JPH0744712A - 画像のモーメント算出方法 - Google Patents
画像のモーメント算出方法Info
- Publication number
- JPH0744712A JPH0744712A JP5190191A JP19019193A JPH0744712A JP H0744712 A JPH0744712 A JP H0744712A JP 5190191 A JP5190191 A JP 5190191A JP 19019193 A JP19019193 A JP 19019193A JP H0744712 A JPH0744712 A JP H0744712A
- Authority
- JP
- Japan
- Prior art keywords
- moment
- image
- binarized
- pattern
- moments
- 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.)
- Withdrawn
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】本発明は、文字や図形のパターン認識等に用い
る特徴量としてのモーメント算出方法に関し、簡便かつ
高速で雑音に対して頑強なモーメントを求める方法を提
供する。 【構成】濃淡画像を複数のしきい値で二値化することに
より複数の二値化画像を生成し、生成した二値化画像に
ついて１つもしくは複数の各モーメントを求め、前記複
数の二値化画像に亘って、互いに対応する各モーメント
を、各二値化画像に対応する前記しきい値に応じた重み
付けで重み付け加算することにより、前記所定の画像
の、１つもしくは複数の各モーメントを求める。
る特徴量としてのモーメント算出方法に関し、簡便かつ
高速で雑音に対して頑強なモーメントを求める方法を提
供する。 【構成】濃淡画像を複数のしきい値で二値化することに
より複数の二値化画像を生成し、生成した二値化画像に
ついて１つもしくは複数の各モーメントを求め、前記複
数の二値化画像に亘って、互いに対応する各モーメント
を、各二値化画像に対応する前記しきい値に応じた重み
付けで重み付け加算することにより、前記所定の画像
の、１つもしくは複数の各モーメントを求める。
Description
【０００１】
【産業上の利用分野】本発明は、文字や図形のパターン
認識等に用いる特徴量としてのモーメント算出方法に関
する。
認識等に用いる特徴量としてのモーメント算出方法に関
する。
【０００２】
【従来の技術】工業製品の文字や図形を初めとするパタ
ーンを読み取る処理は業務の効率化に大きく寄与する。
そこでいろいろなパターンの読み取り装置が考案されて
いる。例えば、特公平２−５６７０６号公報で開示され
ている方法は、パターンを二値化した後に該パターンを
セグメント（パターンの構成要素）に分割し、二次モー
メントを求めてこれを認識に用いる方法である。
ーンを読み取る処理は業務の効率化に大きく寄与する。
そこでいろいろなパターンの読み取り装置が考案されて
いる。例えば、特公平２−５６７０６号公報で開示され
ている方法は、パターンを二値化した後に該パターンを
セグメント（パターンの構成要素）に分割し、二次モー
メントを求めてこれを認識に用いる方法である。
【０００３】
【発明が解決しようとする課題】ところが特公平２−５
６７０６号公報で開示されてる方法は、二次モーメント
を求めるときにパターンを単一のしきい値のみで二値化
するので濃淡画像の持つ情報の主要な部分を失ってしま
い、雑音に対しての影響を受けやすくなる。本発明で
は、簡便かつ高速で雑音に対して頑強なモーメントを求
める方法を提供する。
６７０６号公報で開示されてる方法は、二次モーメント
を求めるときにパターンを単一のしきい値のみで二値化
するので濃淡画像の持つ情報の主要な部分を失ってしま
い、雑音に対しての影響を受けやすくなる。本発明で
は、簡便かつ高速で雑音に対して頑強なモーメントを求
める方法を提供する。
【０００４】
【課題を解決するための手段】上記目的を達成する本発
明は、所定の画像を濃淡画像として取り込み、取り込ん
だ濃淡画像を複数のしきい値で二値化することにより複
数の二値化画像を生成し、生成した各二値化画像につい
て１つもしくは複数の各モーメントを求め、前記複数の
二値化画像に亘って、互いに対応する各モーメントを、
各二値化画像に対応する前記しきい値に応じた重み付け
で重み付け加算することにより、前記所定の画像の、１
つもしくは複数の各モーメントを求めることを特徴とす
る画像のモーメント算出方法である。
明は、所定の画像を濃淡画像として取り込み、取り込ん
だ濃淡画像を複数のしきい値で二値化することにより複
数の二値化画像を生成し、生成した各二値化画像につい
て１つもしくは複数の各モーメントを求め、前記複数の
二値化画像に亘って、互いに対応する各モーメントを、
各二値化画像に対応する前記しきい値に応じた重み付け
で重み付け加算することにより、前記所定の画像の、１
つもしくは複数の各モーメントを求めることを特徴とす
る画像のモーメント算出方法である。
【０００５】ここで、上記各二値化画像のエッジを抽出
し、抽出されたエッジのみに基づいて上記各二値化画像
の各モーメントを求めることが好ましく、また、抽出さ
れたエッジの座標の逐次的な加算のみに基づいて上記各
二値化画像の各モーメントを求めることがさらに好まし
い。
し、抽出されたエッジのみに基づいて上記各二値化画像
の各モーメントを求めることが好ましく、また、抽出さ
れたエッジの座標の逐次的な加算のみに基づいて上記各
二値化画像の各モーメントを求めることがさらに好まし
い。
【０００６】
【作用】本発明者は、濃淡画像から得られる特徴が、二
値画像から得られる特徴より豊富であり、かつ雑音の影
響を受けにくいことにヒントを得た。また、モーメント
は線形な演算であるため、重ね合わせを行うことができ
ることに着目した。さらに二値画像に関するモーメント
の演算については、領域のエッジ座標だけでモーメント
を求める高速アルゴリズムが提案されている（Ｂ−Ｃ
ＬＩ，Ｊ ＳＨＥＮ， ＦＡＳＴ ＣＯＭＰＵＴＡＴＩ
ＯＮ ＯＦ ＭＯＭＥＮＴＯ ＩＮＶＡＲＩＡＮＴＳ，
Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ， Ｖｏ
ｌ．２４，Ｎｏ．８， ｐｐ．８０７−８１３）ので、
高速演算に好適である。
値画像から得られる特徴より豊富であり、かつ雑音の影
響を受けにくいことにヒントを得た。また、モーメント
は線形な演算であるため、重ね合わせを行うことができ
ることに着目した。さらに二値画像に関するモーメント
の演算については、領域のエッジ座標だけでモーメント
を求める高速アルゴリズムが提案されている（Ｂ−Ｃ
ＬＩ，Ｊ ＳＨＥＮ， ＦＡＳＴ ＣＯＭＰＵＴＡＴＩ
ＯＮ ＯＦ ＭＯＭＥＮＴＯ ＩＮＶＡＲＩＡＮＴＳ，
Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ， Ｖｏ
ｌ．２４，Ｎｏ．８， ｐｐ．８０７−８１３）ので、
高速演算に好適である。
【０００７】
【実施例】以下、本発明の実施例について説明する。図
１は、本発明の一実施例を適用した、画像認識の各工程
を示した工程図である。まず認識する対称となるパター
ンを濃淡画像として取り込む。取り込む手段は、テレビ
カメラ、スキャナーなど、どのようなものでもよい。
１は、本発明の一実施例を適用した、画像認識の各工程
を示した工程図である。まず認識する対称となるパター
ンを濃淡画像として取り込む。取り込む手段は、テレビ
カメラ、スキャナーなど、どのようなものでもよい。
【０００８】次に取り込んだパターンを複数のしきい値
Ｔ（ｔ）（ｔ＝１，…，Ｎ；Ｔ（ｔ＋１）＞Ｔ（ｔ））
で二値化する。しきい値Ｔ（ｔ）の求め方としては、い
くつか考えられる。例えば、図２に示すように、濃度レ
ベルごとの画素の数を頻度（ヒストグラム）として前も
って計算し、各レベル範囲内にほぼ同数の画素が含まれ
る（各面積Ｓ1 ，Ｓ2 ，……，Ｓ6 が互いにほぼ等し
い）ようにしきい値ｔ1 ，ｔ2 ，……，ｔ5 を調整す
る。このときのしきい値の数は場合によるが、少ない場
合で５段階、多くても１０段階で目的が達成されること
が経験から明らかになっている。
Ｔ（ｔ）（ｔ＝１，…，Ｎ；Ｔ（ｔ＋１）＞Ｔ（ｔ））
で二値化する。しきい値Ｔ（ｔ）の求め方としては、い
くつか考えられる。例えば、図２に示すように、濃度レ
ベルごとの画素の数を頻度（ヒストグラム）として前も
って計算し、各レベル範囲内にほぼ同数の画素が含まれ
る（各面積Ｓ1 ，Ｓ2 ，……，Ｓ6 が互いにほぼ等し
い）ようにしきい値ｔ1 ，ｔ2 ，……，ｔ5 を調整す
る。このときのしきい値の数は場合によるが、少ない場
合で５段階、多くても１０段階で目的が達成されること
が経験から明らかになっている。
【０００９】もしくは、図３に示すように、濃度レベル
ごとの画素の数を累積の濃度分布として前もって計算す
る。そして累積濃度分布で濃度の増加の激しいところを
しきい値として選び、計算する。これは濃度の変化が激
しいところがモーメントも変わりやすくなっているとい
う経験的な事実に基づいている。上述のようにしてしき
い値Ｔ（ｔ）を定め二値画像を生成すると、その二値画
像に孤立点が含まれることがあり、この孤立点は除去す
ることが望ましい。孤立点とは、二値化したあとにパタ
ーンをラベル付けしたとき、同じラベルの画素の数が１
であるパターンをいう。孤立点は、実際にラベル付けを
行い各ラベルごとに画素の数を計測することにより除去
できる。またラベル付けを行わずに、４近傍または８近
傍でフィルタリングを行い、フィルタの値がある値以下
のときに孤立点とみなし除去することもできる。たとえ
ば画面を二値化した後で、画素の値が０または１である
とする。孤立点の候補の画素（ｉ，ｊ）の画素の値Ｉ
（ｉ，ｊ）に対して、次の量を計算する。
ごとの画素の数を累積の濃度分布として前もって計算す
る。そして累積濃度分布で濃度の増加の激しいところを
しきい値として選び、計算する。これは濃度の変化が激
しいところがモーメントも変わりやすくなっているとい
う経験的な事実に基づいている。上述のようにしてしき
い値Ｔ（ｔ）を定め二値画像を生成すると、その二値画
像に孤立点が含まれることがあり、この孤立点は除去す
ることが望ましい。孤立点とは、二値化したあとにパタ
ーンをラベル付けしたとき、同じラベルの画素の数が１
であるパターンをいう。孤立点は、実際にラベル付けを
行い各ラベルごとに画素の数を計測することにより除去
できる。またラベル付けを行わずに、４近傍または８近
傍でフィルタリングを行い、フィルタの値がある値以下
のときに孤立点とみなし除去することもできる。たとえ
ば画面を二値化した後で、画素の値が０または１である
とする。孤立点の候補の画素（ｉ，ｊ）の画素の値Ｉ
（ｉ，ｊ）に対して、次の量を計算する。
【００１０】４近傍のとき ｆ＝Ｉ（ｉ−１，ｊ）＋Ｉ（ｉ＋１，ｊ）＋Ｉ（ｉ，ｊ
−１）＋Ｉ（ｉ，ｊ＋１） ８近傍のとき ｆ＝Ｉ（ｉ−１，ｊ−１）＋Ｉ（ｉ，ｊ−１）＋Ｉ（ｉ
＋１，ｊ−１）＋Ｉ（ｉ−１，ｊ）＋Ｉ（ｉ，ｊ）＋Ｉ
（ｉ＋１，ｊ）＋Ｉ（ｉ−１，ｊ＋１）＋Ｉ（ｉ，ｊ＋
１）＋Ｉ（ｉ＋１，ｊ＋１） そしてこのフィルタの値が１以上であれば近傍に点が存
在するので孤立点とはみなさない。フィルタの値が０で
あれば孤立点とみなして除去する。
−１）＋Ｉ（ｉ，ｊ＋１） ８近傍のとき ｆ＝Ｉ（ｉ−１，ｊ−１）＋Ｉ（ｉ，ｊ−１）＋Ｉ（ｉ
＋１，ｊ−１）＋Ｉ（ｉ−１，ｊ）＋Ｉ（ｉ，ｊ）＋Ｉ
（ｉ＋１，ｊ）＋Ｉ（ｉ−１，ｊ＋１）＋Ｉ（ｉ，ｊ＋
１）＋Ｉ（ｉ＋１，ｊ＋１） そしてこのフィルタの値が１以上であれば近傍に点が存
在するので孤立点とはみなさない。フィルタの値が０で
あれば孤立点とみなして除去する。
【００１１】このようにして孤立点の除去された複数の
二値画像について以下の処理を行う。まず二値画像のエ
ッジを抽出する。次にエッジからモーメントを計算す
る。モーメントｍ（ｐ，ｑ）とは、対象領域をＤ（Ｔ
（ｔ））とすると、次の量で表わされる量である。 ｍ（ｐ，ｑ；Ｔ（ｔ））＝ Σ ｘp ・ｙq ただし （ｘ，ｙ）∈Ｄ（Ｔ（ｔ）） ここでｉp ，ｊq はそれぞれｉのｐ乗、ｊのｑ乗を表
す。
二値画像について以下の処理を行う。まず二値画像のエ
ッジを抽出する。次にエッジからモーメントを計算す
る。モーメントｍ（ｐ，ｑ）とは、対象領域をＤ（Ｔ
（ｔ））とすると、次の量で表わされる量である。 ｍ（ｐ，ｑ；Ｔ（ｔ））＝ Σ ｘp ・ｙq ただし （ｘ，ｙ）∈Ｄ（Ｔ（ｔ）） ここでｉp ，ｊq はそれぞれｉのｐ乗、ｊのｑ乗を表
す。
【００１２】これをグリーンの定理を用いて次のように
書き直すことができる。 ｍ（ｐ，ｑ；Ｔ（ｔ））＝ Σ ｘp+1 ・ｙq Δｙ／（ｐ＋１） ……（１） あるいは ｍ（ｐ，ｑ；Ｔ（ｔ））＝ −Σ ｘp ・ｙq+1 Δｙ／（ｑ＋１） ……（２） ただし、（ｘ，ｙ）∈Ｄ（Ｔ（ｔ））、Δｙは周囲の単
位長さあたりの変化量を表わす。また、∂Ｄ（Ｔ
（ｔ））はＤ（Ｔ（ｔ））の境界ｙを表わす。
書き直すことができる。 ｍ（ｐ，ｑ；Ｔ（ｔ））＝ Σ ｘp+1 ・ｙq Δｙ／（ｐ＋１） ……（１） あるいは ｍ（ｐ，ｑ；Ｔ（ｔ））＝ −Σ ｘp ・ｙq+1 Δｙ／（ｑ＋１） ……（２） ただし、（ｘ，ｙ）∈Ｄ（Ｔ（ｔ））、Δｙは周囲の単
位長さあたりの変化量を表わす。また、∂Ｄ（Ｔ
（ｔ））はＤ（Ｔ（ｔ））の境界ｙを表わす。
【００１３】この結果により計算時間を減少させること
ができる。最後に、しきい値によって重みをつける。 ｍ（ｐ，ｑ）＝Σ（Ｔ（ｔ）−Ｔ（ｔ−１））・ｍ
（ｐ，ｑ；Ｔ（ｔ）） ただし ｔ＝１，…，Ｎ、Ｔ（０）＝０とする。以上が
基本的な操作である。ここで特に（１）式を変形するこ
とにより、特定のモーメントについてさらに計算時間を
短くすることができる。
ができる。最後に、しきい値によって重みをつける。 ｍ（ｐ，ｑ）＝Σ（Ｔ（ｔ）−Ｔ（ｔ−１））・ｍ
（ｐ，ｑ；Ｔ（ｔ）） ただし ｔ＝１，…，Ｎ、Ｔ（０）＝０とする。以上が
基本的な操作である。ここで特に（１）式を変形するこ
とにより、特定のモーメントについてさらに計算時間を
短くすることができる。
【００１４】通常の計算機では、加減算に要する時間は
乗算のそれより非常に短い。そこで（１）式を加減算の
みで求めることを考える。これには次のようにする。ま
ず座標（ｘ，ｙ）をパラメータｉ（ｉ＝１，…，Ｍ；Ｍ
は∂Ｄに属する画素の数）を使って（ｘi ，ｙi ）と表
す。このときｘi とｘi+1 の差を０または±１に、また
ｙi とｙi+1 の差も０または±１になるようにｉを選
ぶ。実際に∂Ｄを求めるときは図形Ｄの周囲を連続して
たどるので、ｉを上記のように選ぶことは容易である。
次にモーメントｍ（ｐ，ｑ）を、次式 ｍ（ｐ，ｑ）＝ｕ（ｐ，ｑ）／（ｐ＋１）＝−ｖ（ｐ，
ｑ）／（ｑ＋１） で定義されるｕ，ｖを用いて次のように変形する。
乗算のそれより非常に短い。そこで（１）式を加減算の
みで求めることを考える。これには次のようにする。ま
ず座標（ｘ，ｙ）をパラメータｉ（ｉ＝１，…，Ｍ；Ｍ
は∂Ｄに属する画素の数）を使って（ｘi ，ｙi ）と表
す。このときｘi とｘi+1 の差を０または±１に、また
ｙi とｙi+1 の差も０または±１になるようにｉを選
ぶ。実際に∂Ｄを求めるときは図形Ｄの周囲を連続して
たどるので、ｉを上記のように選ぶことは容易である。
次にモーメントｍ（ｐ，ｑ）を、次式 ｍ（ｐ，ｑ）＝ｕ（ｐ，ｑ）／（ｐ＋１）＝−ｖ（ｐ，
ｑ）／（ｑ＋１） で定義されるｕ，ｖを用いて次のように変形する。
【００１５】ｕ（０，０）＝Σｘi Δｙi ｕ（０，１）＝Σｘi ｙi Δｙi ｕ（０，２）＝Σｘi ｙi 2Δｙi ｕ（０，３）＝Σｘi ｙi 3Δｙi ｕ（２，１）＝Σｘi 2ｙi Δｙi ｖ（１，１）＝Σｘi ｙ2 iΔｘi ｖ（２，０）＝Σｘi 2ｙi Δｘi ｖ（３，０）＝Σｘi 3ｙi Δｘi ｖ（１，２）＝Σｘi ｙi 3Δｘi ｖ（１，０）＝Σｘi ｙi Δｘi このようにすれば、以下の５種類の単項式 ｘi ｙi ，ｘi ｙi 2，ｘi ｙi 3，ｘi 2ｙi ，ｘi 3ｙi をかけ算なしで求められればよいことがわかる。実際そ
れは可能である。以下、ｘi+1 ＝ｘi ＋１の場合につい
て述べる。他の場合も同様である。まず ｘi+1 ｙi ＝ｘi ｙi ＋ｙi であり、ｘi ｙi はすでに計算されているから、ｘi+1
ｙi は一回の加算で求められる。同様に ｘi+1 ｙi 2＝ｘi ｙi 2＋ｙi 2 ｘi+1 ｙi 3＝ｘi ｙi 3＋ｙi 3 と計算できるので、それぞれ一回の加算で済む。ｙi 2，
ｙi 3はあらかじめ計算しておく必要があるが、加算のみ
で可能である。この方法は後述する。次に ｘi+1 2ｙi ＝｛ｘi 2＋ｘi ＋［ｘi ＋１］｝ｙi ＝（ｘi 2ｙi ＋ｘi ｙi ）＋ｘi+1 ｙi と変形すれば右辺の各項は計算済みの量である。したが
ってｘi+1 2ｙも加算のみで計算できる。また ｘi+1 3ｙi ＝｛ｘi 3＋ｘi 2＋ｘi 2ｘi ＋ｘi 2｝ｙi ＝ｘi 3ｙi ＋ｘi と変形することにより、すでに求めた項から加算によっ
て求められることがわかる。
れは可能である。以下、ｘi+1 ＝ｘi ＋１の場合につい
て述べる。他の場合も同様である。まず ｘi+1 ｙi ＝ｘi ｙi ＋ｙi であり、ｘi ｙi はすでに計算されているから、ｘi+1
ｙi は一回の加算で求められる。同様に ｘi+1 ｙi 2＝ｘi ｙi 2＋ｙi 2 ｘi+1 ｙi 3＝ｘi ｙi 3＋ｙi 3 と計算できるので、それぞれ一回の加算で済む。ｙi 2，
ｙi 3はあらかじめ計算しておく必要があるが、加算のみ
で可能である。この方法は後述する。次に ｘi+1 2ｙi ＝｛ｘi 2＋ｘi ＋［ｘi ＋１］｝ｙi ＝（ｘi 2ｙi ＋ｘi ｙi ）＋ｘi+1 ｙi と変形すれば右辺の各項は計算済みの量である。したが
ってｘi+1 2ｙも加算のみで計算できる。また ｘi+1 3ｙi ＝｛ｘi 3＋ｘi 2＋ｘi 2ｘi ＋ｘi 2｝ｙi ＝ｘi 3ｙi ＋ｘi と変形することにより、すでに求めた項から加算によっ
て求められることがわかる。
【００１６】最後にｙ2 ，ｙ3 の計算方法について述べ
る。これも上述の式変形を応用すればよい。すなわち、
あるｋについてｙk+1 ＝ｙk ＋１となったときに、 ｙk+1 2＝ｙk 2＋ｙk ＋（ｙk ＋１） ｙk+1 3＝ｙk 3＋ｙk 2＋（ｙk 2＋ｙk ）＋ｙk 2＋ｙk ＋
（ｙk ＋１） を利用して求めておくのである。従って、ｙk+1 ＝ｙk
＋１となった先の例では上述の式変形とともに、ｘi+1 3
を計算しておき、のちにｙk が変化したときに使えるよ
うにしておく必要がある。
る。これも上述の式変形を応用すればよい。すなわち、
あるｋについてｙk+1 ＝ｙk ＋１となったときに、 ｙk+1 2＝ｙk 2＋ｙk ＋（ｙk ＋１） ｙk+1 3＝ｙk 3＋ｙk 2＋（ｙk 2＋ｙk ）＋ｙk 2＋ｙk ＋
（ｙk ＋１） を利用して求めておくのである。従って、ｙk+1 ＝ｙk
＋１となった先の例では上述の式変形とともに、ｘi+1 3
を計算しておき、のちにｙk が変化したときに使えるよ
うにしておく必要がある。
【００１７】この考え方を用いたモーメントを演算する
ための回路例を図４に示す。図４における各ブロック
は、各２つの入力を加算ないし減算することを表わして
いる。尚、二値画像を求めた際に、その二値画像に周囲
が所定のパターンで取り囲まれた穴が形成される場合が
あるが、エッジに基づいてモーメントを求めるに当た
り、しきい値より画素値の低い領域を常に、例えば右に
見てエッジを一周することとすると、穴については求め
られる値が自動的にマイナスになるため、モーメントの
演算するにあたり穴が存在することによる不都合はな
い。
ための回路例を図４に示す。図４における各ブロック
は、各２つの入力を加算ないし減算することを表わして
いる。尚、二値画像を求めた際に、その二値画像に周囲
が所定のパターンで取り囲まれた穴が形成される場合が
あるが、エッジに基づいてモーメントを求めるに当た
り、しきい値より画素値の低い領域を常に、例えば右に
見てエッジを一周することとすると、穴については求め
られる値が自動的にマイナスになるため、モーメントの
演算するにあたり穴が存在することによる不都合はな
い。
【００１８】図５は本発明を実施する装置のブロック図
である。以下この図に沿って説明する。認識すべきパタ
ーン１をテレビカメラ２によって読み込む。読み込まれ
たパターンはＡ／Ｄ変換回路３により空間的に離散化さ
れ、かつ濃度レベルも離散化される。この結果が濃淡画
像メモリ４に格納される。その後、しきい値保持メモリ
５によって二値化しきい値がそのつど読み出され、二値
画像メモリ６に格納される。二値画像メモリ６から孤立
点除去、エッジ抽出回路７により孤立点が除去された画
像に対するエッジが抽出され、エッジ画像メモリ８に格
納される。エッジ画像メモリから二値画像モーメント計
算回路９により、各種のモーメントが計算される。これ
等の結果は、二値画像モーメント保持メモリ１０に格納
される。
である。以下この図に沿って説明する。認識すべきパタ
ーン１をテレビカメラ２によって読み込む。読み込まれ
たパターンはＡ／Ｄ変換回路３により空間的に離散化さ
れ、かつ濃度レベルも離散化される。この結果が濃淡画
像メモリ４に格納される。その後、しきい値保持メモリ
５によって二値化しきい値がそのつど読み出され、二値
画像メモリ６に格納される。二値画像メモリ６から孤立
点除去、エッジ抽出回路７により孤立点が除去された画
像に対するエッジが抽出され、エッジ画像メモリ８に格
納される。エッジ画像メモリから二値画像モーメント計
算回路９により、各種のモーメントが計算される。これ
等の結果は、二値画像モーメント保持メモリ１０に格納
される。
【００１９】複数のしきい値に対してすべてモーメント
が計算された後、しきい値保持メモリ５と二値画像モー
メント保持メモリ１０から濃淡画像モーメント計算回路
１１により濃淡画像のモーメントが計算される。このモ
ーメントはパターン認識装置１２の入力となり、パター
ンの認識に使われる。ここで、モーメントからパターン
認識をする例を述べる。これは文字の特徴がモーメント
によって表わされることを利用する。例えば図６の字体
で平行移動に不変なモーメントのうち次の４種類を計算
した。ただし図６はエッジのみが描かれており、これら
のエッジで囲まれる領域内が所定の濃度を有している。
が計算された後、しきい値保持メモリ５と二値画像モー
メント保持メモリ１０から濃淡画像モーメント計算回路
１１により濃淡画像のモーメントが計算される。このモ
ーメントはパターン認識装置１２の入力となり、パター
ンの認識に使われる。ここで、モーメントからパターン
認識をする例を述べる。これは文字の特徴がモーメント
によって表わされることを利用する。例えば図６の字体
で平行移動に不変なモーメントのうち次の４種類を計算
した。ただし図６はエッジのみが描かれており、これら
のエッジで囲まれる領域内が所定の濃度を有している。
【００２０】 特徴量１ ｍ（１，０）（重心位置、ｘ方向） 特徴量２ ｍ（０，１）（重心位置、ｙ方向） 特徴量３ ｍ（２，０）（二次モーメント、ｘ方向） 特徴量４ ｍ（０，２）（二次モーメント、ｙ方向） ただし、ｍ（１，０），ｍ（０，１）については、パタ
ーンの外接長方形に対して相対的な値とする。これらの
値を表１に示す。
ーンの外接長方形に対して相対的な値とする。これらの
値を表１に示す。
【００２１】
【表１】
【００２２】この表１は各クラスの代表的な字体につい
ての値であり、実際は同じクラスについて雑音により多
少異なったパターンが得られる。実験では各クラスにお
いて１０個のパターンを採取した。特徴量１〜４を用い
て、最短距離分類により認識を行った。すなわち、未知
のパターンについて特徴量１〜４を求め、これらの特徴
をベクトルと見なし、最も近いパターンを探す。このも
っとも近いパターンが属するクラスが未知のパターンの
属するクラスであるとする方法である。距離の算出に
は、既知のパターンの特徴量をｘ1 ，ｘ2 ，ｘ3 ，ｘ
4 、それらの各標準偏差をそれぞれσ1 ，σ2 ，σ3 ，
σ4 、未知のパターンの特徴量をＰ1 ，Ｐ2 ，Ｐ3 ，Ｐ
4 、距離をｄとしたとき、 ｄ2 ＝（ｘ1 −Ｐ1 ）2 ／σ1 2＋（ｘ2 −Ｐ2 ）2 ／σ
2 2＋（ｘ3 −Ｐ3 ）2 ／σ3 2＋（ｘ4 −Ｐ4 ）2 ／σ4 2 により求められる。
ての値であり、実際は同じクラスについて雑音により多
少異なったパターンが得られる。実験では各クラスにお
いて１０個のパターンを採取した。特徴量１〜４を用い
て、最短距離分類により認識を行った。すなわち、未知
のパターンについて特徴量１〜４を求め、これらの特徴
をベクトルと見なし、最も近いパターンを探す。このも
っとも近いパターンが属するクラスが未知のパターンの
属するクラスであるとする方法である。距離の算出に
は、既知のパターンの特徴量をｘ1 ，ｘ2 ，ｘ3 ，ｘ
4 、それらの各標準偏差をそれぞれσ1 ，σ2 ，σ3 ，
σ4 、未知のパターンの特徴量をＰ1 ，Ｐ2 ，Ｐ3 ，Ｐ
4 、距離をｄとしたとき、 ｄ2 ＝（ｘ1 −Ｐ1 ）2 ／σ1 2＋（ｘ2 −Ｐ2 ）2 ／σ
2 2＋（ｘ3 −Ｐ3 ）2 ／σ3 2＋（ｘ4 −Ｐ4 ）2 ／σ4 2 により求められる。
【００２３】次に上記方法による文字認識の有効性確認
のための実験例について説明する。図７は、この実験に
用いた文字（数字）‘２’を１２×１２画素にサンプリ
ングした画像の、画像濃度を１０段階（０〜９）の数字
で表わした図である。大きな数字ほど文字部分を反映し
ている。また図８は、図７の画像を濃度４と５の間で二
値化した画像であり、濃度５以上は‘□’で、濃度４以
下は‘・’で表わしている。このようにみると二値化画
像はノイズが多いことがわかる。このような画像に対し
てモーメントを求めることによって文字の認識を試み
た。使用するモーメントは次の１０種である。
のための実験例について説明する。図７は、この実験に
用いた文字（数字）‘２’を１２×１２画素にサンプリ
ングした画像の、画像濃度を１０段階（０〜９）の数字
で表わした図である。大きな数字ほど文字部分を反映し
ている。また図８は、図７の画像を濃度４と５の間で二
値化した画像であり、濃度５以上は‘□’で、濃度４以
下は‘・’で表わしている。このようにみると二値化画
像はノイズが多いことがわかる。このような画像に対し
てモーメントを求めることによって文字の認識を試み
た。使用するモーメントは次の１０種である。
【００２４】ｍ（０，０），ｍ（０，１），ｍ（１，
０），ｍ（１，１），ｍ（０，２），ｍ（２，０），ｍ
（３，０），ｍ（０，３），ｍ（１，２），ｍ（２，
１） これらの特徴量を入力とし、所属するクラス、所属しな
いクラスをそれぞれ１，０で表現する線形の重回帰モデ
ルによってパターン認識装置を構成した。モーメントは
二値画像のものと濃淡画像のものの二種類を比較した。
二値化の方法には判別分析法を用いている。また両者と
もに二値化の後孤立点を除去している。両者の画像によ
る結果を表２に示す。二値画像の識別結果は目視による
ものとかなり異なっている。この理由は、二値化したた
めにモーメント量が雑音の影響を受けやすくなったため
と考えられる。この結果からモーメントによってパター
ンを認識する場合は、濃淡画像のモーメントが二値画像
のモーメントより好ましいことがわかる。
０），ｍ（１，１），ｍ（０，２），ｍ（２，０），ｍ
（３，０），ｍ（０，３），ｍ（１，２），ｍ（２，
１） これらの特徴量を入力とし、所属するクラス、所属しな
いクラスをそれぞれ１，０で表現する線形の重回帰モデ
ルによってパターン認識装置を構成した。モーメントは
二値画像のものと濃淡画像のものの二種類を比較した。
二値化の方法には判別分析法を用いている。また両者と
もに二値化の後孤立点を除去している。両者の画像によ
る結果を表２に示す。二値画像の識別結果は目視による
ものとかなり異なっている。この理由は、二値化したた
めにモーメント量が雑音の影響を受けやすくなったため
と考えられる。この結果からモーメントによってパター
ンを認識する場合は、濃淡画像のモーメントが二値画像
のモーメントより好ましいことがわかる。
【００２５】次に同一のパターンに対して、同一の装置
による処理時間を従来方法と本方法を対比させて求め
た。この結果を表３に示す。数字の単位は二値化に要す
る時間とした。従来方法とは、エッジ抽出を行わずに求
める方法、乗算とはエッジを抽出した後モーメントをエ
ッジの乗算により求める方法、加算とはエッジを抽出し
た後モーメントをエッジの加算により求める方法であ
る。乗算と加算では、モーメントを正確に求めるため
に、複数のしきい値を用意した。この場合はしきい値を
１０種類設けた。このとき、従来の、エッジを抽出しな
い多値のモーメントで求めた時の認識性能と同等の濃淡
画像のモーメントを、本発明方法で計算するためには、
複数のしきい値で二値化するための時間が必要である
が、モーメント計算が高速で行えるので、二値化に費や
される時間を入れても時間が十分短縮できている。特に
モーメント計算に加算のみからなる方法を採用した場合
では、エッジ抽出や、二値モーメント算出の時間を合わ
せても、全体として従来の方法の約１／５の処理時間で
済むことがわかる。
による処理時間を従来方法と本方法を対比させて求め
た。この結果を表３に示す。数字の単位は二値化に要す
る時間とした。従来方法とは、エッジ抽出を行わずに求
める方法、乗算とはエッジを抽出した後モーメントをエ
ッジの乗算により求める方法、加算とはエッジを抽出し
た後モーメントをエッジの加算により求める方法であ
る。乗算と加算では、モーメントを正確に求めるため
に、複数のしきい値を用意した。この場合はしきい値を
１０種類設けた。このとき、従来の、エッジを抽出しな
い多値のモーメントで求めた時の認識性能と同等の濃淡
画像のモーメントを、本発明方法で計算するためには、
複数のしきい値で二値化するための時間が必要である
が、モーメント計算が高速で行えるので、二値化に費や
される時間を入れても時間が十分短縮できている。特に
モーメント計算に加算のみからなる方法を採用した場合
では、エッジ抽出や、二値モーメント算出の時間を合わ
せても、全体として従来の方法の約１／５の処理時間で
済むことがわかる。
【００２６】以上の実施例は乗算に比べて加算の速い中
央処理装置を濃淡画像処理回路に用いた場合であるが、
これに限らず、処理回路に専用のハードウェアを用いる
こともできる。図３によれば加算は並列で行うことがで
きる。従ってハードウェアとしては演算の同期をとるこ
とができるシストリックアレイなどが好適である。
央処理装置を濃淡画像処理回路に用いた場合であるが、
これに限らず、処理回路に専用のハードウェアを用いる
こともできる。図３によれば加算は並列で行うことがで
きる。従ってハードウェアとしては演算の同期をとるこ
とができるシストリックアレイなどが好適である。
【００２７】
【表２】
【００２８】
【表３】
【００２９】尚、本発明は狭義のパターン認識にのみ用
い得るものではなく、例えば以下に述べるように画像上
のパターンの傾きの検出等にも用いることができる。画
像パターンの傾きを求めるには、傾きを求めようとする
パターン列を濃淡画像として画像メモリに取り込み、取
り込んだパターンを複数のしきい値で二値化して各しき
い値に応じた二値画像を複数作成し、前記各二値画像に
関して孤立点除去操作を行ったあとエッジを抽出し、エ
ッジのみからパターン列のモーメントを求めたのち、各
モーメントから複数のしきい値に応じて重み付けして濃
淡画像のモーメントを求める。この濃淡画像のモーメン
トから画像上のパターンの傾きが求められる。具体的に
は、パターン列の傾きｋはモーメントを使って次の式で
与えられる。
い得るものではなく、例えば以下に述べるように画像上
のパターンの傾きの検出等にも用いることができる。画
像パターンの傾きを求めるには、傾きを求めようとする
パターン列を濃淡画像として画像メモリに取り込み、取
り込んだパターンを複数のしきい値で二値化して各しき
い値に応じた二値画像を複数作成し、前記各二値画像に
関して孤立点除去操作を行ったあとエッジを抽出し、エ
ッジのみからパターン列のモーメントを求めたのち、各
モーメントから複数のしきい値に応じて重み付けして濃
淡画像のモーメントを求める。この濃淡画像のモーメン
トから画像上のパターンの傾きが求められる。具体的に
は、パターン列の傾きｋはモーメントを使って次の式で
与えられる。
【００３０】
【数１】
【００３１】このように本発明は、パターン認識に関連
した種々の用途に用いることができるものである。
した種々の用途に用いることができるものである。
【００３２】
【発明の効果】以上説明したように、本発明は、濃淡の
モーメントによってパターンの特徴量を捉えるようにし
たので、雑音に強いパターン認識や欠陥信号の分離が容
易にできる。また、モーメントの計算に加法のみからな
る高速アルゴリズムを使用できるので、他の方法に比べ
てより多量の認識を単位時間内に行うことができる。さ
らにこのアルゴリズムをハードウェアとして実現するこ
ともシストリックアレイの使用により容易に行える。
モーメントによってパターンの特徴量を捉えるようにし
たので、雑音に強いパターン認識や欠陥信号の分離が容
易にできる。また、モーメントの計算に加法のみからな
る高速アルゴリズムを使用できるので、他の方法に比べ
てより多量の認識を単位時間内に行うことができる。さ
らにこのアルゴリズムをハードウェアとして実現するこ
ともシストリックアレイの使用により容易に行える。
【００３３】以上の効果から、産業上に寄与するところ
が極めて大きい。
が極めて大きい。
【図１】本発明の一実施例のパターン認識装置の構成図
である。
である。
【図２】画像の濃度レベルのヒストグラムである。
【図３】画像の濃度レベルの累積ヒストグラムである。
【図４】モーメントを求める回路の例である。
【図５】本発明を実施する装置のブロック図である。
【図６】パターン認識が行われる文字パターンの例であ
る。
る。
【図７】パターン認識に用いた濃淡画像の一例である。
【図８】図７に示す濃淡画像をあるしきい値で二値化し
た二値画像の一例である。
た二値画像の一例である。
１ 認識すべきパターン ２ テレビカメラ ３ Ａ／Ｄ変換回路 ４ 濃淡画像メモリ ５ しきい値保持メモリ ６ 二値画像メモリ ７ 孤立点除去、エッジ抽出回路 ８ エッジ画像メモリ ９ 二値画像モーメント計算回路 １０ 二値画像モーメント保持メモリ １１ 二値画像モーメント計算回路 １２ パターン認識装置
Claims (3)
- 【請求項１】 所定の画像を濃淡画像として取り込み、 取り込んだ濃淡画像を複数のしきい値で二値化すること
により複数の二値化画像を生成し、 生成した各二値化画像について１つもしくは複数の各モ
ーメントを求め、 前記複数の二値化画像に亘って、互いに対応する各モー
メントを、各二値化画像に対応する前記しきい値に応じ
た重み付けで重み付け加算することにより、前記所定の
画像の、１つもしくは複数の各モーメントを求めること
を特徴とする画像のモーメント算出方法。 - 【請求項２】 前記各二値化画像のエッジを抽出し、抽
出されたエッジのみに基づいて前記各二値化画像の各モ
ーメントを求めることを特徴とする請求項１記載の画像
のモーメント算出方法。 - 【請求項３】 抽出されたエッジの座標の逐次的な加算
のみに基づいて前記各二値化画像の各モーメントを求め
ることを特徴とする請求項２記載の画像のモーメント算
出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5190191A JPH0744712A (ja) | 1993-07-30 | 1993-07-30 | 画像のモーメント算出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5190191A JPH0744712A (ja) | 1993-07-30 | 1993-07-30 | 画像のモーメント算出方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0744712A true JPH0744712A (ja) | 1995-02-14 |
Family
ID=16253971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5190191A Withdrawn JPH0744712A (ja) | 1993-07-30 | 1993-07-30 | 画像のモーメント算出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0744712A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000052645A1 (fr) * | 1999-03-01 | 2000-09-08 | Matsushita Electric Industrial Co., Ltd. | Dispositif de traitement d'image document, procede d'extraction de titre de document et procede d'information d'etiquetage de document |
| EP1673714A1 (en) * | 2003-10-09 | 2006-06-28 | University of York | Image recognition |
-
1993
- 1993-07-30 JP JP5190191A patent/JPH0744712A/ja not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000052645A1 (fr) * | 1999-03-01 | 2000-09-08 | Matsushita Electric Industrial Co., Ltd. | Dispositif de traitement d'image document, procede d'extraction de titre de document et procede d'information d'etiquetage de document |
| US7035463B1 (en) | 1999-03-01 | 2006-04-25 | Matsushita Electric Industrial Co., Ltd. | Document image processor, method for extracting document title, and method for imparting document tag information |
| EP1673714A1 (en) * | 2003-10-09 | 2006-06-28 | University of York | Image recognition |
| JP2007508609A (ja) * | 2003-10-09 | 2007-04-05 | ユニヴァーシティ オブ ヨーク | 画像認識 |
| JP4860472B2 (ja) * | 2003-10-09 | 2012-01-25 | ユニヴァーシティ オブ ヨーク | 画像認識 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Oliveira et al. | dhSegment: A generic deep-learning approach for document segmentation | |
| Nakamura et al. | Scene text eraser | |
| Yi et al. | Text string detection from natural scenes by structure-based partition and grouping | |
| Gllavata et al. | A robust algorithm for text detection in images | |
| CN108108731B (zh) | 基于合成数据的文本检测方法及装置 | |
| US20160307057A1 (en) | Fully Automatic Tattoo Image Processing And Retrieval | |
| Türkyılmaz et al. | License plate recognition system using artificial neural networks | |
| JPH0728940A (ja) | 文書処理のためのイメージ・セグメント化およびイメージ要素分類の方法 | |
| Breuel | Robust, simple page segmentation using hybrid convolutional mdlstm networks | |
| CN110751154A (zh) | 一种基于像素级分割的复杂环境多形状文本检测方法 | |
| Shirodkar et al. | Automated attendance management system using face recognition | |
| Yadav et al. | Text extraction in document images: highlight on using corner points | |
| Kavitha et al. | A new watershed model based system for character segmentation in degraded text lines | |
| CN112101386A (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
| Pervej et al. | Real-time computer vision-based bangla vehicle license plate recognition using contour analysis and prediction algorithm | |
| De Nardin et al. | Few-shot pixel-precise document layout segmentation via dynamic instance generation and local thresholding | |
| Devi et al. | Text extraction from images using gamma correction method and different text extraction methods—A comparative analysis | |
| Ghosh et al. | GSD-Net: compact network for pixel-level graphical symbol detection | |
| Valiente et al. | A process for text recognition of generic identification documents over cloud computing | |
| JPH0744712A (ja) | 画像のモーメント算出方法 | |
| Rani et al. | Object Detection in Natural Scene Images Using Thresholding Techniques | |
| Bawa et al. | A binarization technique for extraction of devanagari text from camera based images | |
| Khin et al. | License Plate Identification from Myanmar Vehicle Images under Different Environmental Conditions. | |
| Mohana et al. | Era identification and recognition of Ganga and Hoysala phase Kannada stone inscriptions characters using advance recognition algorithm | |
| Kumar et al. | A comparative Analysis of Feature Extraction Algorithms and Deep Learning Techniques for Detection from Natural Images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20001003 |