JPH08185477A - 画像分類装置 - Google Patents

Abstract

(57)【要約】 【目的】 入力された画像データが文書画像であるか、
また特に名刺画像であるかどうかを判定する画像分類装
置を提供する。 【構成】 画像入力装置１１より入力された多値画像デ
ータは、多値画像データと２値化された２値画像データ
としてメモリ１２３１，１２３２に記録される。２値画
像データの中の対象物を示すデータの集合（連結成分）
の中で文字らしさを持つ集合（有効な連結成分）が抽出
される。一方多値画像データは微分された後、２値化さ
れることによってエッジ部分が検出される。有効な連結
成分の面積と、有効な連結成分とエッジ部分との重なり
部分の面積との比が計算され、比がしきい値以上のもの
は文書画像と判定され、文書というキーワードとともに
画像データベース装置１３に記録される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は画像分類装置に関し、
特に画像データベース入力時に入力画像の属性を判定
し、自動的に分類、登録する画像分類装置に関する。

【０００２】

【従来の技術】人間が予め文書画像であると判断した画
像に対して、その画像の内部を自動的に領域分割して各
領域の属性判定を行なう方法が特開平４−３１６１８０
および特開昭６２−７１３７９において開示されてい
る。

【０００３】前者は２値化された入力画像を領域分割
し、各々の領域の白黒反転回数や黒画素の割合により写
真領域か文字領域かなどの属性を判定するものであり、
後者は同じく２値化された入力画像を領域分割し、各々
の領域のランレングス特徴や黒画素率により、写真領域
か文字領域かなどの属性を判定するものである。

【０００４】

【発明が解決しようとする課題】しかしながら従来の技
術は文書画像を対象として、画像内部で領域分割された
各々の領域の属性を判定するのみであり、入力画像その
ものが文書画像であるか否かを判定する方法や装置はこ
れまで開示されていなかった。

【０００５】そのため文書画像に限らずさまざまな画像
データが入力されるマルチメディアデータベースに画像
が登録される際には、人間がその入力画像の内容を分
類、判断して適当なキーワードを付加する必要があっ
た。

【０００６】またこのようなマルチメディアデータベー
スに特開平４−３１６１８０および特開昭６２−７１３
７９の技法を適用するときには、まず入力された画像が
文書画像であるかどうかを人間が予め判定してからそれ
らの技法を適用しなければならない。

【０００７】さらに画像データから名刺画像のみを分類
する装置も従来技術としてなかったため、名刺画像から
たとえば文字認識を利用して住所録作成などの処理を行
なう場合、さまざまな画像中から人間が名刺画像を選び
出し、それぞれの画像に対して文字認識処理を行なうと
いう手間をかけなければならなかった。

【０００８】この発明は上記のような課題を解決するた
めになされたもので、入力された画像そのものが文書画
像であるかどうか、また特に名刺画像であるかどうかを
自動的に判定して人間の手間をかけずに分類（キーワー
ド付加）して画像データベースに登録することができ、
また画像の内容に応じた処理、たとえば文字認識を用い
た住所録作成などを自動的に行なうことのできる画像分
類装置を提供することを目的とする。

【０００９】

【課題を解決するための手段】請求項１に記載の画像分
類装置は、入力された画像データの中から対象物を表わ
す隣接した複数の画素よりなる連結成分を識別する識別
手段と、入力された画像データの中の連結成分の形状か
ら文字らしさを表わす特徴量を抽出する抽出手段と、抽
出された特徴量に基づいて、入力された画像データが文
書画像か否かを判別する判別手段とを備えたものであ
る。

【００１０】請求項２に記載の画像分類装置は、請求項
１に記載の画像分類装置であって、入力された画像デー
タは濃淡画像データよりなり、抽出手段は、入力された
濃淡画像データからエッジの強いデータ領域を検出する
エッジ検出手段を含み、連結成分の面積と、連結成分と
データ領域との重なり領域の面積とから特徴量を抽出す
るものである。

【００１１】請求項３に記載の画像分類装置は、請求項
１に記載の画像分類装置であって、抽出手段は、連結成
分の各々に対する外接矩形の面積を算出する算出手段を
含み、連結成分の面積と外接矩形の面積とから特徴量を
抽出するものである。

【００１２】請求項４に記載の画像分類装置は、入力さ
れた画像データの中から対象物を表わす隣接した複数の
画素よりなる連結成分を識別する識別手段と、連結成分
の数を特徴量として計測する計測手段と、計測された特
徴量に基づいて、入力された画像データが名刺画像か否
かを判別する判別手段とを備えたものである。

【００１３】請求項５に記載の画像分類装置は、入力さ
れた画像データの中から対象物を表わす隣接した複数の
画素よりなる連結成分を識別する識別手段と、識別され
た連結成分を最隣接する２つの連結成分ごとに分け、分
けられた２つの連結成分ごとの並び方向を抽出する方向
抽出手段と、抽出された並び方向の特定の範囲の方向へ
の集中度を特徴量として計測する計測手段と、計測され
た特徴量に基づいて、入力された画像データが名刺画像
か否かを判別する判別手段とを備えたものである。

【００１４】請求項６に記載の画像分類装置は、入力さ
れた画像データから微分画像データを作成する微分画像
データ作成手段と、微分画像データに基づいて、濃度投
影ヒストグラムを作成する濃度投影ヒストグラム作成手
段と、作成された濃度投影ヒストグラムから特徴量を計
算する計算手段と、計算された特徴量に基づいて、入力
された画像データが名刺画像か否かを判別する判別手段
とを備えたものである。

【００１５】請求項７に記載の画像分類装置は、請求項
４に記載の画像分類装置であって、識別された連結成分
を最隣接する２つの連結成分ごとに分け、分けられた２
つの連結成分ごとの並び方向を抽出する方向抽出手段
と、抽出された並び方向の特定の範囲の方向への集中度
を特徴量として計測する計測手段とをさらに備え、特徴
量は特定の範囲の方向への集中度を含むものである。

【００１６】請求項８に記載の画像分類装置は、請求項
４または７に記載の画像分類装置であって、入力された
画像データから微分画像データを作成する微分画像デー
タ作成手段と、微分画像データに基づいて、濃度投影ヒ
ストグラムを作成する濃度投影ヒストグラム作成手段
と、作成された濃度投影ヒストグラムの微分値に基づく
データを計算する計算手段とをさらに備え、特徴量は濃
度投影ヒストグラムの微分値に基づくデータを含むもの
である。

【００１７】請求項９に記載の画像分類装置は、請求項
１から５ならびに７および８のいずれかに記載の画像分
類装置であって、識別手段は、入力された画像データの
中から対象物を表わす隣接した複数の画像のうち所定の
条件を満たす画素を連結成分として識別するものであ
る。

【００１８】

【作用】請求項１に記載の画像分類装置は、入力された
画像データの中から対象物を表わす隣接した複数の画素
よりなる連結成分を識別し、入力された画像データの中
の連結成分の形状から文字らしさを表わす特徴量を抽出
し、抽出された特徴量に基づいて入力された画像データ
が文書画像か否かを判別する。

【００１９】請求項２に記載の画像分類装置は、請求項
１に記載の画像分類装置の作用に加え、濃淡画像データ
を入力し、入力された濃淡画像データからエッジの強い
データ領域を検出し、連結成分の面積と、連結成分とデ
ータ領域との重なり領域の面積とから特徴量を抽出す
る。

【００２０】請求項３に記載の画像分類装置は、請求項
１に記載の画像分類装置の作用に加えて、連結成分の各
々に対する外接矩形の面積を算出し、連結成分の面積と
外接矩形の面積とから特徴量を抽出する。

【００２１】請求項４に記載の画像分類装置は、入力さ
れた画像データの中から対象物を表わす隣接した複数の
画素よりなる連結成分を識別し、連結成分の数を特徴量
として計測し、計測された特徴量に基づいて入力された
画像データが名刺画像か否か判別する。

【００２２】請求項５に記載の画像分類装置は、入力さ
れた画像データの中から対象物を表わす隣接した複数の
画素よりなる連結成分を識別し、識別された連結成分を
最隣接する２つの連結成分ごとに分け、分けられた２つ
の連結成分ごとの並び方向を抽出し、抽出された並び方
向の特定の範囲の方向への集中度を特徴量として計測
し、特徴量に基づいて入力された画像データが名刺画像
か否か判別する。

【００２３】請求項６に記載の画像分類装置は、入力さ
れた画像データから微分画像データを作成し、微分画像
データに基づいて濃度投影ヒストグラムを作成し、作成
された濃度投影ヒストグラムから特徴量を計算し、特徴
量に基づいて入力された画像データが名刺画像か否か判
別する。

【００２４】請求項７に記載の画像分類装置は、請求項
４に記載の画像分類装置の作用に加え、識別された連結
成分を最隣接する２つの連結成分ごとに分け、分けられ
た２つの連結成分ごとの並び方向を抽出し、抽出された
並び方向の特定の範囲の方向への集中度を特徴量として
計測する。

【００２５】請求項８に記載の画像分類装置は、請求項
４または７に記載の画像分類装置の作用に加え、入力さ
れた画像データから微分画像データを作成し、微分画像
データに基づいて濃度投影ヒストグラムを作成し、作成
された濃度投影ヒストグラムの微分値に基づくデータを
特徴量とする。

【００２６】請求項９に記載の画像分類装置は、請求項
１から５ならびに７および８のいずれかに記載の画像分
類装置の作用に加え、入力された画像データの中から対
象物を表わす隣接した複数の画素のうち所定の条件を満
たす画素を連結成分として識別する。

【００２７】

【実施例】

（第１の実施例）図１は本発明の第１の実施例における
画像分類装置のシステム構成を示すブロック図である。

【００２８】図を参照して画像分類装置は、大きくはカ
メラやスキャナなどを含む画像入力のための画像入力装
置１１と、入力された画像を処理することにより画像を
文書画像、非文書画像に分類（キーワード付け）する画
像処理装置１２と、画像処理装置１２により分類された
画像を記憶する画像データベース装置１３とから構成さ
れる。

【００２９】各々の装置はバス１５により接続されてい
る。画像処理装置１２は、入力された画像を処理、分類
し、かつシステム全体の動作を制御するためのＣＰＵな
どで構成された制御装置１２１と、各種プログラムや定
数などを記憶するＲＯＭ１２２と、画像や処理データな
どを記憶するＲＡＭ１２３とを含む。

【００３０】ＲＯＭ１２２は、画像入力の処理のために
用いられる画像入力処理部１２２１と、画像を２値化す
るために用いられる画像２値化処理部１２２２と、２値
化された画像データの中の領域を識別する領域抽出処理
部１２２３と、２値化された画像データの中のデータの
連結成分にラベリング（ラベル番号を付す処理）を行な
うラベリング処理部１２２４と、２値化された画像デー
タの中の文字らしさの特徴を抽出する文字らしさの特徴
抽出処理部１２２５と、画像の分類を行なう画像分類処
理部１２２６と、画像データベース装置１３に画像デー
タを分類して登録する画像登録処理部１２２７とを含
む。

【００３１】ＲＡＭ１２３は、入力された画像データを
２５６階調の画像データとして記憶する多値画像メモリ
１２３１と、“０”および“１”の２値で表わされる画
像データを記憶する２値画像メモリ１２３２と、データ
の連結成分の各々のラベル番号を記憶するラベル画像メ
モリ１２３３と、各々の連結成分のフィレ座標および面
積を記憶するフィレ座標メモリ１２３４と、多値画像メ
モリ１２３１の画像データの微分画像を記憶する微分画
像メモリ１２３５と、微分画像メモリ１２３５の画像デ
ータをしきい値により２値化した画像データを記憶する
微分２値画像メモリ１２３６と、２値画像メモリ１２３
２の画像データおよび微分２値画像メモリ１２３６の画
像データの論理積画像（ＡＮＤ画像）を記憶するＡＮＤ
画像メモリ１２３７とを含む。

【００３２】このシステム構成により、画像入力装置１
１から入力されたさまざまな画像は、画像処理装置１２
において画像の持つ特徴量が調べられることにより、自
動的に文書画像か非文書画像かに分類されて画像データ
ベース装置１３に記録されることになる。

【００３３】たとえば文書画像とは図４に示される文字
を多く含む画像であり、非文書画像とは図５に示される
風景画像などである。

【００３４】図２および図３は図１の制御装置１２１の
処理ルーチンを示すフローチャートである。

【００３５】図２および図３のフローチャートは図中Ａ
の部分で連結しており一連の処理を示す。

【００３６】ステップＳ２０１において、制御装置１２
１は画像入力装置１１により画像データを入力し、それ
を多値画像メモリ１２３１に記憶する。多値画像メモリ
１２３１に記憶される画像データは、図６を参照してＸ
方向に５１２画素、Ｙ方向に４３２画素からなるデータ
であり、１画素は“０”（黒画素）から“２５５”まで
の２５６階調（８ビット）の輝度値を持つ。画像データ
の図に対して最も左上の画素を原点（０，０）とし、Ｘ
方向に０〜５１１の座標を、Ｙ方向に０〜４３１の座標
を付設する。

【００３７】多値画像メモリ１２３１は図７に示される
構成をしている。すなわち多値画像メモリ１２３１はＸ
座標、Ｙ座標で示される各々の画素に対して２５６階調
の輝度値を記憶する８ビットのメモリを保有している。
メモリには原点（０，０）の画素の輝度値を先頭とし
て、Ｘ座標の増加順に画素の輝度値のデータが順次記憶
され、次にＹ座標を１増加した後に同様にＸ座標０から
Ｘ座標の増加順に輝度値のデータが記憶され、座標（５
１１，４３１）までのすべての画素の輝度値のデータが
記憶される。

【００３８】ステップＳ２０２において、制御装置１２
１は多値画像メモリ１２３１に記憶された２５６階調の
輝度値を持つ画像データ（多値画像データ）の全体を２
値化する。２値化された画像データ（２値画像データ）
は２値画像メモリ１２３２に記憶される。

【００３９】２値化は具体的には制御装置１２１がメモ
リ１２３１の多値画像データ全体を走査し、２値化のた
めの輝度のしきい値を設定した後に、しきい値以上の輝
度を持つ画素を白画素（“１”のデータ）、しきい値未
満の輝度を持つ画素を黒画素（“０”のデータ）とする
ことにより行なわれる。ここにしきい値の設定方法とし
て、たとえば田村秀行監修、日本工業技術センター編、
「コンピュータ画像処理入門」，総研出版，１９８８
年，ｐ．６６〜ｐ．６９に述べられている方法（判別分
析法、ｐ−タイル法、モード法など）を用いることがで
きる。この実施例においてはその中の判別分析法が用い
られる。

【００４０】判別分析法は異なる輝度値を持つ画素の集
合をしきい値（ｔｈ）により２つのクラス（ｔｈ以上と
ｔｈ未満）に分割したと仮定したとき、各々のクラス間
の分散が最大になるようにしきい値（ｔｈ）を設定する
方法である。

【００４１】しきい値の決定後制御装置１２１は多値画
像メモリ１２３１に記憶されている多値画像データを原
点から走査し、各画素の輝度値を読取り、設定されたし
きい値と比較する。その結果当該輝度値がしきい値未満
であればその画素の輝度値は“０”（黒画素）として、
また当該輝度値がしきい値以上であればその画素の輝度
値は“１”（白画素）として２値画像メモリ１２３２に
記憶される。

【００４２】２値画像メモリ１２３２のアドレス構成は
図７の多値画像メモリ１２３１と同じであるが、輝度値
として“０”か“１”かの１ビットのデータが記録され
る点で異なる。

【００４３】ステップＳ２０３において、制御装置１２
１は２値画像メモリ１２３２の２値画像データの中で白
画素の数が画素の総数の１／３より多いか判定する。Ｙ
ＥＳであればステップＳ２０４において、２値画像メモ
リ１２３２の２値画像データの“０”のデータと“１”
のデータとが反転される。

【００４４】ステップＳ２０３においてＮＯのときは、
ステップＳ２０４の処理は行なわれない。

【００４５】ステップＳ２０３からＳ２０４の処理を行
なうのは以下の理由による。画像データは通常は黒画素
が背景、白画素が対象物として処理されるので、たとえ
ば図４に示される白画素の背景に黒画素の対象物からな
る画像データが入力されたときには、画像データの白黒
を反転する必要がある。そこで画素全体の中で白画素が
１／３以上のときは、背景が白画素で対象物が黒画素で
あると判定し、白画素と黒画素とを反転させることにし
ている。

【００４６】ステップＳ２０５において、２値画像メモ
リ１２３２の２値画像データの中の白画素の連結成分が
抽出されそれぞれにラベリングが行なわれる。

【００４７】連結成分とは画像データの中で白画素
（“１”のデータ）が縦、横、斜めに連続している一群
を示す。たとえば画像データが図８に示されるデータで
あったとすると縦横斜めに“１”のデータが連続してい
るグループとして連結成分２０ａ〜２０ｄの４つの連結
成分が抽出され、それぞれの連結成分を識別するための
ラベル番号が図９のように設定される。図９ではラベル
番号として図８の連結成分２０ａに“１”のデータ、連
結成分２０ｂに“２”のデータ、連結成分２０ｃに
“３”のデータ、連結成分２０ｄに“４”のデータが各
々設定されている。ラベル番号のない黒画素に対しては
ラベル番号の代わりに、“０”のデータが設定される。

【００４８】ラベル番号はラベル画像メモリ１２３３に
記録される。ラベル画像メモリ１２３３は図１０に示さ
れるアドレス構成をしている。すなわちアドレス構成は
２値画像メモリ１２３２と同じである。各アドレスはそ
のアドレスに対応する画像に付されたラベル番号を記憶
する１６ビットのメモリを備えている。各々のメモリの
ビット数はラベル番号の最大値を記憶することができる
だけ用意する必要があるが、本実施例では１６ビットで
あれば十分であると考えられている。

【００４９】なおラベリングの方法として、たとえば鳥
脇純一郎著「画像理解のためのデジタル画像処理（Ｉ
Ｉ）」昭晃堂、１９８８年、ｐ．４５〜ｐ．４６に述べ
られている方法を用いることができる。

【００５０】ステップＳ２０６において、制御装置１２
１はラベル番号の付された各々の連結成分のフィレ座標
および面積を抽出する。フィレ座標とは画像中の１つの
連結成分に外接する最小の矩形の左上と右下の座標であ
り、図１１に示されるような連結成分があったときに
は、左上のフィレ座標は（ｘ＿ｓｐ，ｙ＿ｓｐ）であ
り、右下のフィレ座標は（ｘ＿ｅｐ，ｙ＿ｅｐ）であ
る。

【００５１】すなわち同じラベル番号を付されている画
素のＸ座標，Ｙ座標のうち最大のＸ座標および最大のＹ
座標の組が右下のフィレ座標となり、最小のＸ座標およ
び最小のＹ座標の組が左上のフィレ座標となる。

【００５２】また連結成分の面積とは同じラベル番号を
付されている画素数すなわち各々の連結成分の画素数で
表わされる。

【００５３】なお図１１では説明の便宜上連結成分を
黒、背景を白で示している。各々の連結成分のフイレ座
標および面積はフィレ座標メモリ１２３４に記憶され
る。フィレ座標メモリ１２３４は、図１２に示される構
成をしている。すなわちラベル番号順に左上のフィレ座
標のＸ座標，Ｙ座標，右下のフィレ座標のＸ座標，Ｙ座
標，および当該連結成分の面積が記録される。座標、面
積の各々を記憶するメモリは１６ビットである。したが
って１つのラベルにつき８０ビットのメモリ領域を持
つ。

【００５４】ステップＳ２０７において不要な連結成分
が除去される。不要な連結成分とは以下に述べる連結成
分である。

【００５５】(1) 連結成分の面積が３画素以下の微小
成分 (2) 連結成分に外接する矩形のＸ方向の幅が画像デー
タの全体のＸ方向の幅（５１２画素）の８分の１より大
きい、あるいは連結成分に外接する矩形のＹ方向の幅が
画像データ全体のＹ方向の幅（４３２画素）の８分の１
より大きい巨大成分 (3) 連結成分に外接する矩形のＸ方向とＹ方向のいず
れかの一方の幅が他方の幅の４倍より大きい細長成分 以上に述べた３つの連結成分は文字情報ではないと考え
られるため、２値画像メモリ１２３２から削除される。

【００５６】たとえば２値画像メモリ１２３２に、図１
３に示されるラベル１からラベル６の６種類の連結成分
が存在しており、それに対応してフィレ座標メモリ１２
３４に図１４に示されるデータが記録されているとす
る。このとき、ラベル２の連結成分はＹ方向の幅が大き
すぎるため、前述した巨大成分として除去される。

【００５７】ラベル４の連結成分は、面積が３画素以下
であるため微小成分として除去される。

【００５８】ラベル６の連結成分はＸ軸方向の幅がＹ軸
方向の幅の４倍以上であるため細長成分として除去され
る。

【００５９】したがって各々の連結成分が除去された結
果、図１５に示されるように２値画像メモリ１２３２に
は、ラベル１，３，５の連結成分が残されることにな
る。

【００６０】ステップＳ２０８において、制御装置１２
１は多値画像メモリ１２３１の多値画像データに空間微
分処理を施す。微分処理を施された画像（微分画像）は
微分画像メモリ１２３５に記録される。

【００６１】画像の微分は画像中の濃度の不連続性の高
い部分を検出するために行なわれるものである。

【００６２】画像中の濃度の不連続性の高い部分（濃度
値の変化が大きいところ）は対象物の境界（エッジ部
分）であると認識される。

【００６３】具体的な微分処理の方法は以下のように行
なわれる。図１６を参照して多値画像メモリ１２３１の
中の微分対象の画像の座標を（ｉ，ｊ）とすると、座標
（ｉ，ｊ）の画素と、座標（ｉ，ｊ）の画素に対して、
縦横斜めに接する合計縦３×横３の画素とが微分に用い
られる画素となる。この縦３×横３の画素の各々の輝度
値に図１７に示される係数が掛けられる。係数が掛けら
れた後の縦３×横３のすべての輝度値をすべて足し合わ
せた形をδ_x Ｆ（ｉ，ｊ）とする。

【００６４】一方、縦３×横３の画素の各々の輝度値
に、図１８に示される係数を掛け、係数を掛けた後の縦
３×横３のすべての輝度値をすべて足し合わせた値をδ
_y Ｆ（ｉ，ｊ）とする。

【００６５】ここで微分値としてたとえば｜δ_x Ｆ
（ｉ，ｊ）｜＋｜δ_y Ｆ（ｉ，ｊ）｜により求められる
値を用いることができる。

【００６６】なお図１７，図１８の係数はソーベルオペ
レータと呼ばれ、田村秀行監修、日本工業技術センター
編「コンピュータ画像処理入門」、総研出版、１９８８
年、ｐ．１１８〜ｐ．１２５において開示されている。
微分値を求める方法として他の方法を用いてもよい。

【００６７】図１７および図１８のソーベルオペレータ
により、多値画像メモリ１２３１の中の画素が走査さ
れ、各々の画素の微分値が微分画像メモリ１２３５に記
録される。

【００６８】なお多値画像メモリ１２３１の中で、画像
データの端に当たる部分（Ｘ座標が０または５１１もし
くはＹ座標が０または４３１の部分）はソーベルオペレ
ータを適用することができないので、たとえば“０”の
データが記録される。

【００６９】ステップＳ２０９において、微分画像メモ
リ１２３５に記録された微分画像がしきい値により２値
化され、微分２値画像メモリ１２３６に記録される。２
値化の処理はステップＳ２０２で説明した方法と同様で
あるのでここでの説明を省略する。

【００７０】これらの処理により微分２値画像メモリ１
２３６には入力画像の中で輝度値の変化が大きいところ
が白画素（“１”のデータ）として記録されることにな
る。

【００７１】ステップＳ２１０において、２値画像メモ
リ１２３２の画像データと微分２値画像メモリ１２３６
の画像データのＡＮＤ演算が行なわれ、その結果がＡＮ
Ｄ画像メモリ１２３７に記録される。ＡＮＤ演算とは２
つの２値画像の同じ座標位置のデータがともに“１”
（白画素）である画素だけに“１”のデータを与え、そ
れ以外の画素には“０”のデータを与える演算である。
この処理により有効な連結成分の２値画像データと輝度
値の変化が大きい部分の２値画像データとの重なり領域
が“１”のデータとしてＡＮＤ画像メモリ１２３７に記
録されることになる。

【００７２】図１９は図４の文書画像の中の１つの連結
成分が２値画像メモリ１２３２に記録されている状態を
示す図である。

【００７３】なお図１９は説明の便宜上白画素を背景
（“０”のデータの部分）、黒画素を対象物（“１”の
データの部分）としているが、実際は白画素は対象物、
黒画素は背景として（つまり図１９とは白黒反転して）
メモリに記録されている（以下図２４まで同じ）。

【００７４】図２０は図１９で示されている連結成分と
同じ連結成分が微分２値画像メモリ１２３４に記録され
ている状態を示す図である。図を参照して輝度値の変化
の大きい対象物と背景の境界部が“１”のデータとして
記録されている。

【００７５】図２１はＡＮＤ画像メモリ１２３７に記録
された状態での図１９と同じ連結成分を説明するための
図である。ＡＮＤ画像メモリ１２３７には図１９の画像
と図２０の画像のＡＮＤ演算を行なった結果が記録され
ることになる。

【００７６】図２２から図２４は図５の風景画像の中の
１つの連結成分が各々のメモリに記録された状態を示す
図であって、図１９から図２１に対応した図である。

【００７７】風景画像と文書画像とを比較すると以下の
傾向がある。文書画像では２値画像メモリ１２３２に記
録される連結成分の面積に対するＡＮＤ画像メモリ１２
３７に記憶される当該連結成分の面積の比は比較的大き
く、風景画像では２値画像メモリ１２３２に記憶される
連結成分の面積に対するＡＮＤ画像メモリ１２３７に記
憶される当該連結成分の面積の比は比較的小さい。これ
は文字の連結成分はエッジ情報が多いことに基づくもの
であり、この差により入力画像が文書画像かそれ以外か
を判定することができる。

【００７８】ステップＳ２１１において、制御装置１２
１はステップＳ２０７で求められた有効な連結成分の面
積全体に対するステップＳ２１０で求められたＡＮＤ画
像メモリ１２３７の面積全体の割合edge ratioを計算す
る。edge ratioは（１）式により計算される。

【００７９】 edge ratio＝（Σedge area ／Σbinary area ）×１００ …（１） なお（１）式においてedge area は、ＡＮＤ画像メモリ
１２３７に記録されている各領域の面積であり、binary
area は２値画像メモリ１２３２に含まれている各領域
の面積である。Σはメモリ中のすべての面積を合計する
ことを示している。

【００８０】なお各々の領域でedge ratioを計算し、最
後にedge ratio全体の平均を取るなどしてもよい。

【００８１】ステップＳ２１２において、制御装置１２
１はステップＳ２１１で求められたedge ratioを設定さ
れているしきい値と比較し、edge ratioがしきい値以上
か判定する。

【００８２】ステップＳ２１２でＹＥＳであれば、ステ
ップＳ２１３において当該画像データは文書画像である
と判断される。

【００８３】ステップＳ２１２でＮＯであれば、ステッ
プＳ２１５において当該画像データは非文書であると判
定される。

【００８４】このしきい値はたとえば６０％という値が
用いられるが、ユーザの判断により変更させることもで
きる。

【００８５】ステップＳ２１４において、画像は判定さ
れた文書または非文書というキーワード（属性）ととも
に画像データベース装置１３に記憶される。

【００８６】図２５は本実施例における効果を説明する
ための図である。横軸はedge ratioを、縦軸はedge rat
ioの所定の範囲に分類されるサンプル画像の数を示す。
edge ratioは５％の範囲で区切られており、その範囲に
分類される文書、非文書のサンプル画像の数がヒストグ
ラムとして示されている。

【００８７】グラフを参照して、文書画像はedge ratio
が６０％より大きく、非文書画像はedge ratioが６０％
より小さいという傾向がある。これにより第３のステッ
プＳ２１２でのしきい値として６０％という値を用いる
ことで、文書画像と非文書画像の分類を行なうことが可
能であることがわかる。

【００８８】以上のように本実施例では文字領域にはエ
ッジ情報が多いという特徴を利用して、有効な連結画像
中の微分２値画像（エッジ情報を表わす）の面積の割合
を調べることで、文字領域を多く含む文書画像と非文書
画像とを精度よく分類することができる。

【００８９】したがってこのような画像分類装置は画像
データベースやファクシミリ装置の入力装置として用い
ることができる。たとえば画像データベースの入力装置
として用いた場合は、文書と非文書を自動分類すること
により、入力された画像に対し「文書」または「非文
書」というキーワードを人手を介することなく自動的に
付与することが可能になる。

【００９０】また文書画像と分類された画像にはさらに
文字認識を適用することなどにより画像中の文書から自
動的にキーワードを抽出し、付与することが可能とな
る。

【００９１】さらに本発明の画像分類装置を画像データ
ベースの入力時に用いることにより、ユーザは１つのシ
ステムに対し文書画像と非文書画像を意識することなく
入力でき、検索時には文書画像と非文書画像を個別に検
索することが可能となる。

【００９２】さらにファクシミリ装置の入力装置として
本発明を用いることによって、入力された画像を文書、
非文書に分類することが可能となり、たとえば印刷のモ
ードを自動選択することが可能となる。

【００９３】さらに本発明に係る画像分類装置を、文書
と写真や図などが混合している画像を領域分割した後で
それぞれの領域に対して適用することにより、各領域の
属性判定に用いることが可能である。

【００９４】（第２の実施例）図２６は本発明の第２の
実施例における画像分類装置の装置構成を示すブロック
図である。

【００９５】図を参照して本ブロック図は、図１のブロ
ック図から微分２値画像メモリ１２３６とＡＮＤ画像メ
モリ１２３７とを除いたものである。

【００９６】本実施例において行なわれる基本的処理は
第１の実施例と同じであるが、文書画像データと非文書
画像データとを分類する基準として、連結成分の外接矩
形の面積とその内部の有効な連結成分の面積との比を用
いることを特徴としている。

【００９７】本実施例における画像分類装置における処
理は以下のように行なわれる。まず図２のステップＳ２
０１からＳ２０７までの処理が行なわれる。この処理は
第１の実施例で説明した処理と実質的に同一であるので
ここでの説明を繰返さない。

【００９８】ステップＳ２０７の処理が行なわれた後、
図２７に示されるフローチャートの処理が行なわれる。

【００９９】ステップＳ４０１において、制御装置１２
１は有効な連結成分の面積とその外接矩形の面積との割
合を計算する。有効な連結成分の面積はフィレ座標メモ
リ１２３４から読出され、外接矩形の面積はフィレ座標
メモリ１２３４のフィレ座標から求められる。

【０１００】有効な連結成分の外接矩形の面積（filet
area）に対する有効な連結成分の面積（binary area ）
の割合（bin ratio ）は、（２）式により求められる。

【０１０１】 bin ratio ＝（Σbinary area ／Σfilet area）×１００ …（２） （２）式においてΣは、画像全体の和であることを示
す。

【０１０２】なお本実施例では有効な連結成分の面積の
合計と有効な連結成分の外接矩形の面積の合計との割合
をbin ratio として用いることとしたが、各々の有効な
連結成分ごとにその外接矩形の面積に対する有効な連結
成分の面積の割合を求めた後、全体の平均値を取るなど
の方法を用いてもよい。

【０１０３】ステップＳ４０２において、制御装置１２
１によりステップＳ４０１において求められたbin rati
o が予め記憶されている所定のしきい値未満であるか判
定される。所定のしきい値としてたとえば後述するよう
に５５％という値が用いられるが、しきい値はユーザの
判断により任意に設定できるようにしてもよい。そのと
きユーザによりしきい値を設定する処理ルーチンは、Ｒ
ＯＭ１２２に記録される。

【０１０４】ステップＳ４０２でＹＥＳであれば、ステ
ップＳ４０３において入力画像は文書画像であると判断
される。

【０１０５】ステップＳ４０２でＮＯであれば、ステッ
プＳ４０４において入力画像は非文書画像であると判断
される。

【０１０６】ステップＳ４０５において画像データは、
文書／非文書というキーワード（属性）とともに画像デ
ータベース装置１３に記録される。

【０１０７】図２８は文書画像における２値画像データ
の例、図２９は風景画像（非文書画像）における２値画
像データの例である。

【０１０８】図中、点線は各々の連結成分における外接
矩形を示す。また説明の便宜上、図では対象物を黒、背
景を白で示している。

【０１０９】図を参照して、文書画像は非文書画像より
も外接矩形の面積に対する有効な連結成分の面積の割合
が小さくなっている。これにより文書画像、非文書画像
を分類することができる。

【０１１０】図３０は文書画像、非文書画像の持つbin
ratio を説明するための図である。横軸はbin ratio を
５％刻みの範囲で区切ったものであり、縦軸は５％刻み
で区切られた各々のbin ratio の中に分類されるサンプ
ル画像の数を示す。

【０１１１】図を参照して文書画像はbin ratio が５５
％未満であり、非文書画像はbin ratio が５５％以上で
ある。したがって図２７のステップＳ４０２でのしきい
値を５５％とし、しきい値未満を文書画像、しきい値以
上を非文書画像と判定することにより、文書画像と非文
書画像とを分類できることがわかる。

【０１１２】以上のようにこの実施例では、線図形であ
るためその外接矩形中の連結成分の割合が小さいという
文字領域の特徴を利用し、外接矩形の面積に対する有効
な連結成分の面積の割合を用いることで文字領域が多く
並んでいるという文書画像の特徴をうまく抽出し、精度
よく分類することができる。

【０１１３】また第１および第２の実施例で用いたedge
ratioやbin ratio を含めた複数の文字らしさを示す特
徴量を組合せて判定することによりさらに精度よく画像
データを分類することが可能である。

【０１１４】これはたとえば１つの画像データにおいて
edge ratioによる文書画像らしさと、bin ratio による
文書画像らしさの各々により得点を付け、その合計得点
により画像データの分類を行なう方法や、一方の特徴量
において、しきい値の近くに判定された画像データにつ
いては他方の特徴量を用いて分類するなどの方法で実現
することが可能である。

【０１１５】（第３の実施例）図３１は本発明の第３の
実施例における画像分類装置の処理を説明するための図
である。

【０１１６】本発明における画像分類装置の装置構成は
第１の実施例と同じであるので説明を省略する。

【０１１７】本実施例における画像分類装置において行
なわれる処理は以下のとおりである。

【０１１８】図２のステップＳ２０１からＳ２０７の処
理が実行された後、図３１の処理が行なわれる。

【０１１９】すなわちステップＳ５０１において、有効
な連結成分の文字らしさを示す特徴量が抽出される。特
徴量は画像中の有効な連結成分全体あるいは各々の有効
な連結成分について抽出される。また特徴量は画像全体
で１つの値を持つデータである。文字らしさを表わす特
徴量は、多値画像メモリ１２３１、２値画像メモリ１２
３２、ラベル画像メモリ１２３３、フィレ座標メモリ１
２３４の内容により求められる。

【０１２０】ステップＳ５０２において、処理装置は抽
出された特徴量と所定のしきい値とを比較する。所定の
しきい値はＲＯＭに記録するようにしてもよいし、外部
からユーザが指定できるようにしてもよい。また異なる
２以上の方法で求めた２以上の特徴量を比較に用いるよ
うにしてもよい。

【０１２１】ステップＳ５０３において、比較された特
徴量と所定のしきい値とから特徴量が文字らしさを示す
条件を満たしているかが判定され、ＹＥＳであればステ
ップＳ５０４において、入力画像は文書と判断される。

【０１２２】ステップＳ５０３においてＮＯであれば、
ステップＳ５０６において入力画像は非文書と判断され
る。

【０１２３】ステップＳ５０５において、入力画像は画
像データベースに記録されるがそのとき文書画像である
と判断された画像には、「文書画像」というキーワード
（属性）が、非文書であると判断された画像には「非文
書画像」というキーワードが併わせて記録される。

【０１２４】これにより画像データベースから画像デー
タを検索するときにはキーワードを利用し、効率のよい
検索を行なうことができる。

【０１２５】（第４の実施例）図３２は本発明の第４の
実施例における画像分類装置のシステム構成を示すブロ
ック図である。

【０１２６】図を参照して画像分類装置は、大きくはカ
メラはスキャナなどを含む画像入力のための画像入力装
置５１と、入力された画像を処理することにより画像を
名刺画像、それ以外の画像に分類（キーワード付け）す
る画像処理装置５２と、画像処理装置５２により分類さ
れた画像を記憶する画像データベース装置５３とから構
成される。各々の装置はバス１５により接続されてい
る。画像処理装置５２は、入力された画像を処理、分類
し、かつシステム全体の動作を制御するためのＣＰＵな
どで構成された制御装置５２１と、各種プログラマブル
や定数などを記憶するＲＯＭ５２２と、画像や処理デー
タなどを記憶するＲＡＭ５２３とを含む。

【０１２７】ＲＯＭ５２２は、画像入力の処理のために
用いられる画像処理部５２２１と、画像を２値化するた
めに用いられる画像２値化処理部５２２２と、２値化さ
れた画像データの中の領域を識別するために用いられる
領域抽出処理部５２２３と、２値化された画像データの
中のデータの連結成分にラベリング（ラベル番号を付す
処理）を行なうラベリング処理部５２２４と、画像デー
タの領域の並び方の特徴を抽出する領域の並び方の特徴
抽出処理部５２２５と、画像の分類を行なう画像分類処
理部５２２６と、画像データベース装置５３に画像デー
タの登録を行なう画像登録処理部５２２７とを含む。

【０１２８】ＲＡＭ５２３は、入力された画像データを
２５６階調の画像データとして記憶する多値画像メモリ
５２３１と、“０”および“１”の２値で表わされる画
像データを記憶する２値画像メモリ５２３２と、データ
の連結成分の各々のラベル番号を記憶するラベル画像メ
モリ５２３３と、各々の連結成分のフィレ座標および面
積を記憶するフィレ座標メモリ５２３４と、有効な連結
成分の重心点の座標を記憶する重心メモリ５２３５と、
重心点と他の重心点との方向頻度を記憶する方向頻度ヒ
ストグラムメモリ５２３６と、多値画像メモリ１２３１
の画像データの微分画像を記憶する微分画像メモリ５２
３７と、微分画像の濃度をＸ，Ｙ方向に投影した濃度の
ヒストグラムを記憶する濃度投影ヒストグラムメモリ５
２３８と、有効な連結成分数を記憶する有効な連結成分
数メモリ５２３９と、ヒストグラムの微分値を記憶する
ヒストグラム微分値メモリ５２４０とを含む。

【０１２９】このシステム構成により、画像入力装置５
１から入力されたさまざまな画像は画像処理装置５２に
おいて画像の持つ特徴量が調べられることにより自動的
に名刺画像か否かに分類されて、画像データベース装置
５３に記憶されることになる。

【０１３０】本実施例での特徴量を定める基準として、
名刺画像は文字の数が少なく行間が広く開いているとい
う特徴が利用される。

【０１３１】図３３から図３５は本実施例における制御
装置５２１の処理を示すフローチャートである。

【０１３２】フローチャートは図中ＡまたはＢの部分で
連結し一連の処理を示す。ステップＳ６０１からＳ６０
７での処理は図２のステップＳ２０１からＳ２０７での
処理と実質的に同一であるのでここでの説明は繰返さな
い。

【０１３３】ステップＳ６０８において、制御装置５２
１は２値画像メモリ５２３２中に含まれている有効な連
結成分の数を計測し、その数を有効な連結成分メモリ５
２３９に記録する。名刺画像は文字数が少ないため、有
効な連結成分が少ないという特徴を有する。そのため名
刺画像を判定する視標の１つとして、有効な連結成分の
数を計測するのである。

【０１３４】ステップＳ６０９において、有効な連結成
分それぞれの重心点が判定され、重心メモリ５２３５に
記録される。

【０１３５】重心座標はフィレ座標メモリ５２３４に記
録されている各々の有効な連結成分についてのフイレ座
標について求められる。

【０１３６】有効な連結成分の各々の左上のフィレ座標
を（ｘ＿ｓｐ［ｉ］，ｙ＿ｓｐ［ｉ］）、右下のフィレ
座標を（ｘ＿ｅｐ［ｉ］，ｙ＿ｅｐ［ｉ］）とすると、
重心座標ｇｒａｖ［ｉ］は（３）式により求められる。

【０１３７】 ｇｒａｖ［ｉ］＝｛（ｘ＿ｅｐ［ｉ］−ｘ＿ｓｐ［ｉ］）／２，（ｙ＿ｅｐ［ ｉ］−ｙ＿ｓｐ［ｉ］）／２｝ …（３） 重心メモリ５２３５には、図３６に示されるように有効
な連結成分のラベル番号順にそのラベルの重心点のＸ座
標，Ｙ座標が記録される。

【０１３８】ステップＳ６０７において除去された連結
成分に対する重心点は記録されないため、ラベル番号は
必ずしも連続でない。

【０１３９】また重心点のＸ，Ｙ座標を記録するメモリ
は、各々１６ビットのメモリ容量を持つため、１つのラ
ベルに対して３２ビットのメモリ領域が確保されている
ことになる。

【０１４０】ステップＳ６１０において制御装置５２１
は、各々の重心点に最も近い他の重心点を調べ、その方
向を方向頻度ヒストグラムメモリ５２３６に記録する。

【０１４１】図３７は図３４のステップＳ６１０で行な
われる重心点の処理の具体的ルーチンを示したフローチ
ャートである。

【０１４２】ステップＳ８０１において、探索範囲の大
きさ（画素単位）を表わす変数“ｓｉｚｅ”の値が１と
して設定される。

【０１４３】ステップ８０２において、探索範囲の矩形
幅を表わす変数“ｗｓ”の値がｗｓ＝ｓｉｚｅ×２の式
により設定される。

【０１４４】ステップＳ８０３において、注目している
重心点を中心とする１辺ｗｓの矩形の辺上に他の重心点
があるか否か判定される。

【０１４５】ステップＳ８０４で、重心点がない（Ｎ
Ｏ）と判定されたのであれば、ステップ８０９におい
て、変数“ｓｉｚｅ”が１インクリメントされる。

【０１４６】ステップＳ８１０で、変数“ｓｉｚｅ”の
値が最大しきい値であるＭＡＸ＿ＳＩＺＥより小さいか
判定される。ＭＡＸ＿ＳＩＺＥはたとえば１００という
値が設定される。

【０１４７】ステップＳ８１０でＹＥＳであれば、ステ
ップＳ８０２からの処理が繰返される。

【０１４８】ステップＳ８０４でＹＥＳであれば、ステ
ップＳ８０５において中心の重心点から辺上の重心点へ
の方向が計算される。このとき矩形上に複数の重心点が
存在する場合は、すべての重心点に対して方向が計算さ
れる。方向θは、中心から矩形上の重心点への方向ベク
トルが（ｄｘ，ｄｙ）であるとすると、（４）式により
求められる。

【０１４９】 θ＝ｔａｎ^-1（ｄｘ／ｄｙ） …（４） 図３８は、ｓｉｚｅ＝３，ｗｓ＝６の状態で注目してい
る重心点の右下に他の重心点が見つかった状態を示した
図である。図中の斜線部は１辺６の矩形を示している。

【０１５０】中心の重心点から矩形上の重心点への方向
ベクトルはそれぞれの重心点の座標の差で表され、この
例では（ｄｘ，ｄｙ）＝（３，２）であり、θ＝ｔａｎ
^-1（ｄｘ／ｄｙ）≒０．９８［ｒａｄ］となる。

【０１５１】ステップＳ８０６において、求められた方
向が量子化され、方向頻度ヒストグラムメモリ５２３６
に記録される。

【０１５２】量子化の範囲は、図３９に示されるとおり
であり、水平方向（Ｘ軸方向）を基準として、θが−π
／２からπ／２（ｒａｄ）の間は、π／４ずつの角度を
もつ領域０から領域３までの４つの領域に分けられてい
る。求められた方向はこれらの領域の中のいずれかに分
類され記録される。たとえば図３８の方向ベクトルθ≒
０．９８であるので、領域３に分類されることになる。

【０１５３】なお方向ベクトルが図３９の領域に分類さ
れない場合（θ＞π／２，θ＜−π／２）は、ベクトル
の方向を逆転させたものをカウントする。

【０１５４】したがって本実施例では頻度ヒストグラム
メモリ５２３６は領域０から領域３のそれぞれの方向頻
度をカウントするための４つのメモリ領域を持つ。各々
のメモリ領域は１６ビット用意されている。

【０１５５】ステップＳ８０７において、処理は次の重
心点へ移る。ステップＳ８０８において、すべての重心
点について最近の重心点の方向を調べたか判定され、Ｙ
ＥＳであれば本ルーチンを終了する。

【０１５６】ステップＳ８０８でＮＯであれば、ステッ
プＳ８０１からの処理を繰返す。ステップＳ８１０でＮ
Ｏであれば、処理はステップＳ８０７へ移る。

【０１５７】以上の処理により方向頻度ヒストグラムメ
モリ５２３６にすべての重心点についての最近重心点の
方向の累積頻度が記録される。

【０１５８】図３４のステップＳ６１１において、制御
装置５２１は入力画像の文字らしい領域の間隔や数の特
徴をエッジ部分の並び方の情報から抽出するために、多
値画像メモリ５２３１に記憶された多値画像データに空
間微分処理を施し、１画素８ビットの微分画像を作成す
る。作成された微分画像は微分画像メモリ５２３７に記
憶される。微分画像の作成方法は、ソーベルオペレータ
を用いる第１の実施例と同じであるためここでの説明は
繰返さない。

【０１５９】ステップＳ６１２において、制御装置５２
１は微分画像メモリ５２３７に記憶された微分画像に基
づいて、Ｘ，Ｙ軸に対して投影された濃度データである
濃度投影ヒストグラムを作成する。濃度投影ヒストグラ
ムは濃度投影ヒストグラムメモリ５２３８に記憶され
る。

【０１６０】画像をある軸に投影するということは、そ
の軸に垂直な方向の直線に沿った画素の濃度を逐次足し
合わせ、その合計を求める操作を、直線の位置を平行移
動させて繰返すことであり、これにより１次元の濃度の
並び（波形）が得られる。たとえば図４０に示されるよ
うな濃度がすべての部分で一定の円を想定すると、Ｘ
軸、Ｙ軸への各々の濃度投影ヒストグラムは図示される
ように半楕円形のヒストグラムとなる。

【０１６１】なお図４１（ａ）に示されるように濃度投
影ヒストグラムメモリ５２３８は、Ｘ軸，Ｙ軸各座標の
順番に並んだアドレス構成を取り、各座標に対する濃度
投影値１６ビットを１単位としてＸ座標とＹ座標の数の
和（この場合は５１２＋４３２＝９４４）だけのメモリ
領域を持つ。

【０１６２】画像中の文字列の数が少なければ（すなわ
ち空白部分が多ければ）、文字列の方向への濃度投影ヒ
ストグラムは変化が少なく、値が小さくなる。

【０１６３】ステップＳ６１３において、制御装置５２
１は濃度投影ヒストグラムを微分し、ヒストグラム微分
値メモリ５２４０に記録する。

【０１６４】この処理は濃度投影ヒストグラムの変化を
強調してわかりやすくするために行なわれる。この処理
の具体的な内容を以下に述べる。

【０１６５】制御装置５２１は、濃度投影ヒストグラム
メモリ５２３８に記録されたＸ，Ｙ軸への濃度投影ヒス
トグラムに対し、それぞれの微分値ｘ＿ｈｉｓｔ′
［ｘ］およびｙ＿ｈｉｓｔ′［ｙ］を式（５）、式
（６）により計算しヒストグラム微分値メモリ５２４０
に記録する。

【０１６６】 ｘ＿ｈｉｓｔ′［ｘ］＝（ｘ＿ｈｉｓｔ［ｘ＋１］−ｘ＿ｈｉｓｔ［ｘ−１］ ）／２ ， １≦ｘ≦５１０ …（５） ｙ＿ｈｉｓｔ′［ｙ］＝（ｙ＿ｈｉｓｔ［ｙ＋１］−ｙ＿ｈｉｓｔ［ｙ−１］ ）／２ ， １≦ｙ≦４３１ …（６） ここで式中ｘ＿ｈｉｓｔ［ｉ］，ｙ＿ｈｉｓｔ［ｉ］と
は、それぞれ座標ｉにおける濃度投影ヒストグラムメモ
リ５２３８のデータ（濃度投影値）である。

【０１６７】図４１を用いてステップＳ６１３の処理を
説明する。図４１（ｂ）に示されるようにヒストグラム
微分値メモリ５２３８は、Ｘ座標／Ｙ座標各座標の順番
に並んだアドレスを取り、各座標に対する濃度投影値の
微分値１６ビットを１単位としてＸ座標とＹ座標の数の
和（この場合は５１２＋４３２＝９４４）だけのメモリ
領域を持つ。図４１に示されるように、制御装置５４１
はたとえば濃度投影ヒストグラムメモリ５２３８のＸ＝
０とＸ＝２の内容から式（５），式（６）を用いて微分
値を計算し、ヒストグラム微分値メモリ５２４０のＸ＝
１のアドレスに記録する。この計算はＸ軸、Ｙ軸すべて
の値について行なわれる。なお微分値計算には注目画素
の前後に座標が存在する必要があるので、最初と最後の
座標（ここでは座標０と５１１または４３１）について
は微分値は計算されない。すなわち図４１（ｂ）に示さ
れるように、ヒストグラム微分値メモリ５２４０のＸ＝
０，Ｘ＝５１１，Ｙ＝０，Ｙ＝４３１の各々のアドレス
にはデータが記録されない。

【０１６８】名刺画像では一般に文字数が少ないが文字
は１方向にきれいに整列しており、行間のスペースが大
きいという特徴がある。したがって名刺画像は他の画像
よりも有効な連結成分数が少なく、有効な連結成分の特
定方向への並び方の集中度（重心の並び方向の特定方向
への頻度の集中度）が高く、微分濃度投影ヒストグラム
の平均値は小さいという傾向が生じる。これらの傾向に
より入力画像が名刺画像であるか否かが判定される。

【０１６９】ステップＳ６１４において、ステップＳ６
０８で記憶された有効な連結成分の数がしきい値以下で
あるか判定される。しきい値はたとえば２００という値
が設定され、これはＲＯＭ５２２に記憶されている。

【０１７０】ステップＳ６１４でＹＥＳであれば、ステ
ップＳ６１５において、重心点からその重心点に最も近
い重心点への方向の頻度がしきい値以上であるか判定さ
れる。しきい値はたとえば有効な連結成分の数に対する
方向ベクトルの最頻値の割合が５０％として設定され
る。

【０１７１】ステップＳ６１５でＹＥＳであれば、ステ
ップＳ６１６においてヒストグラム微分値メモリ５２４
０に記録されているヒストグラムのＸ軸方向の平均値、
Ｙ軸方向の平均値の値の大きいほうと小さいほうとがと
もにしきい値以下であるか判定される。所定のしきい値
はたとえば大きいほうの平均値に対して４．５×１
０ ³ 、小さいほうの平均値に対して１．５×１０³ とい
う値が設定されＲＯＭ５２２に記憶される。

【０１７２】なお各々のしきい値はＲＯＭ５２２に記憶
されることとしたが、ユーザの判断によりしきい値を自
由に設定できるようにしてもよい。その場合設定処理ル
ーチンはＲＯＭ５２２に記憶するようにすればよい。

【０１７３】ステップＳ６１６でＹＥＳであれば、ステ
ップＳ６１７において入力画像は名刺画像であると判断
される。

【０１７４】ステップＳ６１４，Ｓ６１５，Ｓ６１６の
いずれかでＮＯの場合は、ステップＳ６１９において入
力画像は名刺画像でないと判断される。

【０１７５】ステップＳ６１８において、入力画像は名
刺画像であるか否かのキーワード（属性）とともに、画
像データベース装置５３に記録される。

【０１７６】これにより各画素の検索時の処理時には与
えられた名刺という属性が利用できる。また名刺と判断
された画像に対しては、文字認識を適用することによ
り、住所録作成を行うなどの応用が可能である。

【０１７７】次に名刺画像の微分濃度投影ヒストグラム
の微分値の具体的な例について説明する。

【０１７８】図４４は名刺画像の微分濃度投影ヒストグ
ラムの微分値の例を示すグラフであり、図４５は名刺以
外の文書画像の微分濃度投影ヒストグラムの微分値の例
を示すグラフである。

【０１７９】図を参照して、名刺画像はＸ軸，Ｙ軸に対
する濃度投影ヒストグラムの各平均値のうち大きいほう
が２．２６×１０³ 、小さいほうが０．８６×１０³ で
あり、名刺以外の文書画像はＸ軸，Ｙ軸に対する濃度投
影ヒストグラムの各平均値のうち大きいほうが４．３×
１０³ 、小さいほうが２．５×１０³ である。

【０１８０】このように名刺画像では微分濃度投影ヒス
トグラムの微分値の平均値が他の文書画像よりも小さな
値になっていることがわかる。

【０１８１】次に実際の分類結果を図４２に示す。図４
２のグラフのＸ軸は入力された画像の有効な連結成分数
であり、Ｙ軸は入力された画像の有効な連結成分の最近
重心方向の頻度割合である。

【０１８２】図から明らかなように、名刺画像は有効な
連結成分数が小さく、最近重心方向の頻度割合が大きい
という傾向を持つ。

【０１８３】図４３のグラフは図４２のグラフで斜線で
囲まれた領域（有効な連結成分数２００個以下であり、
かつ最近重心方向の頻度割合５０％以上）に含まれるサ
ンプル画像についてのみをグラフ化したものである。グ
ラフのＸ軸は入力された画像のＸ軸およびＹ軸に対する
微分濃度投影ヒストグラムの微分値の平均値のうち小さ
いほうの値であり、グラフのＹ軸は同じく大きいほうの
値である。この例において図４３のＸ軸に対して１．５
×１０³ 、Ｙ軸に対して４．５×１０³ という値をしき
い値とすることにより名刺画像の分類が可能であること
がわかる。

【０１８４】以上のようにこの実施例によると、名刺画
像の特徴を利用し、有効な連結成分画像および微分画像
の濃度投影ヒストグラムから名刺画像を精度よく分類す
ることができる。また名刺画像と判断された場合には、
住所録作成など他の用途、処理に自動的に進むなどの応
用が可能である。

【０１８５】なお本実施例には名刺画像の判定に有効な
連結成分の数、有効な連結成分から近接する他の有効な
連結成分の方向、微分濃度投影ヒストグラムの微分値の
平均という３つのデータを用いたが、この中の１あるい
は２のデータにより判別するようにしても精度は落ちる
が判別は可能である。

【０１８６】（第５の実施例）図４６は本発明の第５の
実施例における画像分類装置の制御装置の処理を示すフ
ローチャートである。

【０１８７】本実施例における装置構成は図３２に示さ
れている第４の実施例における画像分類装置の装置構成
に同じであるのでここでの説明を繰返さない。

【０１８８】本実施例における画像分類装置において行
なわれる処理は以下のとおりである。

【０１８９】図３３のステップＳ６０１〜Ｓ６０７の処
理が行なわれた後、図４６に示されるルーチンが実行さ
れる。

【０１９０】ステップＳ６０８において制御装置５２１
は、画像中の有効な連結成分を文字らしい領域と見な
し、名刺画像を分類するための特徴量の１つとして２値
画像メモリ５２３２内の有効な連結成分の数を計算し、
有効な連結成分数メモリ５２３９に記憶する。さらにス
テップＳ６０９において、制御装置５２１は２値画像メ
モリ５２３２内の有効な連結成分の並び方の特徴量を抽
出する。有効な連結成分の並び方の特徴量としては、た
とえばこの発明の第４の実施例で述べられているような
有効な連結成分の特定方向への並び方の集中度や入力画
像の微分画像の濃度投影ヒストグラムの微分値の平均値
など名刺画像の性質がよく現れる特徴量が用いられる。

【０１９１】ステップＳ６１０において、入力画像が名
刺画像かどうかを判断するために、制御装置５２１はま
ず有効な連結成分数がしきい値以下であるかどうかを調
べる。名刺画像では文字数が少ないため、有効な連結成
分数も少なくなる。ここで有効な連結成分数がしきい値
以下でない場合は（ステップＳ６１０でＮＯ）、ステッ
プＳ６１４において入力画像は名刺画像でないと判断さ
れる。

【０１９２】有効な連結成分数がしきい値以下の場合
（ステップＳ６１０でＹＥＳ）は、ステップＳ６１１で
続いて有効な連結成分の並び方の特徴量を所定のしきい
値と比較する。所定のしきい値はＲＯＭ５２２に記憶し
ておいてもよいし、外部からユーザが指定できるように
してもよい。また比較する特徴量は単独でも複数の特徴
量の組合せでもよい。比較する特徴量に対応して所定の
しきい値も単独または複数のしきい値の組合せが用いら
れ、文書画像が満たすべきしきい値条件が設定される。
それらの処理手順はＲＯＭ５２２に記憶される。

【０１９３】ステップＳ６１２において、制御装置５２
１は特徴量と所定のしきい値との比較の結果、その入力
画像が名刺画像であるための条件を満たしているかどう
かを判断する。条件を満たしている場合（Ｓ６１２でＹ
ＥＳ）はその入力画像は名刺画像であると判断され、そ
うでない場合（ステップＳ６１２でＮＯ）にはその入力
画像は名刺画像でないと判断される。

【０１９４】判断後ステップＳ６１５において、制御装
置５２１は入力画像を画像データベース装置５３に登録
するが、その際に名刺画像であると判断された画像には
「名刺画像」というキーワード（属性）が付与され、入
力画像データとともに画像データベース装置５３に登録
される。これにより各画像の検索時の処理時には与えら
れた名刺という属性が利用できる。

【０１９５】以上のようにこの発明によれば、文字らし
い領域の数とその並び方を調べて画像全体で名刺画像が
満たすべき条件に合っているかどうかを判断することに
より、文字の数が少なく行間が広く開いているという名
刺画像の特徴をうまく抽出し精度よく分類することがで
きる。

【０１９６】また名刺画像と分類された場合にはさらに
文字認識を適用することなどにより自動的に住所録を作
成するなどの応用が可能になる。

【０１９７】なお本発明の実施例において入力される画
像データは多値画像データとしたが２値画像データを入
力するようにしてもよい。

【０１９８】

【発明の効果】請求項１に記載の画像分類装置は、画像
を文書画像とそれ以外に分類することができる。

【０１９９】請求項２に記載の画像分類装置は、請求項
１の効果に加え、判定精度の高い画像分類を行なうこと
ができる。

【０２００】請求項３に記載の画像分類装置は、請求項
１の効果に加え、判定精度の高い画像分類を行なうこと
ができる。

【０２０１】請求項４に記載の画像分類装置は、画像を
名刺画像とそれ以外に分類することができる。

【０２０２】請求項５に記載の画像分類装置は、請求項
４の効果に加え、さらに判定精度の高い画像分類を行な
うことができる。

【０２０３】請求項６に記載の画像分類装置は、請求項
５の効果に加え、さらに判定精度の高い画像分類を行な
うことができる。

【０２０４】請求項７に記載の画像分類装置は、請求項
６の効果に加え、さらに判定精度の高い画像分類を行な
うことができる。

【０２０５】請求項８に記載の画像分類装置は、請求項
４または７の効果に加え、さらに判定精度の高い画像分
類を行なうことができる。

【０２０６】請求項９に記載の画像分類装置は、請求項
１から５ならびに７および８のいずれかの効果に加え、
対象物を表わす隣接した複数の画素のうち所定の条件を
満たす画素を連結成分として識別するので、判定精度を
さらに高めることができる。

【図面の簡単な説明】

【図１】本発明の第１の実施例における画像分類装置の
システム構成を示すブロック図である。

【図２】図１の制御装置１２１の処理ルーチンを示すフ
ローチャートである。

【図３】図２のフローチャートに続くフローチャートで
ある。

【図４】文書画像の一例を示す図である。

【図５】非文書画像である風景画像の一例を示す図であ
る。

【図６】多値画像メモリ１２３１に記憶される画像デー
タの座標系について説明するための図である。

【図７】多値画像メモリ１２３１のアドレス構成を説明
するための図である。

【図８】２値画像データの一例を示し、かつ連結成分に
ついて説明するための図である。

【図９】図８の連結成分にラベリングを行なった結果を
示す図である。

【図１０】ラベル画像メモリのアドレス構成を示す図で
ある。

【図１１】フィレ座標の設定方法について説明するため
の図である。

【図１２】フィレ座標メモリ１２３４のアドレス構成を
示す図である。

【図１３】連結成分の一例を示す図である。

【図１４】図１３の連結成分がフィレ座標メモリに記録
されている状態を示す図である。

【図１５】図１３から不要な連結成分が除去された後の
連結成分を示す図である。

【図１６】多値画像メモリの多値画像データに空間微分
処理を施すためのデータについて説明するための図であ
る。

【図１７】微分のために用いられる係数について説明す
るための第１の図である。

【図１８】微分のために用いられる係数について説明す
るための第２の図である。

【図１９】図４の文書画像の中の１つの連結成分が２値
画像メモリ１２３２に記録されている状態を示す図であ
る。

【図２０】図１９で示されている連結成分と同じ連結成
分が微分２値画像メモリ１２３４に記録されている状態
を示す図である。

【図２１】ＡＮＤ画像メモリ１２３７に記録された状態
での図１９と同じ連結成分を説明するための図である。

【図２２】図５の風景画像の中の１つの連結成分が２値
画像メモリ１２３２に記録されている状態を示す図であ
る。

【図２３】図２１で示されている連結成分と同じ連結成
分が微分２値画像メモリ１２３４に記録されている状態
を示す図である。

【図２４】ＡＮＤ画像メモリ１２３７に記録された状態
での図２３と同じ連結成分を説明するための図である。

【図２５】本発明の第１の実施例における効果を説明す
るための図である。

【図２６】本発明の第２の実施例における画像分類装置
の装置構成を示すブロック図である。

【図２７】第２の実施例における画像分類装置の制御装
置が行なう処理について示すフローチャートである。

【図２８】文書画像における２値画像データの一例を示
す図である。

【図２９】風景画像（非文書画像）における２値画像デ
ータの一例を示す図である。

【図３０】文書画像、非文書画像の持つbin ratio を説
明するための図である。

【図３１】本発明の第３の実施例における画像分類装置
の処理を説明するための図である。

【図３２】本発明の第３の実施例における画像分類装置
のシステム構成を示すブロック図である。

【図３３】本発明の第４の実施例における画像分類装置
の制御装置５２１が行なう処理を示すフローチャートで
ある。

【図３４】図３３に続くフローチャートである。

【図３５】図３４に続くフローチャートである。

【図３６】重心メモリ５２３５のアドレス構成を示す図
である。

【図３７】図３４のステップＳ６１０で行なわれる重心
点の処理の具体的ルーチンを示すフローチャートであ
る。

【図３８】図３７の処理でｓｉｚｅ＝３，ｗｓ＝６の状
態で注目している重心点の右下に他の重心点が見つかっ
た状態を示す図である。

【図３９】求められた方向を量子化するための領域につ
いて説明するための図である。

【図４０】画像データをＸ軸およびＹ軸へ濃度投影する
例について説明するための図である。

【図４１】濃度投影ヒストグラムメモリ５２３８および
ヒストグラム微分値メモリ５２４０について説明するた
めの図である。

【図４２】本発明の第４の実施例における効果について
説明するための図である。

【図４３】図４２の斜線部内に含まれる画像データの微
分濃度投影ヒストグラムの微分値の平均値について説明
するための図である。

【図４４】名刺画像に対するＸ軸方向およびＹ軸方向の
濃度投影ヒストグラムについて説明するための図であ
る。

【図４５】名刺画像以外の文書画像のＸ軸方向およびＹ
軸方向の濃度投影ヒストグラムについて説明するための
図である。

【図４６】本発明の第５の実施例における制御装置の処
理を示すフローチャートである。

【符号の説明】

１１，５１ 画像入力装置 １２，５２ 画像処理装置 １３，５３ 画像データベース装置 １２１，５２１ 制御装置 １２２，５２２ ＲＯＭ １２３，５２３ ＲＡＭ １２３１，５２３１ 多値画像メモリ １２３２，５２３２ ２値画像メモリ １２３３，５２３３ ラベル画像メモリ １２３４，５２３４ フィレ座標メモリ １２３５，５２３７ 微分画像メモリ １２３６ 微分２値画像メモリ １２３７ ＡＮＤ画像メモリ ５２３５ 重心メモリ ５２３６ 方向頻度ヒストグラムメモリ ５２３８ 濃度投影ヒストグラムメモリ ５２３９ 有効な連結成分数メモリ ５２４０ ヒストグラム微分値メモリ

Claims (9)

【特許請求の範囲】
1. 【請求項１】 入力された画像データの中から対象物を
   表わす隣接した複数の画素よりなる連結成分を識別する
   識別手段と、 前記入力された画像データの中の前記連結成分の形状か
   ら文字らしさを表わす特徴量を抽出する抽出手段と、 前記抽出された特徴量に基づいて、前記入力された画像
   データが文書画像か否かを判別する判別手段とを備え
   た、画像分類装置。
2. 【請求項２】 前記入力された画像データは濃淡画像デ
   ータよりなり、 前記抽出手段は、前記入力された濃淡画像データからエ
   ッジの強いデータ領域を検出するエッジ検出手段を含
   み、 前記連結成分の面積と、前記連結成分と前記データ領域
   との重なり領域の面積とから前記特徴量を抽出する、請
   求項１に記載の画像分類装置。
3. 【請求項３】 前記抽出手段は、前記連結成分の各々に
   対する外接矩形の面積を算出する算出手段を含み、 前記連結成分の面積と前記外接矩形の面積とから前記特
   徴量を抽出する、請求項１に記載の画像分類装置。
4. 【請求項４】 入力された画像データの中から対象物を
   表わす隣接した複数の画素よりなる連結成分を識別する
   識別手段と、 前記連結成分の数を特徴量として計測する計測手段と、 前記計測された特徴量に基づいて、前記入力された画像
   データが名刺画像か否かを判別する判別手段とを備え
   た、画像分類装置。
5. 【請求項５】 入力された画像データの中から対象物を
   表わす隣接した複数の画素よりなる連結成分を識別する
   識別手段と、 前記識別された連結成分を最隣接する２つの連結成分ご
   とに分け、前記分けられた２つの連結成分ごとの並び方
   向を抽出する方向抽出手段と、 前記抽出された並び方向の特定の範囲の方向への集中度
   を特徴量として計測する計測手段と、 前記計測された特徴量に基づいて、前記入力された画像
   データが名刺画像か否かを判別する判別手段とを備え
   た、画像分類装置。
6. 【請求項６】 入力された画像データから微分画像デー
   タを作成する微分画像データ作成手段と、 前記微分画像データに基づいて、濃度投影ヒストグラム
   を作成する濃度投影ヒストグラム作成手段と、 前記作成された濃度投影ヒストグラムから特徴量を計算
   する計算手段と、 前記計算された特徴量に基づいて、前記入力された画像
   データが名刺画像か否かを判別する判別手段とを備え
   た、画像分類装置。
7. 【請求項７】 前記識別された連結成分を最隣接する２
   つの連結成分ごとに分け、前記分けられた２つの連結成
   分ごとの並び方向を抽出する方向抽出手段と、 前記抽出された並び方向の特定の範囲の方向への集中度
   を特徴量として計測する計測手段とをさらに備え、 前記特徴量は前記特定の範囲の方向への集中度を含む、
   請求項４に記載の画像分類装置。
8. 【請求項８】 前記入力された画像データから微分画像
   データを作成する微分画像データ作成手段と、 前記微分画像データに基づいて、濃度投影ヒストグラム
   を作成する濃度投影ヒストグラム作成手段と、 前記作成された濃度投影ヒストグラムの微分値に基づく
   データを計算する計算手段とをさらに備え、 前記特徴量は前記濃度投影ヒストグラムの微分値に基づ
   くデータを含む、請求項４または７に記載の画像分類装
   置。
9. 【請求項９】 前記識別手段は、前記入力された画像デ
   ータの中から対象物を表わす隣接した複数の画像のうち
   所定の条件を満たす画素を前記連結成分として識別す
   る、請求項１から５ならびに７および８のいずれかに記
   載の画像分類装置。