JPH0624014B2

JPH0624014B2 - 濃淡画像の処理方法

Info

Publication number: JPH0624014B2
Application number: JP62008593A
Authority: JP
Inventors: 忠明三島; 守男金崎; 政雄高藤; 小林　　芳樹; 和紀藤原
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1986-08-01
Filing date: 1987-01-16
Publication date: 1994-03-30
Anticipated expiration: 2009-03-30
Also published as: JPS63153682A

Description

【発明の詳細な説明】〔産業上の利用分野〕本発明は、濃淡画像処理に係り、特に複雑な背景や明る
さむらなどを有する画像に対しても適用可能な濃淡画像
の処理方法及び装置に関する。

〔従来の技術〕

画像処理装置を用いて文字などを認識する場合、一般に
は、テレビカメラなどで撮影した画像データをあるしき
い値レベルで‘０’と‘１’の２値データに圧縮して処
理することが多い。たとえば、文字を‘１’、背景を
‘０’のレベルに２値化し、その‘１’のデータについ
て認識処理を行う。

ところで、白紙に黒く書かれた文字を認識する場合のよ
うに、かなり鮮明な画像を対象とするときは、上述のし
きい値レベルは予め簡単に決定することが可能（たとえ
ば、平均濃度をしきい値とする）である。しかし、更に
難しいアプリケーシヨンに対応するためには、上述のよ
うな単純な２値化処理では良好な結果が得られないこと
が多い。このアプリケーシヨンの例を示すと、例えば次
のようなものが揚げられる。

(1)柄のあるダンボールの箱から文字を抽出する。

(2)屋外の看板等から文字を抽出する。

(3)プリント基板上から文字を抽出する。

このような対象は、文字の背景が複雑かつ、明るさの変
動が激しいため単純な２値化は適用できない。そこで、
これらの対象でも良好な文字等を抽出する２値化の手法
を考案する必要があるが、その従来例として、たとえ
ば、「情景画像中からの文字抽出法の検討」（情報処理
学会全国大会講演論文集；’８６．３；大谷著）に記載
のように、複雑あるいは低コントラストの画像から文字
を抽出する方法が提案されている。

これは、第２図のように、テレビカメラなどから入力し
た濃淡画像１４０の１画面を複数のサブブロック１４１
に分割し、このブロック内で最適な２値化のしきい値レ
ベルθ_ijを決める（第２図(2)）。このときのしきい値
θ_ijは、サブブロツク１４１内で白黒２つのクラスに分
離する２クラス問題としてとらえ、最もクラス間分散が
最大となる値としている。更に、サブブロツク１４１間
の連続性を保つために、第２図(3)に示すようにθ_ijを
用いて画素ごとの補間を行い、この結果のしきい値θ
_x,y、すなわち各画素ごとのしきい値θ_x,yを予め決定
し、入力画像を２値化する方法である。

又、特開昭61−7406号公報では、形状の欠陥検出を行う
場合であるが、あらかじめ基準画像を記憶しておき、そ
の基準画像と被検査対象物との比較（たとえば差分）を
行い欠陥を検出する方法も提案されている。

〔発明が解決しようとする問題点〕

上記従来技術の問題点は、前者では、サブブロツク内の
しきい値θ_ijの決定のために濃度ヒストグラム（各濃度
レベルの頻度をサブブロツク内で求める）を用いて、２
次元の画像データを１次元のデータに変換しているた
め、明るさの位置情報を考慮できず、最適なしきい値が
決定できない。又、各画素に対し、θ_ijを用いて補間法
でしきい値θ_x,yを求めているため、真のしきい値とは
異つてしまう。更に、上記の各処理は処理時間がかか
り、リアルタイムでの文字抽出ができないなどがあげら
れる。

一方、後者のように濃淡画像そのものをあらかじめ記憶
している基準画像と比較する方法は、常に明るさ，位
置，大きさなどが一定であれば、シエーデイングの影響
などが除去でき、かつ高速に処理可能であるが、現実に
は明るさの変動は除去できず、このため、複雑な画像や
明るさのむらがリアルタイムに変化するような対象には
適用できない欠点があつた。

本発明の目的は、処理対象画像中に白い文字や黒い文字
などの、明るい文字と暗い文字が混在する場合において
も、これら両者を目標画像として高速に抽出し得る方法
を提供することにある。

〔問題点を解決するための手段〕

本発明の特徴は、入力した処理対象画像に対しｍ×ｎ画
素中の最大値を出力する局所最大値フィルタ処理をＭ回
繰返し実行し最大値フィルタ画像を作成し、この作成し
た最大値フィルタ画像に対しｍ×ｎ画素中の最小値を出
力する局所最小値フィルタ処理をＮ回繰返し実行し第１
の背景画像を作成し、他方、入力した処理対象画像に対
し最小値フィルタ処理をＭ回繰返し実行し最小値フィル
タ画像を作成し、この作成した最小値フィルタ画像に対
し最大値フィルタ処理をＮ回繰返し実行し第２の背景画
像を作成し、これら第１の背景画像と第２の背景画像と
の差分画像を求め、この差分画像を目標画像として抽出
するようにしたことにあります。

ここで、目標画像とは、抽出したい画像のことである。
また、背景画像とは、処理対象画像から目標画像を除い
た画像であつて、この目標画像の影響を完全に除いた画
像の外、目標画像の影響を軽減した画像をも含むもので
ある。

〔作用〕

本発明では、明るい文字と暗い文字とが混在した処理対
象画像に対し、局所最大値フィルタ処理をＭ回施し、そ
の上さらに局所最小値フィルタ処理をＮ回施すことによ
り明るい文字のみが抽出された第１の背景画像が作成さ
れ、他方、処理対象画像に対し、局所最小値フィルタ処
理をＭ回施し、その上さらに局所最大値フィルタ処理を
Ｎ回施すことにより暗い文字のみが抽出された第２の背
景画像が作成される。これら第１と第２の背景画像との
差分画像を求めることにより、明るい文字と暗い文字と
を高速に抽出することが可能となる。

なお、この背景画像の具体的作成方法等については、以
下の説明で各種例を挙げて詳述する。

〔実施例〕

先ずここで、背景画像の作成方法及び、コントラスト画
像作成方法の概要について、一次元の画像の例を挙げて
簡単に説明する。

第３図（１）は入力画像ｆ_ｇであり、このうちＡ−Ａ′
の１ラインだけを横軸に位置、縦軸に明るさとして表わ
したのが第２図のｇ_Ａである。ここで、文字を抽出した
いとすると、予め設定したしきい値Ｔ_Ｈで、これより明
るい部分を‘０’，暗い部分を‘１’とする２値化を行
うこともできる。しかし、このしきい値Ｔ_Ｈは絶対的な
値であるため、処理対象画像すなわち入力画像の明るさ
むらや、複雑な背景が生じると、Ｔ_Ｈを決定するのが難
しくなる。

そこで、背景画像を作成し、差をとる方法を用いる。入
力画像に対し、たとえば第４図のように３画素ｆ_１，ｆ
_２，ｆ_３のフイルタを設け、このフイルタでmax(f_i)＝
１〜３を求め、これをｆ_２の位置に書込む処理を、ラス
タスキヤンして全画像を処理する。その結果、第３図
（３）のように明るいデータが膨張した画像ｇ_Ａ ⁽¹⁾と
なる。今、第３図（１）の文字幅が５画素とすると、上
記処理を３回繰り返すと、第４図のように、文字の暗い
部分が完全に周囲の背景画像データに置き換わる。すな
わち、文字幅に応じた処理を行えば、背景画像が容易に
作成できる。この背景画像ｇ_Ａ ⁽³⁾と入力画像ｇ_Ａとの
差をとると、第５図のように明るさが‘０’レベルを基
準として文字部だけが鮮明になる。この差分画像すなわ
ち目標画像は、抽出したい領域のコントラストから得ら
れるものであり、画面全体の明るさが変化しても、ほと
んど一定している。したがつて、このような入力画像か
ら、例えば文字等を取り出す場合の２値化しきい値は、
複雑な演算を用いなくとも容易に設定することができ
る。

以上は、暗い文字の抽出を示したが、明るい文字抽出の
場合は、前記したフイルタの演算をmin(_i)ｉ＝１〜３と
して、入力画像から背景画像を差し引けばよい。

ところで、実際の画像では、第３図のような鮮明な入力
画像だけでなく、第１図のように明るさの傾き（むら）
をもつた対象が多い。このような画像に対し、上述の処
理だけを行うと、第１図（４）のように傾きのある背景
部分（図中斜線部）まで抽出されてしまう。そこでこの
ような場合、第１図（３）の画像（max(f_i)ｉ＝１〜３
の結果をｎ回実行した画像）を更に、今度はmin(f_i)ｉ
＝１〜３を同じ回数だけ繰り返す処理を行う。この処理
により、第１図（５）のように、一度埋まつた明るさの
凹部の領域はそのままで、傾斜部だけが入力画像と同じ
明るさにもどる。したがつて、この画像と入力画像との
差分をとれば、第１図（ｂ）のように文字部だけが抽出
できることになる。このような、背景画像を作成して入
力画像との差分を求め、２値化する方法を、以下、背景
画像差分法と称す。

ここで、max(f₁)ｉ＝１〜ｎの値をｆ_ｉのフイルタの中
心に与える処理を局所最大値フイルタ処理、一方、min
(f_i)＝１〜ｎの場合を局所最小値フイルタ処理と称す。

なお、第１図はシエーデイングのある画像であるが、一
般にシエーデイング補正は、あらかじめ白い紙を撮影し
て、その得られた画像のむらを計算し、各画素ごとの補
正値を記憶する。オンライン時は、次々と得られる処理
対象画像の各画素に対し、上記で記憶した補正値で各画
素の濃度を補正することが行われる。しかし、このよう
な補正法は、常にシエーデイングの状態が一定であり、
又、全体の明るさも一定でなければ効果がないが、上述
した本発明の背景画像差分法では、得られる入力画像か
ら直接背景画像を作成するので、シエーデイング状態
や、明るさの変動に対しても有効に対処可能である。

以下、本発明の具体的一実施例を、図を用いて説明す
る。第５図は本発明の一構成を示す図であり、テレビカ
メラ１０，Ａ／Ｄ変換器１１，画像メモリ１２，局所最
大値フイルタ回路１３，局所最小値フイルタ回路１４，
画像間演算回路１５，２値化回路１６，ＣＰＵ１７，Ｄ
／Ａ変換器１８，モニタ１９からなつている。

このような構成において、テレビカメラ１０などによつ
て撮影された画像信号はＡ／Ｄ変換器１１によつて例え
ば１２８階調の濃度データに変換されて画像メモリ１２
に記憶される。ここで画像メモリ１２は、たとえば２５
６×２５６画素の濃淡画像メモリがｋ枚Ｇ_１〜Ｇ_ｋ備わ
つており、又、必要に応じて２値画像メモリがｌ枚Ｂ_１
〜Ｂ_１備わつている。

ところで、前述した局所最大値，最小値フイルタ処理の
説明は、一次元のフイルタを用いたが、実際の画像は２
次元であるため、該フイルタ処理も第６図のように３×
３画素ｆ_１，ｆ_２…ｆ_９の中から最大値や最小値を取り
出し、その値をＦとして格納対象濃淡画像に埋込む処理
とする。

さて、上記フイルタの大きさを通常用いられる３×３画
素のフイルタとして、背景に比べ暗い文字を抽出する処
理手順を以下示す。

第７図に手順に示すが、入力した濃淡画像Ｇ_１を局所最
大値フイルタ処理回路１３でフイルタ処理してＧ_２の濃
淡画像メモリへ格納し（９１）、このＧ_２の画像に対し
て同じく最大値フイルタ処理して再びＧ_２へ格納する
（９３）。この最大値フイルタ処理は、文字幅が埋まる
程度まで繰り返し処理する。ここではトータルｍ回施す
（９２）。更にこのＧ_２画像を局所最小値フイルタ処理
回路１４でフイルタ処理して、再びＧ_２画像へ格納する
（９５）。この処理をｎ回繰り返す（９４）。このｎは
通常はｎ＝ｍである。

最終的に得られたＧ_２画像は、入力画像Ｇ_１に対し、ｍ
回局所最大値フイルタ処理とｎ回局所最小値フイルタ処
理を施した画像であり、この画像Ｇ_２が背景画像とな
る。ここでは、背景に比べ暗い文字を抽出するために、
明るさの凹部を埋めた背景画像となる。この画像Ｇ_２と
入力画像Ｇ_１と画像間演算回路でたとえば画素ごとの差
分をとれば（９６）、この例では暗い文字領域だけ明る
くなつて周囲の背景はほとんど‘０’レベルとなる（Ｇ
_３画像）。

この画像Ｇ_３から２値化して文字を抽出する場合は、あ
らかじめ決められたしきい値レベルより明るい画素を取
り出す２値化を２値化回路１６で行つたり、あるいは、
この差分画像Ｇ_３の濃度レベルをもとに、たとえば最大
濃度と最小濃度の平均値や全体の平均濃度などをしきい
値レベルとして２値化してもよい。いずれにしても、し
きい値レベルは簡単に求まる（９７）。

また、上記例以外に、背景画像に対して一定値を加えた
画像と入力画像との差分を求め、このコントラスト画像
を、０以上を抽出する２値化を行うと、コントラスト画
像の固定２値化が同様に可能であり、更に入力画像と背
景画像との差分画像を１／２あるいは１／３といつたス
ケールで割つておいて、この画像を２値化すれば、ノイ
ズの発生が少なくなる等の変形も容易である。

ここで、ｍやｎの回数は抽出したい文字の幅によつて一
意に決まり、たとえば文字幅が５画素程度なら、ｍやｎ
は３回程度となる。なお、第８図に処理結果例を示す。
１０１は入力画像Ｇ_１、１０２は局所最大値フイルタ処
理結果、１０３は１０２を更に局所最小値フイルタ処理
した結果であり、１０４は１０３から１０１の入力画像
Ｇ_１を差し引いた画像である。この図では、細い文字領
域を取り出すための処理となるよう上記ｍ，ｎの回数を
設定しており、文字の周囲に存在する物体は同じ暗い領
域であるにもかかわらず抽出されない利点がある。

以上の処理を第９図のようなシエーデイング（明るさの
むら）がかかつたような対象画像に適用すると、一般に
は文字全てを抽出する２値化のしきい値レベルは決定し
にくい（第２図参照）。しかし、前述の手法を用いると
第１図のように文字部のコントラストを抽出することに
より、明るさのむらを除去することができ、文字を抽出
する２値化は容易となる。

第１０図は、入力画像、は背景画像を作成した結
果、は入力画像から背景画像（包絡面画像）を差し引
いた結果を、夫々３次元表示したものである。なお、こ
の例は文字が背景に比べ明るい場合であり、背景画像の
作成は局所最小値フイルタ→局所最大値フイルタの手順
となり、明るさの凸部を削つた背景画像を作成すること
になる。

なお、このような背景画像差分法は、第１１図のような
物体の欠け（ａ）あるいは突起物検出にも有効である。
第１１図（１）は入力画像、第１１図（２）は局所最大
値フイルタｎ回、局所最小値フイルタｍ回を施した背景
画像、第１１図（３）は第１１図（１）〜（２）の差分
画像である。

ところで、以上の説明は３×３画素の局所フイルタで実
行したため、文字の幅がたとえば５画素とすると３回程
度局所フイルタ処理を繰り返し実行する必要があるが、
局所フイルタの大きさが５×５画素なら２回、７×７画
素なら１回の局所フイルタ処理で実行できる。したがつ
て、前述した小さな局所フイルタで繰り返し実行する方
法と、抽出したい文字幅に相当する大きさをもつたフイ
ルタで１回の実行をすることでも同様な効果が得られ
る。尚、この背景画像差分法は、明るさにむらがない場
合は、第３図のように、局所最大値あるいは局所最小値
フイルタだけで背景画像を作成してもよく、また、精度
を要求されない場合は常に最大値あるいは最小値フイル
タだけでもよい。

＜キズや汚れ検出への応用＞キズや汚れなどを検出する場合、白い汚れ，黒い汚れな
どがあり、又、大きさも種々雑多である。このような対
象から汚れなどを検出するために、前述した手法を用い
ると、シエーデイングの除去はできても、白及び黒の汚
れ両者の検出はできず、又、あらかじめ設定した局所最
大値フイルタ処理などの回数で検出できない極めて大き
な汚れには適用できない。逆に検出しようとすると前述
した繰り返し回数が増加し、処理時間が膨大となる。そ
こで、キズや汚れ検出は、形は正確に抽出できなくて
も、そこに有るか否かが重要であるため、小さな汚れは
全て検出して、大きな汚れは輪郭だけを検出するように
すれば、処理時間も高速となる。

本発明はこのような場合にも応用できる。すなわち、第
１２図のように、小さな黒い汚れ１２１、小さな白い汚
れ１２２、大きな黒い汚れ１２３がある対象として、た
とえば小さな黒い汚れ（幅５画素とする）は全て検出す
るものとする。この時の入力画像は第１２図（１）で、
局所最大値フイルタ処理を３回実行すると第１２図
（２），局所最小値フイルタ処理を２回実行すると第１
２図（３）のようになる。この背景画像から入力画像を
差し引くと第１２図（４）のように５画素以下の黒の汚
れは全て検出でき、その他の汚れは、輪郭が抽出できる
（第１２図（５））。したがつて、このように、局所最
大値フイルタ処理と局所最小値フイルタ処理の繰り返し
回数を異なるよう設定すると、所定の大きさ以上の汚れ
や白，黒両者の汚れの有無も検出可能である。

なお、上記処理例は、局所最大値フイルタ処理→局所最
小値フイルタ処理→背景画像から入力画像を引く、であ
るが、逆に、局所最小値フイルタ処理→局所最大値フイ
ルタ処理→入力画像から背景画像を引くの手順でも同様
な効果が表われる。又、繰り返し回数についても、最
大，最小それぞれの回数が異つていればよく、上述のよ
うに１回の差をもたせることに限定はされない。

また、第１２図（５）の処理結果に対し、穴うめ処理を
行えば、汚れの形も容易に認識することができる。

＜任意の幅だけを抽出するための応用＞文書画像などにおいては、文字の幅が太いもの細いもの
などが混在する。このような対象から、たとえば太い文
字だけを取り出すためには、従来次の手順をとるのが一
般的と考える。

(1)２値化……文字全てを鮮明に抽出する。

(2)各文字の領域を決める (3)上記領域内の文字幅を特徴量などを用いて測定す
る。

(4)所定の値を満足する線幅なら抽出する。

このような処理を実行すると、文字の数が多くなるにつ
れ、処理時間が膨大となる。そこで、これまで述べた背
景画像差分法を応用すると、比較的容易に特定線幅の抽
出が可能となる。すなわち、上記処理は、局所フイルタ
の処理回数あるいは局所フイルタの大きさによつて抽出
される文字幅が限定される。この点を利用して、たとえ
ば太い文字だけを抽出する場合であれば、まず太い文字
以下が抽出できる局所フイルタの回数で背景画像差分法
を実行して太い文字以下を全て抽出する。そして、今度
は細い文字だけが抽出できる局所フイルタ処理の回数で
背景画像差分法を実行して細い文字以下を抽出する。こ
の両者の差分画像を求めれば、太い文字だけのコントラ
スト画像を抽出することができる。

具体的に第１３図を用いて説明する。線幅が３の細い文
字１３１と線幅９画素の太い文字１３２の混在する画像
の中から、太い文字１３２だけを抽出する場合は、ま
ず、太い文字，細い文字全てが抽出できるよう、局所最
大値フイルタ処理を５回、局所最小値フイルタ処理を５
回繰り返し実行し、第１３図（２）の背景画像ｇ_Ａ
⁽⁵⁾⁽⁵⁾を作成する。この画像と入力画像ｇ_Ａとの差分Ｂ
を求めると、第１３図（３）のように、細い文字，太い
文字のコントラスト画像が作成できる。一方、細い文字
だけを抽出するために、局所最大値フイルタ処理を２
回、局所最小値フイルタ処理を２回繰り返し実行し、第
１３図（４）に示す背景画像ｇ_Ａ ⁽²⁾⁽²⁾を作成する。こ
の画像と入力画線ｇ_Ａとの差分Ｃを求めると、第１３図
（５）に示すように細い文字だけのコントラスト画像が
作成できる。更に、この２つのコントラスト画線ＢとＣ
の差分を求めると、第１３図（５）のように太い文字だ
けのコントラスト画像が作成できる。この画像を２値化
すれば太い文字だけを鮮明に抽出可能となる。

又、上記手法は２つのコントラスト画線の差分で求めた
が、他の手法として、第１３図（３）の画像をある値で
２値化し、更に第１３図（５）の画像を２値化して、こ
の２つの２値画像の排他的論理和処理を行うと、同様に
太い文字だけを抽出できる。

＜白い文字，黒い文字の抽出＞文字認識の対象には、一般に白い紙に黒い文字が書かれ
ていることが多いが、たとえば車のナンバープレート
は、第１４図のように、白地に緑文字（ａ），緑地に白
文字（ｂ）といつたようにさまざまな色がある。このよ
うな対象に対して背景画像差分法を用いる場合、あらか
じめナンバープレートの色が概知であればどの局所フイ
ルタ処理を先に実行するかが決まるが、オンラインで次
々と走行する車のナンバープレートから文字を抽出する
場合には、その都度抽出したい文字が背景に比べ暗いか
明るいかを判定する必要がある。このための処理とし
て、第１６図を用いて説明する。

ナンバープレートの領域をある手段（たとえば特開昭60
−168485号記載）で決定すると（161）、そのナンバー
プレート領域の濃度ヒストグラムは第１５図の（ａ）か
（ｂ）のパターンとなる。すなわち、ナンバープレート
の背景の方が文字に比べ面積は大きいから、第１４図の
（ａ）のナンバープレートなら第１５図の（ａ）のよう
に明るい濃度の方が頻度が高くなる。逆に第１４図
（ｂ）のようなナンバープレートなら第１５図（ｂ）の
パターンとなる。したがつて濃度ヒストグラムを求めれ
ば、文字色を判定することができる（161）。この判定
結果を用いて、背景に比べ文字が明るいか暗いかでどの
フイルタ処理を先に実行するかを決めればよい。すなわ
ち、背景に比べ明るければ、第１６図１６４のように局
所最小値フイルタを先に、暗ければ局所最大値フイルタ
を先に処理する背景画像差分法を実行すればよい（１６
５）。このように文字色判定を追加することにより明る
い文字，暗い文字いずれも抽出可能となる。又、第１６
図以外の簡易な方法としては、常に明るい場合、暗い場
合両者の処理を実行し、それぞれの文字抽出結果画像の
中に文字らしき領域があるかないかを特徴量（たとえば
面積，周囲長など）を用いて判定し、文字がある側の処
理結果画像をその後の処理に用いる方法もある。

ところで、暗い文字及び、明るい文字が混在するような
対象から両者を抽出する方法を以下示す。第１７図に入
力画像の１ライン成分をｇ_Ａとして示すが、これを一方
は、局所最大値フイルタ→局所最小値フイルタの順に処
理して第１７図（２）の背景画像ｇ_Ａ ^(m)(n)を作成し、
これと入力画像ｇ_Ａと差し引き、第１７図（３）のＢの
画像を作成する。他方、入力画像ｇ_Ａを局所最小値フイ
ルタ→局所最大値フイルタの順に処理して第１７図
（４）の背景画像ｆ_Ａ ^(i)(j)を作成し、これと入力画像
との差分から第１７図（５）のＣの画像を作成する。こ
れら２つのコントラスト画像ＢとＣの和を求める画像間
演算（Ｂ＋Ｃ）や、２つの画像の各画素の最大値を求れ
る画像間演算ＭＡＸ（B,C）、差を求め絶対値をとる画
像間演算｜B-C｜のいずれかの処理を行うと、暗い文字
も明るい文字も抽出できることになる（第１７図
（６））。当然ｇ_Ａ ^Pm)(n)とｆ_Ａ ^(i)(j)の（ｍ）（ｎ）
と（ｉ）（ｊ）の回数をｇ_Ａとｆ_Ａで異るように設定す
ると、暗い文字の抽出される幅と明るい文字の抽出され
る幅を別にすることもできる。又、特定の線幅抽出の項
で述べたように、各々のコントラスト画像ＢとＣをまず
２値化して排他的論理和（XOR）処理を実行する方法も
ある。いずれにしても、明るいあるいは暗い文字を抽出
するための背景画像差分法をそれぞれ実行して、両者で
得られた画像での画像間演算を行うことにより白，黒を
意識せずに文字のコントラスト画像が作成できる。

また、他の方法として第１８図に示す手法もある。すな
わち、入力画像の１ライン成分をｇ_Ａとすると、これを
局所最大値フイルタ→局所最小値フイルタの順に処理し
た第１８図（２）の背景画像ｇ_Ａ ^(m)(n)と、逆に局所最
小値フイルタ→局所最大値フイルタの順に処理した第１
８図（３）の背景画像ｆ_Ａ ^(i)(j)とを作成し、この背景
画像間の差分画像Ｂ＝ｇ_Ａ ^(m)(n)−ｆ_Ａ ^(i)(j)、あるい
はＢ＝｜ｆ_Ａ ^(i)(j)−ｇ_Ａ ^(m)(n)｜を求めると第１８図
（４）、明るい文字と暗い文字の両者のコントラスト画
像が作成でき、上述した手法と同様な効果が得られる。

＜連結性を考慮した処理＞以上説明した手法は、２次元の３×３画素フイルタやｎ
×ｎ画素でのフイルタ処理を単に繰り返すだけである
が、実際には連結性を考慮した方が、より鮮明に文字幅
の抽出はできる。そこで、次の処理とする。３×３画素
の場合は、２値画像処理で通常知られている４連結，８
連結の連結性があるので、第１９図のように×印の位置
は使用しない（Don't Care）で（ａ）を４連結用、す
なわちmax(f_i)はｉ＝１，２，４，６，８について処理
し、（ｂ）は８連結用（これまで述べた３×３画素全て
を用いる）として前述した局所フイルタ処理を実行す
る。このとき、たとえば局所最大値フイルタを繰り返す
ときは４連結→８連結→４連結（あるいは、この逆）と
いつた具合に順次連結性を変えて繰り返せばよい。ま
た、５×５画素のフイルタであれば第２０図のような〇
印だけを用いるフイルタで繰り返せばよい。一般的に、
ｎ×ｎ画素のフイルタであれば、円形のフイルタ形状と
すれば背景画像作成良好な画像が得られる。

＜背景画像作成を１回のフイルタ処理で実行する方法＞以上説明した処理は、背景画像を局所画像を局所最大値
フイルタ，局所最小値フイルタを各々数回繰り返して実
行する手法であるが、次のようなフイルタを作成すれば
１回のラスタスキヤンの実行で同じ効果が得られる。

たとえば、３×３画素のフイルタで局所最大値フイルタ
と局所最小値フイルタ処理をそれぞれ実行するのに、第
２１図のフイルタを作成する。中心の３×３画素のフイ
ルタをｆ_Ａ、その周囲（中心画素Ｃの周囲）の３×３画
素のフイルタをｆ_Ｂ，ｆ_Ｃ，ｆ_Ｄ，ｆ_Ｅとすると、次の
演算を実行すれば局所最大値フイルタ→局所最小値フイ
ルタ処理それぞれ１回ずつ、計２回のラスタスキヤンを
１回のラスタスキヤンで実行できる。

すなわち、ａ＝ＭＡＸ（ｆ_Ａ(i)）ｉ＝１〜９ｂ＝ＭＡＸ（ｆ_Ｂ(i)）ｉ＝１〜９ｃ＝ＭＡＸ（ｆ_Ｃ(i)）ｉ＝１〜９ｄ＝ＭＡＸ（ｆ_ｄ(i)）ｉ＝１〜９ｅ＝ＭＡＸ（ｆ_ｅ(i)）ｉ＝１〜９ｆ＝Ｍｉｎ（ｂ，ｃ，ｄ，ｅ）ｇ＝Ｍｉｎ（ａ，ｆ）このｇを第２１図のフイルタ出力としてラスタスキヤン
すると３×３画素のフイルタで局所最大フイルタ→局所
最小フイルタを行う処理と等価となる。

局所最大値フイルタ２回，局所最小値フイルタ２回の処
理であれば、基本のフイルタを５×５画素として、第２
１図のようなフイルタを作成して上述と同様な演算を行
えばよい。このように、背景画像差分法は、ハードウエ
アの制約が許す範囲でフイルタの大きさを変えれば、全
て１回の走査で処理可能である。

＜平滑化処理の追加＞ところで、背景画像を作成し、入力画像と差分を求める
と、実際には微小なノイズ成分が発生する。このような
ノイズは、処理対象によつては問題とならない場合もあ
るが、微小なキズ検査を行う場合などには問題となる可
能性がある。このノイズの原因は、局所最大値フイル
タ，局所最小値フイルタ処理が隣接画素との明るさの連
続性を失う処理であるため、入力画像と差分をとると、
上記連続性を失つた画素の位置に明るい値が発生するか
らである。このような状態は、前述した４連結，８連結
などの連結性を考慮した処理にすると多小減少するが、
更にノイズを除去するためには、平滑化処理を追加すれ
ばよい。すなわち、第２２図のように平滑化処理を実行
する積和演算回路１２０を設けて（第２２図の記号で第
５図と同じ記号は処理回路も同じである）、これまで述
べた背景画像に対し平滑化処理（たとえば第２３図のフ
イルタを用いる）を行い、上記不連続な画素を滑らかに
する。この画像と入力画像との差分をとれば、前記微小
ノイズは発生しにくい。

又、第２４図及び第２５図には入力画像そのものにノイ
ズが多い場合の処理を示すが、明るさの凹部を抽出する
ためにこれまで述べた背景画像差分法を実行すると、局
所最大値フイルタを１回実行すると第２４図（２）のよ
うに、ｎ回実行すると第３図のように、更にこの画像と
入力画像と差分をとると第４図のようになる。尚この例
では明るさの傾きがないので局所最小値フイルタは実行
していない。図のようにコントラスト画像は、入力画像
のノイズ成分も明るい値として抽出されるため、２値化
する場合のしきい値は、このノイズ成分より高い値とし
て設定する必要がある。このようなことを意識せずに実
行するためには、第２５図（１）のように、まず入力画
像第２４図（１）に対して局所最小値フイルタ処理を数
回実行し、この画像について局所最大値フイルタを実行
すればノイズ成分は‘０’レベルよりも小さな値とし
て、コントラスト画像が作成できる。逆に明るさの凸部
を抽出したい場合は、まず局所最大値フイルタ処理を数
回実行してから同様に行えばよい。また、入力画像を前
記平滑化処理を行つてから背景画像差分法を実行しても
同様な効果が得られる。

〔発明の効果〕

本発明によれば、処理対象画像中に白い文字や黒い文字
などの、明るい文字と暗い文字が混在する場合において
も、これら両者を目標画像として高速に抽出することが
可能となる。

【図面の簡単な説明】

第１図及び第３図は本発明の概要を説明する画像処理
図、第２図は従来技術の説明図、第４図は局所最大値，
最小値フイルタ説明図、第５図は本発明の一実施例の構
成を示す図、第６図は２次元での局所最大値フイルタ説
明図、第７図は本発明の一処理手順を示すフローチヤー
ト、第８図は本発明での処理結果を示す図、第９図，第
１０図，第１１図は本発明の効果を示す図、第１２図は
汚れ検出の応用例を示す図、第１３図は文書画像の応用
例を示す図、第１４図はナンバープレートの種別を示す
図、第１５図はナンバープレートの濃度ヒストグラムを
示す図、第１６図はナンバープレートから文字を抽出す
るフローチヤート、第１７図と第１８図は白，黒両者を
抽出する概要を示す画像処理図、第１９図と第２０図は
連結性を考慮するフイルタの形状を示す図、第２１図は
１回のフイルタ走査で背景画像を作成するフイルタ形状
を示す図、第２２図は本発明の他の実施例の構成を示す
図、第２３図は平滑化を示す図、第２４図と第２５図は
本発明の他の実施例による画像処理図である。１２……画像メモリ、１３……局所最大値フイルタ回
路、１４……局所最小値フイルタ回路、１５……画像間
演算回路、１６……２値化回路、１７……ＣＰＵ、１９
……モニタ、１２０……平滑化回路。

フロントページの続き (72)発明者小林芳樹茨城県日立市久慈町4026番地株式会社日立製作所日立研究所内 (72)発明者藤原和紀茨城県日立市大みか町５丁目２番１号株式会社日立製作所大みか工場内 (56)参考文献特開昭48−61030（ＪＰ，Ａ) 特開昭61−141087（ＪＰ，Ａ) 特公昭57−13030（ＪＰ，Ｂ２)

Claims

【特許請求の範囲】

【請求項１】数階調の明るさを有する処理対象画像を入
力し、この処理対象画像に含まれている目標画像を抽出
するものにおいて、前記入力した処理対象画像に対しｍ×ｎ画素中の最大値
を出力する局所最大値フィルタ処理をＭ回繰返し実行し
最大値フィルタ画像を作成し、当該最大値フィルタ画像に対しｍ×ｎ画素中の最小値を
出力する局所最小値フィルタ処理をＮ回繰返し実行し第
１の背景画像を作成し、前記入力した処理対象画像に対し前記最小値フィルタ処
理をＭ回繰返し実行し最小値フィルタ画像を作成し、当該最小値フィルタ画像に対し前記最大値フィルタ処理
をＮ回繰返し実行し第２の背景画像を作成し、前記第１の背景画像と第２の背景画像との差分画像を求
め、当該差分画像を目標画像として出力することを特徴
とする濃淡画像の処理方法。