JPH05342412A - グラディエントベクトルの抽出方式及び文字認識用特徴抽出方式 - Google Patents

Abstract

(57)【要約】 【目的】 多値画像のグラディェントベクトルを効率的
に抽出する。多値文字画像より、２値化処理を経由する
ことなく、方向コードヒストグラム法に利用可能な文字
認識用特徴量を抽出する。 【構成】 グラディェントベクトル抽出部１０４で多値
文字画像の注目画素の濃度を濃度基準として周囲画素を
白／黒に分類し、分類後の周囲画素パターンと方向パタ
ーンとのマッチングによりグラディェントベクトルの方
向を検出し、この方向に応じたオペレータを用い周囲画
素の濃度よりグラディェントベクトルの大きさを算出
し、方向コードヒストグラム抽出部１０８で、メッシュ
領域毎に方向別のベクトル数またはベクトルの大きさの
総和を特徴量として求める。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、多値画像の処理に係
り、特に多値画像のグラディエントベクトルの抽出及び
多値文字画像の文字認識用特徴抽出に関する。

【０００２】

【従来の技術】従来、文字認識システムにおいては、原
稿の多値画像に２値化処理を施して得た２値画像に対し
て文字切り出しを行ない、切り出した２値文字画像の特
徴量を抽出することによって文字認識を行なっている。
このような文字認識方式の一つとして、２値文字画像の
輪郭画素に方向コードを付与し、２値文字画像のメッシ
ュ領域毎に方向別の方向コードのヒストグラムを文字認
識用特徴量として用いる方向コードヒストグラム法が知
られている。

【０００３】また、多値画像の局所的な最大濃度傾斜ベ
クトルたるグラディエントベクトルの抽出に関しては、
谷内田正彦編「コンピュータビジョン」（丸善）の第６
４ページに述べられているように、多値画像の直接的演
算によってグラディエントベクトルを算出する方式が採
用されている。

【０００４】

【発明が解決しようとする課題】しかし、文字認識に関
しては、文字認識のために多値画像を２値化するための
適当な手法が確率していない。一般的な２値化手法であ
るＰタイル法、判別分析法、微分ヒストグラム法などに
よっては、文字線分の太さ、書体などが様々な全ての原
稿に対して最適な２値化処理を施すことは困難であっ
て、２値画像のかすれ、潰れなどが誤認識の原因になる
ことが多い。

【０００５】また、文字画像輪郭部の方向性を特徴量と
して用いる方向コードヒストグラム法の場合、特徴量と
してグラディエントベクトルを用いることが考えられ
る。しかし、従来のように多値画像から直接的演算によ
ってグラディエントベクトルを求める方法は、演算量が
多く高速処理が容易でないため、文字認識用特徴量の抽
出系に適用することが困難であった。

【０００６】本発明の目的は、多値文字画像から直接的
に文字認識のための特徴量を抽出する方式と、そのよう
な特徴抽出などの目的に好適なグラディエントベクトル
抽出方式を提供することにある。

【０００７】

【課題を解決するための手段】本発明のグラディエント
ベクトル抽出方式の特徴は、多値画像の注目画素の濃度
を濃度基準として、注目画素の周囲画素の黒画素と白画
素に分類し、この分類後の周囲画素のパターンと予め用
意された方向パターンとのマッチングによって、注目画
素のグラディエントベクトルの方向を検出すること（請
求項１）、及び、検出した方向に応じた予め用意された
オペレータを用いて注目画素の周囲画素の濃度より注目
画素のグラディエントベクトルの大きさを算出すること
（請求項２）である。

【０００８】本発明の文字認識用特徴抽出方式の特徴
は、上記グラディエントベクトル抽出方式によって多値
文字画像の各画素のグラディエントベクトルを抽出し、
多値文字画像のメッシュ領域毎に、方向別のグラディエ
ントベクトルの本数、あるいは、方向別のグラデイエン
トベクトルの大きさの総和を求めることである。

【０００９】本発明の文字認識用特徴方式の他の特徴
は、メッシュ領域の分割位置を適応的に決定することで
ある。すなわち、各メッシュ領域に含まれるグラディエ
ントベクトルの本数が均等になる位置を分割位置とし
（請求項５）、あるいは、各メッシュ領域に含まれるグ
ラディエントベクトルの大きさの総和が均等になる位置
を分割位置とする（請求項６）ことである。

【００１０】本発明の文字認識用特徴方式の別の特徴
は、多値文字画像より抽出したグラディエントベクトル
をすべて有効なものとして扱うのではなく、ある条件を
満足するグラディェントベクトルのみを有効なベクトル
として扱うことである。すなわち、所定の閾値以上の大
きさを持つグラディエントベクトルのみを有効なグラデ
ィエントベクトルとして扱い（請求項７）、多値文字画
像より抽出したグラディエントベクトルの大きさの分布
から閾値を決定し、この閾値以上の大きさを持つグラデ
ィエントベクトルのみを有効なグラディエントベクトル
として扱い（請求項８）、あるいは多値文字画像の縦方
向及び横方向のライン毎に、連続した同一の特定方向成
分を持つグラディェントベクトル中の最大の大きさを持
つ一つのグラディエントベクトルのみを有効なグラディ
エントベクトルとして扱う（請求項９）ことである。

【００１１】

【作用】本発明のグラディエントベクトル抽出方式によ
れば、方向パターンのテーブルを用いることによって、
従来のような複雑な演算を行なわずにグラディエントベ
クトルの方向を高速に求めることができる。また、検出
したグラディエントベクトルの方向に対応したオペレー
タを用い簡単な演算によってグラディェントベクトルの
大きさを求めることができる。よって、多値画像のグラ
ディエントベクトルを、従来より少ない演算量で高速に
抽出することが可能である。

【００１２】本発明の文字認識用特徴抽出方式によれ
ば、方向コードヒストグラム法で利用可能な文字輪郭部
の方向性の特徴量を、多値文字画像の２値化処理を経由
することなく、多値文字画像より直接的に抽出すること
ができる。したがって、従来問題となっていた２値化処
理による画像のかすれ、潰れなどによる認識性能の低下
を防止し、多値文字画像に対する認識性能を上げること
ができる。

【００１３】本発明により抽出される特徴量は方向コー
ドヒストグラム法に利用可能であるが、特に、メッシュ
領域毎に方向別のグラディエントベクトルの大きさの総
和を特徴量として抽出する方式によれば、グラディェン
トベクトルの大きさが方向性の強さを表わすものである
ため、グラディェントベクトル数を特徴量として抽出す
る方式に比べ、方向性の違い（例えば真横方向と斜め横
方向の違い）をより的確に特徴量に反映させることがで
き、このことは類似文字の識別能力の向上に有効であ
る。

【００１４】また、グラディェントベクトルの本数また
は大きさの総和をメッシュ領域に均等配分する如くメッ
シュ領域分割位置を適応的に決定する方式によれば、メ
ッシュ領域の分割位置を固定した場合に比べ、文字パタ
ーンの変形の影響を受けにくくなり、手書き文字等の変
形の激しい文字の認識率を上げることができる。

【００１５】さらに、多値文字画像より抽出されたグラ
ディエントベクトルの中で、大きさの条件を満足するベ
クトルだけを有効なベクトルとして扱い、それ以外を無
視する方式によれば、多値文字画像の重畳ノイズの影響
を減らすことができる。特に、有効ベクトルを選別する
ための閾値を適応的に決定する方式によれば、認識性能
が原稿の印字品質等により左右されにくくなる。

【００１６】

【実施例】以下、本発明の実施例について図面を用い説
明する。

【００１７】実施例１ 本実施例に係る文字認識システムの構成を図１に示す。
１００はスキャナー等の画像入力装置１００であり、こ
れによって原稿の多値画像を入力する。切り出し装置１
０２では、この原稿多値画像より個々の文字を多値画像
として切り出してグラディエントベクトル抽出部１０４
に入力する。

【００１８】このグラディエントベクトル抽出利部１０
４は、各多値文字画像のグラディエント（勾配）ベクト
ルを抽出する部分であるが、本実施例においては図３に
示すような方向パターンのテーブルを用いてグラディエ
ントベクトルの方向だけを抽出する。なお、各方向パタ
ーンに付記された番号は図４の下部に示すような方向番
号（方向コード）である。方向コードの付記されない方
向パターンはエッジとして扱われない無効なパターンで
あるが、参考のために示されている。

【００１９】なお、一般的にグラディエントベクトルは
画素の傾きの方向及び方向性の強さを表わすベクトルで
ある。しかし、本実施例（及び後記各実施例）において
は文字画像輪郭の方向性を表わす特徴量を抽出すること
を目的としているので、上述のようにグラディエントベ
クトルの方向性が一般的なグラディエントベクトルから
９０゜だけずらされている。

【００２０】ここでのグラディエントベクトル抽出の概
念図を図２に示す。この図から理解されるように、多値
文字画像上の注目した画素Ｘとその周囲の４個の参照画
素Ａ，Ｂ，Ｃ，Ｄを入力とし、注目画素Ｘの濃度値と参
照画素Ａ，Ｂ，Ｃ，Ｄの濃度値を比較手段１２０によっ
て比較し、注目画素の濃度値以上の濃度値の参照画素を
黒、注目画素の濃度値より低い濃度値の参照画素を白に
２値化する。このようにして２値化した参照画素ａ，
ｂ，ｃ，ｄの２値パターンを方向パターンテーブルに入
力して図３の方向パターンとのマッチングをとり、一致
した方向パターンに割り当てられた方向コードを注目画
素に対するグディエントベクトルの方向として出力す
る。

【００２１】本実施例においては方向コードヒストグラ
ム法に基づいているので、文字画像を縦横にメッシュ領
域に分割し、メッシュ領域毎にヒストグラムを計算す
る。図１において、１０６はこのメッシュ領域の分割位
置を決定するためのメッシュ領域決定部である。

【００２２】本実施例にあっては、各メッシュ領域に含
まれるグラディエントベクトル数が均等になるように、
各メッシュ領域のＸ方向及びＹ方向の分割位置を決定す
る。すなわち、文字画像から抽出されたベクトル（方向
コード）の個数の射影（累積）をＸ方向及びＹ方向につ
いて求め、Ｘ方向の射影を均等に配分するようにＹ方向
のメッシュ領域分割位置を決定し、Ｙ方向の射影を均等
に配分するようにＸ方向のメッシュ領域分割位置を決定
する。その具体例について図５及び図６によって説明す
る。

【００２３】図５は多値文字画像の例であり、数字は濃
度値を表わしている。この多値文字画像に対して、図６
に示すようなグラディエントベクトルイメージ１３０が
得られ（矢印はベクトルの方向を表わす）、またＸ，Ｙ
方向のベクトル数の射影１３１，１３２が得られる。本
実施例では２×２のメッシュ領域に分割するので、Ｘ，
Ｙ方向射影１３１，１３２の累積値がそれぞれ半分にな
る位置をメッシュ領域分割位置とする。したがって、ベ
クトルイメージ１３０に重ねて示した太線がメッシュ領
域の境界となる。

【００２４】図１において、方向コードヒストグラム抽
出部１０８は、メッシュ領域決定部１０６によって決定
されたメッシュ領域毎に方向コードヒストグラムを抽出
する部分である。本実施例では、方向別にベクトル数を
カウントしてヒストグラムを求める。

【００２５】図７は、この方向コードヒストグラムの説
明図である。１３０は図６に示されたベクトルイメージ
である。１４０Ａ，１４０Ｂ，１４０Ｃ，１４０Ｄは各
メッシュ領域１３０Ａ，１３０Ｂ，１３０Ｃ，１３０Ｄ
に対する方向コードヒストグラムであり、横軸の数字は
グラディエントベクトルの方向コードすなわち図４に示
された方向番号を表わす。

【００２６】図１において、マッチング部１１０では、
方向コードヒストグラム抽出部１０８より入力した多値
文字画像に対する方向コードヒストグラムと、予め辞書
ファイル１１２に格納されている文字毎の標準方向コー
ドヒストグラムとを比較し、距離の小さな認識候補を求
め、その文字コード等を認識結果データとして出力す
る。この認識結果データは結果出力装置１１４によって
出力ファイル１１６に格納される。なお、辞書ファイル
１１２内の標準方向コードヒストグラムは、本実施例に
おいて抽出される方向コードヒストグラムと同様のアル
ゴリズムによって作成されたものである。

【００２７】実施例２ 本実施例に係る文字認識システムの構成は図１に示す通
りである。グラディエントベクトル抽出部１０４では、
前記実施例１の場合と同様の方法によって多値文字画像
上の各画素のグラディエントベクトルの方向を抽出する
が、本実施例ではさらに、図９に示す方向別のオペレー
タを用いて各グラディエントベクトルの大きさ（方向性
の強さ）も抽出する。図９において、各オペレータに付
記された矢印は対応するベクトル方向を表わしている。

【００２８】図８は、このベクトルの強さの抽出の概念
図である。多値文字画像上の注目画素Ｘの周囲の参照画
素Ａ，Ｂ，Ｃ，Ｄの濃度値を演算手段１５０に入力し、
また別に注目画素Ｘについて抽出されたグラディエント
ベクトルの方向に対応したオペレータ（図９）をオペレ
ータ選択手段１５２により選択して演算手段１５０に入
力する。演算手段１５０は、入力した参照画素の濃度値
とオペレータとの積和演算によってベクトルの大きさを
求める。

【００２９】図５に示した多値文字画像に対するグラデ
ィエントベクトル抽出結果を図１０に示す。図１０にお
いて、１６０はグラディエントベクトルの大きさのイメ
ージ、１６２はグラディエントベクトルの方向のイメー
ジである（図６に示したイメージ１３０と同じ）。

【００３０】図１において、メッシュ領域決定部１０６
では、グラディエントベクトル抽出部１０４から入力す
るグラディエントベクトルの大きさのＸ，Ｙ方向の射影
（累積）をとり、これに基づいて各メッシュ領域に含ま
れるベクトルの大きさの和が均等になるように分割位置
を決定する。つまり、ベクトル数に代えてベクトルの大
きさを用いることが前記実施例１の場合と違う。

【００３１】図１１は、このメッシュ領域決定の様子を
示している。１６０は図１０に示されたものと同じベク
トルの大きさのイメージである。このベクトルの大きさ
のＹ方向の射影（累積）１６４をとり、その２分の１の
位置をメッシュ領域のＸ方向分割位置とする。同様にベ
クトルの大きさのＸ方向の射影をとり、その２分の１の
位置をメッシュ領域のＹ方向の分割位置とする。

【００３２】図１において、方向コードヒストグラム抽
出部１０８では、前記実施例１と同様にメッシュ領域毎
に方向別のベクトル数のヒストグラムを方向コードヒス
トグラムとして抽出する。マッチング部１１０も前記実
施例１と同様である。

【００３３】実施例３ 本実施例に係る文字認識システムの構成は図１に示す如
きである。グラディエントベクトル抽出部１０４は、前
記実施例２と同様にグラディエントベクトルの方向及び
大きさを抽出する。メッシュ領域決定部１０６は、前記
実施例１と同様にベクトル数の射影からメッシュ領域の
分割位置を決定する。

【００３４】方向コードヒストグラム抽出部１０８で
は、メッシュ領域毎に、方向別のベクトルの大きさを合
計して方向コードヒストグラムを抽出する。図１２はそ
の抽出例を示す。１７０は図１０に示されたベクトルの
大きさのイメージ１６０と方向のイメージ１６２を重ね
合わせたイメージである。１７２Ａ，１７２Ｂ，１７２
Ｃ，１７２Ｄは、左上，右上，左下，右下の各メッシュ
領域について抽出されるヒストグラムである。

【００３５】マッチング部１１０では、抽出された方向
コードヒストグラムと辞書ファイル１１２内の標準方向
コードヒストグラムとのマッチングをとることは前記各
実施例と同様である。ただし、辞書ファイル１１２内の
標準方向コードヒストグラムは、文字画像の方向コード
ヒストグラムの抽出方法と同様の方法によって作成され
たものである。

【００３６】実施例４ 本実施例に係る文字認識システムの構成は図１に示す如
きである。メッシュ領域決定部１０６において、実施例
２の場合と同様に、各メッシュ領域にベクトルの大きさ
が均等に配分されるようにメッシュ領域の分割位置を決
定する。これ以外は前記実施例３と同様である。

【００３７】実施例５ 本実施例に係る文字認識システムの構成を図１３に示
す。画像入力装置１００によって原稿の多値画像が入力
され、その個々の多値文字画像が切り出し装置１０２に
よって切り出されてグラディエントベクトル抽出部１０
４に入力する。このグラディエントベクトル抽出部１０
４で、前記実施例２の場合と同様にグラディエントベク
トルの方向と大きさが抽出される。抽出されたベクトル
データは有効グラディエントベクトル抽出部２００に入
力する。

【００３８】この有効グラディエントベクトル抽出部２
００では、入力したグディエントベクトルの中から、固
定した閾値ｔｈ以上の大きさを持つベクトルだけを有効
ベクトルとして抽出する。閾値ｔｈを１５に設定した場
合、図５の多値文字画像に対して、図１４に示すような
有効ベクトルが抽出される。ただし、２０２は有効ベク
トルの方向のイメージ、２０４は有効ベクトルの大きさ
のイメージである。

【００３９】メッシュ領域決定部１０６では、前記実施
例１の場合と同様に、有効ベクトル数が各メッシュ領域
に均等に配分されるよう分割位置を決定する。方向コー
ドヒストグラム抽出部１０８では、前記実施例１の場合
と同様に、メッシュ領域毎に方向別の有効ベクトル数を
カウントすることによって方向コードヒストグラムを抽
出する。この方向コードヒストグラムと辞書ファイル１
１２内の標準方向コードヒストグラムとのマッチングが
マッチング部１１０で行なわれることによって認識結果
が得られる。なお、標準方向コードヒストグラムも、文
字画像の方向コードヒストグラム抽出と同様の方法によ
って作成される。

【００４０】実施例６ 本実施例に係る文字認識システムは図１３に示す如き構
成である。本実施例は、有効グラディエントベクトルの
抽出方法が前記実施例５と異なる。

【００４１】すなわち、有効グラディエントベクトル抽
出部２００において、多値文字画像の縦方向、横方向の
各ラインに関し、各方向について有効な方向成分を持つ
グラディエントベクトルについて、同じ方向成分を持つ
グラディエントベクトルが連続する場合、その中で大き
さが最大のグラディエントベクトルを有効ベクトルとし
て抽出する。最大の大きさのベクトルが２個以上ある場
合、外側のベクトルを有効ベクトルとして抽出する。

【００４２】より具体的に説明すると、横方向のライン
について処理する場合、上方向または下方向の方向成分
を持つグラディエントベクトルについて、同じ方向成分
（上または下）を持つベクトルが連続するとき（右また
は左方向のグラディエントベクトルは無視する）、その
中で最大のベクトルを有効ベクトルとする。最大のベク
トルが２個以上あるときは、その中の外側のものを有効
ベクトルとする。縦方向のラインについて処理する場
合、左方向または右方向の方向成分を持つグラディエン
トベクトルについて、同じ方向成分（左または右）を持
つグラディエントが連続するとき（上または下方向のグ
ラディエントベクトルは無視する）、その中で最大の大
きさのベクトルを有効ベクトルとする。最大の大きさの
ベクトルが２個以上あるときは、その中の外側のものを
選ぶ。

【００４３】図１５において、２０６は図５の多値文字
画像より抽出されるグラディエントベクトルの方向及び
大きさを重ねたイメージである。その４番目の横方向ラ
イン２０７の処理の場合、左から２番目と３番目の画素
に対するグラディエントベクトルの方向は下向きと左下
向きであるので、その中で最大の大きさを持つ３番目画
素のベクトルが有効ベクトルとして抽出される。また、
左側から６番目、８番目、９番目の画素に対するグラデ
ィエントベクトルの方向は上向き、左上向き、左上向き
である（７番目の画素のベクトルは無視される）。この
中で６番目と８番目の画素のベクトルの大きさは共に最
大であるので、外側に位置する８番目の画素のベクトル
を有効ベクトルとして抽出する。２０８は当該ラインに
ついての有効ベクトルのイメージである。

【００４４】図１６において、２０９は横方向の各ライ
ンについて同様の処理を行なうことによって抽出された
有効グラディエントベクトルのイメージである。また、
２１０は縦方向の各ラインについての処理によって抽出
された有効グラディエントベクトルのイメージである。
図１７において、２１１はイメージ２０９，２１０を重
ね合わせたイメージ、つまり最終的な有効ベクトルのイ
メージである。

【００４５】実施例７ 本実施例に係る文字認識システムの構成を図１８に示
す。画像入力装置１００によって原稿の多値画像が入力
され、その個々の多値文字画像が切り出し装置１０２に
よって切り出されてグラディエントベクトル抽出部１０
４に入力する。このグラディエントベクトル抽出部１０
４で、前記実施例２の場合と同様にグラディエントベク
トルの方向と大きさが抽出される。抽出されたベクトル
データは有効グラディエントベクトル抽出部２００と閾
値決定部２１０に入力する。

【００４６】有効グラディエントベクトル抽出部２００
で、閾値ｔｈ以上の大きさのグラデイエントベクトルだ
けを有効ベクトルとして抽出することは前記実施例５と
同様であるが、この閾値ｔｈは固定値ではなく、閾値決
定部２３０によって適応的に決定される。

【００４７】閾値決定部２３０では、多値文字画像内の
グラディエントベクトルの大きさの分布から有効ベクト
ルの大きさの閾値ｔｈを、例えば次の（１）式により計
算する。

【００４８】 ｔｈ＝（Ｇｍａｘ−Ｇｍｉｎ）／２ ・・・（１） ただし、Ｇｍａｘは多値文字画像内のベクトルの大きさ
の最大値、Ｇｍｉｎは多値文字画像内のベクトルの大き
さの最小値である。

【００４９】図５に示した多値文字画像の場合、図１０
から分かるように、Ｇｍａｘ＝２５、Ｇｍｉｎ＝０であ
るから、（１）式よりｔｈ＝１２．５と計算される。し
たがって、図５の多値文字画像の場合、図１９に示すよ
うな有効ベクトルが抽出されることになる。ただし、２
３２は有効ベクトルの方向のイメージ、２３４は有効ベ
クトルの大きさのイメージである。

【００５０】メッシュ領域決定部１０６では有効ベクト
ル数が各メッシュ領域に均等に配分されるように分割領
域を決定し、また方向コードヒストグラム抽出部１０８
ではメッシュ領域毎に方向別の有効ベクトル数をカウン
トすることによって方向コードヒストグラムを求める。

【００５１】

【発明の効果】以上の説明から明らかなように、本発明
のグラディエントベクトル抽出方式によれば、多値画像
のグラディエントベクトルを、従来より少ない演算量で
高速に抽出できるという効果を得られる。また、本発明
の文字認識用特徴抽出方式によれば、以下の如き効果を
得られる。

【００５２】（１） 多値文字画像の２値化処理を経由
することなく、多値文字画像より直接的に抽出すること
ができるため、２値化処理による画像のかすれ、潰れな
どによる認識性能の低下を防止し、多値文字画像に対す
る認識性能を上げることができる。

【００５３】（２） メッシュ領域毎に方向別のグラデ
ィエントベクトルの大きさの総和を特徴量として抽出す
ることにより、方向性の違いを的確に特徴量に反映させ
類似文字の識別能力を向上させることができる。

【００５４】（３） グラディェントベクトルの本数ま
たは大きさの総和をメッシュ領域に均等配分する如くメ
ッシュ領域分割位置を適応的に決定することにより、メ
ッシュ領域の分割位置を固定した場合に比べ、文字パタ
ーンの変形の影響を受けにくくし、手書き文字等の変形
の激しい文字の認識率を上げることができる。

【００５５】（４） 多値文字画像より抽出されたグラ
ディエントベクトルの中で、大きさの条件を満足するベ
クトルだけを有効なベクトルとして扱い、それ以外を無
視することにより、多値文字画像の重畳ノイズの影響を
減らすことができる。特に、有効ベクトルを選別するた
めの閾値を適応的に決定することによって、認識性能が
原稿の印字品質等により左右されにくくなる。

【図面の簡単な説明】

【図１】本発明の実施例１，２，３または４に係る文字
認識システムの構成を示す。

【図２】グラディエントベクトルの方向検出の概念図で
ある。

【図３】グラディエントベクトルの方向検出のための方
向パターンを示す。

【図４】方向パターンの方向番号または方向コードとベ
クトル方向の対応を示す。

【図５】多値文字画像の例を示す。

【図６】グラディェントベクトル数によるメッシュ分割
位置決定の例を示す。

【図７】方向別グラディェントベクトル数による方向コ
ードヒストグラムの例を示す。

【図８】グラディエントベクトルの大きさ検出の概念図
である。

【図９】グラディェントベクトルの大きさ算出用オペレ
ータを示す。

【図１０】多値文字画像より抽出されたグラディエント
ベクトルの例を示す。

【図１１】グラディェントベクトルの大きさによるメッ
シュ領域分割位置の決定の例を示す。

【図１２】方向別のグラディエントベクトルの大きさの
総和による方向コードヒストグラムの例を示す。

【図１３】本発明の実施例５または６に係る文字認識シ
ステムの構成を示す。

【図１４】実施例５により選別された有効グラディェン
トベクトルの例を示す。

【図１５】多値文字画像より抽出されたグラディェント
ベクトルの例と、実施例６による有効ベクトルの選択方
法を示す。

【図１６】実施例６により選別された有効グラディェン
トベクトルの例を横方向ライン及び縦方向ラインに関し
て別々に示す。

【図１７】実施例６により最終的に選別された有効グラ
ディエントベクトルの例を示す。

【図１８】本発明の実施例７に係る文字認識システムの
構成を示す。

【図１９】実施例７により選別された有効グラディエン
トベクトルの例を示す。

【符号の説明】

１００ 画像入力装置 １０２ 切り出し装置 １０４ グラディェントベクトル抽出部 １０６ メッシュ領域決定部 １０８ 方向コードヒストグラム抽出部 １１０ マッチング部 １１２ 辞書ファイル １１４ 結果出力部 １１６ 出力ファイル ２００ 有効グラディエントベクトル抽出部 ２３０ 閾値決定部

Claims (9)

【特許請求の範囲】
1. 【請求項１】 多値画像の注目画素の濃度を濃度基準と
   して、注目画素の周囲画素の黒画素と白画素に分類し、 この分類後の周囲画素のパターンと予め用意された方向
   パターンとのマッチングによって、注目画素のグラディ
   エントベクトルの方向を検出することを特徴とするグラ
   ディエントベクトルの抽出方式。
2. 【請求項２】 多値画像の注目画素の濃度を濃度基準と
   して、注目画素の周囲画素の黒画素と白画素に分類し、 この分類後の周囲画素のパターンと予め用意された方向
   パターンとのマッチングによって、注目画素のグラディ
   エントベクトルの方向を検出し、 この方向に応じた予め用意されたオペレータを用いて注
   目画素の周囲画素の濃度より注目画素のグラディエント
   ベクトルの大きさを算出することを特徴とするグラディ
   エントベクトルの抽出方式。
3. 【請求項３】 請求項１または２記載のグラディエント
   ベクトルの抽出方式によって多値文字画像の各画素のグ
   ラディエントベクトルを抽出し、 多値文字画像のメッシュ領域毎に、方向別のグラディエ
   ントベクトルの本数を求めることを特徴とする文字認識
   用特徴抽出方式。
4. 【請求項４】 請求項２記載のグラディエントベクトル
   の抽出方式によって多値文字画像の各画素のグラディエ
   ントベクトルを抽出し、 多値文字画像のメッシュ領域毎に、方向別のグラデイエ
   ントベクトルの大きさの総和を求めることを特徴とする
   文字認識用特徴抽出方式。
5. 【請求項５】 メッシュ領域の分割位置を、各メッシュ
   領域に含まれるグラディエントベクトルの本数が均等に
   なる位置とすることを特徴とする請求項３または４記載
   の文字認識用特徴抽出方式。
6. 【請求項６】 メッシュ領域の分割位置を、各メッシュ
   領域に含まれるグラディエントベクトルの大きさの総和
   が均等になる位置とすることを特徴とする請求項４記載
   の文字認識用特徴抽出方式。
7. 【請求項７】 所定の閾値以上の大きさを持つグラディ
   エントベクトルのみを有効なグラディエントベクトルと
   して扱うことを特徴とする請求項３記載の文字認識用特
   徴抽出方式。
8. 【請求項８】 多値文字画像より抽出したグラディエン
   トベクトルの大きさの分布から閾値を決定し、この閾値
   以上の大きさを持つグラディエントベクトルのみを有効
   なグラディエントベクトルとして扱うことを特徴とする
   請求項３記載の文字認識用特徴抽出方式。
9. 【請求項９】 多値文字画像の縦方向及び横方向のライ
   ン毎に、連続した同一の特定方向成分を持つグラディェ
   ントベクトル中の最大の大きさを持つ一つのグラディエ
   ントベクトルのみを有効なグラディエントベクトルとし
   て扱うことを特徴とする請求項３記載の文字認識用特徴
   抽出方式。