示すものである。

【００８８】図１６のシステム４７０は図７のシステム
１６０と似ている。システム４７０には入力装置４７４
からデータを受け取り、出力装置４７６にデータを与え
るホスト・プロセッサ４７２が含まれている。ホスト・
プロセッサ４７２はまた並列プロセッサ４８０とデータ
を交換するために接続されており、それは例えばシンキ
ングマシン社の接続マシンとすることができる。並列プ
ロセッサ４８０には各々局所メモリ４８４を有する処理
装置４８２が含まれている。画像を定義するデータは、
各々の画素の値が各々の処理装置の局所メモリに記憶さ
れるように局所メモリ４８４に記憶することができる。
ホスト・プロセッサ４７２はプログラム・メモリ４９０
からの命令を実行し、図７に関して上述したように、画
像処理を行う際にデータメモリ４９２にアクセスする。
ホスト・プロセッサ４７２は、各々の画素の各々の処理
装置を並列に作動して処理装置のランダムに選択したサ
ンプル集合を得るサブルーチンを実行し、それからのデ
ータを結合して画像の特性を全体として測定することが
できる。ランダム抽出はエイリアシングを招く事なく処
理装置からのデータを結合するのに必要な計算を減少で
きるので、並列実施でも有利である。

【００８９】本発明は上述のようにスキューの検出、優
占的なタイプフェイスの識別、文字やストロークのサイ
ズやスペース配分の測定をはじめとして、多くの形で適
用することができる。図１７は複写での応用例を示して
いる。

【００９０】複写機５００にはスキャナ５０２、画像処
理システム５０４、プリンタ５０６が含まれている。ス
キャナ５０２は入力文書の画像を定義するデータを生成
することができる。画像処理システム５０４は図７ない
し図１６に示すように実施することができ、更にスキュ
ー、優占的なタイプフェイス、文字サイズやスペース配
分の測定に加えて、光学的文字認識手法を用いて文書内
の文字を識別することができる。画像処理システム５０
４は入力文書画像内の文字を識別された適切なサイズ、
位置、スキューのタイプフェイスからの同一文字の補正
バージョンによって置き換えた補正画像を定義するデー
タを生成する手法を適用することもできる。補正画像を
定義するデータは次にプリンタ５０６に与えて出力文書
をプリントすることができる。

【００９１】本発明はスキュー、優占的なタイプフェイ
ス、文字やストロークのサイズやスペース配分といった
テキスト特有の特性に関して説明を行ったが、本発明は
文字ないしワード識別にも応用できる。更に本発明は図
形特徴のスキューといった非テキスト特性にも応用する
ことができる。

【００９２】本発明は画像を定義するデータに操作を行
って特性を測定する実施に関して説明を行ったが、本発
明は画像特性を直接的に測定する光センサに接続された
特殊回路にも実施できる。

【００９３】本発明はソフトウエア実施に関して説明し
たが、本発明は特殊ハードウエアでも実現できる。

【図面の簡単な説明】

【図１】 いくつかの近接位置に関した特性の測定では
如何に冗長データが生成され得るかを示すある画像部分
の略図である。

【図２】 いくつかの近接位置に関した特性の測定で冗
長データが生成され得ることを別の方法で示すある画像
部分の略図である。

【図３】 位置を抽出することで画像の特性を測定する
全般的な過程を示すフロー図である。

【図４】 画像のランダムな抽出を逐次に行う際の全体
的な過程を示すフロー図である。

【図５】 画像のランダムな抽出を並列に行う際の全体
的な過程を示すフロー図である。

【図６】 特性を各々のセグメントに対して測定できる
ように画像をセグメント化する際の全般的な過程を示す
フロー図である。

【図７】 位置をランダムに抽出することにより特性が
測定される画像処理を実施するシステムの構成部分を示
す略ブロック図である。

【図８】 画像をセグメント化し、各々のセグメントに
対して特性を測定することにより画像の特性を測定する
過程を示すフロー図である。

【図９】 基準を満たす位置をランダムに抽出すること
により画像の特性を測定する過程を示すフロー図であ
る。

【図１０】 画像内のランダムな位置を得る際の過程を
示すフロー図である。

【図１１】 ランダムな抽出および連結された構成部分
のエッジの間の距離を測定することによりスキューの近
似を得る過程を示すフロー図である。

【図１２】 ランダムな抽出とスキューの近似の周りの
方向に対する特性画素数の分散を得ることによりスキュ
ーのより正確な近似を得る過程を示すフロー図である。

【図１３】 スキューを測定する際に図１１、図１２の
手法を共に使用できる方法を示すフロー図である。

【図１４】 ランダムな抽出により優占的なタイプフェ
イスを測定する過程を示すフロー図である。

【図１５】 文字あるいはストローク・サイズを測定あ
るいはスペース配分をランダムな抽出により測定する過
程を示すフロー図である。

【図１６】 ランダムな抽出により画像の特性を測定す
る並列プロセッサを含むシステムの略ブロック図であ
る。

【図１７】 ランダムな抽出により画像の特性を測定す
る並列プロセッサを含む複写機の略ブロック図である。

【符号の説明】

５００ 複写機、５０２ スキャナ、５０４ 画像処理
システム、５０６ プリンタ

Claims (2)

【特許請求の範囲】
1. 【請求項１】 画像データを操作し；前記画像データは
   第１の位置数を含む画像を定義し；前記画像は各々の位
   置に関して画像特性を有し；前記画像の画像特性を統計
   的に有意義な度合に測定する画像処理方法で；この方法
   は次のステップを含む：各々ランダムに選択した前記画
   像内の第２の位置数の各々について、前記画像データを
   操作して各々のサンプル結果データを得、各々の位置の
   サンプル結果データは前記位置に関する画像特性を測定
   し；そして第２の位置数の各々のサンプル結果データを
   結合して画像結果データを得；第２の数は第１の数より
   少ないが前記画像結果データが前記画像に対して画像特
   性を統計的に有意義な度合に測定するのに十分である。
2. 【請求項２】 画像データを操作し、前記画像データは
   複数の位置を含む画像を定義し、前記画像は前記位置の
   各々に関する画像特性を有する画像処理方法で；この方
   法は次のことを含む：次のサブステップからなるサンプ
   ル結果データを得る複数ステップ：前記画像内の各々の
   位置を示す各々の位置データをランダムないし疑似ラン
   ダムに生成し、 前記画像データを操作して各々の位置データにより示さ
   れた各々の位置に関した画像特性を測定する各々のサン
   プル結果データを得る；そして各々の位置の各々のサン
   プル結果データを結合して結合結果データを得るステッ
   プ。