JPH03189782A - 文書画像の傾き検出方法および傾き検出装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ この発明は文書画像の傾き検出方法および傾き検出装置
に関し、特に文字認工の前処理における文字列の傾き補
正のために文字列の傾きを検出する方法およびその装置
に関する。

［従来の技術］ 画像処理において、画像として入力された文書を処理す
るためには、予めその文書の傾きを検出する必要がある
。

文書画像の傾きを検出する技術として、中村納。

氏家誠、岡本教佳、南敏、　“ミックスモード通信のた
めの文字領域の抽出アルゴリズム”、電子通信学界論文
誌ＶＯＬ、Ｊ６７−Ｄ、Ｎｏ、１１゜ｐｐ、１２７７−
１２８４　（１９８４年１１月）に示される細線化処理
による手法が提案されている。

第８Ａ図〜第８Ｆ図は、上記の細線化処理による手法を
具体的に説明するための図である。

第８Ａ図は原画像の文字列を示す。第８Ａ図の文字列の
ストローク成分（文字を構成する線の部分）を膨張させ
ると、第８Ｂ図に示すように文字列の文字と文字とが連
結される。ただし、ｒＤＪや「０」のようにストローク
成分により囲まれた背景部分が大きい文字については、
その背景成分が残存することがある。このように、スト
ローク成分により囲まれた背景部分をホールと呼ぶ。

第８Ｂ図の連結された文字列の成分を収縮させると、第
８Ｃ図に示すように連結された成分が細くなる。ただし
、第８Ｂ図に示すようにホールｈが存在する場合には、
第８Ｃ図に示すようにそのホールｈか拡大する。次に、
第８Ｄ図に示すように、第８Ｃ図の収縮された成分から
ホールｈを除去する。

さらに、第８Ｅ図に示すように、第８Ｄ図のホールが除
去された成分を細線化する。第８Ｅ図の細線化された成
分には、ｉで示される“ヒゲ″が存在する。

最後に、第８Ｆ図に示すように、第８Ｅ図の“ヒゲ”　
ｉを除去する。第８Ｆ図の複数の細線の傾きを求めるこ
とにより、文書画像の傾きを検出することかできる。

なお、明細書全体を通じて、文字列の文字とは、日本語
の文字、英語の文字などの狭い意味での文字に限らず、
符号や記号などの広い意味での文字をも含むものとする
。

［発明が解決しようとする課′、ＸＵ］上記の細線化処
理による手法では、たとえばｒＤＪや「０」などのよう
にストローク成分で囲まれた背景成分をＨする文字を膨
張させる際に、膨張が不十分であるとホールが残存する
ことになる。この場合、膨張されたストローク成分を収
縮させると、そのホールが拡大し、収縮された成分の中
にホールが残存することになる。したがって、上記の細
線化処理によるｆ、法では、細線化の前にストローク成
分の膨張処理、収縮処理およびホールの除去の処理を行
ない、細線化の後に“ヒゲ″の除去の処理を行なう必要
がある。したがって、全体的に処理の数が多くなり、処
理が複雑となり、それにより処理時間も長くかかる。

また、上記の細線化処理による手法では、文字列と文字
列との間隔、文字と文字との間隔など、文書の違いによ
り、膨張処理の回数を設定する必要がある。

この発明の目的は、短い時間で簡単な処理により文書画
像の傾きを検出することができる方法および装置を提供
することである。

［課題を解決するための手段］ この発明にかかる文書画像の傾き検出方法では、文゛γ
列の背景成分を細線化し、ｊりられた細線の傾きを求め
ることにより文書画像の傾きを検出する。

この発明にかかる文書画像の傾き検出装置は、文字列の
背景成分を細線化する細線化処理手段、および細線化処
理手段により得られた細線の傾きを求める傾き算出手段
を備える。

［作用］ 文書画像において文字列の背景成分を細線化すると、文
字列と文字列との間および文字と文字との間の背景成分
が細線化される。この場合、たとえばｒＤＪや「０」に
おいてストローク成分により囲ま°れた背景部分、すな
わちホールは自動的に縮退する。文字列と文字列との間
すなわち行と行との間の細線は、各文字列に含まれる文
字と文字との間の細線よりも長いので、これを特徴とじ
て行と行との間の細線を抽出することができる。したが
って、この細線の傾きを求めることにより、文字列の傾
きを近似的に求めることができる。

［実施例コ 以下、この発明の実施例を図面を参照しながら詳細に説
明する。

第１図は、この発明の一実施例による文書画像の傾き検
出方法を説明するためのフローチャートである。第２Ａ
図〜第２Ｅ図は、この実施例の方法を具体的に説明する
ための図である。

第２Ａ図〜第２Ｅ図を参照しながら第１図に示される方
法を説明する。まず、ステップ１において、文書画像の
入力処理が行なわれる。第２Ａ図は入力された文書画像
である。次に、ステップ２で、細線化処理が行なわれる
。この細線化処理では、文字列の背景成分が細線化され
る。具体的には、第２Ｂ図に示すように、文字列と文字
列との背景成分が細線化されるとともに、文字と文字と
の間の背景成分が細線化される。これにより、文字列と
文字列との１８１の背景成分に対応する細線および文字
と文字との間の背景成分に対応する縦線が現われる。ま
た、それらの細線および縦線に連結されない孤立点も現
われる。

この実施例では、文字のストローク成分を黒とし、背景
成分を白としている。したがって、細線化された成分は
白となる。また、画像が、正方形格子を構成する画素か
らなる場合について説明している。なお、図面において
は、便宜上黒の部分を斜線で表イブす。

次に、ステップ３．４．５において“ヒゲ°除去の処理
が行なわれる。ステップ３では、第２Ｃ図に示すよに、
縦線除去の処理が行なわれる。この縦線除去の処理では
、第３図に示す３×３のマスク３０を文書画像に対して
スキャンさせ、そのマスク３０と重なる文書画像のパタ
ーンがそのマスク３０のパターンと一致したときに、そ
の文書画像のパターンの中央にある画素を黒で塗り潰す
。

マスク３０と重なる文書画像のパターンがマスク３０の
パターンと一致しないときには、文書画像の画素はその
ままである。ステップ４では、端点の縮退処理が行なわ
れる。この端点の縮退処理では、第２Ｄ図に示すように
、細線の端点部分が除去される。この端点の縮退処理で
は、第４Ａ図のマスク４０ａおよび第４Ｂ図のマスク４
０ｂをそれぞれ０°、９０°、１８０°、２７０°だけ
回転させた合計８８を類のパターンを用いる。これらの
マスク４０ａ、４０ｂを文書画像に対してスキャンさせ
、そのマスク４０ａ、４０ｂと重なる文書画像のパター
ンが上記の８種類のパターンと一致したときに、文書画
像のパターンの中央にある画素を黒で塗り潰す。この処
理を複数回繰返す。

たとえば、２０回繰返す。それにより、第２Ｄ図に示す
ように、文字列と文字列との間の背景成分に対応する細
線と孤立点のみが残る。ステップ５では、孤立点の除去
の処理が行なわれる。この孤立点の除去の処理により、
第２Ｅ図に示すように、孤立点が除去される。この孤立
点の除去の処理では、第５図に示すマスク５０を文書画
像に対してスキャンさせて、マスク５０と重なる文書画
像のパターンがそのマスク５０のパターンと一致したと
きに、その文書画像のパターンの中央の画素を黒で塗り
潰す。

次に、ステップ６で、複数の細線を区別するためにラベ
ル付は処理が行なわれる。このラベル付は処理により、
たとえば第２Ｅ図に示される３本の細線のうち上の細線
にＬｌ、中央の細線にＬ２、下の細線にＬ３というラベ
ルが付される。

ステップ７では、端点の抽出処理が行なわれる。

この端点の抽出処理では、たとえば第２Ｅ図に示す細線
Ｌｌ、Ｌ２．Ｌ３のそれぞれの端点の座標が抽出される
。次に、ステップ８で、最長の２端点の抽出処理が行な
われる。この処理では、第２Ｅ図に示す細線Ｌ１のよう
に各端点が２つ以上ある場合に、最長の間隔を有する２
つの端点の座標（ｘｌ、ｙｌ）、　　（ｘ２．ｙ２）を
抽出する。

ステップ９では、次式によりそれぞれの細線の傾きθを
求める。

θ−ｊａｎ−’　　（ｙ２−ｙｌ）／　（ｘ２−ｘｉ）
さらに、ステップ１０で、平均値算出処理が行なわれる
。この平均値算出処理では、複数の細線Ｌｌ、Ｌ２．Ｌ
３の傾きの平均値を求める。最後に、ステップ１１で、
回転処理が行なわれる。この回転処理では、ステップ１
０において求められた細線の傾きの平均値を用いて文書
画像の回転を行なう。

なお、ステップ２における細線化処理は、たとえば、Ｎ
ａ２ｃａｃｈｅ　　Ｎ、Ｊ、ａｎｄ　　Ｓｈｉｎｇｈａ
ｌ　　Ｒ，“５ＰＴＡ：Ａ　　Ｐｒｏｐ。

ｓｅｄ　　Ａｌｇｏｒｉｔｈｍ　　ｆｏｒ　　Ｔｈｉｎ
ｎｉｎｇ　　Ｂｉｎａｒｙ　　ＰａｔｔｅｒｎｓＩＥＥ
Ｅ　　Ｔｒａｎｓ、Ｓｙｓｔｅｍｓ、　　Ｍａｎ、　　
　Ｃｙｂｅｒｎ、Ｖｏｌ、ＳＭＣ−１４，Ｎｏ、３．ｐ
ｐ、４０９〜４１８　（１９８４）に示される細線化ア
ルゴリズムが用いられる。このアルゴリズムでは、３Ｘ
３のパターンの中央の画素が黒であるときに、その中央
の画素の８近傍の画素のうちいずれか１つが黒であるな
らばその中央の画素が連結した成分であるとみなしてい
る。

次に、第６図は、第１図に示す傾き検出方法を実施する
ための傾き検出装置の構成を示すプロッり図である。

第６図において、人力装置２１および出力装置２２がＩ
１０インターフェイス２３を介してＣＰＵ２４に接続さ
れている。また、Ｉ１０インターフェイス２３には、画
像プロセッサ２５が接続され、画像プロセッサ２５には
、共通バス２０を介して複数の画像メモリ２６〜２９が
接続されている。

ＣＰＵ２４は、第１図におけるステップ１〜ステツプ１
１の全処理を制御する。画像メモリ２６は原画像を記ｔ
８．する。画像メモリ２７および２８は、それぞれ処理
前および処理後の画像を記憶する。画像メモリ２９は中
間処理画像を記憶する。

人力装置２１により人力された原画像はＩ１０インター
フェイス２′うおよび画像プロセッサ２５を通って画像
メモリ２６に記憶される。この処理は、第１図のステッ
プ１の画像人力処理に対応する。

次に、ＣＰＵ２４は、ステップ２の細線化処理を行なう
ように画像プロセッサ２５に命令する。

これにより、画像プロセッサ２５は、画像メモリ２６に
記憶された原画像に細線化処理を行ない、その処理結果
を画像メモリ２７に記憶させる。

次に、ＣＰＵ２４は、ステップ３の縦線除去の処理を行
なうように画像プロセッサ２５に命令する。これにより
、画像プロセッサ２５は画像メモリ２７に記憶された画
像に縦線除去の処理を行ない、その処理結果を画像メモ
リ２８に記憶させる。

同様にして、ＣＰＵ２４は、ステップ４．　５．　６゜
７の処理を行なうように画像プロセッサ２５に命令する
。ステップ７の端点抽出処理の処理結果はＣＰＵ２４に
送られる。ＣＰＵ２４は、その処理結果に基づいてステ
ップ８，９．１０の処理を行ない、細線の傾きの平均値
を算出する。

ＣＰＵ２４により算出された算出結果は、画像プロセッ
サ２５に送られる。画像プロセッサ２５は、その算出結
果に基づいて画像メモリ２７および２８を用いて文書画
像の回転処理を行なう。

第７図は、情報圧縮および特徴抽出というアーキテクチ
ャを実行可能な画像処理装置の構成を示すブロック図で
ある。第１図の傾き検出方法は、第７図の画像処理装置
を用いても実行することができる。

この画像処理装置は、パイプライン画像処理部３１、特
徴抽出処理部３２、フィードバック処理部３３およびラ
インメモリ３４からなる。

パイプライン画像処理部３１には、画像データがシリア
ルに人力される。パイプライン画像処理部３１は、画像
間演算（数値演算、論理演算）やコンボリューション演
算（１次微分、２次微分・１４滑化１画像補間）などの
処理を実行し、数値演算結果を出力する。また、パイプ
ライン画像処理部３１は、処理したい画素とその近傍状
態とを比較し、近傍特徴情報を出力する。この近傍特徴
情報には、連結数、境界画素数、オイラ数要素、致度数
などが含まれる。

特徴抽出処理部３２には、Ｘ、Ｙ座標およびラベル番号
などが与えられる。特徴抽出処理部３２は、パイプライ
ン画像処理部３１から出力される数値演算結果および近
め特徴情報、Ｘ、　Ｙ座標およびラベル番号などに基づ
いて情報圧縮および特徴抽出を行ない、４′！徴抽出結
果を出力する。この特徴抽出処理部３２には、どの特徴
とどの特徴とを組合わせて圧縮・特徴抽出を行なうかの
条件を設定することができる。特徴抽出結果には、オイ
ラ数、面積、ヒストグラム、Ｘ、Ｙ座標、最大・最小値
などが含まれる。

フィードバック処理部３３およびラインメモリ３４は、
近傍特徴情報にバづいてラベリング、細線化などの処理
を行ない、ラベル番号および細線化結果などの逐次処理
結果を出力する。また、フィードバック処理部３３は、
ラベル連接情報を特徴抽出処理部３２に与える。

この画像処理装置は、カメラ、スキャナなどにより人力
された画像情報を圧縮・特徴抽出して少量の特徴情報に
変換するので、処理速度が高速になる。したがって、第
７図の画像処理装置を用いて前記実施例の傾き検出方法
を実行すると、高速処理が可能となる。

上記実施例によると、文字列と文字列との間の背景成分
が細線化されるまでステップ１　（第１図）の細線化処
理を行なえばよく、従来例のように、文書の違いにより
膨張回数を設定するような操作は必要ではない。

また、背景成分を細線化することによって、ストローク
成分の膨張処理、収縮処理およびホールの除去の処理が
必要なくなり、それにより、処理が単純化され、処理速
度が向上する。

［発明の効果］ 以上のようにこの発明によれば、文字列の背景成分を細
線化し、得られた細線の傾きを求めることにより、文書
画像の傾きを簡単な処理で高速に検出することがｎＪ能
となる。

【図面の簡単な説明】

第１図はこの発明の一実施例による文書画像の傾き検出
方法を説明するためのフローチャートである。第２Ａ図
、第２Ｂ図、第２Ｃ図、第２Ｄ図および第２Ｅ図は第１
図の傾き検出方法を具体的に説明するための図である。 第３図は縦線除去の処理に用いるマスクのパターンを示
す図である。 第４Ａ図および第４Ｂ図はそれぞれ端点の縮退の処理に
用いるマスクのパターンを示す図である。 第５図は孤立点の除去の処理に用いるマスクのパターン
を示す図である。第６図は第１図の傾き検出方法を実行
するための傾き検出装置の構成の一例を示すブロック図
である。第７図は第１図の傾き検出方法を実行するため
の画像処理装置の例を示すブロック図である。第８Ａ図
、第８Ｂ図、第８Ｃ図、第８Ｄ図、第８Ｅ図および第８
Ｆ図は従来の文書画像の傾き検出方法の一例を説明する
ための図である。 図において、２は細線化処理、９は傾き算出処理、２１
は人力装置、２２はＣＰＵ、２５は画像プロセッサ、２
６，２７，２８，２ｑは画像メモリを示す。 なお、各図中、同一符号は同一または相当部分を示す。

Claims (2)

【特許請求の範囲】
1. （１）文字列を含む文書画像の傾きを検出する方法にお
   いて、前記文字列の背景成分を細線化し、得られた細線
   の傾きを求めることにより文書画像の傾きを検出するこ
   とを特徴とする、文書画像の傾き検出方法。
2. （２）文字列を含む文書画像の傾きを検出する装置であ
   って、 前記文字列の背景成分を細線化する細線化処理手段、お
   よび 前記細線化処理手段により得られた細線の傾きを求める
   傾き算出手段を備えた、文書画像の傾き検出装置。