JPH1049676A - 罫線認識方法 - Google Patents
罫線認識方法Info
- Publication number
- JPH1049676A JPH1049676A JP8206813A JP20681396A JPH1049676A JP H1049676 A JPH1049676 A JP H1049676A JP 8206813 A JP8206813 A JP 8206813A JP 20681396 A JP20681396 A JP 20681396A JP H1049676 A JPH1049676 A JP H1049676A
- Authority
- JP
- Japan
- Prior art keywords
- ruled line
- histogram
- threshold value
- run
- recognition method
- 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
Abstract
(57)【要約】
【課題】 予め文書の形式を想定することなく、あらゆ
るタイプの表および帳簿に対応できる。 【解決手段】 ランヒストグラム算出部５は、抽出され
た黒ランのヒストグラムを算出し、罫線パラメータ抽出
部７は、そのヒストグラムを基に罫線抽出のためのパラ
メータ（黒ランの閾値）を抽出する。矩形抽出部８は、
閾値以上の黒ランからなる連結成分（矩形）を抽出し、
実線罫線抽出部１０は近接している矩形を統合し、実線
罫線を抽出する。罫線パラメータ抽出部１４は、罫線ヒ
ストグラムから、罫線抽出に必要なパラメータ（罫線長
さの閾値）を抽出する。
るタイプの表および帳簿に対応できる。 【解決手段】 ランヒストグラム算出部５は、抽出され
た黒ランのヒストグラムを算出し、罫線パラメータ抽出
部７は、そのヒストグラムを基に罫線抽出のためのパラ
メータ（黒ランの閾値）を抽出する。矩形抽出部８は、
閾値以上の黒ランからなる連結成分（矩形）を抽出し、
実線罫線抽出部１０は近接している矩形を統合し、実線
罫線を抽出する。罫線パラメータ抽出部１４は、罫線ヒ
ストグラムから、罫線抽出に必要なパラメータ（罫線長
さの閾値）を抽出する。
Description
【０００１】
【発明の属する技術分野】本発明は、表や帳表などの罫
線を含む文書画像の罫線認識方法に関する。
線を含む文書画像の罫線認識方法に関する。
【０００２】
【従来の技術】一般に、文書認識装置で文書を処理する
場合に、文書画像を文字領域、表領域、図その他の領域
などに分類して、それぞれの領域に応じた適切な処理を
行う場合が多い。
場合に、文書画像を文字領域、表領域、図その他の領域
などに分類して、それぞれの領域に応じた適切な処理を
行う場合が多い。
【０００３】従来、表領域の処理に関しては、黒ランの
長さをしきい値処理し、実線罫線を認識する方法（例え
ば、特開平３−１７２９８３号公報を参照）、本出願人
が先に提案した黒画素連結成分の大きさや間隔から点線
罫線を認識する方法（特開平７−２３０５２５号公報を
参照）などがある。
長さをしきい値処理し、実線罫線を認識する方法（例え
ば、特開平３−１７２９８３号公報を参照）、本出願人
が先に提案した黒画素連結成分の大きさや間隔から点線
罫線を認識する方法（特開平７−２３０５２５号公報を
参照）などがある。
【０００４】
【発明が解決しようとする課題】しかし、上記した方法
は、文書の形式を予め想定してしきい値を決定している
ので、想定していた文書から外れたものが入力されると
罫線を正しく認識できないという問題点があった。
は、文書の形式を予め想定してしきい値を決定している
ので、想定していた文書から外れたものが入力されると
罫線を正しく認識できないという問題点があった。
【０００５】本発明の目的は、予め文書の形式を想定す
ることなく、あらゆるタイプの表および帳簿に対応でき
る罫線認識方法を提供することにある。
ることなく、あらゆるタイプの表および帳簿に対応でき
る罫線認識方法を提供することにある。
【０００６】
【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、文書画像から第１の閾値
以上の長さを持つ黒ランを抽出し、該抽出された黒ラン
について、連結している黒ランを統合し、実線罫線とし
て抽出し、該抽出された実線罫線について、第２の閾値
以上の長さを持つ実線罫線を罫線として認識する罫線認
識方法であって、前記第１、第２の閾値を自動的に決定
することを特徴としている。
に、請求項１記載の発明では、文書画像から第１の閾値
以上の長さを持つ黒ランを抽出し、該抽出された黒ラン
について、連結している黒ランを統合し、実線罫線とし
て抽出し、該抽出された実線罫線について、第２の閾値
以上の長さを持つ実線罫線を罫線として認識する罫線認
識方法であって、前記第１、第２の閾値を自動的に決定
することを特徴としている。
【０００７】請求項２記載の発明では、前記第１の閾値
は、前記文書画像に対して黒ランの長さのヒストグラム
を求め、該ヒストグラムを基に決定することを特徴とし
ている。
は、前記文書画像に対して黒ランの長さのヒストグラム
を求め、該ヒストグラムを基に決定することを特徴とし
ている。
【０００８】請求項３記載の発明では、前記第２の閾値
は、前記文書画像に対して罫線の長さのヒストグラムを
求め、該ヒストグラムを基に決定することを特徴として
いる。
は、前記文書画像に対して罫線の長さのヒストグラムを
求め、該ヒストグラムを基に決定することを特徴として
いる。
【０００９】請求項４記載の発明では、前記第１、第２
の閾値は、前記文書画像の主走査方向と副走査方向にお
いてそれぞれ独立に決定することを特徴としている。
の閾値は、前記文書画像の主走査方向と副走査方向にお
いてそれぞれ独立に決定することを特徴としている。
【００１０】請求項５記載の発明では、前記第１、第２
の閾値は、前記文書画像を表示し、表示された画像を参
照して入力される黒ランの長さおよび罫線の長さを基に
決定することを特徴としている。
の閾値は、前記文書画像を表示し、表示された画像を参
照して入力される黒ランの長さおよび罫線の長さを基に
決定することを特徴としている。
【００１１】請求項６記載の発明では、文書画像から黒
画素連結矩形を抽出し、該抽出された矩形の幅および高
さが所定の閾値以内にあり、該矩形同士の間隔が所定の
閾値以内にある矩形を点線罫線として認識する罫線認識
方法であって、前記所定の閾値を自動的に決定すること
を特徴としている。
画素連結矩形を抽出し、該抽出された矩形の幅および高
さが所定の閾値以内にあり、該矩形同士の間隔が所定の
閾値以内にある矩形を点線罫線として認識する罫線認識
方法であって、前記所定の閾値を自動的に決定すること
を特徴としている。
【００１２】請求項７記載の発明では、前記所定の閾値
は、画像全面に対して、前記黒画素連結矩形の幅、高
さ、間隔のヒストグラムを求め、該ヒストグラムを基に
決定することを特徴としている。
は、画像全面に対して、前記黒画素連結矩形の幅、高
さ、間隔のヒストグラムを求め、該ヒストグラムを基に
決定することを特徴としている。
【００１３】請求項８記載の発明では、前記所定の閾値
は、前記文書画像の主走査方向と副走査方向においてそ
れぞれ独立に決定することを特徴としている。
は、前記文書画像の主走査方向と副走査方向においてそ
れぞれ独立に決定することを特徴としている。
【００１４】請求項９記載の発明では、前記所定の閾値
は、前記文書画像を表示し、表示された画像を参照して
入力される黒画素連結矩形の幅、高さ、間隔を基に決定
することを特徴としている。
は、前記文書画像を表示し、表示された画像を参照して
入力される黒画素連結矩形の幅、高さ、間隔を基に決定
することを特徴としている。
【００１５】
【発明の実施の形態】以下、本発明の一実施例を図面を
用いて具体的に説明する。 〈実施例１〉図１は、本発明の実施例１の構成を示す。
図において、１はスキャナ等の２値画像入力部、２は２
値画像を格納する２値イメージメモリ、３は２値画像か
ら黒ランを抽出するラン抽出部、４は抽出されたランを
格納するランメモリ、５はランの長さによるヒストグラ
ムを算出するランヒストグラム算出部、６はランヒスト
グラムを格納するランヒストグラムメモリ、７は罫線抽
出に必要なパラメータを抽出する罫線パラメータ抽出
部、８は罫線パラメータを用いて矩形を抽出する矩形抽
出部、９は矩形メモリ、１０は矩形を統合して実線罫線
を抽出する実線罫線抽出部、１１は罫線メモリ、１２は
罫線の長さのヒストグラムを算出する罫線ヒストグラム
算出部、１３は罫線ヒストグラムメモリ、１４は罫線抽
出に必要なパラメータを抽出する罫線パラメータ抽出部
である。
用いて具体的に説明する。 〈実施例１〉図１は、本発明の実施例１の構成を示す。
図において、１はスキャナ等の２値画像入力部、２は２
値画像を格納する２値イメージメモリ、３は２値画像か
ら黒ランを抽出するラン抽出部、４は抽出されたランを
格納するランメモリ、５はランの長さによるヒストグラ
ムを算出するランヒストグラム算出部、６はランヒスト
グラムを格納するランヒストグラムメモリ、７は罫線抽
出に必要なパラメータを抽出する罫線パラメータ抽出
部、８は罫線パラメータを用いて矩形を抽出する矩形抽
出部、９は矩形メモリ、１０は矩形を統合して実線罫線
を抽出する実線罫線抽出部、１１は罫線メモリ、１２は
罫線の長さのヒストグラムを算出する罫線ヒストグラム
算出部、１３は罫線ヒストグラムメモリ、１４は罫線抽
出に必要なパラメータを抽出する罫線パラメータ抽出部
である。
【００１６】図６は、実施例１の処理フローチャートで
ある。以下、図１、６を参照して実施例１の動作を説明
する。まず、スキャナ等の２値画像入力部１によって、
原稿を読み取り、２値イメージメモリ２に格納する（ス
テップ１０１）。
ある。以下、図１、６を参照して実施例１の動作を説明
する。まず、スキャナ等の２値画像入力部１によって、
原稿を読み取り、２値イメージメモリ２に格納する（ス
テップ１０１）。
【００１７】次いで、ラン抽出部３は、２値イメージメ
モリ２に格納された２値画像から黒ランを抽出し、ラン
メモリ４に格納する（ステップ１０２）。ランヒストグ
ラム算出部５は、ランメモリ４から読み出される黒ラン
の長さを基にヒストグラムを算出し、ランヒストグラム
メモリ６に格納する（ステップ１０３）。この時、文書
画像では一般に文字が圧倒的に多いため、１文字の大き
さに相当するランにピークが見られる。図２は、黒ラン
ヒストグラムの一例を示す。
モリ２に格納された２値画像から黒ランを抽出し、ラン
メモリ４に格納する（ステップ１０２）。ランヒストグ
ラム算出部５は、ランメモリ４から読み出される黒ラン
の長さを基にヒストグラムを算出し、ランヒストグラム
メモリ６に格納する（ステップ１０３）。この時、文書
画像では一般に文字が圧倒的に多いため、１文字の大き
さに相当するランにピークが見られる。図２は、黒ラン
ヒストグラムの一例を示す。
【００１８】罫線パラメータ抽出部７は、ランヒストグ
ラムメモリ６内のランヒストグラムから、罫線抽出に必
要なパラメータを抽出する（ステップ１０４）。罫線抽
出に必要なパラメータ（閾値）としては、例えば、「罫
線を構成するのに十分な大きさの黒ラン」が挙げられ
る。
ラムメモリ６内のランヒストグラムから、罫線抽出に必
要なパラメータを抽出する（ステップ１０４）。罫線抽
出に必要なパラメータ（閾値）としては、例えば、「罫
線を構成するのに十分な大きさの黒ラン」が挙げられ
る。
【００１９】矩形抽出部８では、上記したように決定し
た黒ランの長さ（つまり、黒ランの閾値）以上の黒ラン
からなる連結成分（矩形）をランメモリ４から抽出し、
その結果を矩形メモリ９に格納する（ステップ１０
５）。そして、実線罫線抽出部１０では、矩形メモリ１
０内の矩形について、矩形どうしが近接しているものを
統合し（例えば、注目する罫線方向について矩形間の距
離が所定の閾値以内にある矩形同士を統合する）、実線
罫線として抽出し、罫線メモリ１１に格納する（ステッ
プ１０６）。
た黒ランの長さ（つまり、黒ランの閾値）以上の黒ラン
からなる連結成分（矩形）をランメモリ４から抽出し、
その結果を矩形メモリ９に格納する（ステップ１０
５）。そして、実線罫線抽出部１０では、矩形メモリ１
０内の矩形について、矩形どうしが近接しているものを
統合し（例えば、注目する罫線方向について矩形間の距
離が所定の閾値以内にある矩形同士を統合する）、実線
罫線として抽出し、罫線メモリ１１に格納する（ステッ
プ１０６）。
【００２０】罫線ヒストグラム算出部１２は、罫線メモ
リ１１内の罫線の長さのヒストグラムを算出し、罫線ヒ
ストグラムメモリ１３に格納する（ステップ１０７）。
このとき、文書画像では同一の長さの罫線が多く使用さ
れるため、よく見られる長さの罫線情報を得ることがで
きる。
リ１１内の罫線の長さのヒストグラムを算出し、罫線ヒ
ストグラムメモリ１３に格納する（ステップ１０７）。
このとき、文書画像では同一の長さの罫線が多く使用さ
れるため、よく見られる長さの罫線情報を得ることがで
きる。
【００２１】罫線パラメータ抽出部１４は、罫線ヒスト
グラムメモリ１３内の罫線ヒストグラムから、罫線抽出
に必要なパラメータを抽出する（ステップ１０８）。罫
線抽出に必要なパラメータ（閾値）としては、例えば、
「罫線を構成するのに十分な大きさの罫線の長さ」が挙
げられる。
グラムメモリ１３内の罫線ヒストグラムから、罫線抽出
に必要なパラメータを抽出する（ステップ１０８）。罫
線抽出に必要なパラメータ（閾値）としては、例えば、
「罫線を構成するのに十分な大きさの罫線の長さ」が挙
げられる。
【００２２】上記したようにして得られた罫線パラメー
タを用いて、同様の種類の表を認識させた場合に、認識
精度の向上を図ることができる。
タを用いて、同様の種類の表を認識させた場合に、認識
精度の向上を図ることができる。
【００２３】〈実施例２〉本実施例２では、上記実施例
１で説明した処理方法を、主走査方向と副走査方向の両
方向に対して行う。従って、主走査方向の罫線パラメー
タと副走査方向の罫線パラメータを２つ抽出することに
なる。これは、主走査方向と副走査方向で異なる種類の
罫線が用いられている場合に有効である。
１で説明した処理方法を、主走査方向と副走査方向の両
方向に対して行う。従って、主走査方向の罫線パラメー
タと副走査方向の罫線パラメータを２つ抽出することに
なる。これは、主走査方向と副走査方向で異なる種類の
罫線が用いられている場合に有効である。
【００２４】〈実施例３〉図３は、実施例３の構成を示
す。また、図７は、実施例３の処理フローチャートであ
る。本実施例は、実施例１で抽出されるパラメータを、
表示された画像を参照しながら指定するものである。そ
のために、本実施例では、画像表示部２２とパラメータ
指定部２３と罫線パラメータメモリ２４を新たに設けて
いる。他の構成要素は実施例１と同様である。
す。また、図７は、実施例３の処理フローチャートであ
る。本実施例は、実施例１で抽出されるパラメータを、
表示された画像を参照しながら指定するものである。そ
のために、本実施例では、画像表示部２２とパラメータ
指定部２３と罫線パラメータメモリ２４を新たに設けて
いる。他の構成要素は実施例１と同様である。
【００２５】実施例１と同様に、スキャナ等の２値画像
入力部２０によって、原稿を読み取り、２値イメージメ
モリ２１に格納する（ステップ２０１）。次いで、画像
表示部２２において、読み取った２値画像を表示する
（ステップ２０２）。なお、このとき、原画像と文書画
像のレイアウトが分かる圧縮画像の両方を表示できるよ
うにした方がよい。
入力部２０によって、原稿を読み取り、２値イメージメ
モリ２１に格納する（ステップ２０１）。次いで、画像
表示部２２において、読み取った２値画像を表示する
（ステップ２０２）。なお、このとき、原画像と文書画
像のレイアウトが分かる圧縮画像の両方を表示できるよ
うにした方がよい。
【００２６】パラメータ指定部２３では、表示された画
像を参照しながら、文字との識別に用いるためのしきい
値になる黒ランの長さ、および一番短い長さを持つ罫線
の長さなどをマウスなどを用いながら指定する（ステッ
プ２０３）。ここで指定された長さが罫線パラメータと
して罫線パラメータメモリ２４に格納される。
像を参照しながら、文字との識別に用いるためのしきい
値になる黒ランの長さ、および一番短い長さを持つ罫線
の長さなどをマウスなどを用いながら指定する（ステッ
プ２０３）。ここで指定された長さが罫線パラメータと
して罫線パラメータメモリ２４に格納される。
【００２７】ラン抽出部２５は、上記したようにパラメ
ータ指定された黒ランの長さ以上の黒ランを２値イメー
ジメモリ２１から抽出し、ランメモリ２６に格納する
（ステップ２０４）。矩形抽出部２７では、黒ランの長
さ以上の黒ランからなる連結成分をランメモリ２６から
抽出し、その結果を矩形メモリ２８に格納する（ステッ
プ２０５）。そして、実線罫線抽出部２９では、矩形メ
モリ２８内の矩形について、矩形どうしが近接している
ものを統合し、実線罫線として抽出し、パラメータ指定
部２３で指定された閾値以上の長さを持つ実線罫線を、
罫線として抽出する（ステップ２０６）。
ータ指定された黒ランの長さ以上の黒ランを２値イメー
ジメモリ２１から抽出し、ランメモリ２６に格納する
（ステップ２０４）。矩形抽出部２７では、黒ランの長
さ以上の黒ランからなる連結成分をランメモリ２６から
抽出し、その結果を矩形メモリ２８に格納する（ステッ
プ２０５）。そして、実線罫線抽出部２９では、矩形メ
モリ２８内の矩形について、矩形どうしが近接している
ものを統合し、実線罫線として抽出し、パラメータ指定
部２３で指定された閾値以上の長さを持つ実線罫線を、
罫線として抽出する（ステップ２０６）。
【００２８】〈実施例４〉図４は、実施例４の構成を示
し、本実施例では点線罫線を認識する。点線罫線を認識
する場合は、ランによる閾値処理が不要であるので、実
施例４の構成では、実施例１の構成からラン抽出部とラ
ンメモリを除き、実施例１の実線罫線抽出部を、点線罫
線抽出部に置き換えて構成されている。また、図８は、
実施例４の処理フローチャートである。
し、本実施例では点線罫線を認識する。点線罫線を認識
する場合は、ランによる閾値処理が不要であるので、実
施例４の構成では、実施例１の構成からラン抽出部とラ
ンメモリを除き、実施例１の実線罫線抽出部を、点線罫
線抽出部に置き換えて構成されている。また、図８は、
実施例４の処理フローチャートである。
【００２９】スキャナ等の２値画像入力部３０によっ
て、原稿を読み取り、２値イメージメモリ３１に格納す
る（ステップ３０１）。矩形抽出部３２では、２値イメ
ージメモリ３１に格納されている２値画像中から黒画素
連結矩形を抽出し、矩形メモリ３３に格納する（ステッ
プ３０２）。
て、原稿を読み取り、２値イメージメモリ３１に格納す
る（ステップ３０１）。矩形抽出部３２では、２値イメ
ージメモリ３１に格納されている２値画像中から黒画素
連結矩形を抽出し、矩形メモリ３３に格納する（ステッ
プ３０２）。
【００３０】次いで、ヒストグラム算出部３４では、矩
形メモリ３３から矩形の幅、高さ、最も近い矩形どうし
の間隔を求め、それぞれの値のヒストグラムを算出し
て、ヒストグラムメモリ３５に格納する（ステップ３０
３）。罫線パラメータ抽出部３６では、上記算出された
ヒストグラムから、点線認識に必要なパラメータを求め
る（ステップ３０４）。点線が画像中に存在する場合、
点線の１つ１つが矩形を構成することになり、点線の特
徴から、矩形の幅、高さ、間隔がほぼ一定になる。従っ
て、上記のヒストグラムからそれぞれの値がピークを持
つものが点線認識に必要なパラメータ値となる。
形メモリ３３から矩形の幅、高さ、最も近い矩形どうし
の間隔を求め、それぞれの値のヒストグラムを算出し
て、ヒストグラムメモリ３５に格納する（ステップ３０
３）。罫線パラメータ抽出部３６では、上記算出された
ヒストグラムから、点線認識に必要なパラメータを求め
る（ステップ３０４）。点線が画像中に存在する場合、
点線の１つ１つが矩形を構成することになり、点線の特
徴から、矩形の幅、高さ、間隔がほぼ一定になる。従っ
て、上記のヒストグラムからそれぞれの値がピークを持
つものが点線認識に必要なパラメータ値となる。
【００３１】点線罫線抽出部３８では、上記ステップ３
０４で求めた罫線パラメータを参照して、矩形メモリ３
３から読み出される矩形を点線罫線として抽出する（ス
テップ３０５）。
０４で求めた罫線パラメータを参照して、矩形メモリ３
３から読み出される矩形を点線罫線として抽出する（ス
テップ３０５）。
【００３２】〈実施例５〉本実施例５では、上記実施例
４で説明した処理方法を、主走査方向と副走査方向の両
方向に対して行う。従って、主走査方向の罫線パラメー
タと副走査方向の罫線パラメータを２つ抽出することに
なる。これは、主走査方向と副走査方向で異なる種類の
点線罫線が用いられている場合に有効である。
４で説明した処理方法を、主走査方向と副走査方向の両
方向に対して行う。従って、主走査方向の罫線パラメー
タと副走査方向の罫線パラメータを２つ抽出することに
なる。これは、主走査方向と副走査方向で異なる種類の
点線罫線が用いられている場合に有効である。
【００３３】〈実施例６〉本実施例６も点線罫線を認識
する実施例であり、実施例３と同様に表示画像を用いて
罫線パラメータを指定するものである。本実施例の構成
は、実施例３の構成からラン抽出部とランメモリを除い
て構成されている。前述した実施例４と同様に、点線を
認識する場合には、ランによるしきい値処理が不要であ
るので、矩形抽出部４５によって矩形を直接求めればよ
い。
する実施例であり、実施例３と同様に表示画像を用いて
罫線パラメータを指定するものである。本実施例の構成
は、実施例３の構成からラン抽出部とランメモリを除い
て構成されている。前述した実施例４と同様に、点線を
認識する場合には、ランによるしきい値処理が不要であ
るので、矩形抽出部４５によって矩形を直接求めればよ
い。
【００３４】実施例３と異なる点は、パラメータ指定部
４３では、表示された画像を参照しながら、黒画素連結
矩形の幅、高さ、間隔の値をマウスなどを用いながら指
定することによって、閾値が指定される（ステップ４０
３）。このようにして指定された矩形の幅、高さ、間隔
の値が罫線パラメータ（閾値）として罫線パラメータメ
モリ４４に格納される。以下、点線罫線抽出部４７で
は、ステップ４０３で指定された罫線パラメータを用い
て、矩形メモリ４６から読み出される矩形を点線罫線と
して抽出する（ステップ４０４）。
４３では、表示された画像を参照しながら、黒画素連結
矩形の幅、高さ、間隔の値をマウスなどを用いながら指
定することによって、閾値が指定される（ステップ４０
３）。このようにして指定された矩形の幅、高さ、間隔
の値が罫線パラメータ（閾値）として罫線パラメータメ
モリ４４に格納される。以下、点線罫線抽出部４７で
は、ステップ４０３で指定された罫線パラメータを用い
て、矩形メモリ４６から読み出される矩形を点線罫線と
して抽出する（ステップ４０４）。
【００３５】なお、本発明は上記したものに限定され
ず、ソフトウェアによっても実現することができる。本
発明をソフトウェアによって実現する場合には、ＣＰ
Ｕ、ＲＯＭ、ＲＡＭ、ハードディスク、キーボード、Ｃ
Ｄ−ＲＯＭドライブなどからなる汎用の処理装置を用意
する。そして、ＣＤ−ＲＯＭなどの記録媒体には、本発
明の罫線認識方法の処理機能を実現するプログラムが記
録されている。本発明の罫線認識の処理を行うときは、
ＣＤ−ＲＯＭドライブにセットされた該記録媒体から、
上記した処理機能を実現するプログラムが読み出され、
ＲＡＭ上にロードされて、ＣＰＵによって逐一実行され
る。また、罫線認識の処理対象となるデータは、スキャ
ナなどの２値画像入力部から入力される文書画像データ
である。
ず、ソフトウェアによっても実現することができる。本
発明をソフトウェアによって実現する場合には、ＣＰ
Ｕ、ＲＯＭ、ＲＡＭ、ハードディスク、キーボード、Ｃ
Ｄ−ＲＯＭドライブなどからなる汎用の処理装置を用意
する。そして、ＣＤ−ＲＯＭなどの記録媒体には、本発
明の罫線認識方法の処理機能を実現するプログラムが記
録されている。本発明の罫線認識の処理を行うときは、
ＣＤ−ＲＯＭドライブにセットされた該記録媒体から、
上記した処理機能を実現するプログラムが読み出され、
ＲＡＭ上にロードされて、ＣＰＵによって逐一実行され
る。また、罫線認識の処理対象となるデータは、スキャ
ナなどの２値画像入力部から入力される文書画像データ
である。
【００３６】
【発明の効果】以上、説明したように、本発明によれ
ば、従来のように予め文書の種類を想定して求めたパラ
メータが不要になるため、あらゆるタイプの表および帳
票に対して、罫線認識を行うことが可能となる。
ば、従来のように予め文書の種類を想定して求めたパラ
メータが不要になるため、あらゆるタイプの表および帳
票に対して、罫線認識を行うことが可能となる。
【図１】本発明の実施例１の構成を示す。
【図２】黒ランヒストグラムの例を示す。
【図３】本発明の実施例３の構成を示す。
【図４】本発明の実施例４の構成を示す。
【図５】本発明の実施例６の構成を示す。
【図６】実施例１の処理フローチャートである。
【図７】実施例３の処理フローチャートである。
【図８】実施例４の処理フローチャートである。
【図９】実施例６の処理フローチャートである。
１ ２値画像入力部 ２ ２値イメージメモリ ３ ラン抽出部 ４ ランメモリ ５ ランヒストグラム算出部 ６ ランヒストグラムメモリ ７、１４ 罫線パラメータ抽出部 ８ 矩形抽出部 ９ 矩形メモリ １０ 実線罫線抽出部 １１ 罫線メモリ １２ 罫線ヒストグラム算出部 １３ 罫線ヒストグラムメモリ
Claims (9)
- 【請求項１】 文書画像から第１の閾値以上の長さを持
つ黒ランを抽出し、該抽出された黒ランについて、連結
している黒ランを統合し、実線罫線として抽出し、該抽
出された実線罫線について、第２の閾値以上の長さを持
つ実線罫線を罫線として認識する罫線認識方法であっ
て、前記第１、第２の閾値を自動的に決定することを特
徴とする罫線認識方法。 - 【請求項２】 前記第１の閾値は、前記文書画像に対し
て黒ランの長さのヒストグラムを求め、該ヒストグラム
を基に決定することを特徴とする請求項１記載の罫線認
識方法。 - 【請求項３】 前記第２の閾値は、前記文書画像に対し
て罫線の長さのヒストグラムを求め、該ヒストグラムを
基に決定することを特徴とする請求項１記載の罫線認識
方法。 - 【請求項４】 前記第１、第２の閾値は、前記文書画像
の主走査方向と副走査方向においてそれぞれ独立に決定
することを特徴とする請求項１記載の罫線認識方法。 - 【請求項５】 前記第１、第２の閾値は、前記文書画像
を表示し、表示された画像を参照して入力される黒ラン
の長さおよび罫線の長さを基に決定することを特徴とす
る請求項１記載の罫線認識方法。 - 【請求項６】 文書画像から黒画素連結矩形を抽出し、
該抽出された矩形の幅および高さが所定の閾値以内にあ
り、該矩形同士の間隔が所定の閾値以内にある矩形を点
線罫線として認識する罫線認識方法であって、前記所定
の閾値を自動的に決定することを特徴とする罫線認識方
法。 - 【請求項７】 前記所定の閾値は、画像全面に対して、
前記黒画素連結矩形の幅、高さ、間隔のヒストグラムを
求め、該ヒストグラムを基に決定することを特徴とする
請求項６記載の罫線認識方法。 - 【請求項８】 前記所定の閾値は、前記文書画像の主走
査方向と副走査方向においてそれぞれ独立に決定するこ
とを特徴とする請求項６記載の罫線認識方法。 - 【請求項９】 前記所定の閾値は、前記文書画像を表示
し、表示された画像を参照して入力される黒画素連結矩
形の幅、高さ、間隔を基に決定することを特徴とする請
求項６記載の罫線認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8206813A JPH1049676A (ja) | 1996-08-06 | 1996-08-06 | 罫線認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8206813A JPH1049676A (ja) | 1996-08-06 | 1996-08-06 | 罫線認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1049676A true JPH1049676A (ja) | 1998-02-20 |
Family
ID=16529522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8206813A Pending JPH1049676A (ja) | 1996-08-06 | 1996-08-06 | 罫線認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1049676A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6785420B2 (en) | 2000-03-15 | 2004-08-31 | Ricoh Company, Ltd. | Method and apparatus for table recognition, apparatus for character recognition, and computer product |
| US7769234B2 (en) | 2006-08-31 | 2010-08-03 | Fujitsu Limited | Ruled line extracting program, ruled line extracting apparatus and ruled line extracting method |
| JP2012053617A (ja) * | 2010-08-31 | 2012-03-15 | Fuji Xerox Co Ltd | 画像処理装置及びプログラム |
| US8542931B2 (en) | 2009-02-05 | 2013-09-24 | Fuji Xerox Co., Ltd. | Ruled line extraction technique based on comparision results and indentifying noise based on line thickness |
-
1996
- 1996-08-06 JP JP8206813A patent/JPH1049676A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6785420B2 (en) | 2000-03-15 | 2004-08-31 | Ricoh Company, Ltd. | Method and apparatus for table recognition, apparatus for character recognition, and computer product |
| US7769234B2 (en) | 2006-08-31 | 2010-08-03 | Fujitsu Limited | Ruled line extracting program, ruled line extracting apparatus and ruled line extracting method |
| US8542931B2 (en) | 2009-02-05 | 2013-09-24 | Fuji Xerox Co., Ltd. | Ruled line extraction technique based on comparision results and indentifying noise based on line thickness |
| JP2012053617A (ja) * | 2010-08-31 | 2012-03-15 | Fuji Xerox Co Ltd | 画像処理装置及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20020006220A1 (en) | Method and apparatus for recognizing document image by use of color information | |
| US7630544B1 (en) | System and method for locating a character set in a digital image | |
| JP2002298085A (ja) | 文字認識装置、文字認識方法、及び記録媒体 | |
| JP3753357B2 (ja) | 文字抽出方法および記録媒体 | |
| JPH1049676A (ja) | 罫線認識方法 | |
| JP3391987B2 (ja) | 帳票認識装置 | |
| JP4040231B2 (ja) | 文字抽出方法及び装置並びに記憶媒体 | |
| JPH05159062A (ja) | 文書認識装置 | |
| KR100277831B1 (ko) | 문서 영상에서의 표 분석방법 | |
| JP4162195B2 (ja) | 画像処理装置、及び画像処理プログラム | |
| JPH08237404A (ja) | 光学文字認識モードの選択方法 | |
| JP3142950B2 (ja) | 線分認識方式 | |
| JPH10334184A (ja) | 罫線消去方法、装置、表処理方法、装置、文字認識方法、装置および記録媒体 | |
| JP2931041B2 (ja) | 表内文字認識方法 | |
| JP3157534B2 (ja) | 表認識方法 | |
| JPH1097588A (ja) | 罫線認識方法、表処理方法および記録媒体 | |
| JP3411795B2 (ja) | 文字認識装置 | |
| JP2007174523A (ja) | 画像処理装置、画像処理方法、プログラムコード及び記憶媒体 | |
| JPH10187887A (ja) | 書体識別装置および書体識別方法および情報記録媒体 | |
| JP2000048191A (ja) | 画像処理方法及び画像処理プログラムを記録した媒体 | |
| JP2002269573A (ja) | 文書認識方法及びその装置並びに記録媒体 | |
| JP5012551B2 (ja) | 情報処理装置およびプログラム | |
| JP2000040153A (ja) | 画像処理方法、画像処理プログラムを記録した媒体及び画像処理装置 | |
| JP2003030584A (ja) | 文書認識装置、文書画像の領域識別方法、プログラム及び記憶媒体 | |
| JP3243389B2 (ja) | 文書識別方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040524 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040601 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040730 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040831 |