JPH11232457A

JPH11232457A - 罫線抽出方法および装置

Info

Publication number: JPH11232457A
Application number: JP2977798A
Authority: JP
Inventors: Takashi Hirano; 敬平野; Yasuhiro Okada; 康裕岡田; Fumio Yoda; 文夫依田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1998-02-12
Filing date: 1998-02-12
Publication date: 1999-08-27
Anticipated expiration: 2018-02-12
Also published as: JP3551004B2

Abstract

(57)【要約】【課題】画像から、余計な罫線を誤って抽出すること
なく、様々な種類の罫線を抽出する。【解決手段】画像を読み取る画像入力部と、読み取っ
た画像を格納するイメージメモリと、イメージメモリに
格納した画像を参照して画像上の各領域毎に局所的な方
向性の強さを示すポテンシャルを求めるポテンシャル算
出部と、求めたポテンシャルを格納するポテンシャルメ
モリと、ポテンシャルメモリに格納したポテンシャルの
値をもとに画像上の罫線を抽出する罫線抽出部と、抽出
した罫線の情報を外部に出力する罫線出力部を備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像上の様々な罫
線（実線や点線、破線、一点鎖線等）を抽出する装置に
関する。

【０００２】

【従来の技術】文字認識装置や文書のファイリング装置
では、処理の一部として、文書画像上にある罫線（点線
や実線）を抽出するものがある。このような従来の罫線
抽出技術として、例えば特開平７−２３０５２５に示さ
れた方法がある。以下、この従来方法について図１３を
用いて説明する。

【０００３】図１３は、従来の罫線抽出方法の全体構成
を示すブロック図である。図１３において１００は２値
画像入力部、１０１は２値イメージメモリ、１０２は黒
ラン抽出部、１０３は黒ランメモリ、１０４は実線罫線
認識部、１０５は実線罫線メモリ、１０６は矩形抽出
部、１０７は矩形メモリ、１０８は点線要素抽出部、１
０９は点線要素メモリ、１１０は点線罫線抽出部、１１
１は点線候補メモリ、１１２は点線罫線判断部、１１３
は分散計算部、１１４は点線罫線メモリ、１１５は罫線
出力部である。

【０００４】以下、従来の罫線抽出方法の動作を図１３
に基づいて説明する。図１３において、ブロック１０２
〜１０５は実線罫線を抽出するための部分、ブロック１
０６〜１１４は点線罫線を抽出するための部分、ブロッ
ク１００、１０１、１１５は点線罫線と実線罫線の抽出
に共通な部分である。

【０００５】まず、２値画像入力部１００は、イメージ
スキャナやファクシミリ等で文書を読み取って２値の文
書画像を作成し、それを２値イメージメモリ１０１に格
納する。次に、黒ラン抽出部１０２は、２値イメージメ
モリ１０１に格納した文書画像から、注目する罫線方向
（通常、主走査方向および副走査方向）に一定長以上連
続する黒ランを抽出する。そして、抽出した黒ランのデ
ータ（始点・終点の座標、方向等）を黒ランメモリ１０
３に格納する。次に、実線罫線認識部１０４は、黒ラン
メモリ１０３に格納した黒ランデータを基に、実線の罫
線を抽出する。具体的には、同一の方向を持ち、近傍に
位置する黒ラン同士を統合し、その外接矩形を罫線とす
る。そして、抽出した罫線のデータ（始点・終点の座
標、方向等）を実線罫線メモリ１０５に格納する。

【０００６】次に、矩形抽出部１０６は、２値イメージ
メモリ１０１に格納された文書画像から、注目する罫線
方向（通常、主走査方向および副走査方向）に連続した
黒画素を包含する矩形を生成し、その矩形データを矩形
メモリ１０７に格納する。次に、点線要素抽出部１０８
は矩形メモリ１０７を参照し、抽出された矩形の中で幅
と高さが規定した閾値よりも小さい矩形のみを点線要素
として点線要素メモリ１０９に格納する。次に、点線罫
線抽出部１１０は点線要素メモリ１０９を参照し、隣接
する点線要素同士の間隔があらかじめ定められた閾値よ
りも小さい点線要素群を一本の点線候補として点線候補
メモリ１１１に格納する。次に、点線罫線判断部１１２
は、罫線以外の文字領域等から誤って点線を抽出するこ
とを避けるため、点線候補メモリ１１１に格納した点線
候補の中で点線罫線らしいものだけを、点線罫線メモリ
１１４に格納する。点線罫線らしさの判断は、分散計算
部１１３で点線候補を構成する黒画素の幅と高さの分散
値を求めた際、その分散値が所定の閾値を越える点線候
補は点線罫線でないと判定することで行う。

【０００７】最後に罫線出力部１１５は、実線罫線メモ
リ１０５に格納した実線罫線のデータと、点線罫線メモ
リ１１４に格納した点線罫線のデータを、外部に出力す
る。

【０００８】

【発明が解決しようとする課題】上記のように構成され
る従来の罫線抽出方法では、注目する罫線方向に連続し
た黒画素を包含する矩形を生成し、抽出された矩形の中
で幅と高さが規定された閾値よりも小さい矩形のみを点
線要素としている。そのため、一点鎖線や破線のよう
に、注目する罫線方向に連続する黒画素の幅が大きい場
合、これらの罫線を抽出できないという問題がある。

【０００９】さらに、点線罫線判断部１１２では、点線
候補を構成する黒画素の幅と高さの分散値が所定の閾値
を越える点線候補は点線罫線でないと判断する。そのた
め、一点鎖線や二点鎖線のように罫線を構成する黒画素
の幅がまちまちで、その分散値が大きくなる場合、罫線
として抽出できない問題点がある。この問題点を避ける
ために分散値の閾値を大きく設定すると、罫線以外の周
囲の領域（文字列等）から誤って余計な罫線が抽出され
る問題が生じる。

【００１０】加えて、従来の罫線抽出方法では、２値化
した画像からしか罫線を抽出できない問題がある。

【００１１】本発明は、上述の問題を解決するためにな
されたものであり、２値画像と多値画像の双方から実線
や点線，破線，一点鎖線，二点鎖線等のさまざまな罫線
を抽出できる罫線抽出方法を提供することを目的とす
る。

【００１２】

【課題を解決するための手段】第１の発明にかかる罫線
認識方法は、画像入力部で入力された画像を読み取り、
画像入力部で読み取った画像をイメージメモリに格納
し、イメージメモリに格納された画像を参照して、ポテ
ンシャル算出部で画像上の各領域毎に局所的な方向性の
強さを示すポテンシャルを求め、ポテンシャル算出部で
求めたポテンシャルをポテンシャルメモリに格納し、ポ
テンシャルメモリに格納されたポテンシャルの値を基に
罫線抽出部で画像上の罫線を抽出し、罫線抽出部で抽出
された罫線の情報を罫線出力部が外部に出力するように
構成される。

【００１３】第２の発明にかかる罫線認識方法は、画像
入力部で入力された画像を読み取り、画像入力部で読み
取った画像をイメージメモリに格納し、イメージメモリ
に格納された画像を参照して、ポテンシャル算出部で画
像上の各領域毎に局所的な方向性の強さを示すポテンシ
ャルを求め、ポテンシャル算出部で求めたポテンシャル
をポテンシャルメモリに格納し、ポテンシャルメモリに
格納されたポテンシャルの値を、ポテンシャル更新部が
状態方程式に従って変更し、その変更値を再度ポテンシ
ャルメモリに格納し、ポテンシャルメモリに格納された
ポテンシャルの値を基に罫線抽出部で画像上の罫線を抽
出し、罫線抽出部で抽出された罫線の情報を罫線出力部
が外部に出力するように構成される。

【００１４】第３の発明にかかる罫線認識方法は、画像
入力部で入力された画像を読み取り、画像入力部で読み
取った画像をイメージメモリに格納し、イメージメモリ
に格納された画像を参照して、ポテンシャル算出部で画
像上の各領域毎に局所的な方向性の強さを示すポテンシ
ャルを求め、ポテンシャル算出部で求めたポテンシャル
をポテンシャルメモリに格納し、ポテンシャルメモリに
格納されたポテンシャルの値を、ポテンシャル更新部が
状態方程式に従って変更し、その変更値を再度ポテンシ
ャルメモリに格納し、ポテンシャルメモリに格納された
ポテンシャルの値を基に罫線抽出部で画像上の罫線を抽
出し、罫線種類判定部は、前記の罫線抽出部で抽出され
た罫線から、罫線の外接矩形領域内の画像上で閾値以上
の濃度を持つ画素の連続領域を罫線要素として抽出し、
この罫線要素の長さの度数分布を求め、この度数分布と
予め罫線の種類毎に用意した度数分布と比較することに
より、罫線の種類を判別し、前記の罫線種類判定部で判
別された罫線の情報を罫線出力部が外部に出力するよう
に構成される。

【００１５】第４の発明にかかる罫線認識方法における
ポテンシャル算出部においては、方向性を持ち大きさの
異なる複数のマスクを画像に畳み込んだ結果からポテン
シャルの値を算出するように構成される。

【００１６】第５の発明にかかる罫線認識方法は、式１
に基づいて、小領域（ｘ，ｙ）の中心にマスクの中心を
合わせて、次の式１から方向性検出マスクを畳み込んだ
ときのマスクの出力値Ｏ_{di rj}（ｘ，ｙ）を求め、得ら
れたマスクの出力値Ｏ_{di rj}（ｘ，ｙ）から式２によっ
て全領域のポテンシャルＰ_di（ｘ，ｙ）を計算するよう
に構成される。Ｏ_{di rj}（ｘ，ｙ）＝Ｉ（ｘ，ｙ）・Ｍ_{di rj} （１）Ｐ_di（ｘ，ｙ）＝Ｍａｘ｛Ｏ_{di rj}（ｘ，ｙ））｝（２）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒここで、Ｉは文書画像であり、Ｉ（ｘ，ｙ）・Ｍ_{di rj}
は小領域（ｘ，ｙ）の中心画素と方向性検出マスクＭ
_{di rj}の中心位置を合わせて、文書画像に方向性検出マ
スクを畳み込む処理を示す。Ｏ_{di rj}（ｘ，ｙ）は、こ
の畳み込み処理で計算されたマスク出力値である。ポテ
ンシャルＰ_di（ｘ，ｙ）は、同じ方向ｄｉを持ち、方向
性検出マスクの大きさｒｊが異なるマスク出力値Ｏ
_{di rj}（ｘ，ｙ）の最大値である。

【００１７】第６の発明にかかる罫線認識方法は、ポテ
ンシャル更新部が以下の式３に示す状態方程式に従い、
ポテンシャルメモリに格納したポテンシャルの値を変更
するように構成される。

【数３】ここで、τは時定数、ｔは更新回数、Φ_xyは小領域
（ｘ，ｙ）の近傍領域、ＣとＺは正の定数、Ｐ_di（ｘ，
ｙ）はポテンシャル、Ｕ（ｘ，ｙ）はポテンシャルＰ_di
（ｘ，ｙ）の関数、Ｗ_di（ｘ’，ｙ’）は小領域
（ｘ’，ｙ’）が小領域（ｘ，ｙ）に及ぼす影響を示す
関数である。

【００１８】第７の発明にかかる罫線認識装置は、画像
を読み取る画像入力部と、画像入力部で読み取った画像
を格納するイメージメモリと、イメージメモリに格納し
た画像を参照して画像上の各領域毎に局所的な方向性の
強さを示すポテンシャルを求めるポテンシャル算出部
と、ポテンシャル算出部で求めたポテンシャルを格納す
るポテンシャルメモリと、ポテンシャルメモリに格納し
たポテンシャルの値を基に画像上の罫線を抽出する罫線
抽出部と、罫線抽出部で抽出した罫線の情報を外部に出
力する罫線出力部を備えるように構成される。

【００１９】第８の発明にかかる罫線認識装置は、画像
を読み取る画像入力部と、画像入力部で読み取った画像
を格納するイメージメモリと、イメージメモリに格納し
た画像を参照して画像上の各領域毎に局所的な方向性の
強さを示すポテンシャルを求めるポテンシャル算出部
と、ポテンシャル算出部で求めたポテンシャルを格納す
るポテンシャルメモリと、ポテンシャルメモリに格納し
たポテンシャルの値を、状態方程式に従い変更し、再度
前記のポテンシャルメモリに格納するポテンシャル更新
部と、ポテンシャルメモリに格納したポテンシャルの値
を基に画像上の罫線を抽出する罫線抽出部と、罫線抽出
部で抽出した罫線の情報を外部に出力する罫線出力部を
備えるように構成される。

【００２０】第９の発明にかかる罫線認識装置は、画像
を読み取る画像入力部と、画像入力部で読み取った画像
を格納するイメージメモリと、イメージメモリに格納し
た画像を参照して画像上の各領域毎に局所的な方向性の
強さを示すポテンシャルを求めるポテンシャル算出部
と、ポテンシャル算出部で求めたポテンシャルを格納す
るポテンシャルメモリと、ポテンシャルメモリに格納し
たポテンシャルの値を、状態方程式に従い変更し、再度
前記のポテンシャルメモリに格納するポテンシャル更新
部と、ポテンシャルメモリに格納したポテンシャルの値
を基に画像上の罫線を抽出する罫線抽出部と、罫線の外
接矩形領域内の画像上で閾値以上の濃度を持つ画素の連
続領域を罫線要素として抽出し、この罫線要素の長さの
度数分布を求め、この度数分布と予め罫線の種類毎に用
意した度数分布と比較することにより、罫線の種類を判
別する罫線種類判定部と、罫線種類判定部で判定した罫
線の情報を外部に出力する罫線出力部とを備えるように
構成される。

【００２１】第１０の発明にかかる罫線認識装置におけ
るポテンシャル算出部は、方向性を持ち大きさの異なる
複数のマスクを画像に畳み込んだ結果からポテンシャル
の値を算出するように構成される。

【００２２】第１１の発明にかかる罫線認識装置におけ
るポテンシャル算出部は、式１に基づいて、小領域
（ｘ，ｙ）の中心にマスクの中心を合わせて、次の式１
から方向性検出マスクを畳み込んだときのマスクの出力
値Ｏ_{di rj}（ｘ，ｙ）を求め、得られたマスクの出力値
Ｏ_{di rj}（ｘ，ｙ）から式２によって全領域のポテンシ
ャルＰ_di（ｘ，ｙ）を計算するように構成される。Ｏ_{di rj}（ｘ，ｙ）＝Ｉ（ｘ，ｙ）・Ｍ_{di rj} （１）Ｐ_di（ｘ，ｙ）＝Ｍａｘ｛Ｏ_{di rj}（ｘ，ｙ））｝（２）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒここで、Ｉは文書画像であり、Ｉ（ｘ，ｙ）・Ｍ_{di rj}
は小領域（ｘ，ｙ）の中心画素と方向性検出マスクＭ
_{di rj}の中心位置を合わせて、文書画像に方向性検出マ
スクを畳み込む処理を示す。Ｏ_{di rj}（ｘ，ｙ）は、こ
の畳み込み処理で計算されたマスク出力値である。ポテ
ンシャルＰ_di（ｘ，ｙ）は、同じ方向ｄｉを持ち、方向
性検出マスクの大きさｒｊが異なるマスク出力値Ｏ
_{di rj}（ｘ，ｙ）の最大値である。

【００２３】第１２の発明にかかる罫線認識装置におい
て、ポテンシャル更新部は、ポテンシャルメモリに格納
したポテンシャルの値を、以下の式３に示す状態方程式
に従い変更するように構成される。

【数４】ここで、τは時定数、ｔは更新回数、Φ_xyは小領域
（ｘ，ｙ）の近傍領域、ＣとＺは正の定数、Ｐ_di（ｘ，
ｙ）はポテンシャル、Ｕ（ｘ，ｙ）はポテンシャルＰ_di
（ｘ，ｙ）の関数、Ｗ_di（ｘ’，ｙ’）は小領域
（ｘ’，ｙ’）が小領域（ｘ，ｙ）に及ぼす影響を示す
関数である。

【００２４】

【発明の実施の形態】実施の形態１．本発明の実施の形
態１の罫線抽出方法について図１から図５を用いて説明
する。図１はこの実施の形態１の罫線抽出方法を実現す
るための機能ブロックを示す図である。図１中、図１３
に示す前記従来例と同一または相当部分は同一の符号を
付しその説明を省略する。図１において、２０１は画像
を読み取るための画像入力部、２０２は読み取った画像
を格納するイメージメモリ、２０３はイメージメモリ２
０２に格納した画像を参照して画像上の各領域毎に局所
的な方向性の強さを示すポテンシャルを求めるポテンシ
ャル算出部、２０４はポテンシャル算出部２０３で求め
たポテンシャルを格納するポテンシャルメモリ、２０６
はポテンシャルメモリ２０４に格納したポテンシャルの
値をもとに画像上の罫線を抽出する罫線抽出部である。

【００２５】図２は、ポテンシャル算出部２０３の動作
を説明するフローチャートである。図２については以下
で詳細に説明する。

【００２６】図３は、ポテンシャル算出部２０３で用い
る方向性検出マスクの一例である。図３において、３０
１〜３０３は横の方向性を持つ方向性検出マスク、３０
４〜３０６は縦の方向性を持つ方向性検出マスク、３０
７〜３０９は斜め方向性を持つ方向性検出マスクの例で
ある。方向性検出マスク３０１，３０４，３０７はそれ
ぞれ３×３のマトリクスを構成する画素から構成され
る。方向性検出マスク３０２，３０５，３０８はそれぞ
れ５×５のマトリクスを構成する画素から構成される。
方向性検出マスク３０３，３０６，３０９はそれぞれ７
×７のマトリクスを構成する画素から構成される。

【００２７】図４は、縦横方向の罫線を含む文書画像の
例であり、４０１と４０３は小さい方向性検出マスク
を、４０２と４０４は大きい方向性検出マスクを示す。
４１０は「ユーザサポート用紙」の文字部分を示し、４
１１は横実線罫線を示し、４１２，４１３，４１４はそ
れぞれ横点線罫線を示し、４２０，４２１はそれぞれ縦
実線罫線を示し、４２３，４２４，４２５，４２６はそ
れぞれ縦点線罫線を示す。

【００２８】図５は、ポテンシャル算出部２０３におい
て文書画像例（図４）から求めたポテンシャルを示す。
図５において、５００は図４の用紙全体に対応して検出
された横方向のポテンシャルのみを示し、５０１は「ユ
ーザサポート用紙」の文字列領域部分４１０から抽出さ
れた横ポテンシャル、５０２は横実線罫線４１１から抽
出された横ポテンシャル、５０３，５０４，５０５はそ
れぞれ横点線罫線４１２，４１３，４１４から抽出され
た横ポテンシャル、５０６部分は一点鎖線４１４から抽
出した部分的な横ポテンシャルである。一方、５２０は
図４の用紙全体に対応して検出された縦方向のポテンシ
ャルのみを示し、５２１，５２２はそれぞれ縦実線罫線
４２０，４２１から抽出された縦ポテンシャル、５２
３，５２４，５２５，５２６はそれぞれ縦点線罫線４２
３，４２４，４２５，４２６から抽出された縦ポテンシ
ャル、５２７は「ユーザサポート用紙」の文字列領域部
分４１０からから抽出された縦ポテンシャルである。

【００２９】以下に図１乃至図５を用いて、本実施の形
態１の罫線抽出方法の動作を説明する。まず、図１中の
画像入力部２０１は、イメージスキャナやファクシミリ
等で文書を読み取って多値、もしくは２値の文書画像を
作成し、イメージメモリ２０２に格納する。

【００３０】次に、ポテンシャル算出部２０３は、イメ
ージメモリ２０２に格納された文書画像を基に、そのポ
テンシャルの状態を求め、その結果をポテンシャルメモ
リ２０４に格納する。このポテンシャル算出部２０３の
動作を、図２のフローチャートに従って説明する。

【００３１】まず、ステップＳ１では、方向性ｄｉと大
きさｒｊを持つ複数の方向性検出マスクＭ_{di rj}を作成
する（ｉ＝１〜Ｄ、ｊ＝１〜Ｒ）。ここで、方向性検出
マスクＭ_{di rj}は（２ｊ＋１）×（２ｊ＋１）サイズの
２次元マスクである。

【００３２】例えば、Ｒ＝３｛ｒ１＝３，ｒ２＝５，ｒ
３＝７｝、Ｄ＝３｛ｄ１＝横方向，ｄ２＝右上方向，ｄ
３＝縦方向｝における方向性検出マスクの例を図３に示
す。図３において、方向性検出マスク上の黒い四角形は
正の値、灰色の四角形はゼロ、白い四角形は負の値を示
す。横方向を持つ方向性検出マスク３０１〜３０３で
は、黒い四角が横方向に並び、同じく縦方向を持つ方向
性検出マスク３０４〜３０６では、黒い四角が縦方向に
並ぶ。

【００３３】次に、ステップＳ２では、画像入力部２０
１で読み取られイメージメモリ２０２に蓄えられた文書
画像を参照し、その文書画像をＭ×Ｍ個の小領域に分割
する。

【００３４】次に、ステップＳ３とＳ４では、変数ｘを
ｘ＝１〜Ｍまで変化させ、変数ｙをｙ＝１〜Ｍまで変化
させることによってＭ×Ｍ個の小領域全体をスキャンす
るようにループを作る。

【００３５】次に、ステップＳ５では、小領域（ｘ，
ｙ）の中心にマスクの中心を合わせて、ステップＳ１で
作成した各方向性検出マスクを畳み込み、マスクの出力
値Ｏ_dirj（ｘ，ｙ）を求める。この処理は次の式１で表
わすことができる。Ｏ_{di rj}（ｘ，ｙ）＝Ｉ（ｘ，ｙ）・Ｍ_{di rj} （１）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒ

【００３６】式１において、Ｉ（ｘ，ｙ）は点ｘ，ｙに
おける文書画像であり、この文書画像上の黒画素は大き
な正の値を、白画素がゼロ又は小さな正の値を持つ。Ｍ
_{di rj}は、ｄｉ方向の（２ｊ＋１）×（２ｊ＋１）の面
積を有する方向性検出マスクである。Ｉ（ｘ，ｙ）・Ｍ
_{di rj}は小領域（ｘ，ｙ）（画素または所定の大きさの
画素の集合のいずれでもよい）の中心画素と方向性検出
マスクＭ_{di rj}の中心位置を合わせて、文書画像に方向
性検出マスクを畳み込む（重ね合わせる）処理を示す。
Ｏ_{di rj}（ｘ，ｙ）は、この畳み込み処理で計算された
マスク出力値である。例えば、図４上で、ｘ軸ｙ軸がそ
れぞれ８，５および９，５で特定される小領域（８，
５）および（９，５）では横方向の罫線が横切っている
ので、この場合は、たとえば、図３の横方向マスク３０
１の中央の黒線部分が小領域（８，５），（９，５），
（１０，５）の上になるように重ね合わせると、横方向
のマスク出力値Ｏ_{di rj}（ｘ，ｙ）が図５の小領域
（８，５），（９，５）上に大きく出力される。出力値
Ｏ_{di rj}（ｘ，ｙ）が大きいので、式１と式２から計算
されたポテンシャルＰ_di（ｘ，ｙ）は、図５（ａ）上で
は黒色で表示される。

【００３７】一方、上と同様に、図４上の同じ領域に図
３の縦方向マスク３０４を重ね合わせると、罫線が横方
向であるために、縦方向のマスク出力値Ｏ_{di rj}（ｘ，
ｙ）は小さく出力される。出力値Ｏ_{di rj}（ｘ，ｙ）が
小さいので、式１と式２から計算されたポテンシャルＰ
_di（ｘ，ｙ）は、図５（ｂ）上では白色で表示される。
このように、小領域（８，５）および（９，５）では、
マスク出力値Ｏ_{di rj}（ｘ，ｙ）は、ｄｉが横方向の場
合は大きく、ｄｉが縦方向の場合は小さくなることが分
かる。同様に、小領域（ｘ，ｙ）の近傍に罫線が無い場
合や、罫線以外の要素（文字列等）がある場合、マスク
出力値は小さな値を取る。このような畳込みを図４に示
す領域全体について行って得られたマスク出力値Ｏ
_{di rj}（ｘ，ｙ）が図５（ａ）および図５（ｂ）に示さ
れる。

【００３８】次に、ステップＳ６では、マスク出力値Ｏ
_{di rj}（ｘ，ｙ）から、小領域（ｘ，ｙ）が持つポテン
シャルＰ_di（ｘ，ｙ）を求める。ここで、Ｐ_di（ｘ，
ｙ）は、小領域（ｘ，ｙ）が持つ方向性の強さを示す値
であり、次の式２に従って求める。Ｐ_di（ｘ，ｙ）＝Ｍａｘ｛Ｏ_{di rj}（ｘ，ｙ））｝（２）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒ

【００３９】式２では、同じ方向ｄｉを持ち、方向性検
出マスクの大きさｒｊが異なるマスク出力値Ｏ
_{di rj}（ｘ，ｙ）の最大値がＰ_di（ｘ，ｙ）として得ら
れる。式２において、たとえば、方向ｄｉにおいて、ｊ
を１からＲまで変化させることによって、方向性検出マ
スクの大きさｒｊを変化させ、各方向ｄｉについてのマ
スク出力値Ｏ_{di rj}（ｘ，ｙ）を計算し、その最大値を
各方向ｄｉについてのポテンシャルＰ_di（ｘ，ｙ）とし
て求める。ここで、さらに、ｉを１からＤまで変化させ
ることによって、各方向のｄｉについての最大ポテンシ
ャルＰ_di（ｘ，ｙ）を求める。このような演算を行うこ
とによって、小領域（ｘ，ｙ）を方向ｄｉの罫線が横切
る際、その罫線の種類（点線、破線、実線、一点鎖線
等）によらず、ポテンシャルＰ_di（ｘ，ｙ）の値を高く
することができる。

【００４０】例えば、文書画像例（図４）において、小
領域（ｘ，ｙ）を破線が横切る領域に注目する。ここで
大きな方向性検出マスク４０２は、そのサイズ内に破線
の一部しか含まないためにマスク出力値は小さい。しか
し、小さな方向性検出マスク４０１（ｊが小さい）で
は、そのサイズいっぱいに破線を構成する黒線が含まれ
るためマスク出力値は大きい。逆に、大きな方向性検出
マスク４０４（ｊが大きい）では、そのサイズ内にある
程度の黒線が含まれるためマスク出力値は大きいが、小
さい方向性検出マスク４０３（ｊが小さい）では、サイ
ズ内に黒線がなくマスク出力値は小さい。同様に、小領
域（ｘ，ｙ）を点線が横切る場合を考える。ここで小さ
な方向性検出マスクのサイズ内には、１又は２点の黒点
しかないためマスク出力値は小さい。しかし大きな方向
性検出マスクのサイズ内には多くの黒点が並んでいるた
めマスク出力値が大きくなる。

【００４１】このように、小領域（ｘ，ｙ）を方向ｄｉ
の罫線が横切る場合、サイズの異なる方向性検出マスク
のいずれかが大きなマスク出力値を持つ。そのためにポ
テンシャルＰ_di（ｘ，ｙ）の値は大きくなる。

【００４２】以降、ステップＳ７およびステップＳ８で
は、各々ｙとｘの値を１づつ歩進した後に、それぞれス
テップＳ４およびＳ３に戻ることによって、全ての小領
域のポテンシャルを求める。上述のように、図５
（ａ），（ｂ）は文書画像例（図４）に本処理を適用し
て得たポテンシャルを示す。図５（ａ）において、５０
０は横方向（ｄｉ＝１）のポテンシャルＰ_di（ｘ，
ｙ）、図５（ｂ）において、５２０は縦方向（ｄｉ＝
３）のポテンシャルＰ_di（ｘ，ｙ）を示す。ここで小さ
な四角形が各小領域（ｘ，ｙ）を示し、四角形内部の色
は、その小領域が持つポテンシャルの値を表わす（黒色
部分が最大のポテンシャル値を有し、灰色部分は中間の
ポテンシャル値を有し、白色部分は最小のポテンシャル
値を有する）。

【００４３】最後にステップＳ９では、求めたポテンシ
ャル値をポテンシャルメモリ２０４に格納し、ポテンシ
ャル算出部２０３の処理を終わる。

【００４４】次に、図１の罫線抽出部２０６は、ポテン
シャルメモリ２０４を参照して罫線を抽出し、罫線のデ
ータを罫線出力部１１５に送出する。具体的には、まず
ポテンシャルメモリ２０４に格納したｄｉ方向を持つポ
テンシャルＰ_diをｄｉ方向に走査し、ある閾値以上のＰ
_diの値を持つ小領域が連続する領域を黒ランとして抽出
する。次に、抽出した黒ランに対してラベリングを行
い、同じラベルの値を持つ黒ラン群を包括する外接矩形
を１本の罫線とする。この処理を全てのｄｉ方向（ｉ＝
１〜Ｄ）に対して行うことで、帳票画像上にある様々な
方向を持った罫線を抽出する。その後、罫線抽出部２０
６は、抽出した罫線のデータ（外接矩形の左上点、幅お
よび高さ等）を罫線出力部１１５に送出する。罫線出力
部１１５は、罫線抽出部２０６で得た罫線データを外部
に出力する。

【００４５】本発明の実施の形態１の罫線抽出方法によ
れば、大きさの異なる複数の方向性検出マスクから得ら
れたマスク出力値を基に、画像上の小領域が持つポテン
シャルの値を求める。そのため小領域上を罫線が横切る
場合、罫線の種類によらず、安定的に高いポテンシャル
の値が得られる。そのため点線や破線，一点鎖線等の様
々な罫線を誤り無く抽出できる。

【００４６】さらに、方向性検出マスクと文書画像との
畳み込み処理により各小領域が持つポテンシャルの値を
算出する。マスクの畳み込みは２値画像と多値画像双方
で可能な処理であるため、文書画像が２値や多値でも罫
線を抽出できる。

【００４７】実施の形態２．実施の形態２においては、
上記の実施の形態１の罫線抽出方法に、ポテンシャルメ
モリに格納したポテンシャルの値を更新するためのポテ
ンシャル更新部を加えたものである。このような構成と
することによって、罫線を構成する黒線と黒線の間隔が
最も大きな方向性検出マスクより広い実線以外の罫線
（点線や破線，一点鎖線等）の場合でも、誤り無く抽出
することができる。また、罫線以外の領域（文字列等）
で高いポテンシャルの値が検出された場合でも、誤って
余計な罫線を抽出することもなくなる。以下、本発明の
実施の形態２の罫線抽出方法について、図６乃至図８を
用いて説明する。

【００４８】図６は、実施の形態２の罫線抽出方法を実
現する機能ブロックを示す図である。図６中、前記実施
の形態１と同一または相当部分は同一の符号を付し、そ
の説明を省略する。図６において、２０５はポテンシャ
ルメモリに格納したポテンシャルの値を更新するポテン
シャル更新部である。

【００４９】図７において、７００は、図５に示すポテ
ンシャルにポテンシャル更新部２０５によって、図４の
用紙全体に対応して演算された横方向のポテンシャルを
示す。７０２は横実線罫線５０２から演算された横ポテ
ンシャル、７０３，７０４，７０５はそれぞれ図５の横
点線罫線５０３，５０４，５０５から演算された横ポテ
ンシャル、７０６部分は図５の一点鎖線５０６部分から
演算された横ポテンシャルである。一方、７２０は、図
５に示すポテンシャルにポテンシャル更新部２０５によ
って、図４の用紙全体に対応して演算された縦方向のポ
テンシャルを示す。７２１，７２２はそれぞれ図５の縦
実線罫線５２１，５２２から演算された縦ポテンシャ
ル、７２３，７２４，７２５，７２６はそれぞれ図５の
縦点線罫線５２３，５２４，５２５，５２６から演算さ
れた縦ポテンシャルである。

【００５０】図８は、図７に示したポテンシャルの状態
を基に罫線抽出部２０６が抽出した罫線である。図８中
の罫線は、図７の各横および縦のポテンシャルの外郭か
ら得られた罫線を示す。８１１は横実線罫線を示し、８
１２，８１３，８１４はそれぞれ横点線罫線を示し、８
２０，８２１はそれぞれ縦実線罫線を示し、８２３，８
２４，８２５，８２６は、それぞれ縦点線罫線を示す。

【００５１】以下に、図６乃至図８を用いて、本実施の
形態２の罫線抽出方法の動作を説明する。ここでポテン
シャル更新部２０５は、ポテンシャルメモリ２０４を参
照して、ポテンシャル算出部２０３で求めたポテンシャ
ルの値を更新する。更新したポテンシャルの値を再びポ
テンシャルメモリ２０４に格納する。具体的には、ポテ
ンシャル更新部２０５は、例えば、次の式３の状態方程
式に従ってポテンシャルの値を更新する。

【００５２】

【数５】

【００５３】ここで、τは時定数、ｔは更新回数、Φ_xy
は小領域（ｘ，ｙ）の近傍領域、ＣとＺは正の定数であ
る。Ｕ（ｘ，ｙ）はポテンシャルＰ_di（ｘ，ｙ）の関数
であり、Ｐ_di（ｘ，ｙ）の値が発散しないようにする働
きを持つ。またＷ_di（ｘ’，ｙ’）は小領域（ｘ’，
ｙ’）が小領域（ｘ，ｙ）に及ぼす影響を示す。具体的
に、Ｗ_di（ｘ’，ｙ’）は小領域（ｘ’，ｙ’）が小領
域（ｘ，ｙ）からｄｉ方向に位置する場合は正の値を、
その他の場合は０の値を持つ。Ｗ_di（ｘ’，ｙ’）の働
きにより、小領域（ｘ，ｙ）が持つポテンシャルＰ
_di（ｘ，ｙ）は、そこからｄｉ方向に位置する小領域
（ｘ’，ｙ’）が持つポテンシャルＰ_di（ｘ’，ｙ’）
により強められる。

【００５４】式３の状態方程式に従って状態を更新する
と、ポテンシャルの値は徐々に変化し、安定状態へと収
束する。ここで小領域（ｘ，ｙ）からｄｉ方向に位置す
る複数個の小領域（ｘ’，ｙ’）が持つＰ_di（ｘ’，
ｙ’）の値が高い場合は、Ｐ_ｄｉ（ｘ，ｙ）の値は徐々
に増加する。逆に、小領域（ｘ’，ｙ’）が持つＰ_ｄｉ
（ｘ’，ｙ’）の値が小さい場合は、Ｐ_di（ｘ，ｙ）の
値は、式３の定数Ｃと時定数τの働きで徐々に減少す
る。例えば、初期のポテンシャル（図５）に対して本処
理を適用すると、図７に示すポテンシャルに収束する。
図７（ａ）において、７００はｄｉが横方向のポテンシ
ャル、図７（ｂ）において、７２０はｄｉが縦方向のポ
テンシャルである。

【００５５】次に、状態方程式に従いポテンシャルの状
態を更新することの効果を具体的に述べる。まず、小領
域（ｘ，ｙ）上をｄｉ方向の長い罫線が横切る場合を考
える。この時、小領域（ｘ，ｙ）からｄｉ方向に位置す
る複数個の小領域（ｘ’，ｙ’）が持つＰ_di（ｘ’，
ｙ’）の値は高い。そのため小領域（ｘ，ｙ）が持つＰ
_di（ｘ，ｙ）の値は徐々に増加する。例えば、図５
（ａ）に示す初期のポテンシャルにおいて、一点鎖線上
の小領域５０６が持つポテンシャルの値は小さいが、状
態を更新することにより、ポテンシャルの値は、図５と
比べると分かるように、図７（ａ）の７０６のように全
体的に高くなる。逆に、図５（ａ）の小領域５０７のよ
うに、小領域（ｘ，ｙ）上に罫線がない場合は、Ｐ
_di（ｘ’，ｙ’）の値が小さく、そのため図７（ａ）の
７０７の小領域に示すように、Ｐ_di（ｘ，ｙ）の値は徐
々に減少し、最終的には消失する。

【００５６】同様に、小領域（ｘ，ｙ）上に、ｄｉ方向
に伸びた文字列がある場合、小領域（ｘ，ｙ）からｄｉ
方向に位置する複数個の小領域（ｘ’，ｙ’）が持つポ
テンシャルＰ_di（ｘ’，ｙ’）は一部に高い値を持つ
が、全体的には低い。そのためＰ_di（ｘ，ｙ）の値は徐
々に減少する。例えば、図５（ａ）の初期のポテンシャ
ルにおいて、文字列領域上の小領域５０１は、一部に高
いポテンシャルの値を持つ。しかし状態を更新すること
によって、ポテンシャルの値は図７（ａ）の７０１に示
すように小さくなる。

【００５７】その後、罫線抽出部２０６は、実施の形態
１と同様に、ポテンシャルメモリ２０４に格納されたポ
テンシャルの値を参照して罫線を抽出する。例えば、ポ
テンシャル更新部２０５で更新したポテンシャル（図
７）に本処理を適用すると、図８に示す罫線群が抽出さ
れる。この場合、図８に示すように、罫線群としては、
罫線の外接矩形が抽出される。

【００５８】実施の形態２によれば、式３の状態方程式
に従ってポテンシャルの値を更新することにより、罫線
以外の領域が持つポテンシャルの値は減少する。逆に、
罫線上の領域が持つポテンシャルの値は増加する。特
に、実線以外の罫線（点線や破線，一点鎖線等）におい
て、罫線を構成する黒線と黒線の間隔が広いためにポテ
ンシャルの値が小さい白画素の領域でも、状態を更新す
るに従ってポテンシャルの値が増加する。そのため、罫
線以外の領域（文字列等）から誤って余計な罫線を抽出
する問題を避け、かつ点線や破線，一点鎖線等の様々な
罫線を精度良く抽出できる。

【００５９】実施の形態３．実施の形態１と２では、様
々な種類の罫線を抽出できるが、その罫線の種類を判別
することは難しい。そこで罫線の種類を判別するための
罫線種別判定部を加えた例が実施の形態３である。以
下、本発明の実施の形態３を図９乃至図１２に基づいて
説明する。

【００６０】図９は実施の形態２の罫線抽出処理に罫線
種別判定部を加えた構成を示すブロック図である。図９
において、図６と同一または相当部分は同一の符号を付
し、その説明を省略する。ここで９０１は罫線の種類を
判別する罫線種類判定部である。

【００６１】図１０は罫線要素の抽出例である。図１０
において、１００１は罫線の外接矩形領域内にある文書
画像、１００２はその文書画像中の一個の罫線要素、た
とえば、一点鎖線を示す図である。図１０において、一
点鎖線はａ２の長さを有する長線とａ１の長さを有する
短線ａ２とから構成される。図１１は、図１０中の罫線
要素の長さの度数分布を示す図である。図１１におい
て、横軸は一点鎖線の罫線要素の長さａを示し、縦軸は
一点鎖線の特定の長さの罫線要素が生じる度数を示す。
横軸に長さａ１を中心に短い方の罫線要素が分布し、ａ
２を中心に長い方の罫線要素が分布していることが分か
る。ここで、ａ１およびａ２の部分のみでなく、その周
囲に罫線要素の発生が分布しているのは、それぞれの検
出された罫線要素の長さにバラツキがあるためである。

【００６２】罫線種類判定部９０１は、イメージメモリ
２０２を参照して、罫線抽出部２０６で得た各罫線の外
接矩形領域内にある文書画像１００１を抽出する。次
に、文書画像１００１の内部を走査し、濃度が閾値以上
の画素をラベリングする。ここで同じラベルを持つ画素
の集合を罫線要素とする。図１０中の１００２は一個の
罫線要素を示す。次に、各罫線要素の長さの度数分布
（図１１）を作成する。次に、この度数分布と、予め罫
線の種類毎に用意した度数分布とを比較する。検出され
た形状の度数分布が最も類似する罫線の度数分布から、
その罫線の種類（たとえば、点線、破線，一点鎖線等）
を決定する。罫線種類判定部９０１は、求めた罫線のデ
ータ（罫線の外接矩形左上点と幅高さ、および罫線の種
類）を罫線出力部１１５に送出する。罫線出力部１１５
は、罫線種類判定部９０１で得た罫線データを外部に出
力する。

【００６３】ここで度数分布の類似性は、例えば以下の
方法で判定する。図１２は検出された罫線要素の特徴ベ
クトルと予め用意された罫線要素の特徴ベクトルを示す
図である。図１２（ａ）は、図１１の罫線の長さを示す
水平軸をＭ個のエリアに分割し、各エリアに含まれる罫
線発生度数から作成されたＭ次元の特徴ベクトルであ
る。同様に、図１２（ｂ）は、予め罫線の種類毎に用意
した度数分布から作成されたＭ次元の特徴ベクトルであ
る。これらの、図１２（ａ）および図１２（ｂ）の２つ
の特徴ベクトルを用いて、一般的なベクトル間の距離計
算法である２つの特徴ベクトルの差を求めるシテイブロ
ック距離法や２つの特徴ベクトルの差の２乗を求めるユ
ークリッド距離法等によって、２つの特徴ベクトル間の
距離を求める。そして距離値が小さいほど類似性が高い
と判定することによって、検出された罫線要素が予め用
意されたどの罫線要素に該当するかを判定する。

【００６４】実施の形態３によれば、罫線の外接矩形領
域内の画像上で閾値以上の濃度を持つ画素をラベリング
して罫線要素を抽出し、この罫線要素の長さの度数分布
を求め、この度数分布と予め罫線の種類毎に用意した度
数分布と比較して、その類似性を調べることで、罫線の
種類を判定できる。

【００６５】

【発明の効果】以上説明したように、本発明によれば以
下の効果を得ることができる。第１および第７の発明に
よれば、画像を読み取る画像入力部と、読み取った画像
を格納するイメージメモリと、イメージメモリに格納し
た画像を参照して画像上の各領域毎に局所的な方向性の
強さを示すポテンシャルを求めるポテンシャル算出部
と、求めたポテンシャルを格納するポテンシャルメモリ
と、ポテンシャルメモリに格納したポテンシャルの値を
基に画像上の罫線を抽出する罫線抽出部と、抽出した罫
線の情報を外部に出力する罫線出力部を備えることで、
画像から実線や点線，破線等の様々な罫線を抽出するこ
とができる。

【００６６】第２および第８の発明によれば、第１およ
び第２の発明に、ポテンシャルメモリに格納したポテン
シャルの値を状態方程式に従い変更するポテンシャル更
新部を追加することで、実線以外の罫線（点線や破線，
一点鎖線等）をより精度良く抽出し、かつ誤った領域か
ら余分な罫線を抽出しないようにできる。

【００６７】第３および第９の発明によれば、第２およ
び第８の発明に、罫線の外接矩形領域内の画像上で閾値
以上の濃度を持つ画素をラベリングして罫線要素を抽出
し、この罫線要素の長さの度数分布を求め、この度数分
布と予め罫線の種類毎に用意した度数分布と比較するこ
とにより、罫線の種類を判別する罫線種類判定部を追加
したことで、抽出した罫線の種類（実線、点線、破線、
一点鎖線等）を正しく判別できる。

【００６８】第４および第１０の発明によれば、ポテン
シャル算出部は、方向性を持ち、大きさの異なる複数の
マスクを画像に畳み込んだ結果からポテンシャルの値を
算出するため、２値画像および多値画像のどちらからで
も罫線を抽出できる。

【００６９】第５および第１１の発明によれば、式１に
基づいて、小領域（ｘ，ｙ）の中心にマスクの中心を合
わせて、方向性検出マスクを畳み込んだときのマスクの
出力値Ｏ_{di rj}（ｘ，ｙ）を求め、得られたマスクの出
力値Ｏ_{di rj}（ｘ，ｙ）から式２によって全領域のポテ
ンシャルＰ_di（ｘ，ｙ）を計算するため、２値画像およ
び多値画像のどちらからでも罫線を抽出できる。Ｏ_{di rj}（ｘ，ｙ）＝Ｉ（ｘ，ｙ）・Ｍ_{di rj} （１）Ｐ_di（ｘ，ｙ）＝Ｍａｘ｛Ｏ_{di rj}（ｘ，ｙ））｝（２）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒここで、Ｉは文書画像であり、Ｉ（ｘ，ｙ）・Ｍ_{di rj}
は小領域（ｘ，ｙ）の中心画素と方向性検出マスクＭ
_{di rj}の中心位置を合わせて、文書画像に方向性検出マ
スクを畳み込む処理を示す。Ｏ_{di rj}（ｘ，ｙ）は、こ
の畳み込み処理で計算されたマスク出力値である。ポテ
ンシャルＰ_di（ｘ，ｙ）は、同じ方向ｄｉを持ち、方向
性検出マスクの大きさｒｊが異なるマスク出力値Ｏ
_{di rj}（ｘ，ｙ）の最大値である。

【００７０】第６および第１２の発明によれば、ポテン
シャルメモリに格納したポテンシャルの値を、ポテンシ
ャル更新部が以下の式３に示す状態方程式に従い変更す
るように構成されるので、実線以外の罫線（点線や破
線，一点鎖線等）をより精度良く抽出し、かつ罫線領域
でない領域からの余分な情報を抽出しないようにでき
る。

【数６】ここで、τは時定数、ｔは更新回数、Φ_xyは小領域
（ｘ，ｙ）の近傍領域、ＣとＺは正の定数、Ｐ_di（ｘ，
ｙ）はポテンシャル、Ｕ（ｘ，ｙ）はポテンシャルＰ_di
（ｘ，ｙ）の関数、Ｗ_di（ｘ’，ｙ’）は小領域
（ｘ’，ｙ’）が小領域（ｘ，ｙ）に及ぼす影響を示す
関数である。

【図面の簡単な説明】

【図１】実施の形態１の罫線抽出方法を実現するブロ
ック構成を示す図である。

【図２】実施の形態１に記載したポテンシャル算出部
のフローチャートを示す図である。

【図３】実施の形態１に記載した方向性検出マスクの
例を示す図である。

【図４】実施の形態１に記載した文書の画像例を示す
図である。

【図５】実施の形態１に記載したポテンシャルの状態
を示す図である。

【図６】実施の形態２の罫線抽出方法を実現するブロ
ック構成を示す図である。

【図７】実施の形態２に記載したポテンシャルの状態
を示す図である。

【図８】実施の形態２に記載した罫線抽出結果の例を
示す図である。

【図９】実施の形態３の罫線抽出方法を実現するブロ
ック構成を示す図である。

【図１０】実施の形態３に記載した罫線要素の例を示
す図である。

【図１１】実施の形態３に記載した度数分布の例を示
す図である。

【図１２】実施の形態３における度数分布の類似性を
判定する方法を概念的に説明する図である。

【図１３】従来装置の構成を示すブロック図である。

【符号の説明】

１１５罫線出力部、２０１画像入力部、２０２イ
メージメモリ、２０３ポテンシャル算出部、２０４ポ
テンシャルメモリ、２０５ポテンシャル更新部、２０
６罫線抽出部、３０１〜３０３横方向性を持つ方向
性検出マスクの例、３０４〜３０６縦方向性を持つ方
向性検出マスクの例、３０７〜３０９斜め方向性を持つ
方向性検出マスクの例、４０１，４０３小さい方向性
検出マスク、４０２，４０４大きい方向性検出マス
ク、５００横方向を持つポテンシャル、５２０縦方
向を持つポテンシャル、７００横方向を持つポテンシ
ャル、７２０縦方向を持つポテンシャル、９０１罫
線種類判定部、１００１罫線の外接矩形領域内にある文
書画像、１００２罫線要素

Claims

【特許請求の範囲】

【請求項１】画像入力部で入力された画像を読み取
り、画像入力部で読み取った画像をイメージメモリに格納
し、イメージメモリに格納された画像を参照して、ポテンシ
ャル算出部で画像上の各領域毎に局所的な方向性の強さ
を示すポテンシャルを求め、ポテンシャル算出部で求めたポテンシャルをポテンシャ
ルメモリに格納し、ポテンシャルメモリに格納されたポテンシャルの値を基
に罫線抽出部で画像上の罫線を抽出し、罫線抽出部で抽出された罫線の情報を罫線出力部が外部
に出力することを特徴とする罫線抽出方法。
【請求項２】画像入力部で入力された画像を読み取
り、画像入力部で読み取った画像をイメージメモリに格納
し、イメージメモリに格納された画像を参照して、ポテンシ
ャル算出部で画像上の各領域毎に局所的な方向性の強さ
を示すポテンシャルを求め、ポテンシャル算出部で求めたポテンシャルをポテンシャ
ルメモリに格納し、ポテンシャルメモリに格納されたポテンシャルの値を、
ポテンシャル更新部が状態方程式に従って変更し、その
変更値を再度ポテンシャルメモリに格納し、ポテンシャルメモリに格納されたポテンシャルの値を基
に罫線抽出部で画像上の罫線を抽出し、罫線抽出部で抽出された罫線の情報を罫線出力部が外部
に出力することを特徴とする罫線抽出方法。
【請求項３】画像入力部で入力された画像を読み取
り、画像入力部で読み取った画像をイメージメモリに格納
し、イメージメモリに格納された画像を参照して、ポテンシ
ャル算出部で画像上の各領域毎に局所的な方向性の強さ
を示すポテンシャルを求め、ポテンシャル算出部で求めたポテンシャルをポテンシャ
ルメモリに格納し、ポテンシャルメモリに格納されたポテンシャルの値を、
ポテンシャル更新部が状態方程式に従って変更し、その
変更値を再度ポテンシャルメモリに格納し、ポテンシャルメモリに格納されたポテンシャルの値を基
に罫線抽出部で画像上の罫線を抽出し、罫線種類判定部で、前記の罫線抽出部で抽出された罫線
から、罫線の外接矩形領域内の画像上で閾値以上の濃度
を持つ画素の連続領域を罫線要素として抽出し、この罫
線要素の長さの度数分布を求め、この度数分布と予め罫
線の種類毎に用意した度数分布と比較することにより、
罫線の種類を判別し、前記の罫線種類判定部で判別された罫線の情報を罫線出
力部が外部に出力することを特徴とする罫線抽出方法。
【請求項４】前記のポテンシャル算出部においては、
方向性を持ち大きさの異なる複数のマスクを画像に畳み
込んだ結果からポテンシャルの値を算出することを特徴
とする請求項１乃至３のいずれかに記載の罫線抽出方
法。
【請求項５】式１に基づいて、小領域（ｘ，ｙ）の中
心にマスクの中心を合わせて、次の式１から方向性検出
マスクを畳み込んだときのマスクの出力値Ｏ
_{di rj}（ｘ，ｙ）を求め、得られたマスクの出力値Ｏ
_{di rj}（ｘ，ｙ）から式２によって全領域のポテンシャ
ルＰ_di（ｘ，ｙ）を計算することを特徴とする請求項４
記載の罫線抽出方法。Ｏ_{di rj}（ｘ，ｙ）＝Ｉ（ｘ，ｙ）・Ｍ_{di rj} （１）Ｐ_di（ｘ，ｙ）＝Ｍａｘ｛Ｏ_{di rj}（ｘ，ｙ））｝（２）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒここで、Ｉは文書画像であり、Ｉ（ｘ，ｙ）・Ｍ_{di rj}
は小領域（ｘ，ｙ）の中心画素と方向性検出マスクＭ
_{di rj}の中心位置を合わせて、文書画像に方向性検出マ
スクを畳み込む処理を示す。Ｏ_{di rj}（ｘ，ｙ）は、こ
の畳み込み処理で計算されたマスク出力値である。ポテ
ンシャルＰ_di（ｘ，ｙ）は、同じ方向ｄｉを持ち、方向
性検出マスクの大きさｒｊが異なるマスク出力値Ｏ
_{di rj}（ｘ，ｙ）の最大値である。
【請求項６】ポテンシャルメモリに格納したポテンシ
ャルの値を、ポテンシャル更新部が以下の式３に示す状
態方程式に従い変更することを特徴とする請求項２また
は３記載の罫線抽出方法。【数１】ここで、τは時定数、ｔは更新回数、Φ_xyは小領域
（ｘ，ｙ）の近傍領域、ＣとＺは正の定数、Ｐ_di（ｘ，
ｙ）はポテンシャル、Ｕ（ｘ，ｙ）はポテンシャルＰ_di
（ｘ，ｙ）の関数、Ｗ_di（ｘ’，ｙ’）は小領域
（ｘ’，ｙ’）が小領域（ｘ，ｙ）に及ぼす影響を示す
関数である。
【請求項７】画像を読み取る画像入力部と、画像入力部で読み取った画像を格納するイメージメモリ
と、イメージメモリに格納した画像を参照して画像上の各領
域毎に局所的な方向性の強さを示すポテンシャルを求め
るポテンシャル算出部と、ポテンシャル算出部で求めたポテンシャルを格納するポ
テンシャルメモリと、ポテンシャルメモリに格納したポテンシャルの値を基に
画像上の罫線を抽出する罫線抽出部と、罫線抽出部で抽出した罫線の情報を外部に出力する罫線
出力部を備えたことを特徴とする罫線抽出装置。
【請求項８】画像を読み取る画像入力部と、画像入力部で読み取った画像を格納するイメージメモリ
と、イメージメモリに格納した画像を参照して画像上の各領
域毎に局所的な方向性の強さを示すポテンシャルを求め
るポテンシャル算出部と、ポテンシャル算出部で求めたポテンシャルを格納するポ
テンシャルメモリと、ポテンシャルメモリに格納したポテンシャルの値を、状
態方程式に従い変更し、再度前記のポテンシャルメモリ
に格納するポテンシャル更新部と、ポテンシャルメモリに格納したポテンシャルの値を基に
画像上の罫線を抽出する罫線抽出部と、罫線抽出部で抽出した罫線の情報を外部に出力する罫線
出力部を備えたことを特徴とする罫線抽出装置。
【請求項９】画像を読み取る画像入力部と、画像入力部で読み取った画像を格納するイメージメモリ
と、イメージメモリに格納した画像を参照して画像上の各領
域毎に局所的な方向性の強さを示すポテンシャルを求め
るポテンシャル算出部と、ポテンシャル算出部で求めたポテンシャルを格納するポ
テンシャルメモリと、ポテンシャルメモリに格納したポテンシャルの値を、状
態方程式に従い変更し、再度前記のポテンシャルメモリ
に格納するポテンシャル更新部と、ポテンシャルメモリに格納したポテンシャルの値を基に
画像上の罫線を抽出する罫線抽出部と、罫線の外接矩形領域内の画像上で閾値以上の濃度を持つ
画素の連続領域を罫線要素として抽出し、この罫線要素
の長さの度数分布を求め、この度数分布と予め罫線の種
類毎に用意した度数分布と比較することにより、罫線の
種類を判別する罫線種類判定部と、罫線種類判定部で判定した罫線の情報を外部に出力する
罫線出力部を備えたことを特徴とする罫線抽出装置。
【請求項１０】前記のポテンシャル算出部は、方向性
を持ち大きさの異なる複数のマスクを画像に畳み込んだ
結果からポテンシャルの値を算出するように構成したこ
とを特徴とする請求項７乃至９記載の罫線抽出装置。
【請求項１１】前記のポテンシャル算出部は、小領域
（ｘ，ｙ）の中心にマスクの中心を合わせて、方向性検
出マスクを畳み込みこむことによってマスクの出力値Ｏ
_{di rj}（ｘ，ｙ）を次の式１から求め、得られたマスク
の出力値Ｏ_dirj（ｘ，ｙ）から式２によって全領域のポ
テンシャルＰ_di（ｘ，ｙ）を計算することを特徴とする
請求項１０記載の罫線抽出装置。Ｏ_{di rj}（ｘ，ｙ）＝Ｉ（ｘ，ｙ）・Ｍ_{di rj} （１）Ｐ_di（ｘ，ｙ）＝Ｍａｘ｛Ｏ_{di rj}（ｘ，ｙ））｝（２）ここで、ｉ＝１〜Ｄ，ｊ＝１〜Ｒここで、Ｉは文書画像であり、Ｉ（ｘ，ｙ）・Ｍ_{di rj}
は小領域（ｘ，ｙ）の中心画素と方向性検出マスクＭ
_{di rj}の中心位置を合わせて、文書画像に方向性検出マ
スクを畳み込む処理を示す。Ｏ_{di rj}（ｘ，ｙ）は、こ
の畳み込み処理で計算されたマスク出力値である。ポテ
ンシャルＰ_di（ｘ，ｙ）は、同じ方向ｄｉを持ち、方向
性検出マスクの大きさｒｊが異なるマスク出力値Ｏ
_{di rj}（ｘ，ｙ）の最大値である。
【請求項１２】前記のポテンシャル更新部は、ポテン
シャルメモリに格納したポテンシャルの値を、以下の式
３に示す状態方程式に従い変更することを特徴とする請
求項８または９記載の罫線抽出装置。【数２】ここで、τは時定数、ｔは更新回数、Φ_xyは小領域
（ｘ，ｙ）の近傍領域、ＣとＺは正の定数、Ｐ_di（ｘ，
ｙ）はポテンシャル、Ｕ（ｘ，ｙ）はポテンシャルＰ_di
（ｘ，ｙ）の関数、Ｗ_di（ｘ’，ｙ’）は小領域
（ｘ’，ｙ’）が小領域（ｘ，ｙ）に及ぼす影響を示す
関数である。