JPH1049668A - 濃淡値文書画像からの特徴抽出方法及び特徴抽出装置 - Google Patents

Abstract

(57)【要約】 【課題】 低解像度の画像においても認識に有効な特徴
を抽出できる濃淡値文書画像からの特徴抽出方法及び特
徴抽出装置を提供することを目的とする。 【解決手段】 文書原稿画像から生成された濃淡値レベ
ルの画像データに対して，濃淡値情報を高さ方向に見立
てて３次元的な曲面データとして解析する。三角形近似
手段１０４は曲面データを三角形近似し，多角形統合手
段１０５は隣接し合う近似三角形を多角形に統合し，更
に特徴抽出手段１０６は，隣接し合う多角形の境界線付
近の特徴を抽出する。また輪郭線抽出手段２０７は，多
角形と抽出された隣接し合う多角形の境界線付近の特徴
を使って輪郭線特徴を抽出し，更に，該結果に基づき，
抽出された輪郭線を外部・内部輪郭に分類して，ベクト
ル・ラスター変換の手法を用いて２値画像を生成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は，濃淡値文書画像か
らの特徴抽出方法及び特徴抽出装置における文字，文書
画像等の認識，とりわけ画質の低いもの，画像の解像度
が低い文字，文書画像等の認識のための特徴抽出技術に
係り，特に，スキャナ等の画像読取装置から入力された
濃淡値画像から，２値化を通さずに直接，濃淡値データ
を用いて輪郭線特徴を抽出し，更に，抽出された輪郭線
を用いて入力画像が２値画像を生成する濃淡値文書画像
からの特徴抽出方法及び特徴抽出装置に関する。

【０００２】

【従来の技術】従来の文書，文字認識方式では，スキャ
ナ等の画像入力装置から入力された濃淡値の画像データ
に対して，濃淡値をある閾値で２値化することにより得
られる２値画像から，各種の有効な特徴を抽出する方法
が用いられてきている。

【０００３】しかしながら，画像入力装置の光学的な作
用，特に，点広がり関数の作用によって，画像入力の際
に画像に様々な歪みが生ずることがWangとPavlidisによ
り指摘されている（L.Wang and T.Pavlidis, "Direct G
ray-Scale Extraction ofFeatures for Character Reco
gnition", IEEE Transactions on PatternAnalysis and
Machine Intelligence, vol.15, no.10, pp.1053-106
7, October1993）。

【０００４】このため，機械的な処理で２値化された画
像は，多くの重要な情報を失うことになり，認識におけ
る誤りや拒否が生じる重要な原因となっている。この技
術課題に対し，WangとPavlidisは，認識に有効な特徴の
抽出に置いては，濃淡値画像を曲面と見ることによっ
て，曲面の構造を解析することの重要性を強調してい
る。

【０００５】特に，彼らは，微分幾何学的な操作を用い
ることによって，濃淡値曲面から様々な地形的な特徴，
具体的には，濃淡値の局所的最大，最小である尾根線や
谷線，そして，濃淡値がある方向から見ると最大になっ
ているが，それと直行する方向から見れば最小になって
いるような鞍点などを抽出する方法を提案している。

【０００６】この方法では，文字のストロークの骨格線
が尾根線に対応するという仮定をおくことによって，濃
淡値画像から，直接，２値画像の細線化で得られるよう
なストロークの骨格線特徴を抽出することを目的として
いる。

【０００７】

【発明が解決しようとする課題】しかしながら，この従
来の方法には，幾つかの問題点がある。先ず，既存の文
字認識アルゴリズムでは，ストロークの骨格線を利用す
るものの他に，文字の輪郭線の構造的・統計的特徴を利
用する有効なものが数多くある。WangとPavlidisの方法
は，輪郭線を用いている認識アルゴリズムには向いてお
らず，これまでの輪郭線を使った認識アルゴリズムの貴
重な技術的財産を生かすことができないため，汎用的な
目的には向いていない。

【０００８】更に，文字の線幅が十分に細いときには，
尾根線を抽出することが可能であるが，太い線の場合に
は，尾根線の位置を正確に見つけることが難しくなる。
また，尾根，谷，鞍点の検出には，微分操作が必要とな
るが，実際のディジタル画像に微分操作を施すことには
いくつかの困難がある。とりわけ，実装においては，数
値解析における微分方程式の解法と同様に，数多くのパ
ラメータ設定が必要になり，それらのパラメータ調整が
難しいという問題が生じてくる。

【０００９】また，エッジ検出，輪郭線抽出等の汎用的
なアルゴリズムは数多く知られているが，文字，文書画
像の場合，特に，もともとの画像が２値で，それが画像
入力の際の光学的影響により濃淡値になっていること，
そして，文字，記号等の文書の構成要素の輪郭は必ず閉
曲線になっていることに注意する必要がある。更に，建
造物の画像，航空写真のエッジ検出のように位置の正確
さは必要とされず，むしろ，認識に有効な形の特徴が維
持されるように輪郭線が抽出されることがより重要であ
る。

【００１０】更に，Pavlidis, Chen, Josephは，解像度
と各ピクセルが持つ濃淡値のレベルの数の間にはトレー
ドオフがあり，特に，文章画像においては，解像度が高
ければ，濃淡値レベルは少なくて済むのに対し，解像度
が下がるにつれて，多くの濃淡値レベルが必要になるこ
とを示している（T.Pavlidis, M.Chen, and E.Joseph,
"Sampling and Quantization of Bilevel Signals", P
atten RecognitionLetters, vol.14, no.7, pp.559-56
2, July 1993）。

【００１１】また，多くの２値化方式では，ピクセルの
濃淡値の統計的分布をもとにして，閾値を決定するため
に，データの数（空間的密度）が減少する低解像度の画
像においては，統計的推論の精度が下がることが必死で
ある。従って，低解像度の画像においても，認識に有効
な特徴が抽出できるような方式が必要である。

【００１２】本発明は，上記従来の問題点に鑑みてなさ
れたものであって，これまでの輪郭線やストロークの骨
格線等を使った認識アルゴリズムの貴重な技術的財産を
生かすために，文書画像から得られた濃淡値画像データ
の汎用的なデータ表現方式，及びデータ構造を提案し，
該データ表現方式をもとに，文字，記号等の輪郭線など
の特徴を抽出するための体系的な濃淡値文書画像からの
特徴抽出方法及び特徴抽出装置を提供することを目的と
している。

【００１３】即ち，本発明の目的は，線が太い文字には
有効でないストロークの骨格線特徴ばかりでなく，輪郭
線特徴も抽出でき，獲得した特徴を多くの認識アルゴリ
ズムにおいて使用可能とし，また，輪郭線特徴をもと
に，輪郭線を内部輪郭及び外部輪郭に分類して内部を塗
りつぶして２値画像を生成可能とし，更に，提案するデ
ータ構造を基盤にすることによって，ディジタル画像で
は不安定な微分操作を避け得る濃淡値文書画像からの特
徴抽出方法及び特徴抽出装置を提供することである。

【００１４】また，本発明の他の目的は，これまでの文
字認識の研究から，構造的な文字認識方式とパターンマ
ッチング方式の両方において，特に，方向特徴や凹凸特
徴が有効であることが分かっており，成功している文字
認識方式の多くはこれらの特徴を何らかの形で使ってい
るものが多いが，濃淡値画像データの表現方式として方
向特徴と凹凸特徴を用いることにより，文字，記号等の
文書画像構成要素の本質的特徴を生かした特徴抽出を可
能とした濃淡値文書画像からの特徴抽出方法及び特徴抽
出装置を提供することである。

【００１５】更に，本発明の他の目的は，低解像度の画
像において認識に有効な特徴を抽出するため，文字等の
本質的な特徴に着目することによりデータ数（空間的密
度）の減少に伴う総情報量を減少させ，総情報量の中の
小さい部分を占める本質的情報を拾い上げることを可能
とした濃淡値文書画像からの特徴抽出方法及び特徴抽出
装置を提供することである。

【００１６】

【課題を解決するための手段】上記課題を解決するため
に，本発明の請求項１に係る濃淡値文書画像からの特徴
抽出方法及び特徴抽出装置は，文書原稿画像を読み取っ
て濃淡値レベルの画像データを生成する第１ステップ
と，前記第１ステップにより生成された画像データにつ
いて，濃淡値情報を高さ方向に見立てた３次元的な曲面
データを生成する第２ステップと，前記第２ステップに
より生成された曲面データを三角形近似する第３ステッ
プと，前記第３ステップにより得られた近似三角形の
内，隣接し合う近似三角形を多角形に統合する第４ステ
ップと，前記第４ステップで得られた隣接し合う多角形
の境界付近の特徴を抽出する第５ステップとを具備した
ものである。

【００１７】また，請求項２に係る濃淡値文書画像から
の特徴抽出方法は，文書原稿画像を読み取って濃淡値レ
ベルの画像データを生成する第１ステップと，前記第１
ステップにより生成された画像データについて，濃淡値
情報を高さ方向に見立てた３次元的な曲面データを生成
する第２ステップと，前記第２ステップにより生成され
た曲面データを三角形近似する第３ステップと，前記第
３ステップにより得られた近似三角形の内，隣接し合う
近似三角形を多角形に統合する第４ステップと，前記第
４ステップで得られた隣接し合う多角形の境界付近の特
徴を抽出する第５ステップと，前記第４及び第５ステッ
プで得られた多角形と隣接し合う多角形の境界付近の特
徴を使って，文字，記号等の文書画像の構成要素の輪郭
線を抽出する第６ステップとを具備したものである。

【００１８】また，請求項３に係る濃淡値文書画像から
の特徴抽出方法は，文書原稿画像を読み取って濃淡値レ
ベルの画像データを生成する第１ステップと，前記第１
ステップにより生成された画像データについて，濃淡値
情報を高さ方向に見立てた３次元的な曲面データを生成
する第２ステップと，前記第２ステップにより生成され
た曲面データを三角形近似する第３ステップと，前記第
３ステップにより得られた近似三角形の内，隣接し合う
近似三角形を多角形に統合する第４ステップと，前記第
４ステップで得られた隣接し合う多角形の境界付近の特
徴を抽出する第５ステップと，前記第４及び第５ステッ
プで得られた多角形と隣接し合う多角形の境界付近の特
徴を使って，文字，記号等の文書画像の構成要素の輪郭
線を抽出する第６ステップと，前記第６ステップで抽出
された輪郭線を内部輪郭及び外部輪郭に分類する第７ス
テップと，ベクトル・ラスター変換の手法を使って，前
記内部輪郭及び外部輪郭に基づく輪郭の内部を塗りつぶ
すことにより２値画像を生成する第８ステップとを具備
したものである。

【００１９】また，請求項４に係る濃淡値文書画像から
の特徴抽出装置は，文書原稿画像を読み取って濃淡値レ
ベルの画像データを生成する画像入力手段と，前記画像
入力手段により生成された画像データについて，濃淡値
情報を高さ方向に見立てた３次元的な曲面データを生成
する濃淡値情報生成手段と，前記曲面データを記憶する
記憶手段と，前記記憶手段に記憶されている曲面データ
を三角形近似する三角形近似手段と，隣接し合う近似三
角形を多角形に統合する多角形統合手段と，隣接し合う
多角形の境界付近の特徴を抽出する特徴抽出手段とを具
備したものである。

【００２０】また，請求項５に係る濃淡値文書画像から
の特徴抽出装置は，文書原稿画像を読み取って濃淡値レ
ベルの画像データを生成する画像入力手段と，前記画像
入力手段により生成された画像データについて，濃淡値
情報を高さ方向に見立てた３次元的な曲面データを生成
する濃淡値情報生成手段と，前記曲面データを記憶する
記憶手段と，前記記憶手段に記憶されている曲面データ
を三角形近似する三角形近似手段と，隣接し合う近似三
角形を多角形に統合する多角形統合手段と，隣接し合う
多角形の境界付近の特徴を抽出する特徴抽出手段と，多
角形と隣接し合う多角形の境界付近の特徴を使って，文
字，記号等の文書画像の構成要素の輪郭線を抽出する輪
郭線抽出手段とを具備したものである。

【００２１】また，請求項６に係る濃淡値文書画像から
の特徴抽出装置は，請求項４または５記載の濃淡値文書
画像からの特徴抽出装置において，前記多角形統合手段
は，前記三角形近似手段において得られた近似三角形に
対して，放線方向を量子化しておくことにより，互いに
隣接し合う近似三角形の内，同じ量子化範囲内にあるも
のを統合することにより多角形を構成し，前記特徴抽出
手段は，濃淡値曲面を前記多角形の集まりとして操作す
るものである。

【００２２】また，請求項７に係る濃淡値文書画像から
の特徴抽出装置は，請求項４，５または６記載の濃淡値
文書画像からの特徴抽出装置において，前記特徴抽出手
段は，前記多角形統合手段により構築される多角形に対
して，互いに隣接する多角形の境界線付近を水平な平面
で切断したときにできる，２つの多角形と水平面の交差
曲線の凹凸の特徴と方向の特徴を抽出し，濃淡値曲面を
多角形とそれらの隣接多角形間の凹凸特徴と方向の特徴
として扱うものである。

【００２３】また，請求項８に係る濃淡値文書画像から
の特徴抽出装置は，請求項４，５または６記載の濃淡値
文書画像からの特徴抽出装置において，前記特徴抽出手
段は，前記多角形統合手段により構築される多角形に対
して，互いに隣接する多角形の境界線付近を複数の垂直
な平面で切断したときにできる，２つの多角形と垂直面
の交差曲線の凹凸の特徴と方向の特徴を抽出し，濃淡値
曲面を多角形とそれらの隣接多角形間の凹凸特徴と方向
の特徴として扱うものである。

【００２４】また，請求項９に係る濃淡値文書画像から
の特徴抽出装置は，請求項５，６，７または８記載の濃
淡値文書画像からの特徴抽出装置において，前記輪郭線
抽出手段は，隣接し合う多角形の境界線から，輪郭線の
部分となっている可能性が高いものを，多角形表現され
た濃淡値曲面の局所的特徴を使って抽出し，グラフ理論
の探索問題を使って，輪郭閉曲線を構成するものであ
る。

【００２５】また，請求項１０に係る濃淡値文書画像か
らの特徴抽出装置は，請求項５，６，７，８または９記
載の濃淡値文書画像からの特徴抽出装置において，前記
輪郭線抽出手段によって抽出された輪郭線を，多角形境
界線の特徴を用いて内部輪郭と外部輪郭とに分類するも
のである。

【００２６】また，請求項１１に係る濃淡値文書画像か
らの特徴抽出装置は，請求項５，６，７，８，９または
１０記載の濃淡値文書画像からの特徴抽出装置におい
て，前記輪郭線抽出手段によって抽出された輪郭線か
ら，ベクトル・ラスター変換の手法を使って，輪郭の内
部を塗りつぶすことにより２値画像を生成するものであ
る。

【００２７】

【発明の実施の形態】以下，本発明の濃淡値文書画像か
らの特徴抽出方法及び特徴抽出装置の概要について，並
びに，本発明の濃淡値文書画像からの特徴抽出方法及び
特徴抽出装置の実施形態について，順に図面を参照して
詳細に説明する。

【００２８】〔本発明の濃淡値文書画像からの特徴抽出
方法及び特徴抽出装置の概要〕本発明の請求項１に係る
濃淡値文書画像からの特徴抽出方法では，図３に示す如
く，第１ステップＳ３０１で文書原稿画像を読み取って
濃淡値レベルの画像データを生成し，第２ステップＳ３
０２では，第１ステップＳ３０１により生成された画像
データについて，濃淡値情報を高さ方向に見立てた３次
元的な曲面データを生成し，第３ステップＳ３０３では
第２ステップＳ３０２により生成された曲面データを三
角形近似し，第４ステップＳ３０４では，第３ステップ
Ｓ３０３により得られた近似三角形の内，隣接し合う近
似三角形を多角形に統合し，更に，第５ステップＳ３０
５では第４ステップＳ３０４で得られた隣接し合う多角
形の境界付近の特徴を抽出するようにしている。

【００２９】これにより，従来の輪郭線やストロークの
骨格線等を使った認識アルゴリズムの貴重な技術的財産
を生かすことができ，文章画像から得られた濃淡値画像
データの汎用的なデータ表現方式及びデータ構造を実現
でき，該データ表現を用いることにより，輪郭線等の特
徴抽出のための効率の良いアルゴリズムの設計が可能に
なり，更に，実際のディジタル画像では問題が多い微分
操作を避けることができる。

【００３０】また，請求項２に係る濃淡値文書画像から
の特徴抽出方法では，図３に示す如く，第１ステップＳ
３０１で文書原稿画像を読み取って濃淡値レベルの画像
データを生成し，第２ステップＳ３０２では，第１ステ
ップＳ３０１により生成された画像データについて，濃
淡値情報を高さ方向に見立てた３次元的な曲面データを
生成し，第３ステップＳ３０３では第２ステップＳ３０
２により生成された曲面データを三角形近似し，第４ス
テップＳ３０４では，第３ステップＳ３０３により得ら
れた近似三角形の内，隣接し合う近似三角形を多角形に
統合し，第５ステップＳ３０５では第４ステップＳ３０
４で得られた隣接し合う多角形の境界付近の特徴を抽出
し，更に，第６ステップＳ３０６では，第４及び第５ス
テップＳ３０４，Ｓ３０５で得られた多角形と隣接し合
う多角形の境界付近の特徴を使って，文字，記号等の文
書画像の構成要素の輪郭線を抽出するようにしている。

【００３１】これにより，輪郭線等の特徴抽出のための
効率の良いアルゴリズムの設計が可能になり，実際のデ
ィジタル画像では問題が多い微分操作を避けることがで
きると共に，低解像度の画像においても，認識に有効な
特徴，即ち，文字，記号等の輪郭線特徴を抽出すること
ができる。

【００３２】また，請求項３に係る濃淡値文書画像から
の特徴抽出方法では，図３に示す如く，第１ステップＳ
３０１で文書原稿画像を読み取って濃淡値レベルの画像
データを生成し，第２ステップＳ３０２では，第１ステ
ップＳ３０１により生成された画像データについて，濃
淡値情報を高さ方向に見立てた３次元的な曲面データを
生成し，第３ステップＳ３０３では第２ステップＳ３０
２により生成された曲面データを三角形近似し，第４ス
テップＳ３０４では，第３ステップＳ３０３により得ら
れた近似三角形の内，隣接し合う近似三角形を多角形に
統合し，第５ステップＳ３０５では第４ステップＳ３０
４で得られた隣接し合う多角形の境界付近の特徴を抽出
し，第６ステップＳ３０６では，第４及び第５ステップ
Ｓ３０４，Ｓ３０５で得られた多角形と隣接し合う多角
形の境界付近の特徴を使って，文字，記号等の文書画像
の構成要素の輪郭線を抽出し，第７ステップＳ３０７で
は第６ステップＳ３０６で抽出された輪郭線を内部輪郭
及び外部輪郭に分類し，更に，第８ステップＳ３０８で
は，ベクトル・ラスター変換の手法を使って，前記内部
輪郭及び外部輪郭に基づく輪郭の内部を塗りつぶすこと
により２値画像を生成するようにしている。

【００３３】これにより，輪郭線等の特徴抽出のための
効率の良いアルゴリズムの設計が可能になり，実際のデ
ィジタル画像では問題が多い微分操作を避けることがで
きると共に，低解像度の画像においても，認識に有効な
特徴，即ち，文字，記号等の輪郭線特徴を抽出すること
ができ，また同時に，形状の特徴を保持した２値画像を
低解像度の濃淡値画像からも生成することができる。

【００３４】また，請求項４に係る濃淡値文書画像から
の特徴抽出装置では，図１に示す如く，画像入力手段１
０１により文書原稿画像を読み取って濃淡値レベルの画
像データを生成し，濃淡値情報生成手段１０２では，画
像入力手段１０１により生成された画像データについ
て，濃淡値情報を高さ方向に見立てた３次元的な曲面デ
ータを生成して，該曲面データを記憶手段１０３に記憶
し，三角形近似手段１０４では，記憶手段１０３に記憶
されている曲面データを三角形近似し，多角形統合手段
１０５では隣接し合う近似三角形を多角形に統合し，更
に特徴抽出手段１０６では，隣接し合う多角形の境界付
近の特徴を抽出するようにしている。

【００３５】これにより，従来の輪郭線やストロークの
骨格線等を使った認識アルゴリズムの貴重な技術的財産
を生かすことができ，文章画像から得られた濃淡値画像
データの汎用的なデータ表現方式及びデータ構造を実現
でき，該データ表現を用いることにより，輪郭線等の特
徴抽出のための効率の良いアルゴリズムの設計が可能に
なり，更に，実際のディジタル画像では問題が多い微分
操作を避けることができる。

【００３６】また，請求項５に係る濃淡値文書画像から
の特徴抽出装置では，図２に示す如く，画像入力手段１
０１により文書原稿画像を読み取って濃淡値レベルの画
像データを生成し，濃淡値情報生成手段１０２では，画
像入力手段１０１により生成された画像データについ
て，濃淡値情報を高さ方向に見立てた３次元的な曲面デ
ータを生成して，該曲面データを記憶手段１０３に記憶
し，三角形近似手段１０４では，記憶手段１０３に記憶
されている曲面データを三角形近似し，多角形統合手段
１０５では隣接し合う近似三角形を多角形に統合し，特
徴抽出手段１０６では隣接し合う多角形の境界付近の特
徴を抽出し，更に輪郭線抽出手段２０７では，多角形と
隣接し合う多角形の境界付近の特徴を使って，文字，記
号等の文書画像の構成要素の輪郭線を抽出するようにし
ている。

【００３７】これにより，輪郭線等の特徴抽出のための
効率の良いアルゴリズムの設計が可能になり，実際のデ
ィジタル画像では問題が多い微分操作を避けることがで
きると共に，低解像度の画像においても，認識に有効な
特徴，即ち，文字，記号等の輪郭線特徴を抽出すること
ができる。

【００３８】また，請求項６に係る濃淡値文書画像から
の特徴抽出装置では，多角形統合手段１０５は，三角形
近似手段１０４において得られた近似三角形に対して，
放線方向を量子化しておくことにより，互いに隣接し合
う近似三角形の内，同じ量子化範囲内にあるものを統合
することにより多角形を構成し，特徴抽出手段１０６で
は，濃淡値曲面を前記多角形の集まりとして操作するよ
うにしている。

【００３９】つまり，濃淡画像値データのデータ構造及
び表現方式として方向特徴を使用し，該方向特徴に着目
して濃淡値曲面を同じような放線方向を持つ多角形に分
割することとしているので，文字，記号等の文書画像構
成要素の本質的特徴を生かした特徴抽出が可能となる。

【００４０】また，請求項７に係る濃淡値文書画像から
の特徴抽出装置では，特徴抽出手段１０６は，多角形統
合手段１０５により構築される多角形に対して，互いに
隣接する多角形の境界線付近を水平な平面で切断したと
きにできる，２つの多角形と水平面の交差曲線の凹凸の
特徴と方向の特徴を抽出し，濃淡値曲面を多角形とそれ
らの隣接多角形間の凹凸特徴と方向の特徴として扱うよ
うにしている。

【００４１】つまり，濃淡画像値データのデータ構造及
び表現方式として凹凸特徴と方向特徴を使用し，濃淡値
曲面から方向特徴と共に水平面に沿った局所的な凹凸特
徴を獲得することとしているので，文字，記号等の文書
画像構成要素の本質的特徴を生かした特徴抽出が可能と
なる。また，文字等の図形の本質的な特徴である方向特
徴と凹凸特徴に着目して濃淡値曲面を分割し解析するこ
とにより，コンパクトで表現能力の高いデータ表現を得
ることができる。

【００４２】また，請求項８に係る濃淡値文書画像から
の特徴抽出装置では，特徴抽出手段１０６は，多角形統
合手段１０５により構築される多角形に対して，互いに
隣接する多角形の境界線付近を複数の垂直な平面で切断
したときにできる，２つの多角形と垂直面の交差曲線の
凹凸の特徴と方向の特徴を抽出し，濃淡値曲面を多角形
とそれらの隣接多角形間の凹凸特徴と方向の特徴として
扱うようにしている。

【００４３】つまり，濃淡画像値データのデータ構造及
び表現方式として凹凸特徴と方向特徴を使用し，濃淡値
曲面から方向特徴と共に垂直面に沿った局所的な凹凸特
徴を獲得することとしているので，文字，記号等の文書
画像構成要素の本質的特徴を生かした特徴抽出が可能と
なる。また，文字等の図形の本質的な特徴である方向特
徴と凹凸特徴に着目して濃淡値曲面を分割し解析するこ
とにより，コンパクトで表現能力の高いデータ表現を得
ることができる。

【００４４】また，請求項９に係る濃淡値文書画像から
の特徴抽出装置では，輪郭線抽出手段２０７は，隣接し
合う多角形の境界線から，輪郭線の部分となっている可
能性が高いものを，多角形表現された濃淡値曲面の局所
的特徴を使って抽出し，グラフ理論の探索問題を使っ
て，輪郭閉曲線を構成するようにしている。これによ
り，輪郭線抽出問題をグラフ理論を用いることによって
効率よく解くことができる。

【００４５】また，請求項１０に係る濃淡値文書画像か
らの特徴抽出装置では，輪郭線抽出手段２０７によって
抽出された輪郭線を，多角形境界線の特徴を用いて内部
輪郭と外部輪郭とに分類し，更に，請求項１１に係る濃
淡値文書画像からの特徴抽出装置では，輪郭線抽出手段
２０７によって抽出された輪郭線から，ベクトル・ラス
ター変換の手法を使って，輪郭の内部を塗りつぶすこと
により２値画像を生成するようにしている。

【００４６】文字等の図形の本質的な特徴である方向特
徴と凹凸特徴に着目したデータ表現をもとにしているの
で，低解像度の画像においても，認識に有効な特徴，即
ち，文字，記号等の輪郭線特徴を抽出することができ，
また同時に，形状の特徴を保持した２値画像を低解像度
の濃淡値画像からも生成することができる。

【００４７】〔実施形態〕図２は本発明の実施形態に係
る濃淡値文書画像からの特徴抽出装置の構成図である。

【００４８】図２において，本実施形態の濃淡値文書画
像からの特徴抽出装置は，文書原稿画像を読み取って濃
淡値レベルの画像データを生成する画像入力手段１０１
と，画像入力手段１０１により生成された画像データに
ついて，濃淡値情報を高さ方向に見立てた３次元的な曲
面データを生成する濃淡値情報生成手段１０２と，該曲
面データを記憶する記憶手段１０３と，記憶手段１０３
に記憶されている曲面データを三角形近似する三角形近
似手段１０４と，隣接し合う近似三角形を多角形に統合
する多角形統合手段１０５と，隣接し合う多角形の境界
付近の特徴を抽出する特徴抽出手段１０６と，多角形と
隣接し合う多角形の境界付近の特徴を使って，文字，記
号等の文書画像の構成要素の輪郭線を抽出する輪郭線抽
出手段２０７とを備えて構成されている。

【００４９】また，図３は，本実施形態の濃淡値文書画
像からの特徴抽出装置における特徴抽出方法を説明する
概略フローチャートである。以下では，本概略フローチ
ャートに従い，図４から図１３までの説明図を参照し
て，特徴抽出方法を説明する。

【００５０】先ず，第１ステップＳ３０１では，画像入
力手段１０１により文書原稿画像を読み取って濃淡値レ
ベルの画像データを生成し，文書画像を濃淡値画像デー
タとして記憶手段１０３に記憶する。濃淡値画像データ
は，通常，要素が濃淡値レベルを示す整数であるような
２次元配列として記憶手段１０３内に記憶されている。

【００５１】次に，第２ステップＳ３０２では，第１ス
テップＳ３０１により生成された画像データについて，
濃淡値情報を高さ方向に見立てた３次元的な曲面データ
を生成する。つまり，濃淡値を高さと見なすことによっ
て，濃淡値画像データを曲面として取り扱うものであ
る。図４に文字の濃淡値画像データの一例を示す。

【００５２】次に，第３ステップＳ３０３では，第２ス
テップＳ３０２により生成された曲面データを三角形近
似する。つまり，曲面の三角形近似アルゴリズムを適用
することによって，濃淡値曲面を三角形に分割するもの
である。

【００５３】近似アルゴリズムとしては，例えば，De F
loriani (L. De Floriani, "Apyramidal data structur
e for triangle-based surface description", IEEECom
puter Graphics and Applications, vol.9, pp.67-78,
March 1989)によるものを用いることができる。

【００５４】このアルゴリズムは，近似精度を表すパラ
メータを１つ指定し，各分割三角形と近似される曲面と
の高さ方向の最大誤差がこの指定パラメータ以下になる
ように，ドロネー三角形分割を応用して，階層的に曲面
を三角形に分割するものである。図５に，図４の濃淡値
文字画像データに対する三角形分割の例を示す。

【００５５】次に，方向特徴と凹凸特徴に着目して，こ
の曲面の三角形近似から様々な特徴を抽出するためのデ
ータ表現方式及びデータ構造を構築する。

【００５６】先ず第１段階として，第４ステップＳ３０
４では，第３ステップＳ３０３により得られた近似三角
形の内，隣接し合う近似三角形を多角形に統合する。即
ち，方向を量子化して，放線方向が同じ量子化範囲にあ
るような，隣接し合う三角形を多角形に統合するもので
ある。

【００５７】先ず，量子化方向コードを設定するため
に，高さ方向にｚ軸（基底ベクトルｅ3 ）をとり，ｘ，
ｙ軸（基底ベクトルｅ1 ，ｅ2 ），原点Ｏをそれぞれ画
像面上にとることにより，正規直交座標系Σ＝（Ｏ；ｅ
1 ，ｅ2 ，ｅ3 ）を定義する。

【００５８】ここで，方向の量子化密度を決めるパラメ
ータＮ（但し，Ｎは正の偶数）を設定し，３次元空間内
の方向を次のようにして量子化する。

【００５９】ｘｙ平面上に原点を通るＮ本の直線Ｌi
（ｉ＝０，１，…，Ｎ−１）を定義する。図６はＮ＝４
の場合の３次元空間内の方向の量子化を示している。直
線Ｌiに沿った単位ベクトルは｛ｃｏｓ（ｉ／Ｎπ），
ｓｉｎ（ｉ／Ｎπ）｝で与えられる。

【００６０】各直線Ｌi （ｉ＝０，１，…，Ｎ−１）に
対して，ｘｙ平面上に垂直で，直線Ｌi を含むような平
面Πi を定義する。この平面をもとにして，原点Ｏを通
るＮ個の直線の集合｛Ｌij：ｊ＝０，１，…，Ｎ−１｝
を導入する。ここで，直線Ｌij（ｉ，ｊ＝０，１，…，
Ｎ−１）に沿った単位ベクトルは， ｕij,0= ｃｏｓ（ｉ／Ｎπ）ｃｏｓ（ｊ／Ｎπ）ｅ1＋
ｓｉｎ（ｉ／Ｎπ）ｃｏｓ（ｊ／Ｎπ）ｅ2−ｓｉｎ
（ｊ／Ｎπ）ｅ3 で与えられる。

【００６１】ここで，直線Ｌijに沿って，単位ベクトル
ｕij,0と反対方向の単位ベクトルｕij,1= −ｕij,0をと
れば，単位ベクトルｕij,0の向きに方向コード（ｉ，
ｊ），ｕij,1の向きに方向コード（ｉ，Ｎ＋ｊ）をそれ
ぞれ割り当てることによって，量子化方向コード（ｐ，
ｄ）（但し，ｐ＝０，１，…，Ｎ−１；ｄ＝０，１，
…，２Ｎ−１）を規定できる。また，形式的に，水平面
に沿った方向コード（ｉ，０）（但し，ｉ＝０，１，
…，Ｎ−１）を（Ｎ，ｉ）とも表すことにする。

【００６２】図７には，パラメータＮ＝４のときの垂直
面Πi と方向コード（１，０），（１，１），…，
（１，７）を，そして，図８には，パラメータＮ＝４の
ときの方向コード（４，０），（４，１），…，（４，
７）をそれぞれ示す。

【００６３】更に，近似分割三角形の放線方向を，量子
化方向によって２Ｎ² 個の区間に分類する。ｕ＝−ｖで
あるような２つの単位ベクトルｕ，ｖを同一方向と見な
すことにすると，各区間Ｄ（ｉ，ｊ），ｉ＝０，１，
…，２Ｎ−１；ｊ＝０，１，…，Ｎ−１は，方向を規定
する単位ベクトルを用いて次のように定義される。 Ｄ（ｉ，ｊ）＝｛（ｃｏｓθｃｏｓφ，ｓｉｎθｃｏｓ
φ，−ｓｉｎφ）：ｉ／Ｎπ＜θ＜（ｉ＋１）／Ｎπ，
ｊ／Ｎπ＜φ＜（ｊ＋１）／Ｎπ｝（ｉ＝０，１，…，
２Ｎ−１；ｊ＝０，１，…，Ｎ−１)

【００６４】定義した量子化方向区間をもとにして，放
線方向が同一の区間に属し，隣接し合う三角形を多角形
に統合してゆく。

【００６５】但し，放線方向 （ｃｏｓ（ｉ／Ｎπ）ｃｏｓφ，ｓｉｎ（ｉ／Ｎπ）ｃ
ｏｓφ，−ｓｉｎφ) （ｉ＝０，１，…，２Ｎ−１，φは任意）， または， （ｃｏｓθｃｏｓ（ｊ／Ｎπ），ｓｉｎθｃｏｓ（ｊ／
Ｎπ），−ｓｉｎ（ｊ／Ｎπ）） ( θは任意，ｊ＝０，１，…，Ｎ−１）の三角形は，定
義した区間の境界になるので，そのような放線方向を持
つ三角形については，高さ方向に微少な摂動を加えるこ
とによって，放線方向を微調整する。図９に，図５の分
割三角形を統合してできる多角形分割の例を示す。

【００６６】次に，第５ステップＳ３０５では，第４ス
テップＳ３０４で得られた隣接し合う多角形の境界付近
の特徴を抽出する。つまり，分割近似三角形の統合によ
り構築される多角形に対して，互いに隣接する多角形の
境界線付近を水平な平面で切断したときにできる，２つ
の多角形と水平面の交差曲線の凹凸の特徴と方向の特徴
を抽出するものである。

【００６７】ここで，２つの隣接する多角形をａ，ｂと
し，これらの２つの多角形ａ，ｂと水平面の交差曲線を
Ｃ（ａ，ｂ）とする。図１０では，図９における多角形
分割の一部を拡大したときの水平面と多角形の交差曲線
を太線で示す。

【００６８】また，多角形ａ及びｂの境界の凹凸特徴を
次のようにして定義する。交差曲線Ｃ（ａ，ｂ）と，多
角形ａ及びｂの境界線との交点をＰとし，Ｐa ，Ｐb を
交点Ｐに十分近い，それぞれ多角形ａ，ｂの内部にある
交差曲線Ｃ（ａ，ｂ）上の点とする。ベクトルの外積Ｐ
Ｐa ×ＰＰb の符号が負ならば，多角形ａ及びｂの結合
をａ→ｂと表し，正ならば，ｂ→ａというように，結合
の凹凸を表す。

【００６９】更に，水平直線Ｌi （ｉ＝０，１，…，Ｎ
−１）に対して，点（ｘ，ｙ，ｚ）の高さ関数 ｈi （ｘ，ｙ，ｚ）＝−ｘｓｉｎ（ｉ／Ｎπ）＋ｙｃｏ
ｓ（ｉ／Ｎπ） の大小関係を３点Ｐ，Ｐa ，Ｐb について比較すること
により，多角形ａ及びｂの結合の方向特徴を決める。

【００７０】もし，高さ関数ｈi が点Ｐで最大であれ
ば，多角形ａ及びｂの直線Ｌi 方向の水平面に沿った結
合は，方向コード（ｉ，０）＝（Ｎ，ｉ）が与えられ，
最小であれば，方向コード（ｉ＋Ｎ，０）＝（Ｎ，ｉ＋
Ｎ）が与えられる。それ以外の場合には，高さ関数ｈi
が交差曲線Ｃ（ａ，ｂ）に沿って単調変化するので，方
向コードは与えられない。

【００７１】各直線Ｌi 方向で計算した方向コードを集
めて順番に並べれば， （（Ｎ，ｊ(1) ），（Ｎ，ｊ(2) ），…，（Ｎ，ｊ(m)
） 但し，ｍは与えられた方向コードの個数， ｊ(k+1) ≡ｊ(k) ＋１（mod2N ），ｋ＝１，２，…，ｍ
−１ というような数列を作ることができるので，この数列の
最初と最後の要素を使って，多角形ａ及びｂの結合の凹
凸特徴と方向特徴を ａ−（ｊ(1) ，ｊ(m) ）→ｂ と表現することができる。

【００７２】図１１には，図１０に示した５つの多角形
Ｉ，…，Ｖに対して求めた，隣接し合う多角形間の凹凸
特徴と方向特徴を，パラメータＮ＝４の場合について示
す。尚，多角形IIと多角形III ，多角形III と多角形IV
の２組については，方向特徴が与えられない。

【００７３】また，水平面の代わりに，垂直面Πi （ｉ
＝０，１，…，Ｎ−１）を使って上記の操作を行えば，
隣接する多角形の結合について，垂直面Πi に沿った凹
凸・方向特徴を求めることができる。但し，外積，高さ
関数の計算の際には，基底ベクトルｅ3 がｘ軸の正の方
向，単位ベクトルｕij,0がｚ軸の正の方向，ベクトルの
外積ｕij,0×ｅ3 がｙ軸の正の方向になるような座標系
を用いる。

【００７４】ここまでは，文書画像から得られた濃淡値
データについて，濃淡値を高さと見ることによって曲面
として扱い，方向特徴及び凹凸特徴に着目したデータ表
現方式とデータ構造を取り扱ってきた。以下では，この
データ表現方式とデータ構造を用いて，文字等の文書画
像の構成要素の輪郭線特徴の抽出方式について述べる。

【００７５】先ず，輪郭線とは，濃淡値曲面の勾配が急
なところを辿ることによってできる閉曲線であり，大局
的に見れば単一平面上にはのっていないような曲線では
あるが，局所的には水平な線分として近似できる。従っ
て，上述した多角形による曲面のデータ表現方式とデー
タ構造において，局所的に共通の交差する水平面を持
ち，勾配が急な多角形の境界線をつなげていって，ある
基準のもとで最良となるような閉曲線を構成すれば，輪
郭線を取り出すことができる。この方式をより具体的に
以下で述べる。

【００７６】先ず，多角形ａ，ｂ（ａ，ｂは互いに異な
る多角形）のある境界線Ｂ（ａ，ｂ），及び多角形ｃ，
ｄ（ｃ，ｄは互いに異なる多角形）のある境界線Ｂ
（ｃ，ｄ）（ｂとｃは同一であってもよい）付近で，水
平面に沿った凹凸特徴及び方向特徴が次の何れかの形で
表されているとする。 （１）ａ−（ｊ0 ，ｊ1 ）→ｂ，ｃ−（ｊ2 ，ｊ3 ）→ｄ （２）ａ−（ｊ0 ，ｊ1 ）→ｂ，ｄ−（ｊ2 ，ｊ3 ）→ｃ （３）ｂ−（ｊ0 ，ｊ1 ）→ａ，ｃ−（ｊ2 ，ｊ3 ）→ｄ （４）ｂ−（ｊ0 ，ｊ1 ）→ａ，ｄ−（ｊ2 ，ｊ3 ）→ｃ

【００７７】更に，ｂとｃが互いに異なる多角形の場
合，ｂとｃを結ぶような多角形のパス （ｅ0 ＝ｂ，ｅ1 ，…，ｅm-1 ，ｅm ＝ｃ）（但し，ｍ
≧２） があり，多角形ｅ1 とｅi+1 （ｉ＝１，２，…，ｍ−
１）の境界に対しては，水平面に沿った方向特徴が割り
当てられていないと仮定する。即ち，どの水平線Ｌi に
関しても，多角形ｅi とｅi+1 と水平面の交差曲線Ｃ
（ｅi ，ｅi+1 ）に沿って高さ関数ｈi が単調変化する
と仮定する。

【００７８】ここで，多角形の列（ａ，ｂ，ｅ1 ，…，
ｅm-1 ，ｃ，ｄ）と同時に交差するような水平面が存在
する場合には，上記（１）から（４）の式に現れる４つ
の整数ｊ0 ，ｊ1 ，ｊ2 ，ｊ３の間に，それぞれ，次の
ような関係があることが数学的に証明できる： （イ）ｊ2 −ｊ1 ≡１（mod2N ）， （ロ）ｊ3 −ｊ1 ≡Ｎ（mod2N ）， （ハ）ｊ2 −ｊ0 ≡Ｎ（mod2N ）， （ニ）ｊ0 −ｊ3 ≡１（mod2N ）

【００７９】この性質を使えば，多角形の境界線Ｂ
（ａ，ｂ）に対して，共通の交差する水平をもつよう
な，近隣の多角形の境界線を見つけだすことができる。

【００８０】更に，このような近隣の境界線が複数見つ
かることがあるが，ある基準を用いて近隣の境界線を制
限することにする。

【００８１】今，輪郭線抽出において，局所的に共通の
交差する水平面をもち，勾配が急な多角形の境界線をつ
なげてゆくことを考えているのであるから，候補となっ
ている境界線Ｂ（ａ，ｂ）の近隣の境界線Ｂ’の鉛直線
との角度α（Ｂ’）と，その境界線Ｂ’の高さの中間値
（境界線の最高点と最低点の高さ平均）と，境界線Ｂ
（ａ，ｂ）の高さの中間値の差Δｚ（Ｂ（ａ，ｂ），
Ｂ’）の単調増加関数ｆ（α（Ｂ’），Δｚ（Ｂ（ａ，
ｂ），Ｂ’）），例えば， ｆ（α，Δｚ）＝ｓｉｎα（Ｂ’）＋ｃΔｚ（Ｂ（ａ，
ｂ），Ｂ’） （ｃは定数）とを小さくするものだけを，境界線Ｂ
（ａ，ｂ）の近隣の境界線とすればよい。

【００８２】例えば，境界線Ｂ（ａ，ｂ）の近隣の境界
線Ｂ’について， ｆ0 ≡ｍｉｎ_B'ｆ（α（Ｂ’），Δｚ（Ｂ（ａ，ｂ），
Ｂ’）） を基準にして，ｆ0 ＋ｔ（ｔは正の定数）以内のものだ
けを選ぶといった基準が挙げられる。

【００８３】まとめると，すべての隣接多角形の組
（ａ，ｂ）に対して，多角形の境界線付近の水平面に沿
った凹凸特徴及び方向特徴に基づく性質，そして，境界
線の鉛直線との角度αと，その境界線の高さの中間値と
境界線Ｂ（ａ，ｂ）の高さの中間値の差Δｚを用いた評
価関数を使って，その境界線Ｂ（ａ，ｂ）と共通の交差
水平面を持ち，急勾配を持つような近隣の多角形の境界
線を見つけることができる。

【００８４】更に，文字等の文書画像の構成要素の輪郭
線を抽出するため，多角形境界線をノードとした重み付
き有向グラフを構築する。

【００８５】境界線Ｂ（ａ，ｂ）に対して見つけたそれ
ぞれの近隣境界線βについて，重みを評価関数ｆ（α
（β），Δｚ（Ｂ（ａ，ｂ），β））の値ｗとするよう
な，重み付き有向リンクＢ（ａ，ｂ）−ｗ→βを設け
る。また，この有向グラフにおいて，境界線Ｂ（ａ，
ｂ）と境界線Ｂ（ｂ，ａ）は別々のノードとして扱う。
図１２には，図１０及び図１１の例に対して，この手続
きの適用結果である重み付き有向グラフを示す。

【００８６】次に，第６ステップＳ３０６では，第４及
び第５ステップＳ３０４，Ｓ３０５で得られた多角形と
隣接し合う多角形の境界付近の特徴を使って，文字，記
号等の文書画像の構成要素の輪郭線を抽出する。つま
り，得られた重み付き有向グラフを使って，文字等の輪
郭線を抽出する。

【００８７】先ず，すべての多角形境界線の中から，勾
配が最も急なものを選び出し，それに対応するノードｓ
を有向グラフから見つける。尚，上述のように，境界線
Ｂ（ａ，ｂ）と境界線Ｂ（ｂ，ａ）は別々のノードとし
て扱っているが，どちらを選んでもよい。

【００８８】ノードｓを出発点として，各ノードへの最
短経路を求める。全てのノードについて最短経路が求め
られたら，有向グラフにおいて，ノードｓと同じ連結成
分に属し，且つ，有向リンクｔ→ｓを持つようなノード
ｔを見つけだす。有向グラフ上でノードｓからノードｔ
への経路を辿ってゆき，画像上では，有向グラフの経路
上のノードに対応する多角形境界線の高さの中間値に対
応する点を結び，最後に有向グラフのノードｔ，ｓに対
応する境界線の高さの中間値に対応する点を結べば，閉
じた輪郭線ができる。

【００８９】また，このようなノードｔが複数あるよう
な場合には，例えば，輪郭線の長さが最大になるような
ものを選べはよい。輪郭線が決まったら，その輪郭線を
構成するノードを有向グラフから除去する。

【００９０】更に，除去されたノードに対応する多角形
輪郭線を構成する多角形について，その多角形のすべて
の境界線に対応するノードを有向グラフから除去する。

【００９１】そして，更新された有向グラフから，再
び，残った多角形境界線の内，勾配が最も急なものに対
応するノードｓを有向グラフから見つけて，新しい輪郭
線が見つからなくなるまで，上記の手続きを繰り返す。
図１３には，図９の多角形分割に対して上記手続により
見つかった輪郭線と，外輪郭線を構成する多角形境界線
を示す。

【００９２】次に，第７ステップＳ３０７では，第６ス
テップＳ３０６で抽出された輪郭線を内部輪郭及び外部
輪郭に分類し，更に，第８ステップＳ３０８では，ベク
トル・ラスター変換の手法を使って，前記内部輪郭及び
外部輪郭に基づく輪郭の内部を塗りつぶすことにより２
値画像を生成する。

【００９３】先ず，各輪郭線を内部輪郭及び外部輪郭の
分類は，次のように容易に行うことができる。即ち，そ
の輪郭線を構成する多角形境界線の最低点のｙ座標の範
囲が，上記の手続きにより構成される輪郭線のｙ座標の
範囲を含むならば，輪郭線の外側が，輪郭線よりも低く
なっていることになっているので，その輪郭線は外側輪
郭であることが分かる。また，そうでなければ，内側輪
郭である。

【００９４】このように輪郭線を内部輪郭及び外部輪郭
に分類すれば，ベクトル・ラスター変換の手法を使っ
て，輪郭線から２値画像を生成することができる。

【００９５】

【発明の効果】以上説明したように，本発明の請求項１
に係る濃淡値文書画像からの特徴抽出方法によれば，第
１ステップで文書原稿画像を読み取って濃淡値レベルの
画像データを生成し，第２ステップでは，第１ステップ
により生成された画像データについて，濃淡値情報を高
さ方向に見立てた３次元的な曲面データを生成し，第３
ステップでは第２ステップにより生成された曲面データ
を三角形近似し，第４ステップでは，第３ステップによ
り得られた近似三角形の内，隣接し合う近似三角形を多
角形に統合し，更に，第５ステップでは第４ステップで
得られた隣接し合う多角形の境界付近の特徴を抽出する
こととしたので，従来の輪郭線やストロークの骨格線等
を使った認識アルゴリズムの貴重な技術的財産を生かす
ことができ，文章画像から得られた濃淡値画像データの
汎用的なデータ表現方式及びデータ構造を実現でき，該
データ表現を用いることにより，輪郭線等の特徴抽出の
ための効率の良いアルゴリズムの設計が可能になり，更
に，実際のディジタル画像では問題が多い微分操作を避
け得る濃淡値文書画像からの特徴抽出方法を提供するこ
とができる。

【００９６】また，請求項２に係る濃淡値文書画像から
の特徴抽出方法によれば，第１ステップで文書原稿画像
を読み取って濃淡値レベルの画像データを生成し，第２
ステップでは，第１ステップにより生成された画像デー
タについて，濃淡値情報を高さ方向に見立てた３次元的
な曲面データを生成し，第３ステップでは第２ステップ
により生成された曲面データを三角形近似し，第４ステ
ップでは，第３ステップにより得られた近似三角形の
内，隣接し合う近似三角形を多角形に統合し，第５ステ
ップでは第４ステップで得られた隣接し合う多角形の境
界付近の特徴を抽出し，更に，第６ステップでは，第４
及び第５ステップで得られた多角形と隣接し合う多角形
の境界付近の特徴を使って，文字，記号等の文書画像の
構成要素の輪郭線を抽出することとしたので，輪郭線等
の特徴抽出のための効率の良いアルゴリズムの設計が可
能になり，実際のディジタル画像では問題が多い微分操
作を避けることができると共に，低解像度の画像におい
ても，認識に有効な特徴，即ち，文字，記号等の輪郭線
特徴を抽出し得る濃淡値文書画像からの特徴抽出方法を
提供することができる。

【００９７】また，請求項３に係る濃淡値文書画像から
の特徴抽出方法によれば，第１ステップで文書原稿画像
を読み取って濃淡値レベルの画像データを生成し，第２
ステップでは，第１ステップにより生成された画像デー
タについて，濃淡値情報を高さ方向に見立てた３次元的
な曲面データを生成し，第３ステップでは第２ステップ
により生成された曲面データを三角形近似し，第４ステ
ップでは，第３ステップにより得られた近似三角形の
内，隣接し合う近似三角形を多角形に統合し，第５ステ
ップでは第４ステップで得られた隣接し合う多角形の境
界付近の特徴を抽出し，第６ステップでは，第４及び第
５ステップで得られた多角形と隣接し合う多角形の境界
付近の特徴を使って，文字，記号等の文書画像の構成要
素の輪郭線を抽出し，第７ステップでは第６ステップで
抽出された輪郭線を内部輪郭及び外部輪郭に分類し，更
に，第８ステップでは，ベクトル・ラスター変換の手法
を使って，前記内部輪郭及び外部輪郭に基づく輪郭の内
部を塗りつぶすことにより２値画像を生成することとし
たので，輪郭線等の特徴抽出のための効率の良いアルゴ
リズムの設計が可能になり，実際のディジタル画像では
問題が多い微分操作を避けることができると共に，低解
像度の画像においても，認識に有効な特徴，即ち，文
字，記号等の輪郭線特徴を抽出することができ，また同
時に，形状の特徴を保持した２値画像を低解像度の濃淡
値画像からも生成し得る濃淡値文書画像からの特徴抽出
方法を提供することができる。

【００９８】また，請求項４に係る濃淡値文書画像から
の特徴抽出装置によれば，画像入力手段により文書原稿
画像を読み取って濃淡値レベルの画像データを生成し，
濃淡値情報生成手段では，画像入力手段により生成され
た画像データについて，濃淡値情報を高さ方向に見立て
た３次元的な曲面データを生成して，該曲面データを記
憶手段に記憶し，三角形近似手段では，記憶手段に記憶
されている曲面データを三角形近似し，多角形統合手段
では隣接し合う近似三角形を多角形に統合し，更に特徴
抽出手段では，隣接し合う多角形の境界付近の特徴を抽
出することとしたので，従来の輪郭線やストロークの骨
格線等を使った認識アルゴリズムの貴重な技術的財産を
生かすことができ，文章画像から得られた濃淡値画像デ
ータの汎用的なデータ表現方式及びデータ構造を実現で
き，該データ表現を用いることにより，輪郭線等の特徴
抽出のための効率の良いアルゴリズムの設計が可能にな
り，更に，実際のディジタル画像では問題が多い微分操
作を避け得る濃淡値文書画像からの特徴抽出装置を提供
することができる。

【００９９】また，請求項５に係る濃淡値文書画像から
の特徴抽出装置によれば，画像入力手段により文書原稿
画像を読み取って濃淡値レベルの画像データを生成し，
濃淡値情報生成手段では，画像入力手段により生成され
た画像データについて，濃淡値情報を高さ方向に見立て
た３次元的な曲面データを生成して，該曲面データを記
憶手段に記憶し，三角形近似手段では，記憶手段に記憶
されている曲面データを三角形近似し，多角形統合手段
では隣接し合う近似三角形を多角形に統合し，特徴抽出
手段では隣接し合う多角形の境界付近の特徴を抽出し，
更に輪郭線抽出手段では，多角形と隣接し合う多角形の
境界付近の特徴を使って，文字，記号等の文書画像の構
成要素の輪郭線を抽出することとしたので，輪郭線等の
特徴抽出のための効率の良いアルゴリズムの設計が可能
になり，実際のディジタル画像では問題が多い微分操作
を避けることができると共に，低解像度の画像において
も，認識に有効な特徴，即ち，文字，記号等の輪郭線特
徴を抽出し得る濃淡値文書画像からの特徴抽出装置を提
供することができる。

【０１００】また，請求項６に係る濃淡値文書画像から
の特徴抽出装置によれば，多角形統合手段は，三角形近
似手段において得られた近似三角形に対して，放線方向
を量子化しておくことにより，互いに隣接し合う近似三
角形の内，同じ量子化範囲内にあるものを統合すること
により多角形を構成し，特徴抽出手段では，濃淡値曲面
を前記多角形の集まりとして操作することとしたので，
文字，記号等の文書画像構成要素の本質的特徴を生かし
た特徴抽出を行い得る濃淡値文書画像からの特徴抽出装
置を提供することができる。

【０１０１】また，請求項７に係る濃淡値文書画像から
の特徴抽出装置によれば，特徴抽出手段は，多角形統合
手段により構築される多角形に対して，互いに隣接する
多角形の境界線付近を水平な平面で切断したときにでき
る，２つの多角形と水平面の交差曲線の凹凸の特徴と方
向の特徴を抽出し，濃淡値曲面を多角形とそれらの隣接
多角形間の凹凸特徴と方向の特徴として扱うこととした
ので，文字，記号等の文書画像構成要素の本質的特徴を
生かした特徴抽出が可能となり，文字，記号等の文書画
像構成要素の本質的特徴を生かした特徴抽出を行い得る
濃淡値文書画像からの特徴抽出装置を提供することがで
きる。

【０１０２】また，請求項８に係る濃淡値文書画像から
の特徴抽出装置によれば，特徴抽出手段は，多角形統合
手段により構築される多角形に対して，互いに隣接する
多角形の境界線付近を複数の垂直な平面で切断したとき
にできる，２つの多角形と垂直面の交差曲線の凹凸の特
徴と方向の特徴を抽出し，濃淡値曲面を多角形とそれら
の隣接多角形間の凹凸特徴と方向の特徴として扱うこと
としたので，文字，記号等の文書画像構成要素の本質的
特徴を生かした特徴抽出が可能となり，文字，記号等の
文書画像構成要素の本質的特徴を生かした特徴抽出を行
い得る濃淡値文書画像からの特徴抽出装置を提供するこ
とができる。

【０１０３】また，請求項９に係る濃淡値文書画像から
の特徴抽出装置によれば，輪郭線抽出手段は，隣接し合
う多角形の境界線から，輪郭線の部分となっている可能
性が高いものを，多角形表現された濃淡値曲面の局所的
特徴を使って抽出し，グラフ理論の探索問題を使って，
輪郭閉曲線を構成することとしたので，輪郭線抽出問題
をグラフ理論を用いることによって効率よく解くことが
できる。

【０１０４】また，請求項１０に係る濃淡値文書画像か
らの特徴抽出装置によれば，輪郭線抽出手段によって抽
出された輪郭線を，多角形境界線の特徴を用いて内部輪
郭と外部輪郭とに分類し，更に，請求項１１に係る濃淡
値文書画像からの特徴抽出装置によれば，輪郭線抽出手
段によって抽出された輪郭線から，ベクトル・ラスター
変換の手法を使って，輪郭の内部を塗りつぶすことによ
り２値画像を生成することとし，文字等の図形の本質的
な特徴である方向特徴と凹凸特徴に着目したデータ表現
をもとにしているので，低解像度の画像においても，認
識に有効な特徴，即ち，文字，記号等の輪郭線特徴を抽
出することができ，また同時に，形状の特徴を保持した
２値画像を低解像度の濃淡値画像からも生成し得る濃淡
値文書画像からの特徴抽出装置を提供することができ
る。

【図面の簡単な説明】

【図１】本発明の原理説明図である。

【図２】本発明の実施形態に係る濃淡値文書画像からの
特徴抽出装置の構成図である。

【図３】本実施形態の濃淡値文書画像からの特徴抽出装
置における特徴抽出方法を説明する概略フローチャート
である。

【図４】文字の濃淡値画像データの一例を説明する説明
図である。

【図５】図４の濃淡値文字画像データに対する三角形分
割の例示する説明図である。

【図６】パラメータＮ＝４の場合の３次元空間内の方向
の量子化を規定する直線群を例示する説明図である。

【図７】パラメータＮ＝４のときの垂直面と垂直面に沿
った方向コードを例示する説明図である。

【図８】パラメータＮ＝４のときの水平面上の方向コー
ドを例示する説明図である。

【図９】図５の分割三角形を統合してできる多角形分割
を例示する説明図である。

【図１０】図９における多角形分割の一部を拡大したと
きの水平面と多角形の交差曲線を例示する説明図であ
る。

【図１１】図１０に示した５つの多角形に対して求めた
隣接し合う多角形間の凹凸特徴と方向特徴を例示する説
明図である。

【図１２】図１０及び図１１の例に対する重み付き有向
グラフを例示する説明図である。

【図１３】図９の多角形分割に対して見つかった輪郭線
と外輪郭線を構成する多角形境界線を例示する説明図で
ある。

【符号の説明】

１０１ 画像入力手段 １０２ 濃淡値情報生成手段 １０３ 記憶手段 １０４ 三角形近似手段 １０５ 多角形統合手段 １０６ 特徴抽出手段 ２０７ 輪郭線抽出手段

Claims (11)

【特許請求の範囲】
1. 【請求項１】 文書原稿画像を読み取って濃淡値レベル
   の画像データを生成する第１ステップと，前記第１ステ
   ップにより生成された画像データについて，濃淡値情報
   を高さ方向に見立てた３次元的な曲面データを生成する
   第２ステップと，前記第２ステップにより生成された曲
   面データを三角形近似する第３ステップと，前記第３ス
   テップにより得られた近似三角形の内，隣接し合う近似
   三角形を多角形に統合する第４ステップと，前記第４ス
   テップで得られた隣接し合う多角形の境界付近の特徴を
   抽出する第５ステップと，を有することを特徴とする濃
   淡値文書画像からの特徴抽出方法。
2. 【請求項２】 文書原稿画像を読み取って濃淡値レベル
   の画像データを生成する第１ステップと，前記第１ステ
   ップにより生成された画像データについて，濃淡値情報
   を高さ方向に見立てた３次元的な曲面データを生成する
   第２ステップと，前記第２ステップにより生成された曲
   面データを三角形近似する第３ステップと，前記第３ス
   テップにより得られた近似三角形の内，隣接し合う近似
   三角形を多角形に統合する第４ステップと，前記第４ス
   テップで得られた隣接し合う多角形の境界付近の特徴を
   抽出する第５ステップと，前記第４及び第５ステップで
   得られた多角形と隣接し合う多角形の境界付近の特徴を
   使って，文字，記号等の文書画像の構成要素の輪郭線を
   抽出する第６ステップと，を有することを特徴とする濃
   淡値文書画像からの特徴抽出方法。
3. 【請求項３】 文書原稿画像を読み取って濃淡値レベル
   の画像データを生成する第１ステップと，前記第１ステ
   ップにより生成された画像データについて，濃淡値情報
   を高さ方向に見立てた３次元的な曲面データを生成する
   第２ステップと，前記第２ステップにより生成された曲
   面データを三角形近似する第３ステップと，前記第３ス
   テップにより得られた近似三角形の内，隣接し合う近似
   三角形を多角形に統合する第４ステップと，前記第４ス
   テップで得られた隣接し合う多角形の境界付近の特徴を
   抽出する第５ステップと，前記第４及び第５ステップで
   得られた多角形と隣接し合う多角形の境界付近の特徴を
   使って，文字，記号等の文書画像の構成要素の輪郭線を
   抽出する第６ステップと，前記第６ステップで抽出され
   た輪郭線を内部輪郭及び外部輪郭に分類する第７ステッ
   プと，ベクトル・ラスター変換の手法を使って，前記内
   部輪郭及び外部輪郭に基づく輪郭の内部を塗りつぶすこ
   とにより２値画像を生成する第８ステップと，を有する
   ことを特徴とする濃淡値文書画像からの特徴抽出方法。
4. 【請求項４】 文書原稿画像を読み取って濃淡値レベル
   の画像データを生成する画像入力手段と，前記画像入力
   手段により生成された画像データについて，濃淡値情報
   を高さ方向に見立てた３次元的な曲面データを生成する
   濃淡値情報生成手段と，前記曲面データを記憶する記憶
   手段と，前記記憶手段に記憶されている曲面データを三
   角形近似する三角形近似手段と，隣接し合う近似三角形
   を多角形に統合する多角形統合手段と，隣接し合う多角
   形の境界付近の特徴を抽出する特徴抽出手段と，を有す
   ることを特徴とする濃淡値文書画像からの特徴抽出装
   置。
5. 【請求項５】 文書原稿画像を読み取って濃淡値レベル
   の画像データを生成する画像入力手段と，前記画像入力
   手段により生成された画像データについて，濃淡値情報
   を高さ方向に見立てた３次元的な曲面データを生成する
   濃淡値情報生成手段と，前記曲面データを記憶する記憶
   手段と，前記記憶手段に記憶されている曲面データを三
   角形近似する三角形近似手段と，隣接し合う近似三角形
   を多角形に統合する多角形統合手段と，隣接し合う多角
   形の境界付近の特徴を抽出する特徴抽出手段と，多角形
   と隣接し合う多角形の境界付近の特徴を使って，文字，
   記号等の文書画像の構成要素の輪郭線を抽出する輪郭線
   抽出手段と，を有することを特徴とする濃淡値文書画像
   からの特徴抽出装置。
6. 【請求項６】 前記多角形統合手段は，前記三角形近似
   手段において得られた近似三角形に対して，放線方向を
   量子化しておくことにより，互いに隣接し合う近似三角
   形の内，同じ量子化範囲内にあるものを統合することに
   より多角形を構成し，前記特徴抽出手段は，濃淡値曲面
   を前記多角形の集まりとして操作することを特徴とする
   請求項４または５記載の濃淡値文書画像からの特徴抽出
   装置。
7. 【請求項７】 前記特徴抽出手段は，前記多角形統合手
   段により構築される多角形に対して，互いに隣接する多
   角形の境界線付近を水平な平面で切断したときにでき
   る，２つの多角形と水平面の交差曲線の凹凸の特徴と方
   向の特徴を抽出し，濃淡値曲面を多角形とそれらの隣接
   多角形間の凹凸特徴と方向の特徴として扱うことを特徴
   とする請求項４，５または６記載の濃淡値文書画像から
   の特徴抽出装置。
8. 【請求項８】 前記特徴抽出手段は，前記多角形統合手
   段により構築される多角形に対して，互いに隣接する多
   角形の境界線付近を複数の垂直な平面で切断したときに
   できる，２つの多角形と垂直面の交差曲線の凹凸の特徴
   と方向の特徴を抽出し，濃淡値曲面を多角形とそれらの
   隣接多角形間の凹凸特徴と方向の特徴として扱うことを
   特徴とする請求項４，５または６記載の濃淡値文書画像
   からの特徴抽出装置。
9. 【請求項９】 前記輪郭線抽出手段は，隣接し合う多角
   形の境界線から，輪郭線の部分となっている可能性が高
   いものを，多角形表現された濃淡値曲面の局所的特徴を
   使って抽出し，グラフ理論の探索問題を使って，輪郭閉
   曲線を構成することを特徴とする請求項５，６，７また
   は８記載の濃淡値文書画像からの特徴抽出装置。
10. 【請求項１０】 前記輪郭線抽出手段によって抽出され
    た輪郭線を，多角形境界線の特徴を用いて内部輪郭と外
    部輪郭とに分類することを特徴とする請求項５，６，
    ７，８または９記載の濃淡値文書画像からの特徴抽出装
    置。
11. 【請求項１１】 前記輪郭線抽出手段によって抽出され
    た輪郭線から，ベクトル・ラスター変換の手法を使っ
    て，輪郭の内部を塗りつぶすことにより２値画像を生成
    することを特徴とする請求項５，６，７，８，９または
    １０記載の濃淡値文書画像からの特徴抽出装置。