JPS6331825B2 - - Google Patents
Info
- Publication number
- JPS6331825B2 JPS6331825B2 JP55038531A JP3853180A JPS6331825B2 JP S6331825 B2 JPS6331825 B2 JP S6331825B2 JP 55038531 A JP55038531 A JP 55038531A JP 3853180 A JP3853180 A JP 3853180A JP S6331825 B2 JPS6331825 B2 JP S6331825B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- image
- extracted
- binary image
- character area
- 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.)
- Expired
Links
- 238000000034 method Methods 0.000 claims description 37
- 238000009826 distribution Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 101100464782 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CMP2 gene Proteins 0.000 description 2
- 101100464779 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CNA1 gene Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32106—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title separate from the image data, e.g. in a different computer file
- H04N1/32122—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title separate from the image data, e.g. in a different computer file in a separate device, e.g. in a memory or on a display separate from image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3225—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to an image, a page or a document
- H04N2201/3243—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to an image, a page or a document of type information, e.g. handwritten or text document
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3274—Storage or retrieval of prestored additional information
- H04N2201/3277—The additional information being stored in the same storage device as the image data
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Facsimiles In General (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
本発明は、フアクシミリなどにおける入力画像
の特性の把握を論理判定によつて行なわせる画像
特性の識別方法に関する。
の特性の把握を論理判定によつて行なわせる画像
特性の識別方法に関する。
一般の事務用などの文書画像の中には、活字文
字、手書文字、グラフ等の種々の文字および図形
パターンが含まれている。従来、これらのパター
ンをフアクシミリ等で画素系列信号として伝送す
る場合、走査ラインごとに同色画素の長さ（ラン
レングス）を符号化することによつて、画像デー
タを効率よく伝送するようにしている。このよう
なランレングス符号化法においても、種々の方法
が知られている。ランレングス符号化において、
その効率を向上させるためには、ランレングスの
発生頻度順に短い符号を割当てればよいが、この
頻度は当然のことながら、対象とする画像によつ
て異なる。例えば、文字パターンにおいては、白
ランは黒ランに比べて長いランの発生頻度は高い
が、黒ランにはそれほど長いランは存在しない。
字、手書文字、グラフ等の種々の文字および図形
パターンが含まれている。従来、これらのパター
ンをフアクシミリ等で画素系列信号として伝送す
る場合、走査ラインごとに同色画素の長さ（ラン
レングス）を符号化することによつて、画像デー
タを効率よく伝送するようにしている。このよう
なランレングス符号化法においても、種々の方法
が知られている。ランレングス符号化において、
その効率を向上させるためには、ランレングスの
発生頻度順に短い符号を割当てればよいが、この
頻度は当然のことながら、対象とする画像によつ
て異なる。例えば、文字パターンにおいては、白
ランは黒ランに比べて長いランの発生頻度は高い
が、黒ランにはそれほど長いランは存在しない。
ところが、グラフや手書の絵などの図形パター
ンでは、白、黒のランレングスともに長くなり、
特に白ランレングスの増加が著しいものとなつて
いる。一方、手書文字は一般に活字文字に比べて
大きいから、それ程細かい解像度で画像をサンプ
リングして読取る必要がなく、１mm当り４〜２画
素／mm程度で実用的には充分である。当然のこと
ながら、サンプリング密度が変化すれば、ランレ
ングスの発生頻度も変化することになる。
ンでは、白、黒のランレングスともに長くなり、
特に白ランレングスの増加が著しいものとなつて
いる。一方、手書文字は一般に活字文字に比べて
大きいから、それ程細かい解像度で画像をサンプ
リングして読取る必要がなく、１mm当り４〜２画
素／mm程度で実用的には充分である。当然のこと
ながら、サンプリング密度が変化すれば、ランレ
ングスの発生頻度も変化することになる。
このように、一口に文書画像と言つても、対象
画像や目的によつてランレングスの分布が変化す
るから、常に効率よく符号化しようとすれば、対
象画像の特性を識別し、その特性に適した符号化
方式を採用しなければならない。
画像や目的によつてランレングスの分布が変化す
るから、常に効率よく符号化しようとすれば、対
象画像の特性を識別し、その特性に適した符号化
方式を採用しなければならない。
以上のような要求に対し、従来では平均のラン
レングスを計測することによつてサンプリング密
度を適宜決定する方法を採用している。たとえ
ば、１走査線当りのランの数（白／黒の変化点の
数）が、しきい値以下のときは、サンプリング密
度を低くして粗に読取る事で伝送速度を向上させ
るようにしている。
レングスを計測することによつてサンプリング密
度を適宜決定する方法を採用している。たとえ
ば、１走査線当りのランの数（白／黒の変化点の
数）が、しきい値以下のときは、サンプリング密
度を低くして粗に読取る事で伝送速度を向上させ
るようにしている。
しかし、このような従来方法を採用すると、グ
ラフや図面などでは、その平均的ランレングスが
大きいために粗にサンプリングしてしまい、その
結果、細線が破線として再生されてしまつたり、
階段状にジグザグラインとして変形されてしまつ
たりするという不具合が生ずる。しかも、図面で
は、それを仮に高密度でサンプリングして読取つ
ても圧縮効果が充分に高く、それを低密度でサン
プリングして読取つてもそのメリツトは余りな
い。したがつて、図面やグラフなどの図形パター
ンでは、高画素密度でサンプリングして符号化処
理する方が望ましい。さらに、文書中に存在する
写真画像、カラー画像の符号化を従来方法による
白／黒判定によるランレングス符号化によつて行
なわせると、再生画像がつぶれてしまい、受信側
では原画像の認識が不可能になつてしまう。
ラフや図面などでは、その平均的ランレングスが
大きいために粗にサンプリングしてしまい、その
結果、細線が破線として再生されてしまつたり、
階段状にジグザグラインとして変形されてしまつ
たりするという不具合が生ずる。しかも、図面で
は、それを仮に高密度でサンプリングして読取つ
ても圧縮効果が充分に高く、それを低密度でサン
プリングして読取つてもそのメリツトは余りな
い。したがつて、図面やグラフなどの図形パター
ンでは、高画素密度でサンプリングして符号化処
理する方が望ましい。さらに、文書中に存在する
写真画像、カラー画像の符号化を従来方法による
白／黒判定によるランレングス符号化によつて行
なわせると、再生画像がつぶれてしまい、受信側
では原画像の認識が不可能になつてしまう。
本発明は以上の点を考慮してなされたもので、
ランレングスの構造から画像特性の判定を簡単か
つ正確に行なわせることができるようにした画像
特性の識別方法を提供するものである。
ランレングスの構造から画像特性の判定を簡単か
つ正確に行なわせることができるようにした画像
特性の識別方法を提供するものである。
また、本発明は現在のフアクシミリ等における
画像情報の読取りおよびその伝送などの処理方式
を大幅に変更させることなく容易に入力画像の特
性識別を実施させることができるようにした画像
特性の識別方法を提供するものである。
画像情報の読取りおよびその伝送などの処理方式
を大幅に変更させることなく容易に入力画像の特
性識別を実施させることができるようにした画像
特性の識別方法を提供するものである。
本発明による画像特性の識別方法にあつては、
文字パターン、図形パターンなどによつてランレ
ングスの平均からのずれ量すなわち最大、最小偏
差値などがそれぞれ異なることに着目し、そのラ
ンレングスの平均からのずれ量を利用した一定の
論理判定を適宜抽出された複数のランに対して実
行させることにより、画像特性の識別を迅速かつ
確実に行なわせることができるようにしたもので
ある。
文字パターン、図形パターンなどによつてランレ
ングスの平均からのずれ量すなわち最大、最小偏
差値などがそれぞれ異なることに着目し、そのラ
ンレングスの平均からのずれ量を利用した一定の
論理判定を適宜抽出された複数のランに対して実
行させることにより、画像特性の識別を迅速かつ
確実に行なわせることができるようにしたもので
ある。
本発明による画像特性の識別方法では、ランレ
ングスの構造によつて画像の種類を判別するべ
く、以下のステツプにしたがつて処理される。
ングスの構造によつて画像の種類を判別するべ
く、以下のステツプにしたがつて処理される。
１ 入力される多値画像を２値情報に変換してか
ら、２値画像上で、領域抽出処理を行なう。
ら、２値画像上で、領域抽出処理を行なう。
２ ランレングスを利用した領域抽出法を用い
る。
る。
３ 構造情報の階層性を利用して、前のステツプ
の結果を利用して処理を行なう。
の結果を利用して処理を行なう。
４ 重複して抽出された領域については、評価関
数を用いて、何れが正しいか判定する。
数を用いて、何れが正しいか判定する。
５ 抽出された領域は、ラスタ・スキヤンの方向
を１つの辺とする簡単な矩形で記述する。
を１つの辺とする簡単な矩形で記述する。
さらに、その具体的な手順を第１図とともに以
下の〜に説明する。
下の〜に説明する。
入力される文書画像（多値画像）は、２値化
プログラムによつて、写真領域抽出用の２値画
像と、文字領域、グラフ領域、抽出用の２値
画像に変換される。前者にはデイザ法が後者
には単一しきい値がそれぞれ用いられて２値化
される。
プログラムによつて、写真領域抽出用の２値画
像と、文字領域、グラフ領域、抽出用の２値
画像に変換される。前者にはデイザ法が後者
には単一しきい値がそれぞれ用いられて２値化
される。
写真領域抽出用の２値画像から写真領域を
抽出し、構造情報フアイルに写真領域を簡単な
矩形で記述する。
抽出し、構造情報フアイルに写真領域を簡単な
矩形で記述する。
前記の結果を利用して、文字領域、グラフ
領域、抽出用の２値画像から写真領域を削除
して、２値画像′を作成する。
領域、抽出用の２値画像から写真領域を削除
して、２値画像′を作成する。
前記′からグラフ領域を抽出し、構造情報
フアイルに記述する。
フアイルに記述する。
前記′から縦文字領域を抽出し、構造情報
フアイルに記述する。
フアイルに記述する。
前記′から横文字領域を抽出し、構造情報
フアイルに記述する。
フアイルに記述する。
文字領域について、縦文字領域、横文字領域
が重なりを持つた場合は、適当な評価関数によ
り何れが正しいかの判定を行なう。
が重なりを持つた場合は、適当な評価関数によ
り何れが正しいかの判定を行なう。
文字領域に関しては、行の検出を行ない、構
造情報フアイルに記述する。
造情報フアイルに記述する。
構造情報フアイルを参照して、処理結果を表
示する。
示する。
なお、第１図に示されている構造情報フアイル
は、矢印で示された各処理において、YESと認
識された画像の領域を記憶するものである。
は、矢印で示された各処理において、YESと認
識された画像の領域を記憶するものである。
次に個々のカテゴリについて、より具体的に説
明をする。
明をする。
(1) 写真領域の抽出
いま、濃度に階調がある写真などを白と黒の２
値で書くときに、例えば原稿画像を０〜15の16レ
ベルの階調に分けてその濃度を表わすとき、次の
ようなデイザ・マトリツクスDmの要素と画素を
順次対比させ、マトリツクスの要素よりも実際の
画素の濃度レベルの方が大きいとき、その画素を
黒として表現するいわゆるデイザ法が実行され
る。
値で書くときに、例えば原稿画像を０〜15の16レ
ベルの階調に分けてその濃度を表わすとき、次の
ようなデイザ・マトリツクスDmの要素と画素を
順次対比させ、マトリツクスの要素よりも実際の
画素の濃度レベルの方が大きいとき、その画素を
黒として表現するいわゆるデイザ法が実行され
る。
このときのデイザ・マトリツクスは次のような
ものである。
ものである。
例えば、ｍ＝４のときにはそのデイザ・マトリ
ツクスは以下のようになる。
ツクスは以下のようになる。
一般に、デイザ化された写真領域は、その２値
化の方法から高周波成分を多く含んでいる。すな
わち、中間調のレベルに応じて、白画素、黒画素
が非常に細かく分布している。したがつて、その
領域のランレングスを調べると、白／黒の反転が
頻繁であるため、白ラン、黒ラン共に短いランが
非常に多くなる。
化の方法から高周波成分を多く含んでいる。すな
わち、中間調のレベルに応じて、白画素、黒画素
が非常に細かく分布している。したがつて、その
領域のランレングスを調べると、白／黒の反転が
頻繁であるため、白ラン、黒ラン共に短いランが
非常に多くなる。
第２図ａ，ｂは、デイザ法によつて２値化した
写真領域のランの分布をグラフ表示したものであ
る。これに対して、文字領域、グラフ領域（何れ
も、デイザ法によつて２値化されている）のラン
の分布は各々、第３図ａ，ｂ、第４図ａ，ｂのよ
うになる。これの図から、デイザ・マトリツクス
が４×４であるため、写真領域におけるランは白
ラン、黒ラン共に６以下のものが殆んどであるこ
とがわかる。
写真領域のランの分布をグラフ表示したものであ
る。これに対して、文字領域、グラフ領域（何れ
も、デイザ法によつて２値化されている）のラン
の分布は各々、第３図ａ，ｂ、第４図ａ，ｂのよ
うになる。これの図から、デイザ・マトリツクス
が４×４であるため、写真領域におけるランは白
ラン、黒ラン共に６以下のものが殆んどであるこ
とがわかる。
以下に、写真領域の抽出の処理手順について述
べる。
べる。
２値画像のランレングスを観測する。このと
き、白ランのみを利用し、ｎ＝２つまり２重マ
ルコフ情報源とみて白ランレングスを観測す
る。
き、白ランのみを利用し、ｎ＝２つまり２重マ
ルコフ情報源とみて白ランレングスを観測す
る。
条件 Ｃ
〔現在の観測点までの３個の白ラン（ω2，ω1，
ω0）が全てδ（≡６）より小さい〕 のとき、 区間 Ｌ(C) 〔最後の黒ラン、白ランの組ｌ〕 を、 領域 Ｒ(C) 〔写真領域〕 の要素と仮判定する。ここで、ｌは現在の観測点
を含む白ランの終点から直前の白ランの終点まで
のランである。
ω0）が全てδ（≡６）より小さい〕 のとき、 区間 Ｌ(C) 〔最後の黒ラン、白ランの組ｌ〕 を、 領域 Ｒ(C) 〔写真領域〕 の要素と仮判定する。ここで、ｌは現在の観測点
を含む白ランの終点から直前の白ランの終点まで
のランである。
次に、ｌに対応する縮小画像上の値を１だけ
増やす。ここで縮小画像は原画像の縦1/10、横
１／１０（面積1/100）とした。従つて縮小画像上
の各点の値は０〜100となる。
増やす。ここで縮小画像は原画像の縦1/10、横
１／１０（面積1/100）とした。従つて縮小画像上
の各点の値は０〜100となる。
縮小画像が作成され終つた後、この縮小画像
を固定しきい値(10)で２値化する。
を固定しきい値(10)で２値化する。
雑音除去の処理を施す。すなわち、小領域は
雑音とみなして捨て去る。この基準として、全
画像の面積の1/100以下のものは雑音とみなす
ことにした。
雑音とみなして捨て去る。この基準として、全
画像の面積の1/100以下のものは雑音とみなす
ことにした。
次に残つた領域の最小外接長方形
（minimumbounding rectangle）を求める。こ
の時、抽出された領域を簡単に記述し、さらに
後の処理を簡単にするため、走査線に水平及び
垂直な辺をもつ矩形とする。
（minimumbounding rectangle）を求める。こ
の時、抽出された領域を簡単に記述し、さらに
後の処理を簡単にするため、走査線に水平及び
垂直な辺をもつ矩形とする。
抽出された各々の矩形の座標（xnio，xnax，
ynio，ynax）を、構造情報フアイルに記述する。
ynio，ynax）を、構造情報フアイルに記述する。
(2) 文字領域の抽出
前記(1)の処理において、写真領域の抽出が終了
したので、次に文字領域とグラフ領域の分離を行
なう。
したので、次に文字領域とグラフ領域の分離を行
なう。
本発明では、ランレングスの分布によつて領域
抽出を行なわせる。第５図、第６図に各領域の白
ラン、黒ランの分布を示したが、いま白ランレン
グスに注目すると、縦文字領域においては、縦の
短い白ランの頻度が大きいことがわかる。逆に、
横文字領域では横の短い白ランの頻度が大きい。
以上の性質を利用して、白ランに注目し、 ｎ＝２、つまり２重マルコフ情報源とみて、
白ランレングスを観測する。
抽出を行なわせる。第５図、第６図に各領域の白
ラン、黒ランの分布を示したが、いま白ランレン
グスに注目すると、縦文字領域においては、縦の
短い白ランの頻度が大きいことがわかる。逆に、
横文字領域では横の短い白ランの頻度が大きい。
以上の性質を利用して、白ランに注目し、 ｎ＝２、つまり２重マルコフ情報源とみて、
白ランレングスを観測する。
条件 Ｃ
〔現在の観測点までの３個の白ラン（ω2，ω1，
ω0）が全てδ（≡32）より小さい。〕 のとき、 区間 Ｌ(C) 〔最後の黒ラン、白ランの組ｌ〕 を、 領域 Ｒ(C) 〔文字領域〕 の要素と仮判定する。
ω0）が全てδ（≡32）より小さい。〕 のとき、 区間 Ｌ(C) 〔最後の黒ラン、白ランの組ｌ〕 を、 領域 Ｒ(C) 〔文字領域〕 の要素と仮判定する。
δ（≡32）は、文字のピツチの約1.5倍である。
次に、ｌに対応する縮小画像上の値を１だけ
増やす。ここで縮小画像の縦1/10、横1/10（面
積1/100）とした。従つて、縮小画像上の各点
の値は０〜100となる。
増やす。ここで縮小画像の縦1/10、横1/10（面
積1/100）とした。従つて、縮小画像上の各点
の値は０〜100となる。
縮小画像が作成され終つた後、この縮小画像
を固定しきい値(10)で２値化する。
を固定しきい値(10)で２値化する。
文字列と文字列を連結させて、全体として文
字領域を見つけ出すために、融合（Fusion）
操作を２回、縮退（Shrink）操作を１回行な
う。
字領域を見つけ出すために、融合（Fusion）
操作を２回、縮退（Shrink）操作を１回行な
う。
次に、雑音除去のために、全画面の面積の1/
１００以下のものは、雑音とみなして捨て去る。
１００以下のものは、雑音とみなして捨て去る。
残つた領域の、最小外接長方形を求める。抽
出された領域を簡単に記述するために、走査線
に水平及び垂直な辺を持つた矩形として領域を
抽出する。
出された領域を簡単に記述するために、走査線
に水平及び垂直な辺を持つた矩形として領域を
抽出する。
抽出された各々の矩形の座標（xnio，xnax，
ynio，ynax）を構造情報フアイルに記述する。
ynio，ynax）を構造情報フアイルに記述する。
第７図に横文字領域抽出処理例を示す。
縦文字領域抽出処理
前述の横文字領域抽出処理のにおいて、横の
ランを用いる代わりに、縦のランを用いる。それ
以外は、横文字領域抽出処理に同じである。縦文
字領域と横文字領域は、次に(1)式の評価関数EV
によつてその確からしさを判定した。
ランを用いる代わりに、縦のランを用いる。それ
以外は、横文字領域抽出処理に同じである。縦文
字領域と横文字領域は、次に(1)式の評価関数EV
によつてその確からしさを判定した。
ただし、〔 〕はガウス記号である。
EH＝（EVの縦／横を入れ替えたもの）
０EV，EH１である。
AVを縦文字領域として抽出された領域、
AHを横文字領域として抽出された領域とする。
SAV……AVの面積
SAH……AHの面積
EV……AVの縦文字らしさの評価値
EH……AHの横文字らしさの評価値
とする。
AVとAHが重なつているとき、
｛SAV∩AH＞１／２SAV｝∧｛EH＞EV｝
AVはなかつたことにする。
｛SAH∩AV＞１／２SAH｝∧｛EV＞EH｝
AHはなかつたことにする。
(3) グラフ領域の抽出
グラフ領域には、文字領域と異なつて、連続し
た黒画素である線分が含まれている。したがつ
て、まずグラフ中に存在する線分を抽出し、次に
その線分を含むようなまとまりのよい最小外接長
方形を求め、これをグラフ領域とする。グラフ領
域抽出処理は、縦のランを利用した抽出処理と、
横のランを利用した抽出処理を用い、各々の結果
のAND（論理積）をとる。
た黒画素である線分が含まれている。したがつ
て、まずグラフ中に存在する線分を抽出し、次に
その線分を含むようなまとまりのよい最小外接長
方形を求め、これをグラフ領域とする。グラフ領
域抽出処理は、縦のランを利用した抽出処理と、
横のランを利用した抽出処理を用い、各々の結果
のAND（論理積）をとる。
グラフ領域抽出処理手順は次のとおりである。
横のランを利用したグラフ領域抽出
（第８図参照、図中の記号は本文の番号に対
応） 入力画像はＡである。これを単一しきい値で
２値化後、写真領域を削除して、２値画像Ｂと
する。
応） 入力画像はＡである。これを単一しきい値で
２値化後、写真領域を削除して、２値画像Ｂと
する。
２値画像Ｂのランレングスを観測する。ここ
で、前述したランレングスを利用した領域抽出
法を利用する。但し、文字の場合と同様に白ラ
ンのみを利用し、ｎ＝２、つまり２重マルコフ
情報源とみて白ランレングスを観測する。
で、前述したランレングスを利用した領域抽出
法を利用する。但し、文字の場合と同様に白ラ
ンのみを利用し、ｎ＝２、つまり２重マルコフ
情報源とみて白ランレングスを観測する。
条件 Ｃ
〔現在の観測点までの３個の白ラン（ω2，ω1，
ω0）が少なくもδ（≡24）より大きいのが存在す
る。〕 のとき、 区間 Ｌ(C) 〔最後の黒ランｌ〕 を 領域 Ｒ(C) 〔グラフ領域〕 の要素（線分）と仮判定する。
ω0）が少なくもδ（≡24）より大きいのが存在す
る。〕 のとき、 区間 Ｌ(C) 〔最後の黒ランｌ〕 を 領域 Ｒ(C) 〔グラフ領域〕 の要素（線分）と仮判定する。
次に、ｌに対応する縮小画像上の値を１だけ
増やす。ここで、縮小画像は原画像の縦1/10，
横1/10（面積1/100）とした。したがつて、縮
小画像上の各点の値は０〜100となる。
増やす。ここで、縮小画像は原画像の縦1/10，
横1/10（面積1/100）とした。したがつて、縮
小画像上の各点の値は０〜100となる。
縮小画像が作成され終つた後、この縮小画像
を固定しきい値(1)で２値化する。しきい値が低
いのは、グラフ領域は黒画素の密度が小さいた
め、高いしきい値では線分がとぎれる場合があ
るからである。
を固定しきい値(1)で２値化する。しきい値が低
いのは、グラフ領域は黒画素の密度が小さいた
め、高いしきい値では線分がとぎれる場合があ
るからである。
融合操作、縮退操作を各々１回ずつ行なつ
て、雑音のためとぎれた線をつなぐ。
て、雑音のためとぎれた線をつなぐ。
画像中の黒画素の長い線分だけとり出す。こ
れは画像に網目をかけて、網目からもれずに残
つたものだけを拾うという方式を用いた。これ
は、長い線分でも、その面積は小さいために、
面積によつて線分と雑音を分類することができ
ないためである。
れは画像に網目をかけて、網目からもれずに残
つたものだけを拾うという方式を用いた。これ
は、長い線分でも、その面積は小さいために、
面積によつて線分と雑音を分類することができ
ないためである。
連続した線分各々について、最小外接長方形
を求める。
を求める。
最小外接長方形が重なるものについては、そ
れらの長方形の最小外接長方形を求める。
れらの長方形の最小外接長方形を求める。
抽出された各々の矩形の座標（xnio，xnax，
ynio，ynax）を、構造情報フアイルに記述する。
ynio，ynax）を、構造情報フアイルに記述する。
縦のランを利用したグラフ領域抽出
前述した横のランを利用したグラフ領域の抽出
のにおいて、横のランの代わりに縦のランを用
いる以外は同様である。
のにおいて、横のランの代わりに縦のランを用
いる以外は同様である。
縦のランを利用したグラフ領域抽出の結果は第
８図中のG′である。
８図中のG′である。
最後に、ＧとG′のANDをとつてグラフ領域と
する。このように、縦のラン、横のランによる処
理をした後でANDをとる。
する。このように、縦のラン、横のランによる処
理をした後でANDをとる。
以上述べて来た手順によつて、文書画像中の写
真領域、文字領域（縦、横書き）、グラフ領域が
分離されることになる。
真領域、文字領域（縦、横書き）、グラフ領域が
分離されることになる。
第９図は、本発明による画像特性の識別方法を
具体的に実行するための一構成例を示すブロツク
図である。
具体的に実行するための一構成例を示すブロツク
図である。
以下に、その動作説明を行なう。
まず、スキヤナSCNよりアナログ又はデイジ
タル多値レベルで入力された画像信号は、比較器
CMP１によつて２値化されページメモリPMに
１ページ分の情報が蓄積される。同時に、比較器
CMP２は各画素の濃度レベルをあらかじめ決定
されたしきい値を記憶する読出専用メモリROM
の内容を順次回転させながら、その記憶された値
とを比較することによつて画像を２値化（デイザ
処理）し、この２値画像のランレングスをランレ
ングスカウンタRLCによつてリアルタイムにカ
ウントしながら、写真領域を前記(1)の方法によつ
てCPUで判定し、その結果、写真と判定されれ
ば、メモリＭ１の原画像の座標に対応するアドレ
スの値に１を加算する。
タル多値レベルで入力された画像信号は、比較器
CMP１によつて２値化されページメモリPMに
１ページ分の情報が蓄積される。同時に、比較器
CMP２は各画素の濃度レベルをあらかじめ決定
されたしきい値を記憶する読出専用メモリROM
の内容を順次回転させながら、その記憶された値
とを比較することによつて画像を２値化（デイザ
処理）し、この２値画像のランレングスをランレ
ングスカウンタRLCによつてリアルタイムにカ
ウントしながら、写真領域を前記(1)の方法によつ
てCPUで判定し、その結果、写真と判定されれ
ば、メモリＭ１の原画像の座標に対応するアドレ
スの値に１を加算する。
次に、CPUは処理(1)の手続に従つて、メモリ
Ｍ１内で写真領域を抽出し、その座標をメモリＭ
２に記憶する。なお、メモリＭ１の２値化像はそ
のままメモリＭ１に記憶する。
Ｍ１内で写真領域を抽出し、その座標をメモリＭ
２に記憶する。なお、メモリＭ１の２値化像はそ
のままメモリＭ１に記憶する。
文字領域の判定は、ページメモリPMに記憶さ
れた２値化された画像情報について、ランレング
スをカウントし、文字候補領域をメモリＭ１に記
憶し、これを２値化してそのままメモリＭ１に記
憶し、さらにCPU処理（もしくは専用回路…図
示されてない）によつて、融合、縮退操作、その
他の手続きをメモリＭ１内で施した後、領域を抽
出して、その領域のアドレスをメモリＭ２に記憶
する。
れた２値化された画像情報について、ランレング
スをカウントし、文字候補領域をメモリＭ１に記
憶し、これを２値化してそのままメモリＭ１に記
憶し、さらにCPU処理（もしくは専用回路…図
示されてない）によつて、融合、縮退操作、その
他の手続きをメモリＭ１内で施した後、領域を抽
出して、その領域のアドレスをメモリＭ２に記憶
する。
同様の操作をPM，RLC，CPU，Ｍ１を利用し
て行なつた後、グラフ領域のアドレスをメモリＭ
２に記憶することによつて、すべての処理が終了
し、対象画像中から写真、文字領域（縦書、横
書）、グラフの各領域の座標がメモリＭ２に登録
される。このような処理を終了した後は、出力装
置の要求に応じて、画像データ（２値）とその判
定領域をCPUを介して送り出すことができる。
て行なつた後、グラフ領域のアドレスをメモリＭ
２に記憶することによつて、すべての処理が終了
し、対象画像中から写真、文字領域（縦書、横
書）、グラフの各領域の座標がメモリＭ２に登録
される。このような処理を終了した後は、出力装
置の要求に応じて、画像データ（２値）とその判
定領域をCPUを介して送り出すことができる。
以上、本発明による画像特性の識別方法にあつ
ては、２値画像情報のランレングスの分布状態を
調べ、適宜抽出した複数のランにおける各ランレ
ングスの構造、すなわちランレングスの最大、最
小および平均値からの偏差などのパラメータによ
つて文字パターン領域、図形パターン領域あるい
は写真画像領域などの各種画像の特性に応じた領
域の識別を行なわせる際、入力画像をデイザ処理
による写真領域抽出用の第１の２値画像と単一し
きい値処理による文字領域、グラフ領域抽出用の
第２の２値画像にそれぞれ変換する手段と、前記
第１の２値画像から写真領域を抽出し、その抽出
された写真領域を構造情報フアイルに記述する手
段と、前記第２の２値画像から前記抽出された写
真領域を削除して第３の２値画像を作成する手段
と、前記第３の２値画像からグラフ領域を抽出
し、その抽出されたグラフ領域を構造情報フアイ
ルに記述する手段と、前記第３の２値画像から縦
文字領域を抽出し、その抽出された縦文字領域を
構造情報フアイルに記述する手段と、前記第３の
２値画像から横文字領域を抽出し、その抽出され
た横文字領域を構造情報フアイルに記述する手段
と、文字領域について縦文字領域と横文字領域と
が重なりをもつたときに評価関数により何れをと
るかを判定する手段と、文字領域に関して行の検
出を行ない、その検出された行を構造情報フアイ
ルに記述する手段とをとるようにしたもので、構
造情報フアイルの記述内容にしたがつて画像特性
の判定を簡単かつ正確に行なわせることができ、
特にフアクシミリや情報検索装置などにおいて実
行させることにより入力画像の特性判定をリアル
タイムでなすことができ、その判定結果に応じて
最適符号化などを行なわせることが可能になると
いう優れた利点を有している。
ては、２値画像情報のランレングスの分布状態を
調べ、適宜抽出した複数のランにおける各ランレ
ングスの構造、すなわちランレングスの最大、最
小および平均値からの偏差などのパラメータによ
つて文字パターン領域、図形パターン領域あるい
は写真画像領域などの各種画像の特性に応じた領
域の識別を行なわせる際、入力画像をデイザ処理
による写真領域抽出用の第１の２値画像と単一し
きい値処理による文字領域、グラフ領域抽出用の
第２の２値画像にそれぞれ変換する手段と、前記
第１の２値画像から写真領域を抽出し、その抽出
された写真領域を構造情報フアイルに記述する手
段と、前記第２の２値画像から前記抽出された写
真領域を削除して第３の２値画像を作成する手段
と、前記第３の２値画像からグラフ領域を抽出
し、その抽出されたグラフ領域を構造情報フアイ
ルに記述する手段と、前記第３の２値画像から縦
文字領域を抽出し、その抽出された縦文字領域を
構造情報フアイルに記述する手段と、前記第３の
２値画像から横文字領域を抽出し、その抽出され
た横文字領域を構造情報フアイルに記述する手段
と、文字領域について縦文字領域と横文字領域と
が重なりをもつたときに評価関数により何れをと
るかを判定する手段と、文字領域に関して行の検
出を行ない、その検出された行を構造情報フアイ
ルに記述する手段とをとるようにしたもので、構
造情報フアイルの記述内容にしたがつて画像特性
の判定を簡単かつ正確に行なわせることができ、
特にフアクシミリや情報検索装置などにおいて実
行させることにより入力画像の特性判定をリアル
タイムでなすことができ、その判定結果に応じて
最適符号化などを行なわせることが可能になると
いう優れた利点を有している。
第１図は本発明に係るランレングス構造の情報
抽出処理手順を示すフローチヤート、第２図ａ，
ｂはデイザ処理後の写真画像領域の横方向ランの
分布状態を示す特性図、第３図ａ，ｂはデイザ処
理後の文字パターン領域の横方向ランの分布状態
を示す特性図、第４図はデイザ処理後の図形パタ
ーン（グラフ）領域の横方向ランの分布状態を示
す特性図、第５図ａ〜ｄは文字パターン領域のラ
ンレングスの分布状態をそれぞれ示す特性図、第
６図ａ〜ｄは図形パターン（グラフ）領域のラン
レングスの分布状態をそれぞれ示す特性図、第７
図は文字パターン領域のランレングス構造の情報
抽出処理手順を示すフローチヤート、第８図は図
形パターン（グラフ）領域のランレングス構造の
情報抽出処理手順を示すフローチヤート、第９図
は本発明による画像情報の識別方法を具体的に実
施するためのブロツク構成図である。 SCN…スキヤナ、CMP１，CMP２…比較器、
RLC…ランレングスカウンタ、PM…ページメモ
リ、Ｍ１，Ｍ２…メモリ。
抽出処理手順を示すフローチヤート、第２図ａ，
ｂはデイザ処理後の写真画像領域の横方向ランの
分布状態を示す特性図、第３図ａ，ｂはデイザ処
理後の文字パターン領域の横方向ランの分布状態
を示す特性図、第４図はデイザ処理後の図形パタ
ーン（グラフ）領域の横方向ランの分布状態を示
す特性図、第５図ａ〜ｄは文字パターン領域のラ
ンレングスの分布状態をそれぞれ示す特性図、第
６図ａ〜ｄは図形パターン（グラフ）領域のラン
レングスの分布状態をそれぞれ示す特性図、第７
図は文字パターン領域のランレングス構造の情報
抽出処理手順を示すフローチヤート、第８図は図
形パターン（グラフ）領域のランレングス構造の
情報抽出処理手順を示すフローチヤート、第９図
は本発明による画像情報の識別方法を具体的に実
施するためのブロツク構成図である。 SCN…スキヤナ、CMP１，CMP２…比較器、
RLC…ランレングスカウンタ、PM…ページメモ
リ、Ｍ１，Ｍ２…メモリ。
Claims (1)
- １ ２値画像情報のランレングスの分布状態を調
べ、適宜抽出した複数のランにおけるランレング
スの最大、最小および平均値からの偏差などのパ
ラメータによるランレングス構造によつて、文
字、図形、写真などの各種画像の特性を判別させ
るようにした画像特性の識別方法において、入力
画像をデイザ処理による写真領域抽出用の第１の
２値画像と単一しきい値処理による文字領域、グ
ラフ領域抽出用の第２の２値画像にそれぞれ変換
し、前記第１の２値画像から写真領域を抽出し
て、その抽出された写真領域を構造情報フアイル
に記述し、前記第２の２値画像から前記抽出され
た写真領域を削除して第３の２値画像を作成し、
前記第３の２値画像からグラフ領域を抽出して、
その抽出されたグラフ領域を構造情報フアイルに
記述し、前記第３の２値画像から縦文字領域を抽
出して、その抽出された縦文字領域を構造情報フ
アイルに記述し、前記第３の２値画像から横文字
領域を抽出して、その抽出された横文字領域を構
造情報フアイルに記述し、文字領域について縦文
字領域と横文字領域とが重なりをもつたときに評
価関数により何れをとるかを判定し、文字領域に
関して行の検出を行ない、その検出された行を構
造情報フアイルに記述するようにしたことを特徴
とする画像特性の識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3853180A JPS56149674A (en) | 1980-03-26 | 1980-03-26 | Identifying method of picture characteristic |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3853180A JPS56149674A (en) | 1980-03-26 | 1980-03-26 | Identifying method of picture characteristic |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS56149674A JPS56149674A (en) | 1981-11-19 |
| JPS6331825B2 true JPS6331825B2 (ja) | 1988-06-27 |
Family
ID=12527857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3853180A Granted JPS56149674A (en) | 1980-03-26 | 1980-03-26 | Identifying method of picture characteristic |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS56149674A (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS576964A (en) * | 1980-06-13 | 1982-01-13 | Ricoh Co Ltd | Picture extracting method |
| JPS63245569A (ja) * | 1987-03-31 | 1988-10-12 | Yokogawa Medical Syst Ltd | 画像表示処理装置 |
| EP0415648B1 (en) * | 1989-08-31 | 1998-05-20 | Canon Kabushiki Kaisha | Image processing apparatus |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS52100815A (en) * | 1976-02-19 | 1977-08-24 | Nippon Telegr & Teleph Corp <Ntt> | Redundancy suppression encoding transmission system |
-
1980
- 1980-03-26 JP JP3853180A patent/JPS56149674A/ja active Granted
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS52100815A (en) * | 1976-02-19 | 1977-08-24 | Nippon Telegr & Teleph Corp <Ntt> | Redundancy suppression encoding transmission system |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS56149674A (en) | 1981-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5778092A (en) | Method and apparatus for compressing color or gray scale documents | |
| US5307422A (en) | Method and system for identifying lines of text in a document | |
| US6289122B1 (en) | Intelligent detection of text on a page | |
| JP3772262B2 (ja) | 画像の型を識別する方法 | |
| JPS6331825B2 (ja) | ||
| US6014465A (en) | Method for transforming a gray-level image into a black-and-white image | |
| JP3073837B2 (ja) | 画像領域分離装置及び画像領域分離方法 | |
| JPH07288679A (ja) | 画像処理装置 | |
| US20050238235A1 (en) | Run length based connected components and contour following for enhancing the performance of circled region extraction algorithm | |
| US5751855A (en) | Method and apparatus for detecting whether an electronic image has been faxed | |
| JP4228905B2 (ja) | 画像処理装置及びプログラム | |
| JP2812619B2 (ja) | 画像処理装置 | |
| JP3020293B2 (ja) | 属性判別方法 | |
| JPH0540849A (ja) | 文書画像の領域抽出方法 | |
| JP2613211B2 (ja) | 画像入力装置 | |
| JP2877548B2 (ja) | 文書画像の属性判別方法 | |
| JPH04316180A (ja) | 文書画像の属性判別方法 | |
| JP2853140B2 (ja) | 画像領域識別装置 | |
| JP4027016B2 (ja) | 画像処理装置、画像処理方法及び記憶媒体 | |
| JPH06274691A (ja) | 文字認識装置 | |
| JPH0222427B2 (ja) | ||
| JPH02231690A (ja) | 線画像認識方法 | |
| JPH0442714B2 (ja) | ||
| JP2005208979A (ja) | 特徴量抽出装置および特徴量抽出方法、ならびに文書ファイリング装置 | |
| JPH05282489A (ja) | 文章画像の属性判別方法 |