JPH0535916A - 文字切り出し方法 - Google Patents

Abstract

(57)【要約】 【目的】認識領域の文字種に処理を適応させ、英数字の
みの領域の文字切り出し処理を効率化し、また切り出し
精度を上げる。 【構成】認識領域とその文字種を指定する（２０１，２
０２）。認識領域が英数字のみの領域であれば、個々の
文字塊のみを文字パターンとし（２０７）、文字として
切り出し（２１１）、その認識結果を出力する（２１
２）。英数字以外を含む領域では、文字塊を統合した文
字パターンも生成し（２０８）、その中から文字を切り
出し認識結果を出力する（２１１，２１２）。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字認識装置における
文字切り出し方法に係り、特にマルチサイズや不定ピッ
チの日本語文書に適用できる文字切り出し方法に関す
る。

【０００２】

【従来の技術】一般に日本語文書は、文字サイズが可変
のものや不定ピッチのものなど、文字切り出しを難しく
する要因が多い。このため、日本語文書の処理の場合、
例えば同一出願人による特願昭６３−１３３４２４号特
許願に添付の明細書及び図面に述べられているような、
行画像の垂直射影をとったり黒画素の連結を追跡したり
して、文字塊（文字素）を抽出し、この文字塊を統合し
て１文字と見做せる文字パターンを生成し、これを文字
認識し、その認識結果の確からしさを示す評価値を求
め、この評価値を用いて、最も確からしい文字パターン
を文字として切り出す文字切り出し方法が有効である。

【０００３】

【発明が解決しようとする課題】一般に文字認識の対象
となる文書の構造は、文書領域、表領域、その他の領域
に大別できる。このうち、表領域では、内部の文字の種
類が限定されている場合が多い。

【０００４】しかし、従来は文字種を考慮しないで（あ
らゆる文字種の混在を前提として）文字切り出しを行な
うため、処理の無駄が増加したり、あるいは無駄な処理
によって切り出しエラーが増加する場合があった。例え
ば、表領域の数字のみの文字列では、文字の分離の可能
性は殆どないにもかかわらず、文字塊を複数個統合した
文字パターンの生成、認識、評価を行なうが、これは無
駄な処理であり処理速度が低下する原因となるのみなら
ず、不適切な文字パターンが文字として切り出される危
険が増加する。

【０００５】本発明は叙上の問題点に鑑み、注目する認
識領域の文字種に応じて文字切り出しのアルゴリズムを
切り替えることにより、処理の効率化と文字切り出しの
性能向上を達成しようとするものである。

【０００６】

【課題を解決するための手段】請求項１の発明によれ
ば、入力画像上の注目する認識領域の内部の文字の種類
を指定しあるいは識別し、文字の種類が特定の文字種の
みの場合には該認識領域の画像より切り出した個々の文
字塊を文字として切り出し、文字の種類が該特定文字種
以外の文字種も含む場合には、該認識領域の画像より切
り出した、１文字と看做し得る１個の文字塊または連続
した複数個の文字塊の組み合わせを文字パターンとして
文字認識し、文字塊の重複のない文字パターンは文字と
して切り出し、文字塊の重複のある複数の文字パターン
に関しては、その認識結果の確からしさを評価すること
により選択した一つの文字パターンを文字として切り出
す。

【０００７】請求項２の発明によれば、請求項１の発明
の文字切り出し方法において、注目する認識領域を、入
力画像が表示されたディスプレイの画面上で指定する。

【０００８】請求項３の発明によれば、請求項１の発明
の文字切り出し方法において、注目する認識領域を、入
力画像のランデータの統計処理によって識別する。

【０００９】請求項４の発明によれば、請求項１の発明
の文字切り出し方法において、注目する認識領域の内部
の文字の種類を、ディスプレイの画面上に表示された文
字種の選択操作によって指定する。

【００１０】請求項５の発明によれば、請求項１の発明
の文字切り出し方法において、注目する認識領域の内部
の文字の一部について文字認識を行ない、その結果から
該認識領域の内部の文字の種類を識別する。

【００１１】

【作用】請求項１ないし５の発明によれば、例えば、比
較的定ピッチで印字されることが多く文字の分離も生じ
にくい、英数字だけからなる表等の領域については、個
々の文字塊をそのまま文字として切り出すことにより、
複数の文字塊を統合した文字パターンを生成し、認識
し、評価するための無用かつ有害な処理を省き処理を効
率化できるとともに、文字塊を統合した文字パターンが
誤って切り出されることがないため、切り出しエラー
と、それによる認識エラーを減らすことができる。一
方、不定ピッチや分離文字が存在することが多い漢字、
ひらがな、カタカナ等が混在した領域に対しては、文字
塊の統合による文字パターンの生成、認識、評価を行な
うことによって、高い精度で文字を切り出すことができ
る。

【００１２】請求項２の発明によれば、ディスプレイの
画面上で入力文書の内容を確認しつつ認識領域を指定で
きるため、構造が複雑な文書等に対しても、文字種を考
慮し適切かつ正確に認識領域を指定することができる。

【００１３】請求項３の発明によれば、認識領域の指定
のために人手を介入することなく、例えば文字種が限定
されることの多い表領域と、様々な文字種が混在するこ
との多い文章領域等を、別々の認識領域とした処理を自
動的に行なわせることができる。

【００１４】請求項４の発明によれば、ディスプレイの
画面上で文字種を選択することによって認識領域の内部
の文字の種類を指定できるため、その指定が容易になる
とともに、指定の間違いも起きにくくなる。

【００１５】請求項５の発明によれば、文字種指定のた
めに人手を介入することなく、認識領域の文字種に応じ
た処理を自動的に行なわせることができる。

【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 装置構成は図１に示す通りであり、また処理フローは図
２に示す通りである。以下、処理の流れに沿って処理内
容と装置構成について説明する。

【００１８】２値画像入力部１００はスキャナー等によ
り原稿（文書や帳票画像）を読み取り、その２値画像を
イメージメモリ１０１に格納する（処理２０１）。対話
処理部１２０は、この入力画像を縮小しディスプレイ１
２１の画面に表示させるとともに、文字種のメニューを
画面に表示させる。この時のディスプレイ画面の表示の
例を図３に示す。１５０は画面、１５１は入力画像の縮
小画像、１５２は文字種メニューである。

【００１９】オペレータは、画面上で入力画像を確認
し、マウス１２２を用いてｐ１，ｐ２（図３）をポイン
ティングすることによって認識領域１５３を指定する
（処理２０２）。この認識領域１５３の指定情報、例え
ば対角点ｐ１，ｐ２の座標は領域情報メモリ１２３に格
納される。

【００２０】次にオペレータは、認識領域内部の文字の
種類を、画面上の文字種メニュー１５２よりマウス１２
２を用いて選択することによって指定する（処理２０
３）。指定された文字種の情報は文字種情報メモリ１２
４に格納される。

【００２１】このようにして認識領域及び文字種の指定
がなされると、行切り出し部１０２は、領域情報メモリ
１２４を参照し、イメージメモリ１０１上の認識領域の
画像の行方向の射影をとり、射影値が一定値を超える範
囲を行画像として切り出す（処理２０４）。

【００２２】次に、文字塊切り出し部１０３は、切り出
された行画像の行に対し垂直な方向の射影をとり、射影
値が一定値を越える区間を文字塊（文字素）として切り
出し、あるいは黒画素の連結を追跡することにより連結
した黒画素の塊を文字塊として切り出す（処理２０
５）。この文字塊は、単独で文字パターンを構成する場
合と、文字パターンの一部である場合とがある。

【００２３】文字パターン生成部１０４は、文字種情報
メモリ１２４を参照し指定された文字種が英数字である
か調べる（処理２０６）。指定文字種が英数字の場合、
文字塊切り出し部１０３により切り出された個々の文字
塊をそのまま文字パターンとして生成し、各文字パター
ンを構成する文字塊の番号を組み合わせ情報テーブル２
０７に格納する（処理２０７）。

【００２４】他方、指定文字種が英数字以外の文字種を
含む場合、文字パターン選択部１０４は、文字塊切り出
し部１０３からの文字塊切り出し情報に従い、１文字の
大きさと看做し得る１個の文字塊または複数個の連続し
た文字塊の組み合わせからなる文字パターンを生成し、
各文字パターンについての文字塊の組み合わせの情報を
組み合わせ情報テーブル１０５に格納する（処理２０
８）。

【００２５】より具体的には、文字塊切り出し情報より
行の最小文字間隔と最大文字幅を求める。最小文字間隔
は例えば、全角文字塊と全角文字塊との間隔の最小値を
２で除した値とする。ここで全角文字塊とは、明らかに
全角と見做される大きさの文字塊であって、例えば 文字塊幅≧行高さ×２／３ を満足するものとする。また、最大文字幅は例えば、行
内の文字塊の幅の最大値とする。そして、間隔が最小文
字間隔以下の文字塊を統合し、統合後の幅が最大文字幅
を越えないパターンを文字パターンとし、それぞれの組
み合わされた文字塊の番号を組み合わせ情報として組み
合わせ情報テーブル１０５に格納する。

【００２６】認識部１０８において、生成された全ての
文字パターンの特徴抽出とパターン辞書１０９とのマッ
チングを行なって文字認識し、認識結果候補の文字のコ
ード、辞書との距離及び総輪郭数を認識情報メモリ１１
０に格納する（処理２０９）。

【００２７】評価値算出部１１１は、文字種情報メモリ
１２４を参照し、認識領域の指定文字種を調べ、それが
英数字のみでない場合に、各文字パターンの認識結果の
第１位候補の情報を認識情報メモリ１１０より読み出
し、その確からしさの評価値を算出し評価値メモリ１１
２に格納する（処理２１０）。例えば、第１位候補の距
離と総輪郭数を用い、前者を後者で除算した値を評価値
として求める。なお、距離を総輪郭数で除算する目的
は、パターンが複雑であるほど辞書との距離が大きくな
る傾向があるので、それを補正するためである。また、
この評価値は、その値が小さいほど確からしさの程度が
高いことを意味する。

【００２８】次に文字パターン選択部１１３は、文字種
情報メモリ１２４を参照し、指定文字種が英数字のみの
場合には、生成された文字パターンをそのまま文字とし
て選択し、認識情報メモリ１１０の認識結果の情報をそ
のまま認識結果メモリ１１４４に書き出す（処理２１
１，２１２）。すなわち、個々の文字塊がそのまま文字
として切り出されることになる。

【００２９】一方、英数字以外の文字種が含まれる場
合、文字パターン選択部１１３は、組み合わせ情報テー
ブル１０５を参照し、文字パターン間の文字塊の重複を
調べ、文字塊の重複のない文字パターンはそのまま文字
として選択し、その認識結果を認識情報メモリ１１０よ
り読み出し認識結果メモリ１１４に書き込む（処理２１
１，２１２）。すなわち、文字塊の重複のない文字パタ
ーンは、そのまま文字として切り出される。

【００３０】しかし、文字塊の重複のある複数の文字パ
ターンに関しては、評価値メモリ１１２内の評価値を用
いて最も確からしい文字パターンを選び、その認識結果
を認識結果メモリ１１４に書き出す（処理２１１，２１
２）。すなわち、評価値によって切り出すべき文字パタ
ーンを選択する。

【００３１】図４の（ａ）に示した表の領域Ａと領域Ｂ
を例に処理を説明する。領域Ａを認識領域として指定し
た場合、この領域Ａの文字種は漢字であって英数字のみ
ではないので、（ｂ）に示すような単独の文字塊からな
る文字パターンａ，ｃと複数の文字塊を統合した文字パ
ターンｂ，ｄが生成され、それぞれの認識結果の評価値
に基づき文字パターンｂ，ｄが文字として切り出され
る。

【００３２】他方、領域Ｂを認識領域として指定した場
合、この領域Ｂの文字種は数字のみであって英数字以外
の文字種を含まないので、（ｃ）に示すように個々の文
字塊がそのまま文字パターンｅ，ｆ，ｇとして生成さ
れ、これがそのまま文字として切り出される。この場
合、文字塊を統合した文字パターンの生成、認識、評価
値算出、評価値による文字パターンの選択の処理が省か
れるため、処理に無駄がなく効率的である。また、文字
塊を統合した文字パターンが誤って文字として切り出さ
れるといったエラーも回避できる。

【００３３】実施例２ 装置構成は図５に示す通りであり、また処理フローは図
６に示す通りである。

【００３４】装置構成に関しては、領域認識部１３０が
追加されたことが前記実施例１と異なる。また、処理に
関しては、領域指定処理２０２（図２）が領域識別処理
２２０に変更されたことが前記実施例１と異なる。この
領域識別処理２２０の内容を図７に示し、以下説明す
る。

【００３４】原稿画像がイメージメモリ１０１に入力さ
れると、領域識別部１３０は、入力画像をスキャンし、
入力画像を縦横に分割したブロック毎に黒ランのヒスト
グラムを求める（処理２２０Ａ）。これを全ブロックに
ついて終了すると、１ブロック毎に、ヒストグラムのピ
ーク値のラン長を調べて文章領域、表領域、その他領域
のいずれであるかを判定する（処理２２０Ｂ，２２０
Ｃ）。処理２２０Ｂでは、ヒストグラムのピーク値のラ
ン長が第１の範囲（文字サイズと同じ位のラン長）以内
であるか調べ、この条件が成立するときは文章領域のブ
ロックであると判定する。この条件が不成立のときは、
処理２２０Ｃで、ピーク値のラン長が第２の範囲（表の
罫線と看做せる位のラン長）以内であるか調べ、条件成
立ならば表領域のブロックであると判定し、不成立なら
ばその他領域（図、写真など）であると判定する。この
ような領域判定を全ブロックについて終了すると、接続
した文書領域ブロックを統合し、また接続した表領域ブ
ロックを統合し、統合された文書領域及び表領域の座標
（または座標とサイズ）と種類を示す領域情報を領域情
報メモリ１２３に格納する（処理２２０Ｄ）。

【００３５】なお、図７には示されていないが、ディス
プレイ１２１の画面に入力画像の縮小画像が表示され、
この画像に重ねて、領域識別部１３０で自動的に識別さ
れた領域が表示される。したがって、オペレータは画面
上で領域識別の結果を確認できる。そして、領域識別が
不適当の場合、マウス１２２を用いて画面上で修正を指
示することにより、対話処理部１２０に領域メモリ１２
３上の領域情報の修正を行なわせることができる。

【００３６】実施例３ 装置構成は図８に示す通りであり、文字種識別部１３２
が追加されたことが前記実施例２と異なる。

【００３７】処理フローは図９に示す通りである。処理
３０１，３０２，３０３，３０４は図６の処理２０１，
２２０，２０４，２０５と同一内容である。この後に、
認識領域の文字種識別のための処理を行なうことが本実
施例の処理上の特徴である。

【００３８】すなわち、文字パターン生成部１０４は、
注目している認識領域の文字塊切り出し情報を用い、１
文字と看做し得る１個の文字塊または連続した複数個の
文字塊よりなる文字パターンを生成する。ただし、この
文字パターン生成は認識領域の先頭の数文字分について
だけ行なう。次に、認識部１０８で、この数文字分の文
字パターンの文字認識を行ない、その評価値を評価値算
出部１１１で算出する。そして文字パターン選択部１１
３で、この数文字パターンより、その評価値を用いて文
字を切り出し、その認識結果を文字種判定部１３２に送
る。以上が処理３０５の内容である。

【００３９】次に、文字種判定部１３２で、その認識結
果が英数字のみであるか判定し、判定結果を文字種情報
メモリ１２４に書き込む（処理３０６）。

【００４０】なお、処理３０５，３０６は、認識領域が
表領域の場合にのみ実行され、それ以外の場合にはスキ
ップされ直ちに処理３０９以下が実行される。

【００４１】注目している認識領域が表領域で、処理３
０６で文字種が英数字のみであると判定された場合、認
識領域の全体について処理３０７，３０８，３１３が実
行される。まず、文字パターン生成部１０４で個々の文
字塊をそのまま文字パターンとして生成し（処理３０
７）、認識部１０８で各文字パターンを文字認識する
（処理３０８）。そして、文字パターン選択部１１３
で、その認識結果をそのまま認識結果メモリ１１４に書
き出す（処理３１３）。すなわち、この場合は、認識領
域より切り出された各文字塊がそのまま文字として切り
出される。

【００４２】他方、認識領域は表領域であるが、文字種
が英数字のみでないと処理３０６で判定された場合、あ
るいは認識領域が文章領域である場合、文字パターン生
成部１０４で、１文字と看做し得る１個の文字塊または
連続した複数個の文字塊よりなる文字パターンを生成
し、これを認識部１０８で文字認識し（処理３１０）、
その評価値を評価値算出部１１１で算出する（処理３１
１）。そして、文字パターン選択部１１３で、文字塊の
重複のない文字パターンをそのまま文字として切り出
し、文字塊の重複のある文字パターンについては、評価
値に基づいて選択した文字パターンを文字として切り出
し（処理３１２）、切り出した文字パターンの認識結果
を認識結果メモリ１１４に書き出す（処理３１３）。

【００４３】

【発明の効果】以上、詳細に説明した如く、請求項１な
いし５の発明によれば、例えば、比較的定ピッチで印字
されることが多く文字の分離も生じにくい、英数字だけ
からなる表等の領域については、個々の文字塊をそのま
ま文字として切り出すことにより、複数の文字塊を統合
した文字パターンを生成、認識、評価するための無用か
つ有害な処理を省き処理を効率化できるとともに、文字
塊を統合した文字パターンが誤って切り出されることが
ないため、切り出しエラーと、それによる認識エラーを
減らすことができる。一方、不定ピッチや分離文字が存
在することが多い漢字、ひらがな、カタカナ等が混在し
た領域に対しては、文字塊の統合による文字パターンの
生成、認識、評価を行なうことによって、高い精度で文
字を切り出すことができる。

【００４４】請求項２の発明によれば、ディスプレイの
画面上で入力文書の内容を確認しつつ認識領域を指定で
きるため、構造が複雑な文書等に対しても、文字種を考
慮し適切かつ正確に認識領域を指定することができる。

【００４５】請求項３の発明によれば、認識領域の指定
のために人手を介入することなく、例えば文字種が限定
されることの多い表領域と、様々な文字種が混在するこ
との多い文章領域等を、別々の認識領域とした処理を自
動的に行なわせることができる。

【００４６】請求項４の発明によれば、ディスプレイの
画面上で文字種を選択することによって認識領域の内部
の文字の種類を指定できるため、その指定が容易になと
ともに、指定間違いも起きにくくなる。

【００４７】請求項５の発明によれば、文字種指定のた
めに人手を介入することなく、認識領域の文字種に応じ
た処理を自動的に行なわせることができる。

【図面の簡単な説明】

【図１】実施例１の装置構成を示す図である。

【図２】実施例１の処理フローを示す図である。

【図３】ディスプレイ画面の表示例を示す図である。

【図４】（ａ）は表領域の例を示す図、（ｂ）は領域Ａ
の文字パターンを示す図、（ｃ）は領域Ｂの文字パター
ンを示す図である。

【図５】実施例２の装置構成を示す図である。

【図６】実施例２の処理フローを示す図である。

【図７】領域識別の処理フローを示す図である。

【図８】実施例３の装置構成を示す図である。

【図９】実施例３の処理フローを示す図である。

【符号の説明】

１００ ２値画像入力部 １０１ イメージメモリ １０２ 行切り出し部 １０３ 文字塊切り出し部 １０４ 文字パターン生成部 １０８ 認識部 １１１ 表価値算出部 １１３ 文字パターン選択部 １１４ 認識結果メモリ １２０ 対話処理部 １２１ ディスプレイ １２２ マウス １２３ 領域情報メモリ １２４ 文字種情報メモリ １３０ 領域識別部 １３２ 文字種判定部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 入力画像上の注目する認識領域の内部の
   文字の種類を指定しあるいは識別し、文字の種類が特定
   の文字種のみの場合には該認識領域の画像より切り出し
   た個々の文字塊を文字として切り出し、文字の種類が該
   特定文字種以外の文字種も含む場合には、該認識領域の
   画像より切り出した、１文字と看做し得る１個の文字塊
   または連続した複数個の文字塊の組み合わせを文字パタ
   ーンとして文字認識し、文字塊の重複のない文字パター
   ンを文字として切り出し、文字塊の重複のある複数の文
   字パターンに関しては、その認識結果の確からしさを評
   価することにより選択した一つの文字パターンを文字と
   して切り出すことを特徴とする文字切り出し方法。
2. 【請求項２】 請求項１記載の文字切り出し方法におい
   て、注目する認識領域を、入力画像が表示されたディス
   プレイの画面上で指定することを特徴とする文字切り出
   し方法。
3. 【請求項３】 請求項１記載の文字切り出し方法におい
   て、注目する認識領域を、入力画像のランデータの統計
   処理によって識別することを特徴とする文字切り出し方
   法。
4. 【請求項４】 請求項１記載の文字切り出し方法におい
   て、ディスプレイの画面に表示された文字種を選択する
   ことによって、注目する認識領域の内部の文字の種類を
   指定することを特徴とする文字切り出し方法。
5. 【請求項５】 請求項１記載の文字切り出し方法におい
   て、注目する認識領域の内部の文字の一部について文字
   認識を行ない、その結果から該認識領域の内部の文字の
   種類を識別することを特徴とする文字切り出し方法。