JPH0950488A - 異サイズ混在文字列の読取り方法 - Google Patents

Abstract

(57)【要約】 【課題】 文字列の１行中に異なったサイズの文字が混
在している場合でも、精度良く文字を切り出して読み取
れるようにする。 【解決手段】 標準文字サイズを抽出するに当たり、ノ
イズによる誤抽出を防ぐために、文字高さの頻度分布の
ピーク値から求める。このとき、ガウシアンの畳み込み
積分を含む平滑化処理をすることにより、頻度分布のグ
ラフ上の局所的なノイズを無視し、大局的なピーク位置
を求められるようにする。この頻度分布から複数の標準
文字高さが得られた場合は、１行中に複数のサイズの文
字が混在していると考えられるので、仮文字の分類，統
合および分割等の各種処理をして各文字を精度良く切り
出すようにする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、文書を画像処理して
行を切り出し、行毎に個々の文字を切り出して読み取る
方法に関する。

【０００２】

【従来の技術】従来、分離文字やかすれ文字、接触文字
の切り出しや、ワープロ文書等における全角，半角文字
の混在文書に対応するため、標準文字サイズを用いた文
字切り出し手法が提案されている（特開平２−１３９６
８６号公報）。これは、文書画像から行の切り出しを行
なった後、文字列画像に対して垂直方向に投影を取り、
空白が検知できた位置で、まず、仮文字を切り出す。例
えば、かすれ文字では、間違った位置で空白を検知して
しまい、文字の一部分を１文字として切り出してしま
う。

【０００３】切り出し例を図９に示す。ここでは、漢字
の「術」や片仮名の「ル」ではその一部分を１文字とし
て切り出している。「い」，「川」，「語」などの分離
文字についても、同様の問題が発生する。このため、各
文字を正しく切り出すには、いくつかの仮文字（文字断
片）を１つに統合する処理が必要になる。また、接触文
字では複数の文字が１つの仮文字として切り出されるた
め、投影値が小さないくつかの切断位置候補から、適当
なものを選ぶ処理が必要となる。このような処理を行な
う際に、標準文字サイズから算出される平均的な文字ピ
ッチが用いられる。

【０００４】

【発明が解決しようとする課題】ところで、上記標準文
字サイズは通常は、１行中の最大文字高さから算出され
る（横書き和文の場合）。その結果、下記のような問題
が発生する。 （１）目次などを読み取る場合、１行の中に異なったサ
イズの文字があると、標準文字サイズが最大の文字高さ
として設定されるため、小さい文字については仮文字の
統合処理が正しく行なえない。

【０００５】（２）文字に接触した縦長のノイズがある
と、標準文字サイズが正規の値より大きく設定されてし
まい、仮文字の統合処理が正しく行なわれない。したが
って、この発明の課題は、目次などを読み取る場合のよ
うに、１行の中に異なったサイズの文字が複数存在する
場合でも、統合処理を正しく行なえるようにし認識精度
を向上させることにある。

【０００６】

【課題を解決するための手段】このような課題を解決す
るため、請求項１の発明では、文書を画像処理して行を
切り出し、行毎に個々の文字を切り出して読み取るに当
たり、文字間の空白から大まかに切り出された黒画素の
かたまり（仮文字）を求めた後、行中に複数の異なった
サイズの文字が混在するか否かを検知し、複数の異なる
サイズを検出したときは、前記仮文字高さの頻度分布を
求めてその平滑化処理をし、そのピーク位置から標準的
な文字の大きさ（標準文字サイズ）を求め、その後、前
記仮文字を標準文字サイズ毎に分類し、同じ標準文字サ
イズに分類された仮文字を統合することにより、１行の
文字列を標準文字サイズ毎の文字列に分割し、文字列毎
の標準文字サイズにもとづき以後の処理を行なうことを
特徴としている。

【０００７】上記請求項１の発明では、前記仮文字を標
準文字サイズ毎に分類するに当たり、前記頻度分布の局
所的な最小値をしきい値として分類することができる
（請求項２の発明）。また、上記請求項１の発明では、
前記仮文字を統合するに当たっては、仮文字の高さと位
置を２軸とする平面上で仮文字の頻度分布を求め、所定
サイズの文字列の存在位置を推定し、仮文字の統合を行
なうことができ（請求項３の発明）、あるいは、文字列
間の空白やリーダー（長い線（ダッシュ）や点線）を検
知し、これらを挟む２つの文字列間で文字サイズが異な
るものと予測して統合処理を行なうことができる（請求
項４の発明）。

【０００８】さらに、上記請求項１の発明では、文字サ
イズの変化点に存在する空白領域の検知を、空白領域を
挟む２つの文字列それぞれの文字サイズを用いて行なう
ことができ（請求項５の発明）、実線または点線として
表現され、文字列間の連結関係を示すリーダーに、隣接
する２つの文字列間の空白領域を含めて扱うことができ
る（請求項６の発明）。加えて、上記請求項１の発明で
は、大きなサイズの文字列間に挟まれて存在する小さな
サイズの文字列に対しては、隣接する大きなサイズの文
字列から抽出される標準文字サイズを適用することがで
き（請求項７の発明）、行頭または行末に同じ行の他の
文字列に比べ小さなサイズの文字列が存在した場合、隣
接する大きなサイズの文字列の長さと比較して、十分な
長さを持つことを条件として文字サイズの変更を許容す
ることすることができる（請求項８の発明）。

【０００９】

【作用】標準文字サイズを抽出するに当たり、ノイズに
よる誤抽出を防ぐため、文字高さの頻度分布のピーク値
から求めるようにする。このとき、例えばガウシアンの
畳込み積分を用いることにより、頻度分布のグラフ上の
局所的なノイズを無視し、大局的なピーク位置を求めら
れるようにする。また、上記頻度分布から複数の標準文
字高さ（ピーク位置）が得られた場合、１行中に複数の
サイズの文字が混在していると考えられるので、サイズ
の異なる文字列を互いに分離するため、各標準文字サイ
ズと仮文字との対応付けを行なった後、これらの仮文字
の連接状態や文字間の空白，リーダーの有無を調べて仮
文字を統合していく。

【００１０】さらに、仮文字についてその高さと位置を
２軸とする平面上での頻度分布を取れば、各標準文字サ
イズの対応する文字列のおおよその存在位置が得られる
ことから、この情報を仮文字の統合処理において有効に
用いるようにする。加えて、空白領域とリーダー部を精
度良く求めること、版組みの一般規則を考慮することな
どにより、文字サイズの変更が殆ど見られない一般文書
の認識性能に悪影響を与えることなく、種々のサイズの
文字が混在する目次などの特殊な文書の認識性能を向上
させられるようにする。

【００１１】

【実施例】図１はこの発明の実施例を示すフローチャー
ト、図２はこの発明が適用される画像処理装置を示すブ
ロック図である。まず、図２から説明する。同図におい
て、１はスキャナを含む画像入力部、２は演算処理装置
（ＣＰＵ）、３は画像メモリ、４は主としてプログラム
を記憶するＲＯＭメモリ（リードオンリメモリ）、５は
認識部、６は作業用のＲＡＭメモリ（ランダムアクセス
メモリ）である。

【００１２】ＣＰＵ２はＲＯＭ４に格納されているプロ
グラムに従って動作し、画像入力部１により図示されな
い文書等から文書画像データを読み取り、画像メモリ３
に記憶する。次に、画像メモリ３に格納された文書画像
データを読み出し、作業用のＲＡＭ６を用いて、１文字
サイズの画像データを切り出し、これを認識部５で認識
する。

【００１３】図１について説明する。まず、ステップＳ
１では、画像入力部により文書イメージを入力し、ステ
ップＳ２では文書の水平方向の投影値から個々の行の切
り出しを行ない、ステップＳ３では文書の垂直方向の投
影値から、大まかに切り出された文字らしき黒画素のか
たまり（仮文字）を切り出す。ここまでの処理は、従来
と同様である。なお、文字サイズの変化は通常の文書で
はほとんど起こらないので、ここでは雑誌の目次等を想
定する。これは、雑誌の目次は例えば図３に示すよう
に、表題，発表者または頁数などが異なる文字サイズで
印刷されることが多く、また、可読性を高めるため複数
のサイズや字体を用いることが多いからである。

【００１４】次のステップＳ４では、この発明の特徴と
も言うべき標準文字サイズ抽出が行なわれる。すなわ
ち、ステップＳ３で切り出された仮文字の高さＨｉを測
定し、ガウシアンの畳込み積分を含む平滑化処理手法に
より、次式で示されるような仮文字高さの頻度分布関数
ｆ（ｈ）を求める。 上記（１）式のＮは１行中の仮文字の数、σは正規分布
の広がりを表わす定数であり、行中の最大の仮文字高さ
Ｈｍａｘの関数、σ² ＝ａＨｍａｘとして求めることが
できる。

【００１５】図４に仮文字高さの頻度分布関数の例を示
す。標準文字サイズは、上記関数ｆ（ｈ）のピーク位置
として求めることができ、図４では各文字のピーク位置
ａとして求めることができる。なお、図４の点線は実測
された文字高さ（Ｈｉ）頻度を示している。ステップＳ
５では、こうして求めた標準文字サイズにもとづき、各
仮文字の分類を行なう。この分類しきい値としては、上
記関数ｆ（ｈ）の局所的な最小値（極小値）を用いるこ
とができる。図４の例では、極小値を符号ｂで示してい
る。

【００１６】分類処理後は、ステップＳ６で同じ標準文
字サイズに分類され互いに隣接する仮文字を統合し、ス
テップＳ７では、文字列として十分な長さを持たないも
のを異なった文字サイズの文字列に統合して行くことに
より、１行の文字列を標準文字サイズごとに分割して行
く。このとき、文字列としての十分な長さの定義は、各
標準文字サイズに比例する長さをしきい値として判断す
る。また、空白やリーダーの如く他の文字列と分離され
た文字列は、十分な長さを持たない場合でも独立した文
字列として扱う。例えば、図３の数字などがその例であ
る。また、文字列の条件として、「ちょっと」のように
小さい文字が２つ連続する場合を考え、３文字長以上と
すべきである。また、点線やダッシュ（長い線）として
示されるリーダーの条件として、長音「ー」と区別する
ため、隣接するリーダー以外の文字サイズの２文字長以
上の値として設定すべきである。

【００１７】以上の処理を欧文に対して行なう場合、大
文字と小文字でサイズが異なることから、そのための対
策が必要となる。また、小文字の場合でも「ｙ，ｇ，
ｐ」等のように下に突き出る文字や「ｄ，ｈ，ｋ」等の
ように上に突き出る文字と、「ｃ，ａ，ｅ」等のように
どちらにも突き出ない文字がある。したがって、例えば
「Ｉ ａｍ ｓａｉｌｉｎｇ ｏｖｅｒ ｔｈｅ ｓｅ
ａ」なる文章は、１つの文字サイズからなる文章として
処理されるべきである。このため、先の関数ｆ（ｈ）の
ピーク値として求められた標準文字サイズのうち、相違
が３０％程度のものは１つの標準文字サイズとして統合
すれば良い。

【００１８】以上の統合処理において、所定のサイズの
文字が行中のどの部分に多く分布するかが分かっていれ
ば、その情報を有効に活用することができる。すなわ
ち、仮文字の高さｈと位置ｘを２軸とする平面上での頻
度分布は、次の（２）式より求められる。また、その頻
度関数ｆ（ｘ，ｈ）の例を図５に示す。 ここで、Ｘｉは切り出された仮文字の位置であり、行先
頭からの距離をもって示す。また、βはｈとｘのオーダ
を合わせるための係数であり、行中最大の仮文字高さの
関数として求められる。さらに、σｉは、小さな文字は
大きな文字に対して文字ピッチが狭くなることを考慮
し、Ｈｉの関数として定義される。Ｈｉが小さければそ
れに応じてσｉも小さく設定され、ガウシアンにおける
伝播範囲が狭くなる。

【００１９】上記関数ｆ（ｘ，ｈ）に、すでに求められ
ている標準文字サイズをｈとして代入し、ピーク位置を
求めれば所定の標準文字サイズの文字列がどの部分に存
在するかが分かる。それぞれのピーク位置から前後に同
じ文字サイズの仮文字を連結して行けば、先の統合処理
における文字列としての条件となる長さのしきい値やリ
ーダーと長音を判別するためのしきい値を厳しく、つま
り、長く設定することが可能となり、安定した文字列の
抽出が可能となる。以後は、ステップＳ８で１文字の切
り出し（ここでは、再切り出しと称する）を行ない、次
いでステップＳ９で認識処理をする。また、以上の如き
処理をステップＳ１０で「ＹＥＳ」となるまで、すなわ
ち、処理すべき文字列がなくなるまで繰り返す。

【００２０】ところで、日本語においては漢字とひらが
な，かたかな、アルファベットが混在し、各々で文字の
大きさが異なっている。特に、本の目次では、タイトル
とページ数などが長い実線や点線、すなわちリーダーで
連結され、異なる文字で書かれることが多い。同じ文書
中では、文字サイズが変更されることが稀であることを
考えると、以上のように行全体での文字サイズの分布だ
けを用いて文字サイズの変化点を検知するものでは、漢
字とカタカナの境界など、妥当でない部分で文字サイズ
を変化させてしまうというおそれがある。つまり、サイ
ズに着目するだけでは不十分であると言える。そこで、
図６のようにすることが考えられる。

【００２１】図６はこの発明の他の実施の形態を示すフ
ローチャートである。図６では表現形式を図１と変えた
が、図１に示す基本的なフローに対しステップＳａ，Ｓ
ｂ，Ｓｃ（Ｓｃ１〜３）を付加した点が特徴である。以
下、その相違点について説明する。ここで、対象とする
のは、異なる文字サイズの文字列間に挿入される空白で
ある。これは、一般的には標準文字サイズに対して数文
字分の長さを持っている。そこで、ステップＳａで空白
領域を抽出する。

【００２２】そして、例えば図７に示すような文字列の
場合、文字列１１と文字列１２との間の空白領域の長さ
Ｌｅについて、文字列１１で評価したときは文字列１１
の高さｈ１にほぼ等しい長さしか持たず空白とは認めら
れないが、文字列１２で評価すると長さＬｅはｈ２の訳
２倍の長さを持つことになり、空白として検知すること
ができる。このため、文字列間の空白を検知するために
は、空白領域を挟む２つの文字列の標準文字サイズを用
い、その論理和（ＯＲ）をとるようにする。図７の例で
は例えば、 Ｌｅ＞２ｈ１ ＯＲ Ｌｅ＞２ｈ２ を、空白検知のための条件とする。これは、空白をあけ
ることなく文字サイズを変更することはあまりない、と
いう製本時の版組みの基本規則を考慮したものと言え
る。

【００２３】リーダーは上述のように、１行中の最大文
字と比較して小さい文字列として抽出されるが（ステッ
プＳｂ参照）、ここではさらに「リーダーは２つの文字
列に挟まれて存在する」という条件を付加する。つま
り、リーダーに隣接する空白領域を、リーダーの一部と
して扱うようにする。また、リーダーは小さな点線で表
わされることがあり、スキャナなどの入力時にかすれて
消え易いので、これを復元するというねらいもある。こ
れにより、Ｓｃ１〜３からなる連続した文字列の統合処
理（ステップＳｃ参照）において、文字列：リーダー：
文字列の順番を正しく把握できれば、リーダーを行頭や
行末にある長音「ー」や漢数字の「一」と区別すること
が可能となる。

【００２４】次に、図８の如く文字サイズの変化点に空
白もリーダーもない場合について考える。このような例
はあまり多くは見られず、特殊な例である。また、字体
によっては、漢字とひらがな，カタカナのサイズの比が
大きくとられるものがあり、例えばカタカナことばの部
分を異なる文字サイズの文字列としてしまう。よって、
大きなサイズの文字列に挟まれて存在する小さなサイズ
の文字列は、不適当な文字サイズの変更と考えて、大き
なサイズの文字列に統合する。

【００２５】つまり、図８のような文字サイズの変更
は、目次などの箇条書きの部分で、固有名詞に対する補
足説明などに用いられる場合が多く、したがって、文字
サイズ変更の条件としては、小さいサイズの文字列の長
さを、大きいサイズの文字列の長さと比較して十分な長
さを持つことを条件とすることができる。たとえば、大
きいサイズの文字列１３の長さをＬ１、小さいサイズの
文字列１４の長さをＬ２として Ｌ２＞０．４Ｌ１ を満たすとき、文字サイズは変更されたものとする（許
容する）。なお、Ｌ１，Ｌ２が文字列の長さとしての条
件を満たすことは勿論である。

【００２６】

【発明の効果】この発明によれば、１行中に異なるサイ
ズの文字が混在する場合、その文字サイズと領域を検出
することにより、小さい文字についても正しい統合処理
を行なうことができる利点が得られる。また、ノイズの
影響を受けにくい標準文字サイズの算出手法を採用する
ことにより、正しい統合処理を行ない得るようにし、文
字の認識精度を向上させることができる。さらに、版組
みの一般規則を考慮すること、空白領域とリーダー部を
精度良く求めることなどにより、文字サイズの変更が殆
ど見られない一般文書の認識性能に悪影響を与えること
なく、種々のサイズの文字が混在する目次などの特殊な
文書の認識性能を向上させることが可能となる。

【図面の簡単な説明】

【図１】この発明の第１の実施の形態を示すフローチャ
ートである。

【図２】この発明が適用される画像処理装置を示すブロ
ック図である。

【図３】雑誌の目次例を示す説明図である。

【図４】仮文字高さの頻度分布関数の例を示すグラフで
ある。

【図５】仮文字の位置と高さを２軸とする頻度関数の例
を示すグラフである。

【図６】この発明の第２の実施の形態を示すフローチャ
ートである。

【図７】空白領域による文字列の分離方法を説明する説
明図である。

【図８】空白領域を伴わない文字サイズの変更を説明す
る説明図である。

【図９】仮文字の切り出し例の説明図である。

【符号の説明】

１…画像入力部、２…演算処理装置（ＣＰＵ）、３…画
像メモリ、４…ＲＯＭメモリ（リードオンリメモリ）、
５…認識部、６…ＲＡＭメモリ（ランダムアクセスメモ
リ）、１１，１２，１３，１４…文字列。

Claims (8)

【特許請求の範囲】
1. 【請求項１】 文書を画像処理して行を切り出し、行毎
   に個々の文字を切り出して読み取るに当たり、 文字間の空白から大まかに切り出された黒画素のかたま
   り（仮文字）を求めた後、行中に複数の異なったサイズ
   の文字が混在するか否かを検知し、複数の異なるサイズ
   を検出したときは、前記仮文字高さの頻度分布を求めて
   その平滑化処理をし、そのピーク位置から標準的な文字
   の大きさ（標準文字サイズ）を求め、その後、前記仮文
   字を標準文字サイズ毎に分類し、同じ標準文字サイズに
   分類された仮文字を統合することにより、１行の文字列
   を標準文字サイズ毎の文字列に分割し、文字列毎の標準
   文字サイズにもとづき以後の処理を行なうことを特徴と
   する異サイズ混在文字列の読取り方法。
2. 【請求項２】 前記仮文字を標準文字サイズ毎に分類す
   るに当たり、前記頻度分布の局所的な最小値をしきい値
   として分類することを特徴とする請求項１に記載の異サ
   イズ混在文字列の読取り方法。
3. 【請求項３】 前記仮文字を統合するに当たり、仮文字
   の高さと位置を２軸とする平面上で仮文字の頻度分布を
   求め、所定サイズの文字列の存在位置を推定し、仮文字
   の統合を行なうことを特徴とする請求項１に記載の異サ
   イズ混在文字列の読取り方法。
4. 【請求項４】 前記仮文字を統合するに当たり、文字列
   間の空白やリーダーを検知し、これらを挟む２つの文字
   列間で文字サイズが異なるものと予測して統合処理を行
   なうことを特徴とする請求項１に記載の異サイズ混在文
   字列の読取り方法。
5. 【請求項５】 文字サイズの変化点に存在する空白領域
   の検知を、空白領域を挟む２つの文字列それぞれの文字
   サイズを用いて行なうことを特徴とする請求項１に記載
   の異サイズ混在文字列の読取り方法。
6. 【請求項６】 実線または点線として表現され、文字列
   間の連結関係を示すリーダーに、隣接する２つの文字列
   間の空白領域を含めて扱うことを特徴とする請求項１に
   記載の異サイズ混在文字列の読取り方法。
7. 【請求項７】 大きなサイズの文字列間に挟まれて存在
   する小さなサイズの文字列に対しては、隣接する大きな
   サイズの文字列から抽出される標準文字サイズを適用す
   ることを特徴とする請求項１に記載の異サイズ混在文字
   列の読取り方法。
8. 【請求項８】 行頭または行末に同じ行の他の文字列に
   比べ小さなサイズの文字列が存在した場合、隣接する大
   きなサイズの文字列の長さと比較して、十分な長さを持
   つことを条件として文字サイズの変更を許容することを
   特徴とする請求項１に記載の異サイズ混在文字列の読取
   り方法。