JP2000259826A - 罫線抽出方法、装置および記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 原画像と縮小画像を併用することにより、か
すれ画像から精度よく罫線を抽出する。 【解決手段】 原画像と縮小画像から主、副走査方向に
ついてランを抽出し（２）、所定の閾値より大きなラン
のみを対象に連結矩形を抽出することにより、罫線候補
を抽出する（３）。原画像と縮小画像から抽出された罫
線候補を比較して、最も罫線の可能性の高いものを選択
して罫線を抽出する（４）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力画像から罫線
を精度よく抽出する罫線抽出方法、装置および罫線抽出
処理プログラムを記録した記録媒体に関する。

【０００２】

【従来の技術】従来、画像から罫線を抽出する場合、処
理速度やメモリ量を考慮して、原画像を１／２にＯＲ縮
小したり、あるいは１／４にＯＲ縮小した縮小画像を用
いて処理していた。かすれが多い画像や、文字と線との
間隔が大きい画像などでは１／４のＯＲ縮小が適してい
て、処理時間を短縮できるなどの効果がある。

【０００３】

【発明が解決しようとする課題】これに対して、つぶれ
が多い画像、文字が小さく文字と線の間隔が小さい画
像、あるいは線と線との間隔が小さい画像などでは１／
４のＯＲ縮小を行うと、原画像の情報が失われることが
あり、このため罫線の抽出に失敗する可能性があった。

【０００４】本発明は上記した問題を解決するためにな
されたもので、本発明の目的は、原画像と縮小画像を併
用することにより、原画に忠実に罫線を抽出するととも
に、かすれなどに強い罫線抽出方法、装置および記録媒
体を提供することにある。

【０００５】

【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、入力された画像から縮小
画像を生成し、原画像と縮小画像、または異なる縮小率
の２つの縮小画像からそれぞれ罫線候補を抽出し、該抽
出された罫線候補を比較することにより罫線を抽出する
ことを特徴としている。

【０００６】請求項２記載の発明では、前記入力された
画像の主走査方向および副走査方向のランを抽出し、該
抽出されたランに対して収縮と膨張を含む前処理を行っ
た後、前記罫線候補を抽出することを特徴としている。

【０００７】請求項３記載の発明では、前記原画像と縮
小画像、または異なる縮小率の２つの縮小画像の主走査
方向および副走査方向におけるランの頻度分布を求め、
該頻度分布を基に所定の閾値を設定し、該所定の閾値を
基に前記原画像と縮小画像、または異なる縮小率の２つ
の縮小画像からそれぞれ罫線候補を抽出することを特徴
としている。

【０００８】請求項４記載の発明では、前記頻度分布の
微分値を基に所定の閾値を設定することを特徴としてい
る。

【０００９】請求項５記載の発明では、前記頻度分布に
対してデジタルフィルタ処理を行うことを特徴としてい
る。

【００１０】請求項６記載の発明では、前記頻度分布を
基に所定の閾値を設定するとき、頻度分布のピークより
も大きい部分に閾値を設定することを特徴としている。

【００１１】請求項７記載の発明では、前記罫線を構成
するランの属性情報として、線であることを記録し、該
線であるランに対応した画像上のデータを消去すること
を特徴としている。

【００１２】請求項８記載の発明では、入力画像および
該画像から生成される縮小画像のそれぞれからランを抽
出する手段と、該抽出されたランについて、所定の閾値
より大きなランを用いて連結矩形を抽出する手段と、該
抽出された連結矩形から罫線候補を抽出する手段と、前
記原画像と縮小画像、または異なる縮小率の２つの縮小
画像から抽出された罫線候補を比較する手段と、該比較
結果を基に罫線を抽出する手段とを備えたことを特徴と
している。

【００１３】請求項９記載の発明では、画像を入力する
機能と、該入力画像から縮小画像を生成する機能と、前
記入力画像および縮小画像のそれぞれからランを抽出す
る機能と、該抽出されたランについて、所定の閾値より
大きなランを用いて連結矩形を抽出する機能と、該抽出
された連結矩形から罫線候補を抽出する機能と、前記原
画像と縮小画像、または異なる縮小率の２つの縮小画像
から抽出された罫線候補を比較する機能と、該比較結果
を基に罫線を抽出する機能をコンピュータに実現させる
ためのプログラムを記録したコンピュータ読み取り可能
な記録媒体であることを特徴としている。

【００１４】

【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。

【００１５】（実施例１）図１は、本発明の実施例１の
構成を示し、図２〜４は、実施例１の処理フローチャー
トを示す。図１において、１は画像入力部、２はラン抽
出処理部、３は罫線候補抽出部、４は罫線抽出部であ
る。

【００１６】以下、図２〜４を参照しながら、実施例１
の処理動作を説明する。スキャナなどの画像入力部１で
原稿を読み取り、入力画像を原画メモリに格納する（ス
テップ１０１）。ラン抽出処理部２は、原画メモリ内の
画像データの主走査方向についてランを抽出し、メモリ
に格納する（ステップ１０２）。

【００１７】ラン抽出処理部２に設けられた１ライン分
のラインバッファをクリアする（ステップ１０３）。次
いで、入力された画像から４ライン分の画像を、ライン
バッファにＯＲで書き込む（ステップ１０４）。この処
理により、副走査方向（Ｙ方向）が１／４に縮小され
る。

【００１８】続いて、ラインバッファからランを抽出し
ながらメモリに格納する（ステップ１０５）。抽出され
たランのスタートアドレスとエンドアドレスに１／４を
かける演算を実行する。つまり、主走査方向（Ｘ方向）
を１／４に縮小する（ステップ１０６）。演算が終了し
ている前のランのエンドアドレスと、現在のランのスタ
ートアドレスを比較し、重なっていれば、前のランのエ
ンドアドレスに、現在のランのエンドアドレスを代入す
る。つまり、前のランと現在のランを一つのランにする
（ステップ１０７、１０８）。この処理をラインバッフ
ァ内のランが終了するまで繰り返し（ステップ１０
９）、上記した処理をすべてのラインについて繰り返す
（ステップ１１０）。

【００１９】ステップ１１０の処理までで、原画からの
ラン抽出と、１／４ＯＲ縮小画からのラン抽出が終了す
る。

【００２０】次いで、罫線候補抽出部３は、原画のラン
と、１／４ＯＲ縮小画のランについて以下の処理を行
う。図３において、まず、原画について、主走査方向に
おいて抽出されたランについて、所定の閾値（固定閾
値）より大きなランのみを対象に連結矩形の抽出を行い
（ステップ１１１）、抽出された連結矩形から罫線（直
線成分）を抽出する（ステップ１１２）。副走査方向に
ついても同様の処理を行い（ステップ１１４）、罫線を
抽出する（ステップ１１５）。同様に、１／４ＯＲ縮小
画のランについても罫線を抽出する（ステップ１１
６）。

【００２１】ステップ１１６までの処理によって、原画
および１／４ＯＲ縮小画からの罫線候補の抽出が終了す
る。

【００２２】以下の処理は、罫線抽出部４によって行わ
れる。図４において、原画における罫線候補について、
横罫線の始点と終点に隣接する縦罫線を探索し、隣接す
る縦罫線があれば、それを横罫線に記録する（ステップ
１１７）。罫線候補について、縦罫線も同じ処理を行う
（ステップ１１８、１１９）。

【００２３】１／４ＯＲ縮小画における罫線候補につい
て、横罫線の始点と終点に隣接する縦罫線を探索し、隣
接する縦罫線があれば、それを横罫線に記録する（ステ
ップ１１７）。罫線候補について、縦罫線も同じ処理を
行う（ステップ１１８、１２０）。

【００２４】次いで、１／４ＯＲ縮小画から抽出された
罫線候補と、原画から抽出された罫線候補とを比較し、
１／４ＯＲ縮小画から抽出された罫線候補に含まれ、か
つ始点と終点に隣接する縦罫線を持たない、原画から抽
出された罫線候補を、罫線候補から外す（ステップ１２
１）。この処理を原画から抽出された罫線候補すべてに
ついて行い（ステップ１２２）、同様に、１／４ＯＲ縮
小画から抽出された罫線候補すべてについて行う（ステ
ップ１２３）。

【００２５】続いて、１／４ＯＲ縮小画から抽出された
罫線候補と、原画から抽出された罫線候補とを比較し、
１／４ＯＲ縮小画から抽出された罫線候補と、原画から
抽出された罫線候補が重なっていれば、原画から抽出さ
れた罫線候補を、罫線候補から外す（ステップ１２
４）。この処理を原画から抽出された罫線候補すべてに
ついて行い（ステップ１２５）、同様に、１／４ＯＲ縮
小画から抽出された罫線候補すべてについて行う（ステ
ップ１２６）。この処理が終了した時点で、１／４ＯＲ
縮小画からの罫線候補と、原画からの罫線候補が罫線と
して抽出される。

【００２６】なお、上記した実施例では、原画と１／４
ＯＲ縮小画を併用した例を示したが、本発明はこれに限
定されず、原画よりメモリ量が少ない１／２ＯＲ縮小画
と１／４ＯＲ縮小画を併用してもよいし、あるいは縮小
率の異なる画像の組み合わせ（例えば、１／２ＯＲ縮小
画と１／８ＯＲ縮小画の組み合わせ）でもよい。

【００２７】（実施例２）かすれが著しい画像について
は、単に１／４ＯＲ縮小を行うだけでは、かすれを回避
できな場合がある。従来、このような場合には、図形融
合（２値画像の平滑化）などの処理が施される。これ
は、２値画像における雑音成分（ノイズ）を、図形の本
質的な情報を損なうことなく、これらを除去するもので
ある。

【００２８】これは、元の図形を縮めたり、太らせるこ
とにより、雑音成分を除去する方法である。通常、この
処理は、収縮と膨張を組み合わせることにより行われる
が、この処理には時間がかかるという欠点がある。

【００２９】そこで、本実施例では、原画像をランに変
換し、ランを収縮／膨張／接続することにより、ノイズ
を除去する方法を提案している。本実施例の方法によれ
ば、従来の原画を収縮／膨張する処理に比べ、短時間で
の処理が可能となる。

【００３０】図５〜７は、実施例２の処理フローチャー
トである。実施例１と異なる点は、ステップ２０７とス
テップ２１０が追加された点である。

【００３１】ステップ２０７では、ランデータに対し
て、膨張処理を行う。この処理は、例えばランのスター
トアドレス１００を９６に、エンドアドレス１２０を１
２２にすることにより、ラン長を長くする。また、ステ
ップ２１０では、ランデータに対して、膨張処理とは逆
に収縮処理を行う。これらの処理によって雑音が除去さ
れ、かすれに強い罫線抽出が可能になる。その他の処理
は、実施例１と同様であるので説明を省略する。

【００３２】（実施例３）上記した実施例１、２または
従来の方法では、固定閾値を用いて罫線を抽出してい
る。このため、表の中に含まれる文字の大きさよりも少
し大きな長さを持った線を抽出することが難しい。これ
は、あらゆるドキュメントにおいて文字内に罫線が抽出
されないような、ある程度大きな固定の閾値を設定する
必要があるためである。このように、従来の方法では、
ある程度大きな固定の閾値を設定しているので、文字内
の疑似罫線の抽出を抑えることができるが、逆に、文字
サイズよりも少し大きい程度の短い罫線を抽出すること
ができない。

【００３３】そこで、本実施例では、閾値を固定値では
なく、読み取り原稿の特徴から閾値を推定し、この閾値
を基に罫線を判別している。

【００３４】図８から１０は、実施例３の処理フローチ
ャートである。実施例２との相違点は、ステップ３１３
〜ステップ３１６の処理が追加された点である。

【００３５】ラン抽出処理部２は、主走査方向におい
て、メモリ上のランを使って連結矩形を抽出し、連結矩
形に矩形ＩＤ（シリアル番号）を付与し、その矩形ＩＤ
を、その連結矩形成分を構成する全てのランにも付与す
る（ステップ３１３）。次いで、ある特定の（つまり、
処理対象となる）連結矩形（矩形ＩＤ）を選択し（ステ
ップ３１４）、指定された矩形ＩＤをもつランを検索
し、頻度を計数する（ステップ３１５）。

【００３６】続いて、ラン頻度の分布を基に閾値を求め
る（ステップ３１６）。そして、主走査方向における抽
出されたランについて、上記算出された閾値より大きな
ランのみを対象に連結矩形の抽出を行い（ステップ３１
７）、抽出された連結矩形から罫線を抽出する（ステッ
プ３１８）。副走査方向についても同様の処理を行う
（ステップ３２０）。以下の処理は実施例１、２と同様
であるので、その説明を省略する。

【００３７】ここで、上記したランの頻度分布から閾値
を求める方法として、本実施例では、以下の２つの方法
を採る。

【００３８】図１１は、第１の方法を説明する図であ
る。第１の方法では、ランレングスの小さい方から分布
のピークを探索する。次いで、分布平面上でピークを通
る傾きが負の直線を仮定し、すべての分布点と直線との
距離を求め、その和をとる。すべての直線について、演
算を行い、和が一番小さい直線を求める。そして、その
直線と、分布がゼロと交差するランレングスを閾値と設
定する。

【００３９】図１２は、第２の方法を説明する図であ
る。分布平面上で傾きがゼロの直線を仮定し、すべての
分布点と直線との距離を求め、その和をとる。すべての
直線について、演算を行い、和が一番小さい直線を求め
る。その直線が分布と交差する点をランレングスの閾値
とする。

【００４０】（実施例４）一般的に、縦線と横線を含む
表の枠の連結矩形成分のラン頻度分布は、図１３に示す
ようになる。すなわち、ランレングス１〜１０が縦線の
ラン分布であり、１０〜２８が縦線あるいは横線に接触
している文字のラン分布となっている。２９以上のラン
分布は横線のラン分布である。図１３の分布では、閾値
を２９に設定することにより、横線のみが抽出できる。
分布の微分値がゼロ、つまりラン分布が変化しなくなっ
たら、その点が閾値となる。本実施例では、この閾値を
探索するために差分を使用している。

【００４１】図１４〜１６は、実施例４の処理フローチ
ャートを示す。実施例３と相違する点は、ステップ４１
６と、ステップ４１７である。

【００４２】頻度分布についてランレングスの小さい方
から順に、隣の頻度との差分を求める（ステップ４１
６）。そして、差分がゼロとなったランレングスを閾値
とする（ステップ４１７）。以下、実施例３と同様に、
主走査方向において、設定された閾値より大きなランの
みを対象に連結矩形の抽出を行い（ステップ４１８）、
抽出された連結矩形から罫線を抽出する（ステップ４１
９）。

【００４３】（実施例５）オフィスで作成される表を含
む文書のラン分布は、概ね図１３に示す傾向となるが、
上記した実施例４のように差分を求めたとき、ノイズ等
によって、ランレングス値２９より小さい値でも隣の分
布頻度値と一致することがある。あるいは、２９より大
きいランレングスでも、頻度値としては１０またはそれ
以上の頻度値となる場合もあり、頻度値が隣と一致する
場合が必ずあるとは限らない。これは、ラン分布にのっ
ている高周波成分のノイズが原因である。

【００４４】一般に、高周波成分ノイズはＦＩＲ（Ｆｉ
ｎｉｔ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）型デジタ
ルフィル夕で除去することができる。そこで、本実施例
では、デジタルフィル夕を使用して、高周波ノイズに相
当する部分を除去する。

【００４５】図１７〜１９は、実施例５の処理フローチ
ャートを示す。ステップ５１６では、頻度分布に対して
デジタルフィルタ（ローパスフィルタ）をかけて高周波
ノイズを除去する。他の処理ステップは実施例４と同様
である。

【００４６】（実施例６）図２０は、横線のみのラン分
布を示す。ラン分布を連結矩形単位でとると、表の枠を
構成する連結矩形や、横線を構成する連結矩形が含まれ
る。横線のみの連結矩形を、閾値３３の付近で取り出す
ためには、ラン分布のピークより大きい位置で、微分値
がゼロになる点を探せば良い。

【００４７】図２１〜２３は、実施例６の処理フローチ
ャートである。実施例５と相違する点は、ピーク検出の
処理ステップを設けた点と、差分計算の処理内容が異な
る点である。ステップ６１７では、頻度分布におけるラ
ンレングスの小さい方から、２次微分値がゼロあるいは
微分値の符号が変化する点を探索し、ピークとする。次
いで、ピークより後方で、隣の頻度との差分を求める
（ステップ６１８）。そして、差分がゼロとなったラン
レングスを閾値とする（ステップ６１９）。以下の処理
は、実施例５と同様であるので、説明を省略する。

【００４８】（実施例７）表を認識する際には、連結矩
形抽出を繰返し行う必要があり、その都度、原画からラ
ンを抽出して、連結矩形を抽出すると処理に時間を要す
る。そこで、ラン情報のみをあらかじめ用意しておくこ
とにより、ランを使った他の特徴量の抽出等の処理時間
を短縮できる。

【００４９】つまり、ランの属性を保持することで、処
理の結果を累積的に保持できるため、認識が終了したラ
ンを、その次の認識処理から除くことができ、その結
果、認識処理全体の処理時間の短縮が可能となる。同時
にラン単位で認識が可能となるため、細部にわたって精
度の高い認識処理が可能となる。また、ラン情報に変換
されているため、各種の画像処理を短時間で行うことが
できる。

【００５０】図２４は、実施例７の構成を示す。この実
施例では、実施例１〜６の構成にさらに属性情報記録部
５とデータ消去部６を付加している。また、図２５〜２
７は、実施例７の処理フローチャートである。ステップ
７０３において、ラン抽出処理部２は、抽出したランに
対応するラン属性情報（例えば文字、線などの属性）を
保持する領域を確保する。

【００５１】属性情報記録部５は、ステップ７３６（図
２７）までの処理で抽出された罫線について、罫線を構
成するランに罫線であることを示すマークを記録する
（ステップ７３７）。次いで、データ消去部６では、抽
出されたランを調べ、罫線であるマークが付与されてい
るランに対応する原画上の黒画素を消去する（ステップ
７３８）。

【００５２】なお、ラン属性情報としては、この他に、
ランが文字、写真などの画像、ノイズ、線ノイズ、背景
などのどれに属しているかを示す属性を保持するように
してもよい。

【００５３】（実施例８）実施例８は、本発明をソフト
ウェアによって実現する場合の実施例である。図２８
は、実施例８のシステム構成例を示す。ＣＤ−ＲＯＭな
どの記録媒体には、本発明の罫線抽出機能または抽出手
順が記録されていて、これをシステムにインストールす
る。スキャナなどにセットされた原稿を読み取り、メモ
リ上に展開された原稿画像から縮小画像を作成し、原画
像と縮小画像から罫線を抽出し、ディスプレイなどに表
示出力する。

【００５４】

【発明の効果】以上、説明したように、請求項１、８、
９記載の発明によれば、原画像と縮小画像を併用してい
るので、画像がかすれていたり、つぶれていても精度よ
く罫線を抽出することが可能となる。

【００５５】請求項２記載の発明によれば、ランを収縮
／膨張することにより、ノイズを除去しているので、特
にかすれに強い罫線抽出が可能となる。

【００５６】請求項３記載の発明によれば、従来の固定
閾値では抽出できない短い罫線を抽出することができ
る。また、分布自体は表の大きさに依存しないため、大
きな表や小さな表を同じ処理方法によって処理すること
ができる。つまり、本発明の処理方法は解像度に依存し
ない。

【００５７】請求項４記載の発明によれば、分布の微分
値から閾値を推定しているので、より正確な閾値推定が
可能となる。

【００５８】請求項５記載の発明によれば、分布にのっ
ている高周波ノイズを除去しているので、より正確な閾
値の推定が可能となる。

【００５９】請求項６記載の発明によれば、縦線、横線
を含む表枠だけではなく、単なる直線からなる分布に対
しても適切な閾値を推定できる。

【００６０】請求項７記載の発明によれば、ランに属性
情報を付与しているので、線に相当するランの原画消去
処理を高速に行うことができる。

【図面の簡単な説明】

【図１】本発明の実施例１の構成を示す。

【図２】本発明の実施例１の処理フローチャートを示
す。

【図３】本発明の実施例１の続きの処理フローチャート
を示す

【図４】本発明の実施例１の続きの処理フローチャート
を示す

【図５】本発明の実施例２の処理フローチャートを示
す。

【図６】本発明の実施例２の続きの処理フローチャート
を示す。

【図７】本発明の実施例２の続きの処理フローチャート
を示す。

【図８】本発明の実施例３の処理フローチャートを示
す。

【図９】本発明の実施例３の続きの処理フローチャート
を示す。

【図１０】本発明の実施例３の続きの処理フローチャー
トを示す。

【図１１】閾値を求める第１の方法を説明する図であ
る。

【図１２】閾値を求める第２の方法を説明する図であ
る。

【図１３】一般的な表を含むラン頻度分布を示す。

【図１４】本発明の実施例４の処理フローチャートを示
す。

【図１５】本発明の実施例４の続きの処理フローチャー
トを示す。

【図１６】本発明の実施例４の続きの処理フローチャー
トを示す。

【図１７】本発明の実施例５の処理フローチャートを示
す。

【図１８】本発明の実施例５の続きの処理フローチャー
トを示す。

【図１９】本発明の実施例５の続きの処理フローチャー
トを示す。

【図２０】横線のみのラン頻度分布を示す。

【図２１】本発明の実施例６の処理フローチャートを示
す。

【図２２】本発明の実施例６の続きの処理フローチャー
トを示す。

【図２３】本発明の実施例６の続きの処理フローチャー
トを示す。

【図２４】本発明の実施例７の構成を示す。

【図２５】本発明の実施例７の処理フローチャートを示
す。

【図２６】本発明の実施例７の続きの処理フローチャー
トを示す。

【図２７】本発明の実施例７の続きの処理フローチャー
トを示す。

【図２８】本発明の実施例８の構成を示す。

【符号の説明】

１ 画像入力部 ２ ラン抽出処理部 ３ 罫線候補抽出部 ４ 罫線抽出部

Claims (9)

【特許請求の範囲】
1. 【請求項１】 入力された画像から縮小画像を生成し、
   原画像と縮小画像、または異なる縮小率の２つの縮小画
   像からそれぞれ罫線候補を抽出し、該抽出された罫線候
   補を比較することにより罫線を抽出することを特徴とす
   る罫線抽出方法。
2. 【請求項２】 前記入力された画像の主走査方向および
   副走査方向のランを抽出し、該抽出されたランに対して
   収縮と膨張を含む前処理を行った後、前記罫線候補を抽
   出することを特徴とする請求項１記載の罫線抽出方法。
3. 【請求項３】 前記原画像と縮小画像、または異なる縮
   小率の２つの縮小画像の主走査方向および副走査方向に
   おけるランの頻度分布を求め、該頻度分布を基に所定の
   閾値を設定し、該所定の閾値を基に前記原画像と縮小画
   像、または異なる縮小率の２つの縮小画像からそれぞれ
   罫線候補を抽出することを特徴とする請求項１記載の罫
   線抽出方法。
4. 【請求項４】 前記頻度分布の微分値を基に所定の閾値
   を設定することを特徴とする請求項３記載の罫線抽出方
   法。
5. 【請求項５】 前記頻度分布に対してデジタルフィルタ
   処理を行うことを特徴とする請求項３または４記載の罫
   線抽出方法。
6. 【請求項６】 前記頻度分布を基に所定の閾値を設定す
   るとき、頻度分布のピークよりも大きい部分に閾値を設
   定することを特徴とする請求項４記載の罫線抽出方法。
7. 【請求項７】 前記罫線を構成するランの属性情報とし
   て、線であることを記録し、該線であるランに対応した
   画像上のデータを消去することを特徴とする請求項１記
   載の罫線抽出方法。
8. 【請求項８】 入力画像および該画像から生成される縮
   小画像のそれぞれからランを抽出する手段と、該抽出さ
   れたランについて、所定の閾値より大きなランを用いて
   連結矩形を抽出する手段と、該抽出された連結矩形から
   罫線候補を抽出する手段と、前記原画像と縮小画像、ま
   たは異なる縮小率の２つの縮小画像から抽出された罫線
   候補を比較する手段と、該比較結果を基に罫線を抽出す
   る手段とを備えたことを特徴とする罫線抽出装置。
9. 【請求項９】 画像を入力する機能と、該入力画像から
   縮小画像を生成する機能と、前記入力画像および縮小画
   像のそれぞれからランを抽出する機能と、該抽出された
   ランについて、所定の閾値より大きなランを用いて連結
   矩形を抽出する機能と、該抽出された連結矩形から罫線
   候補を抽出する機能と、前記原画像と縮小画像、または
   異なる縮小率の２つの縮小画像から抽出された罫線候補
   を比較する機能と、該比較結果を基に罫線を抽出する機
   能をコンピュータに実現させるためのプログラムを記録
   したコンピュータ読み取り可能な記録媒体。