JPH0765161A - 画像処理装置 - Google Patents
画像処理装置Info
- Publication number
- JPH0765161A JPH0765161A JP5213673A JP21367393A JPH0765161A JP H0765161 A JPH0765161 A JP H0765161A JP 5213673 A JP5213673 A JP 5213673A JP 21367393 A JP21367393 A JP 21367393A JP H0765161 A JPH0765161 A JP H0765161A
- Authority
- JP
- Japan
- Prior art keywords
- image
- threshold value
- neural network
- valued
- feature
- 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.)
- Pending
Links
Landscapes
- Image Input (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 画像処理装置において、２値化の閾値を最適
に設定する。 【構成】 カメラ２によって走査された対象物１の入力
画像はＡ／Ｄ変換部３によってＡ／Ｄ変換され、多値画
像メモリ４に格納される。特徴抽出部５は、多値画像か
ら特徴を抽出してその特徴量をニューラルネットワーク
６へ出力する。ニューラルネットワーク６は、この特徴
量を入力して２値化の最適閾値を判定し出力する。ま
た、ニューラルネットワーク６は、多値画像入力手段９
から予め最適閾値が判明している多値画像と、教師信号
入力手段１０から教師信号とする閾値を入力することに
よって、ニューラルネットワーク内の結合係数が調整さ
れる学習機能も有している。
に設定する。 【構成】 カメラ２によって走査された対象物１の入力
画像はＡ／Ｄ変換部３によってＡ／Ｄ変換され、多値画
像メモリ４に格納される。特徴抽出部５は、多値画像か
ら特徴を抽出してその特徴量をニューラルネットワーク
６へ出力する。ニューラルネットワーク６は、この特徴
量を入力して２値化の最適閾値を判定し出力する。ま
た、ニューラルネットワーク６は、多値画像入力手段９
から予め最適閾値が判明している多値画像と、教師信号
入力手段１０から教師信号とする閾値を入力することに
よって、ニューラルネットワーク内の結合係数が調整さ
れる学習機能も有している。
Description
【０００１】
【産業上の利用分野】本発明は多値画像を２値化する画
像処理装置に関する。
像処理装置に関する。
【０００２】
【従来の技術】従来、画像の２値化の方法として、濃度
ヒストグラムを用いて統計的に最適閾値を求める判別分
析法が知られている。
ヒストグラムを用いて統計的に最適閾値を求める判別分
析法が知られている。
【０００３】これは濃度ヒストグラムを２つのクラスに
分けたとき、クラス間分散が最大になるように、２値化
の閾値を決定する方法であり、一般に種々の画像に対し
て適用されていた。
分けたとき、クラス間分散が最大になるように、２値化
の閾値を決定する方法であり、一般に種々の画像に対し
て適用されていた。
【０００４】
【発明が解決しようとする課題】上述した従来の手法
は、統計的手法であるので２値化レベルを最適値に設定
することができずパラメータによる調整ができないとい
う欠点があった。特に、画像の背景部と対象部の面積比
率が極端に不均衡な入力画像に対しては、判別分析法に
よる各濃度レベルの評価関数値に差異が生じにくいため
精度が悪かった。
は、統計的手法であるので２値化レベルを最適値に設定
することができずパラメータによる調整ができないとい
う欠点があった。特に、画像の背景部と対象部の面積比
率が極端に不均衡な入力画像に対しては、判別分析法に
よる各濃度レベルの評価関数値に差異が生じにくいため
精度が悪かった。
【０００５】そこで、本発明の目的は、２値化の閾値を
最適に設定する画像処理装置を提供することである。
最適に設定する画像処理装置を提供することである。
【０００６】
【課題を解決するための手段】本発明の画像処理装置
は、カメラより入力された多値画像より特徴を抽出する
特徴抽出手段と、特徴抽出手段より得られた特徴量を入
力し、最適な閾値をニューラルネットワークによって求
める手段と、ニューラルネットワークより出力された閾
値によって多値画像を２値化する２値化手段と、ニュー
ラルネットワークの結合係数を多値画像と教師信号であ
る最適閾値を与えることによって学習させる学習手段を
有する。
は、カメラより入力された多値画像より特徴を抽出する
特徴抽出手段と、特徴抽出手段より得られた特徴量を入
力し、最適な閾値をニューラルネットワークによって求
める手段と、ニューラルネットワークより出力された閾
値によって多値画像を２値化する２値化手段と、ニュー
ラルネットワークの結合係数を多値画像と教師信号であ
る最適閾値を与えることによって学習させる学習手段を
有する。
【０００７】
【作用】ニューラルネットワークを用いて多値画像の２
値化を行なっているため、学習制御により２値化閾値が
設定可能であり、画像の種類に応じて最適閾値が調整可
能である。
値化を行なっているため、学習制御により２値化閾値が
設定可能であり、画像の種類に応じて最適閾値が調整可
能である。
【０００８】
【実施例】以下、本発明の実施例を図面に基づいて説明
する。
する。
【０００９】本実施例は、帳票上に書かれた文字を読み
取る文字読取装置において、文字パターンを読み取る際
の画像処理に適用した例を示すものである。そして、特
徴抽出の手段として、濃度ヒストグラムを用いる手段の
場合について示してある。
取る文字読取装置において、文字パターンを読み取る際
の画像処理に適用した例を示すものである。そして、特
徴抽出の手段として、濃度ヒストグラムを用いる手段の
場合について示してある。
【００１０】図１は本発明の一実施例の画像処理装置の
構成ブロック図で、図２は特徴抽出部５によって抽出さ
れニューラルネットワ−ク６に入力される特徴量である
濃度ヒストグラムの一例を示す図である。
構成ブロック図で、図２は特徴抽出部５によって抽出さ
れニューラルネットワ−ク６に入力される特徴量である
濃度ヒストグラムの一例を示す図である。
【００１１】なお、ニューラルネットワーク６に入力さ
れる濃度ヒストグラムの値は各濃度レベルでの画素出現
数を全画素数で除することによって正規化した値になっ
ている。
れる濃度ヒストグラムの値は各濃度レベルでの画素出現
数を全画素数で除することによって正規化した値になっ
ている。
【００１２】以上の前提の下で、本実施例の構成を説明
する。
する。
【００１３】カメラ２は帳票上に書かれた文字を走査す
るものである。Ａ／Ｄ変換部３はカメラ２より入力され
たアナログ画像をＡ／Ｄ変換し、デジタル画像に変換
し、多値画像メモリ４に格納する。特徴抽出部５は多値
画像メモリ４に格納されている多値画像の各濃度レベル
での出現頻度を求め、それを全画素数で除した値をニュ
ーラルネットワーク６へ出力する。ニューラルネットワ
ーク６は特徴抽出部５から出力される特徴量を入力して
２値化の最適閾値を判定し出力する。また、ニューラル
ネットワーク６は、多値画像入力手段９から予め最適閾
値が判明している多値画像と教師信号入力手段１０から
教師信号とする閾値を入力することによって、ニューラ
ルネットワーク６内のユニット間の結合係数が調整され
る学習機能も有している。多値／２値化変換部８はニュ
ーラルネットワーク６から出力された２値化最適閾値を
用いて多値画像を２値画像へ変換し、２値画像メモリ７
に格納する。
るものである。Ａ／Ｄ変換部３はカメラ２より入力され
たアナログ画像をＡ／Ｄ変換し、デジタル画像に変換
し、多値画像メモリ４に格納する。特徴抽出部５は多値
画像メモリ４に格納されている多値画像の各濃度レベル
での出現頻度を求め、それを全画素数で除した値をニュ
ーラルネットワーク６へ出力する。ニューラルネットワ
ーク６は特徴抽出部５から出力される特徴量を入力して
２値化の最適閾値を判定し出力する。また、ニューラル
ネットワーク６は、多値画像入力手段９から予め最適閾
値が判明している多値画像と教師信号入力手段１０から
教師信号とする閾値を入力することによって、ニューラ
ルネットワーク６内のユニット間の結合係数が調整され
る学習機能も有している。多値／２値化変換部８はニュ
ーラルネットワーク６から出力された２値化最適閾値を
用いて多値画像を２値画像へ変換し、２値画像メモリ７
に格納する。
【００１４】文字パターンの場合、このようにして特徴
を抽出した際には、一般的に図２のような分布になり、
背景部と対象部が山になり、谷の部分の閾値が最適閾値
となる場合が多い。ニューラルネットワク６では入力さ
れた特徴量と教師信号である閾値の入力によってニュー
ラルネットワークの学習過程が動作し、ニューラルネッ
トワーク６の各ユニット間の結合係数が調整される。予
め最適閾値が判明している多数の多値画像を用いて、こ
の学習過程を繰り返すことによって、ニューラルネット
ワーク６のユニット間結合係数が繰り返し調整され教師
信号である閾値の値と、学習に用いた多値画像を使用し
て識別過程を実行させた際のニューラルネットワーク６
の出力である閾値との差がどの多値画像についても殆ど
なくなるまで学習を繰り返す。これらの動作によってニ
ューラルネットワーク６のユニット間結合係数は２値化
の最適閾値を識別可能な状態になっていく。
を抽出した際には、一般的に図２のような分布になり、
背景部と対象部が山になり、谷の部分の閾値が最適閾値
となる場合が多い。ニューラルネットワク６では入力さ
れた特徴量と教師信号である閾値の入力によってニュー
ラルネットワークの学習過程が動作し、ニューラルネッ
トワーク６の各ユニット間の結合係数が調整される。予
め最適閾値が判明している多数の多値画像を用いて、こ
の学習過程を繰り返すことによって、ニューラルネット
ワーク６のユニット間結合係数が繰り返し調整され教師
信号である閾値の値と、学習に用いた多値画像を使用し
て識別過程を実行させた際のニューラルネットワーク６
の出力である閾値との差がどの多値画像についても殆ど
なくなるまで学習を繰り返す。これらの動作によってニ
ューラルネットワーク６のユニット間結合係数は２値化
の最適閾値を識別可能な状態になっていく。
【００１５】
【発明の効果】以上説明したように、本発明は、ニュー
ラルネットワークを用いて多値画像の２値化を行なって
いるため、学習制御により２値化閾値が設定可能であ
り、画像の種類に応じて最適閾値が調整可能であるとい
う効果がある。
ラルネットワークを用いて多値画像の２値化を行なって
いるため、学習制御により２値化閾値が設定可能であ
り、画像の種類に応じて最適閾値が調整可能であるとい
う効果がある。
【図１】本発明の一実施例の画像処理装置のブロック図
である。
である。
【図２】特徴抽出部５によって抽出されニューラルネッ
トワーク６に入力される特徴量である濃度ヒストクグラ
ムの一例を示す図である。
トワーク６に入力される特徴量である濃度ヒストクグラ
ムの一例を示す図である。
１ 対象物 ２ カメラ ３ Ａ／Ｄ変換部 ４ 多値画像メモリ ５ 特徴抽出部 ６ ニューラルネットワーク ７ ２値画像メモリ ８ 多値／２値変換部 ９ 多値画像入力手段 １０ 教師信号入力手段
【手続補正書】
【提出日】平成６年１月２１日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】特許請求の範囲
【補正方法】変更
【補正内容】
【特許請求の範囲】
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 7459−5Ｌ Ｇ０６Ｆ 15/70 ４６５ Ａ
Claims (1)
- 【請求項１】 カメラで対象物を撮影し入力したアナロ
グ画像信号をＡ／Ｄ変換し、多値レベルのデジタル画像
に変換し、当該多値画像を論理処理することによって求
めた閾値によって２値化する画像処理装置において、 カメラより入力された多値画像より特徴を抽出する特徴
抽出手段と、該特徴抽出手段より得られた特徴量を入力
し、最適な閾値をニューラルネットワークによって求め
る手段と、前記ニューラルネットワークより出力された
閾値によって多値画像を２値化する２値化手段と、ニュ
ーラルネットワークの結合係数を多値画像と教師信号で
ある最適閾値を与えることによって学習させる学習手段
を有することを特徴とする画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5213673A JPH0765161A (ja) | 1993-08-30 | 1993-08-30 | 画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5213673A JPH0765161A (ja) | 1993-08-30 | 1993-08-30 | 画像処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0765161A true JPH0765161A (ja) | 1995-03-10 |
Family
ID=16643079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5213673A Pending JPH0765161A (ja) | 1993-08-30 | 1993-08-30 | 画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0765161A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018180635A (ja) * | 2017-04-04 | 2018-11-15 | コニカミノルタ株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0556257A (ja) * | 1991-08-22 | 1993-03-05 | Canon Inc | 画像読取装置 |
| JPH06113139A (ja) * | 1992-09-25 | 1994-04-22 | Olympus Optical Co Ltd | 画像２値化装置 |
| JPH06195511A (ja) * | 1992-12-22 | 1994-07-15 | Ricoh Co Ltd | ２値化しきい値決定装置 |
-
1993
- 1993-08-30 JP JP5213673A patent/JPH0765161A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0556257A (ja) * | 1991-08-22 | 1993-03-05 | Canon Inc | 画像読取装置 |
| JPH06113139A (ja) * | 1992-09-25 | 1994-04-22 | Olympus Optical Co Ltd | 画像２値化装置 |
| JPH06195511A (ja) * | 1992-12-22 | 1994-07-15 | Ricoh Co Ltd | ２値化しきい値決定装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018180635A (ja) * | 2017-04-04 | 2018-11-15 | コニカミノルタ株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Phillips | Image processing in C | |
| US7177483B2 (en) | System and method for enhancement of document images | |
| US6798906B1 (en) | Image processing apparatus and method including line segment data extraction | |
| US7457432B2 (en) | Specified object detection apparatus | |
| ATE71787T1 (de) | Verfahren zur umwandlung eines originalen videobildes mit vielen graupegeln in ein binaeres bild. | |
| JP3335009B2 (ja) | 画像処理方法及び画像処理装置 | |
| US6944340B1 (en) | Method and apparatus for efficient determination of recognition parameters | |
| JPH02196565A (ja) | 画像二値化方式 | |
| JP2004280334A (ja) | 画像読み取り装置 | |
| JPS61141087A (ja) | 画像処理方法及び装置 | |
| JPH0765161A (ja) | 画像処理装置 | |
| KR102361444B1 (ko) | 다각형 기반의 객체 인식 성능 보정 장치 및 방법 | |
| JP2606498B2 (ja) | 指紋画像入力装置 | |
| JP3759349B2 (ja) | 画像解析装置と画像解析方法 | |
| JPH0540848A (ja) | 文書画像の領域抽出方法 | |
| JP2853140B2 (ja) | 画像領域識別装置 | |
| JP3037781B2 (ja) | データ二値化方法 | |
| JPH0375889A (ja) | 画像抽出方法 | |
| JPS6180474A (ja) | 認識装置 | |
| JPH0330100A (ja) | ナンバープレートの車種コード認識方法 | |
| JPS6331825B2 (ja) | ||
| KR100332753B1 (ko) | 화상처리장치의이미지처리방법 | |
| JPH0535914A (ja) | 画像傾き検出方法 | |
| CA2201557A1 (en) | Degraded character image restoration | |
| JPS61232769A (ja) | 画像編集装置 |