JPH03218590A

JPH03218590A - 最適２値化方法

Info

Publication number: JPH03218590A
Application number: JP1169034A
Authority: JP
Inventors: Goro Bessho; 吾朗別所; Michiyoshi Tachikawa; 道義立川; Hajime Sato; 元佐藤
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1988-07-29
Filing date: 1989-06-30
Publication date: 1991-09-26

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〕本発明は、文字認識などのパターン認識装置における最
適２値化方法に関する。

〔従来の技術〕

一般に、文字認識などのパターン認識装置において処理
される画像は、スキャナのＣＣＤイメージセンサ出力な
どの値を閾値（スレッシュレベル）によって白黒２値化
したものである。この際、印字状態の良くない原稿であ
っても最適なる２値化を可能とするため、原稿の濃度の
相違に対応して各々最適な２値化閾値を生成する必要が
ある。

このような２値化方法に関しては、種々の方法が提案さ
れている。例えば、［田村秀行著、総研出版、１９８５
　［ｒコンピュータ画像処理入門Ｊ中、第６７頁」なる
文献に示されるモード法や微分ヒストグラム法やｐ一タ
イル法がある。モード法は、与えられた画像の濃度値の
ヒストグラムを求め、２つのピークを持つ分布となる場
合に，２つのピークの間の谷のところに閾値を決めるも
のである．また、微分ヒス１・ダラム法は、画像中の対
象物と背景との境界は．１度値が急に変化する部分に位
置すると考えられるため、画像の濃度値を直接利用する
のではなく、微分値（濃度の変化率）を利用して閾値を
決めるというものである。ｐ一タイル法は画像全体の面
積を基準にして処理するものである。

また、［昭和５２年度電子通信学会情報部門全国大会、
大津展之、『濃度分布からの閾値決定法』中、１４５』
なる文献に示される濃度分布からの閾値決定法がある。

これは、濃度分布の０次、１次モーメントのみを利用し
、積分に基づいて最適なる閾値を決定するものである。

さらに、特公昭６０−３７９５２号公報に示されるｆ最
適二値化方式」がある，これは、多値ビデオ信号をビデ
オ・バッファに格納し、ビデオ・バッファから読出され
たビデオ信号を可変スライスレベルのスライス回路によ
り２値化し、多値ビデオ情報を異なるスライスレベルで
スライスして２値化ビデオ信号に変換し、異なるスライ
スレベルでスライスして作成した複数の２値化ビデオ信
号の各々について（黒点数）／（周囲数）なる線幅増幅
率を求め，複数の線幅増幅率と基準の線幅増幅率とに基
づきスライス回路のスライスレベルを設定するものであ
る。

〔発明が解決しようとする課題〕

ところが、モード法は、印字状態の悪い原稿では、ヒス
１〜グラムに明確な谷を生じないので、適用できない方
法である。微分ヒストグラム法は、対象物と背景の境界
付近の濃度値が複雑に変化するものに対しては、有効に
働かない。ｐ一タイル法にあっては、画像全体の面積を
基準とするため，原稿の文字数、１文字についての大き
さ、複雑さ、画数によっては、最適な閾値が得られない
ことがある。

また、濃度分布からの閾値決定法は、文字認識などのパ
ターン認識において扱われる画像としての「線」のつぶ
れやかすれに対する処理としては、効果的な方法ではな
い。

さらに、上記公報の最適二値化法は、実験の結果、原稿
の濃淡によっては適正な閾値決定が不安定であることが
分った。

また、何れにしても、実際の原稿画像では濃度が部分的
に変化していることが多いが（１枚の原稿中で印字状態
にムラがある場合や、入力装置のシェーディングなどで
画像の濃度値が変化する場合等）、従来方式による場合
、このような原稿の潴度ｌ１ラなどの局所的な濃度変化
に対応した最適な２値画像を生成するのが困難である。

〔課題を解決するための手段〕

多値量子化された画像を白黒２値の画像に変換する２値
化方法において，特許請求の範囲の請求項（１）記載の
発明では、閾値を濃レベルから淡レベルに変化させた時
の黒画素数を計数し、最も淡いレベルの画素以外を黒画
素としたものを基準として各閾値における黒画素数を割
合で表して入力画像の密度を正規化し、各閾値における
黒画素数の割合から最適な閾値を求める。

請求項（２）記載の発明では、各閾値における黒画素数
の割合に代えて、最も濃い画素が現れ始めるレベルを用
いて最適な閾値を求める。

請求項（３）記載の発明では、各閾値における黒画素数
の割合の変化率から原稿濃度を判別して最適な閾値を求
める。

請求項（４）記載の発明では、固定の小領域分について
の多値画像をメモリに保有し、当該小領域内において閾
値を濃レベルから淡レベルに変化させた時の黒画素数を
計数し、最も淡いレベルの画素以外を黒画素としたもの
を基準として各閾値における黒画素数を割合で表して入
力画像の密度を正規化し、各閾値における黒画素数の割
合から当該小領域の最適閾値を求め、前記小領域を変化
させて全画像に対する最適閾値を求め、各小領域毎にそ
の小領域の最適閾値により２値化した２値画像を出力さ
せる。

請求項（５）記載の発明では、請求項（４）記載の発明
における、各閾値における黒画素数の割合に代えて、最
も濃い画素が現れ始めるレベルを用いて最適な閾値を求
める。

請求項（６）記載の発明では，請求項（４）記載の発明
における、各閾値における黒画素数の割合に代えて、各
閾値における黒画素数の割合の変化率から原稿濃度を判
別して最適な閾値を求める。

請求項（７）記載の発明では、画像の部分を複数の小領
域に分割し，各小領域が文字領域であるか否かを判定し
、文字領域と判定された小領域数が一定数を越えたとき
に、当該画像部分内の文字領域と判定された小領域の統
合領域について請求項（１），（２）または（３）記載
の方法によって画像全体の２値化のための最適閾値を求
める。

請求項（８）記載の発明では、請求項（１），（２），
（３）または（７）記載の方法において、決定した最適
閾値をスキャナに設定し、スキャナより２値画像を直接
入力する。

請求項（９）記載の発明では、請求Ｉｎ　（　１　）な
いし（８）記載の方法において、あるレベルを閾値とし
て計数された黒画素数と次のレベルを閾値として計数さ
れた黒画素数との割合に基づいて基準レベルを決定し、
この基準レベルを閾値とした黒画素数を、″最も淡いレ
ベルの画素以外を黒画素としたもの″に代えて、入力画
像の密度の正規化の基準として用いる。

〔作　用〕

請求項（１）記載の発明によれば、多値量子化された画
像を濃度レベル毎に画素数を計数し、閾値を濃レベル側
から淡レベル側に変化させ、画素数を累積していくこと
により、各閾値毎の黒画素数を計数する。この場合、最
も淡いレベルの画素以外を黒画素とした黒画素数は原稿
中の文字数等によって変化してしまうのである。この点
、最も淡いレベルの画素以外を黒画素とした黒画素数を
基準として各閾値における黒画素数を割合で表して入力
画像の密度を正規化すると、得られた結果は、最もつぶ
れた文字に対するその閾値での文字のつぶれ（或いはか
すれ）具合を表すことになる。よって、このような正規
化の後、最も良い状態となっている文字での正規化割合
値を参考して、最適な閾値を決定することにより、印字
状態の悪い原稿にも対応できる。

また、正規化割合の値がほんの小さな値をとるレベル、
即ち、画像としては最もかすれていて消える寸前のレベ
ルに着目すれば、請求項（２）記載の発明のように、そ
の原稿にとって最も濃い画素が現れ始めるレベルを考慮
しても、最適なる閾値が求まる。

さらには、正規化割合の値と濃度レベルとの関係を調べ
ると、あるレベルにおいては線形性が見られる。よって
、各閾値における黒画素数の割合自身ではなく、請求項
（３）記載の発明のように、各閾値における黒画素数の
割合の変化率から原稿濃度を判別することによっても、
さらに最適なる閾値が求まる。

請求項（４），（５）または（６）記載の発明によれは
、前述のような処理を、原稿画像全体について一括して
行うのではなく、固定の小領域に分割して各小領域毎に
最適閾値を求めて２値化処理するので，局所的な濃度変
化に対応した最適な２値画像が得られることになる。

請求項（７）記載の発明によれば、閾値決定のための処
理斌を少なくすることにより，処理の高速化を図ること
ができるとともに、文字領域と判定された小領域を統合
し、その統合領域に関して閾値決定のための処理を行う
ので、領域ごとの閾値決定のバラツキが少なくなり，良
好な２値画像が得られる。

請求項（８）記載の発明によれば、スキャナより最適閾
値による２値化画像を直接入力するので、多値画像デー
タの処理によって２値画像を得る方法よりもデータ処理
量が少なくなり、比較的低速な処理系によっても高速に
２値画像を得られる。

また請求項（９）記載の発明によれば、文書画像におけ
る地肌を除いた最も淡い濃度レベルを基準レベルとして
入力画像の密度の正規化を行うことができるので、地肌
ノイズが存在する原稿の画像に対しても最適な閾値によ
り２値化を行い、良好な認識率が得られるようになる。

〔実施例〕

朶施例一↓ 特許請求の範囲の請求項（１）記載の発明の一実施例を
第１図及び第２図に基づいて説明する。

第２図に本実施例を実施するブロック構成図を示す。

これは、多値画像読込み部１から２値画像出力部２まで
の処理に関するものである。概略的には、まず、多値画
像読込み部１にてスキャナ３から多値画像（ここでは１
６値量子化画像とする）を読み込み、多値イメージメモ
リ４に保有する。次に濃素ヒス１・ダラムカウント部５
で，この多値イメージメモリ４から１６階調の多値画像
（′ａ度レベル０か６１５）を読み込み、各々の濃度レ
ベルの画素数を計数する。そして、このようにして得ら
れた濃度ヒス１一グラムに基づき、閾値計算部６におい
て画像の濃度を示す特性値を求めて最適な閾値を計算し
、２値化部７により当該最適閾値に基づき多値画像を２
値化する。２値化された画像は、２値イメージメモリ８
に保有する一方、２値画像出力部２を経て文字認識部９
などに送出し文字認識等の処理に供する。

ここに、特に，閾値計算部６による処理に特徴があり、
この閾値計算部６には、累積ヒストグラムメモリ１０、
正規化ヒストグラムメモリ１１、最適百分率一定値１２
及び閾値テーブル１３が各々接続されている。

このような構成において、本実施例による処理を、第１
図のフローチャートを参照し、１６値の量子化画像を扱
う例で説明する。まず，スキャナ３より入力された１６
値の量子化画像の各濃度レベルの画素数を計数する。第
１図中，“ｃｏｎ″′は濃度レベルを示し、′″Ｑｖ″
′は得られた濃度ヒストグラム（画素数）を示す。

ここに、一般に、白地に書かれた文字画像のようなもの
の濃度の分布としては、何も書かれていない、即ち，最
も淡いと感知された画素（これを０レベルの画素と呼ぶ
）が圧倒的に多い．レベル０以外の画素として感知され
るのは、文字及びその周辺部（或いはノイズ）といった
ものである。

この際、従来のように、読み込む画像領域を指定して、
その領域内の全ての画素を同一とみなして閾値を判定す
る方法によると，このレベル０の画素が文書の形態、即
ち、白地が多いか少ないかにより閾値が異なることにな
ってしまい、同一の濃度で書かれた原稿であっても白地
部分の多少によって閾値が変化してしまうことになる。

この点、本実施例では、閾値を求める計算をする際に、
このようなレベル０の画素というものを排除して次のよ
うに処理する．即ち、閾値計算部６において，濃度ヒストグラムを入力
データとし、レベル１以上の画素に関して濃い画素の方
から画素数を累積していく．第１図中、”　ｓ　Ｑ　ｖ
″′はこの累積値を示す。この累積値を各レベル毎に計
算し、累積ヒストグラムメモリ１０に保有する。この累
積値はそのレベルを閾値とした時の黒画素数に相当する
ことになる．このような画素の累積処理を、濃い画素レ
ベルからレベル１なる淡レベルまで行う。レベル１の累
積値とは、上述したレベルＯに対する文字及びその周辺
部（或いはノイズ）の黒画素数である。ところが、この
レベルｌの累積値というのも，原稿中の文字数或いは１
文字についての文字の大きさ、複雑さ、画数などによっ
て変化する。

そこで、引き続き、レベル１の累積値を基準として，各
レベルでの累稙値を正規化する。具体的には、レベル１
の累積値を１００として、各レベルでの累積値をレベル
１に対する百分率で表す。

第１図中、１１　，　ＱｖＩ１は累積値の百分率を示し
，あるレベルｊにおける百分率“ｒ・Ｒｖ［ｊｌ”はｓ
Ｑｖ［ｊコ／ｓＱｖ［ｌ］に基づき算出される。

この百分率を「止規化累積値」と称することとする。す
ると、各レベルでの正規化累積値というのは、最もつぶ
れた文字に対するそのレベルでの文字のつぶれ（或いは
かすれ）具合を表すことになる．そこで，最も良い状態になっている文字での正規化累積
値を参考にして、最適なる閾値を決定することになる。

この決定方法の第１の具体的方法を説明する。

上記のつぶれ（かすれ）具合が最も良い状態である正規
化累積値というのは，予め何枚かの原稿を実際に認識さ
せて最適な閾値を求めておき，そこから逆算して求めら
れる。即ち、各レベルでの正規化累積値と、予め求めた
最適な正規化累積値（第１図の最適百分率一定値１２）
とを比較し、その差が最も小さくなるようなレベルを求
めて，そのレベルを最適な閾値とする方法である。

仮に、この最適な正規化累積値を７０％とすると、第１
表の例では、濃度レベル５の値が７０％に最も近いので
、最適な閾値は５となる。

第１表正規化累積値の例また、上記の決定方法の第２の具体的方法を説明する。

スキャナ３によっては多値画像と２値画像との両方を出
力できるものもあり、多値画像として出力した画像を２
値化するのであれば，第１の具体的方法でよいが，２値
化の閾値を決定した後、改めて２値画像を読込む方法に
おいては、第１の具体的方法では最適なる閾値が得られ
ない場合が生じ得る。

そこで、第２の具体的方法では、まず、最適止規化累積
値に最も近い正規化累積値が得られたレベルを求めた後
、このレベルと、その次に近いレベルとの間で正規化累
積値が最適正規化累積値に最も近くなる濃度レベルを計
算によって小数第１位まで近似して求める。上述の第１
表の例によれば，７０％に最も近いレベルが７２．８６
％のレベル５であり、その次に近いレベルが６３．３０
％のレベル６であるので、その差を１０で割算した値（
７２．８６−６３．３０）／ｉｏ＝０．９５６を用いて
、下記のような計算をする。

６３．３０＋０．９５６　　　＝６２．２５６　　　・
・・レベル５．９６　３．３　０＋０．９　５　６　ｘ
　２＝６　２．２１２　　　・・レベル５．８６３．３
０＋０．９５６Ｘ７＝６９．９９２　　　・・・レベル
５．３６３．３０＋０．９５６Ｘ８＝７０．９４８　　
　・・・レベル５，２６３．３０＋０．９５６ｘ９＝７
１．９０４　　　・・・レベル５．１そして、この小数
第１位まで近似したレベルよリ、最適な正規化累積値に
最も近くなるレベルを選ぶ。この例では、最適な正規化
累積値７０％に最も近いレベルを求めると、レベル５．
３となる。

このレベルから最適な閾値を求めるためのテーブル（第
２図の閾値テーブル１３）を参照し、最適な閾値を決定
する。

なお、第１図のフローチャートはこの第２の具体的方法
を示している。

このような本実施例によれば、ワイヤドットプリンタに
よる印字原稿のように印字状態の良くない原稿の場合で
あっても、最適なる２値化の閾値を自動的に設定するこ
とができ、最も良い認識率が得られる。

実施例２特許請求の範囲の請求項（２）記載の発明の一実施例を
第３図及び第４図により説明する。第１図及び第２図で
説明した部分と同一部分は同一符号を用い、説明を省略
する。本実施例では、閾値計算部６Ａにおいて最適百分
率一定値１２に代えて、最濃レベル百分率１４が備えら
れている。

このような構成において、前記実施例１の場合と同様に
、濃いレベルからレベル１までのヒストグラムの累積処
理、ヒストグラム累積値の止規化処理を経て、レベル１
の累積値を１００として、各レベルでの累積値をレベル
１に対する百分率で表す。この場合も、各レベルでの正
規化累積値というのは、最もつぶれた文字に対するその
レベルでの文字のつぶれ（或いはかすれ）具合を表すこ
とになる。

ここに、本実施例では、正規化累積値がほんの小さな値
をとるレベル、即ち画像としては最もかすれていて消え
る寸前のレベルに注目して、閾値を決定しようとするも
のである。これは，その原稿にとって最も濃い画素が現
れ始めるレベルということになる。

この処理の内容を本実施例における第１の具体例にて説
明する。いま、仮に、この正規化累積値（第３図の最濃
レベル百分＊１４）を５％に設定したとする。正規化累
積値とこの正規化累積値５％との差が最も小さくなるよ
うなレベルを求める。

前述した第１表の例によれば、正規化累積値５．５８な
る濃度レベル１１が該当する。この濃度レベルと原稿の
最適な閾値との関係を予め調へておけば，このように求
められた濃度レベルから最適な閾値が決定される。

また、本実施例による決定方法の第２の具体的方法を説
明する（第４図は、この方法を示している）。スキャナ
３によっては、各レベルにおけるスパンが異なるものが
あるので、より精度を追及するためには、正規化累積値
が５％に最も近いレベルを求めた後、その次に近いレベ
ルの止規化累積値との差を１０で割った値から濃度レベ
ルを計算によって小数第１位まで近似して求める。上述
の第１表の例によれば、最も近いレベルが５．５８％の
レベル１１であり、その次に近いレベルが１．５１％の
レベル１２であるので、その差を１０で割算した値（５
．５８−１．５１）／ｉｏ＝０．４０７を用いて、レベ
ル１１からレベル１２までを、下記のような計算によっ
て求める。

１．５１＋０．４０７　　　＝ｌ．１９７　　　レベル
１１．９１．５１＋０．４０７ｘ２＝２．３２４　　　
レベル１１．８１．５１＋０．４０７ｘ８＝４．７６６
　　　レベル１１．２１．５１＋０．４０７Ｘ９＝５．
１７３　　　Ｌ／ベル１１．１そして、この小数第１位
まで近似したレベルより、正規化累積値５％に最も近く
なるレベルを求める。この例では、最適な正規化累積値
５％に最も近いレベルを求めると，レベル１１．１とな
る。

このレベルから最適な閾値を求めるためのテーブル（閾
値テーブル１３）を参照し、最適な閾値を決定する。

このような本実施例によっても、ワイヤドソ１〜プリン
タによる印字原稿のように印字状態の良くないノノＫ稿
の場合であっても、最適なる２値化のための閾値を自動
的に設定することができ、最も良い詔識串がｔ（漬られ
ることになる。

実施例−３特許請求の範囲の請求項（３）記載の発明の一実施例を
第５図ないし第８図により説明する。第１図及び第２図
で説明した部分と同様の部分は同一符号を用い、説明も
省略する。本実施例では、ＩＪ値計算部６Ｂにおいて最
適百分率一定値１１に代えて、線形レベル１５付きの回
帰直線メモリ１６が備えられている。

このような構成において、前述した実施例の場合と同様
に、濃いレベルからレベル１までのヒストクラムの累積
処理、ヒス１・クラム累積値の正規化処理を経て、レベ
ル１の累積値を１００として、各レベルでの累積値をレ
ベル１に対する百分率で表す。この場合、各レベルでの
百分率の値というのは、最もつぶれた文字に対するその
レベルでの文字のつぶれ（或いはかすれ）具合を表すこ
とになる。

ここに、この百分率とａ度レヘルとの関係を調へると，
あるレベルにおいて線形性が見られるところがある。こ
の部分のみを取り出して最小２乗法により回帰直線を求
めると、第７図に示すように原稿の濃度によって回帰直
線の傾き、即ち変化率が異なるものである。即ち、淡い
原稿ほど傾きが急になり、原稿濃度が濃くなるに従って
傾きが緩くなることが判る。このことを利用すれば、原
稿の濃度の特性を表すことができる。

そこで，本実施例では、第８図に示すような原稿の最適
閾値と回帰直線の傾きとの関係を予め調べて（線形性が
見られるレベルは各スキャナの特性により異なる），そ
の関係を登録したテーブルを閾値テーブル１３Ｂとして
備える。そして、求めた正規化累積値と濃度レベルとの
間にみられる線形性を利用し，回帰直線を計算する（線
形レベル１５付き回帰直線メモリ１６はこの計算のため
に設けたものである）。計算した回帰直線の傾きを用い
て閾値テーブル１３Ｂを参照し、最適閾値を得る。

実施例４特許請求の範囲の請求項（４）記載の発明の一実施例を
第９図から第１１図により説明する。第９図に本実施例
を実施するブロック構成図を示す。

本実施例は、多値画像読込み部２１か６２値画像出力部
２２までの処理に関するものである。概略的には、まず
，多値画像読込み部２１にてスキャナ２３から多値量子
化された画像を所定の固定ライン数分読込み、多値イメ
ージメモリ２４に保有する。このように読み込まれた固
定ライン数分の多値画像を、小領域分割部２５により固
定の小領域に分割する。分割された小領域の画像に対し
、濃度ヒス１〜グラム計数部２６で各々の濃度レベルの
画素数を計数する。そして、累積ヒストグラム計算部２
７において濃い画素の方から画素数を累積していき、正
規化累積値計算部２８において入力画像の密度を正規化
した割合を求め、閾値計算部２９において、求められた
止規化累積値と基準止規化累積値３６から最適閾値を計
算し、２値化部３０によって多値画像を２値化し，２値
イメージメモリ１１に保自する。その後、処理を隣の小
領域に移して同様の２値化を行う。読み込んだ多値画像
に対して全ての領域の２値化が終わった後、次の固定ラ
イン数分を読み込み、同様の処理を行う。これを〃κ稿
全体に対して行い、最適な２値画像を生成する。そして
、この２値画像を文字認識部３２などに送出し文字認識
等の処理に供する。

ここに、前記濃度ヒストグラム計数部２６と累積ヒスト
グラム計算部２７には濃度ヒストタラムメモリ３３が接
続され、累積ヒストグラム計算部２７と正規化累積値計
算部２８には累積ヒストグラムメモリ３４が接続され、
正規化累積値計算部２８と閾値計算部２９には正規化累
積値メモリ３５が接続され，さらに．閾値計算部２９に
は基準正規化累積値メモリ３６が接続されている。

このような構成において、本実施例による処理を，第１
０図のフローチャートを参照し、１６値の量子化画像を
扱う例で説明する。まず，スキャナ２３から多値画像を
固定ライン数分だけ読み込み、多値イメージメモリ２４
に保有する。多値イメージメモリ２４を小領域分割部２
５により、固定の小領域に分割する。分割された小領域
に対して濃度ヒストグラム計数部２６において、１６値
各々の濃度レベル（第１０図のｃｏｎ）の画素数（第１
０図のＱｖ）を計数し、濃度ヒストグラムメモリ３３に
保有する。次に、この濃度ヒストグラムメモリ３３から
各レベルの画素数を読み込み累積ヒストグラム計算部２
７において濃いレベルの画素から画素数を累積していき
、各レベル毎に累積値（第１０図のｓＱｖ）を求めて，
累積ヒストグラムメモリ３４に保有する。この各レベル
毎の累積値は、そのレベル（第１０図の１）を閾値とし
た時の黒画素数に相当することになる。このような画素
の累積処理は、濃いレベルからレベル１なる淡レベルま
で行う。レベル１の累積数は、レベルＯに対する文字及
びその周辺部（或いはノイズ）の黒画素であるが、これ
は原稿中の文字数或いは１文字についての文字の大きさ
、複雑さ、画数などによって変化することになる。この
ため、次に各レベルでの累積値を、レベル１の累積値を
基準として正規化する。即ち、累積ヒストグラムメモリ
３４から累積値を読み込み、正規化累積値計算部８にお
いて、レベル１までの累積値に対すル各レベルでの累積
値の割合を求める。レベル１までというのは，文書画像
の一度分布としてはレベル０の画素が白地部分に相当し
圧倒的に多いため，これを除いて考えるためである。具
体的には，レベル１の累積値を１００として、各レベル
での累積値をレベル１に対する百分率で表す。第１０図
１１Ｊ．　　”　ｒ　ｆｌ　ｖ　”は正規化累積値の百
分率を示し、あるレベルｊおける百分率”ｒＱｖ［ｊ］
’″はＳＱｖ　［ｊｌ　／ｓ　Ｑｖ　［１コに基づき算
出される。

この百分率を「正規化累積値」と称することとする。す
ると、各レベルでの正規化累積値というのは、最もつぶ
れた文字に対するそのレベルでの文字のつぶれ（或いは
かすれ）具合を表すことになる。

次に閾値計算部２９において，正規化累積値メモリ３５
から正規化累積値を読み込み、予め求められている最も
よい状態になっている文字での正規化累積値（基準正規
化累積値メモリ３６の内容で、前記実施例１における最
適百分率一定値１２に相当する）に最も近い値をとるレ
ベルを最適閾値と決定する。

次に，２値化部３０において、上記の如く得られた最適
閾値によって当該小領域の多値画像を２値化し、２値イ
メージメモリ３１に保有する。隣の小領域についても、
同様の処理を行う。そして、読み込まれた多値画像が全
て２値化されたら、次の固定ライン数分の多値ｉｉｊｉ
ｉ像を多値イメージメモリ２４に読み込む。この多値画
像に対しても同様の処理を行う。これを原稿全体に対し
て行う。

本実施例によれば、ワイヤドットプリンタによる印字原
稿のように印字状態の良くない原稿の場合であっても，
最適なる２値化の閾値を自動的に設定することができ、
最も良い認識率が得られることになる。特に，このよう
な処理が、原稿画像全体について一括して行うのではな
く、固定の小領域に分割して各小領域毎に最適閾値を求
めて２値化処理するので、局所的な濃度変化に対応した
最適な２値画像が得られることになる。

以上説明した本実施例の局所的最適２値化処理の概念図
を第１１図に示す。入力画像は図示のように多数の固定
小領域に縦横に分割され，各小領域ごとに最適閾値によ
り２値化が行われることになる。

実施例５特許請求の範囲の請求項（５）記載の発明の一実施例を
第１２図及び第１３図により説明する。第９図及び第１
０図で説明した部分と同一部分で同一符号を用い、説明
も省略する。本実施例では、閾値計算部２９Ａに基準正
規化累積値メモリ３６に代えて、最漠レベル計算部１７
と閾値テーブル１８とを接続して設けたものである。

このような構成において、本実施例にあっても、入力画
像の小領域別に、各レベル毎の正規化累積値を求めるま
での処理は、前記実施例４の場合と同様であるが、基準
正規化累積値を参考にして最適閾値を決定する代わりに
、前記実施例２と同様に正規化累積値がほんの小さな値
をとるレベル、即ち、画像としては最もかすれていて消
える寸前のレベル（最濃画素出現濃度レベル）に注目し
て、最適閾値を決定しようとするものである。これは、
その原稿にとって最も濃い画素が現れ始めるレベルとい
うことになる。

この閾値決定処理の内容を具体例にて説明する。

いま、仮に、このレベルでの正規化累積値を５％に設定
したとする。各レベルでの止規化累積値と、この止規化
累積値５％との差が最も小さくなるようなレベルを最濃
レベル計算部３７で求める。ここに，スキャナ２３によ
っては、各レベルにおけるスパンが異なるものであるの
で、より精度を追及するためには、止規化累積値が５％
に最も近いレベルを求めた後，その次に近いレベルの止
規化累積値との差を１０で割った値から濃度レベルを計
算によって小数第１位まで近似して求める。前述の第１
表の例によれば、最も近いレベルが５．５８％のレベル
１１であり、その次に近いレベルが１．５１％のレベル
１２であるので、その差を１０で割算した値（５．５８
−１．５１）／１０＝０．４０７を用いて、レベル１１
からレベル１２までを，下記のような計算によって求め
る。

１．５１＋０．４０７　　　＝ｌ．１９７　　　レベル
１１．９１．５１＋０．４０７Ｘ２＝２．３２４　　　
レベル１１．８１．５１＋０．４０７Ｘ８＝４．．７６
６　　　レベル１１．２１．５１＋０．４０７ｘ９＝５
．１７３　　　レベル１１．１そして、この小数第１位
まで近似したレベルにおいて、正規化累積値５％に最も
近くなるレベルを求める。この例では、最適な正規化累
積値５％に最も近いレベルを求めると、レベル１１．１
となる。このような処理を最濃レベル計算部３７により
行う。そして、閾値計算部２９Ａにおいて、このレベル
から最適閾値を求めるテーブル（ＩＪ値テーブル３８）
を参照して、当詠小領域の最適閾値を決定する。この閾
値テーブル：３８は予め実験により第２表に示すように
求められたものである。

この例では最適な閾値（スキャナ読取りレベル）は７と
なる。

第２表　閾値テーブル本実施例によっても、ワイヤドッ１−プリンタによる印
字原稿のように印字状態の良くない原稿の場合であって
も、最適なる２値化の閾値を自動的に設定することがで
き、最も良い認識率が得られる。

尖剖彬一特許請求の範囲の請求項（６）記載の発明の一実施例を
第１４図及び第１５図により説明する。本実施例におい
ては、閾値計算部９Ｂに基準正規化累積値メモリ３６に
代えて、回帰直線計算部３９と閾値テーブル４０を設け
たことが前記実施例４との構成上の違いである。前記実
施例との処理内容の違いは、各小領域毎に求めた止規化
累積値より最適な閾値を決定する処理だけである。

この閾値決定処理の内容は基本的にはＩ１ｉ記実施例３
と同じであるが、回帰直線の傾きの計算を回帰直線計算
部３９で実行し、求められた回帰直線の傾きを用いて閾
値計算部２９Ｂが閾値テーブル４０を参照し、当該小領
域の最適な閾値を決定する。

なお、閾値テーブル４０は前記実施例３における閾値テ
ーブル１３Ｂに相当するもので、その一例を第３表に示
す。

第３表　閾値テーブル実施例７特許請求の範囲の請求項（７）及び（８）記載の発明の
一実旅例を第１６図ないし第１８図により説明する。

まず第１８図により、処理の概略を説明する。

本実施例においては、多値画像を所定の固定ライン数分
読み込み、この部分画像（第１８図のａ，ｂ，ｃなど）
を小領域に分割する。そして、各小領域が文字領域であ
るか否かの判定を行い、文字領域と判定された小領域の
個数が一定値未満であるか、それを越えるか調へる。第
１８図に示すａのような部分画像では、文字領域の個数
が一定値未満であるので、多値画像の次の固定ライン数
分を読み込み、同様の処理を行う。第１８図のｂのよう
に、読み込んだ部分画像における文字領域の個数が一定
値を越えた場合、その文字領域としての小領域を統合し
た領域について前記実施例４と同様の方法によって最適
閾値を決定する。この決定された最適閾値は、画像全体
の対するものである。

このようにして、ある部分画像の読込み時点で最適閾値
が決定されると、閾値決定の処理は終了し、決定した閾
値を画像入力用のスキャナに読取りレベル（２値化スラ
イスレベル）として設定し、スキャナに再度画像の読取
りを行わせることにより。最適閾値により２値化画像を
スキャナより直接的に入力する。

次に本実施例について詳細に説明する。第１６図は本実
施例の横成を示すブロック図であるが、前記実施例４の
ブロック図である第９図における符号と同一の符号は同
様部分であるので、その説明を省略する。前記実施例４
との構成の違いは、文字領域であるか否かを判定するた
めの文字領域判定部４１と、２値画像をスキャナ２３よ
り読み込むための２値画像読込み部４２とが追加されて
いることと、累積ヒス１〜グラム計算部２７Ｃの作用が
部分的に変更されていることである。

以下、処理内容を説明する。処理のフローチャートは第
１７図に示す。

前記実施例４におけると同様に，多値画像情報読込み部
２１にてスキャナ２３より多値画像を固定ライン数分だ
け読み込み、多値イメージメモリ２４に保有し、小領域
分割部２５により多値イメージメモリ２４を固定の小領
域に分割し、濃度ヒストグラム計数部２６にて一つの小
領域の濃度ヒストグラムｌｖ［ｃｏｎ］を作成して濃度
ヒストクラムメモリ３３に保有する。

一つの小領域の濃度ヒストグラムが得られるたびに，文
字領域判定部４１にて、当該小領域のレベルＯの画素数
Ｑｖ［Ｏ］を濃度ヒストグラムメモリ３３より読込み判
定閾値ＣＨＲと比較し、Ｑｖ［０］≧ＣＨＲのときは当
該小領域を文字領域と判定し，文字領域数ｃｈａｒ　　
ｎｕｍをインクリメントする。レベル０の画素というの
は白地部分の画素に相当し、文字領域には白地の画素が
多数存在するが、写真領域には白地が殆ど存在しないこ
とから、このような文字領域判定が可能である。文字領
域と判定した小領域に対してのみ、累積ヒス１〜グラｌ
１計算部２７Ｃにおいて、前記実施例４と同様の累積ヒ
ストグラムｓＱｖ［ｉ］を作成し累拭ヒストグラムメモ
リ３４に格納する。

同様の処理を、多値イメージメモリ２４内の固定ライン
数分の部分画像の全小領域について繰り返す。最後の小
領域まで処理が終わると，文字領域判定部４１において
、文字領域数ｃｈａｒ　　ｎｕｍ）判定閾値Ｃ　Ｈ　Ｒ
　Ｔ　Ｈの判定を行う。判定結果がＮｏの場合、次の固
定ライン数分の多値画像の読み込みが行われ、この部分
画像に対する同様の処理が実行される。

この判定の結果がＹＥＳの場合、累積ヒストグラム計算
部２７Ｃにおいて、文字領域と判定された全ての小領域
の累積ヒストグラムを読み込み、同じレベルでの累積値
を累積することにより、文字領域としての全小領域の統
合領域に対する各レベルでの累積ヒストグラムを作成し
、累積ヒストグラムメモリ３４に改めて格納する。この
各レベルでの累積値は、文字領域の統合領域内における
、そのレベルを閾値としたときの黒画素数を意味する。

このように累積ヒス１・ダラムの統合（第１７図のｓＱ
ｖ統合）の処理が終わると、得られた統合累積ヒストグ
ラムに対して前記実施例４におけると同様の正規化処理
が正規化累積値計算部２８により行われ、得られた正規
化累積値が正規化累積値メモリ３５に格納される。そし
て、閾値計算部２９により前記実施例４におけると同様
の方法で最適閾値が決定される。

最適閾値が決定されると、２値画像読込み部４２は、こ
の最適閾値を読取りレベルとして設定してスキャナ２３
にｆＪＫ稿の読み取りを再度行わせ、最適閾値による２
値画像をスキャナ２３より直接読み込み、２値イメージ
メモリ３１に格納する。

なお、固定ライン数分毎のスキャナ２３の読み取り回数
が計数値を越えても、最適閾値を決定できない場合、固
定の読取りレベルにてスキャナ２３により２値画像を読
み込むことになる。

本実施例によれば、前記実施例４等に比べて多値画像の
処理部分が少なくなるので、処理の高速化を図ることが
できる。また、文字領域としての小領域を統合した領域
に基づいて最適閾値を決定するため、領域ごとの閾値決
定のバラッキが少なくなり良質の２値画像を得られる。

宍−施−鮭旦特許請求の範囲の請求項（７）及び（８）記載の発明の
他の実施例を第１９図及び第２０図により説明する。

本実施例の構成は、第１９図と第１６図とを対比すれば
明らかなように前記実施例７と殆ど同じであり，違いは
閾値決定に関連した部分が前記実施例５と同じ構成に変
更されていることである。

処理内容については，第２０図のフローチャートから明
らかなように、閾値決定の処理を除いては前記実施例７
と同一であり、閾値決定の処理は前記実施例５における
処理内容と同じである。

実施−例９特許請求の範囲の請求項（７）及び（８）記載の発明の
他の実施例を第２１図及び第２２図により説明する。

本実施例の構成は、第２１図と第１６図とを対比すれば
明らかなように前記実施例７と殆ど同じであり、違いは
閾値決定に関連した部分が前記実施例６と同じ構成に変
更されていることである。

処理内容については、第２２図のフローチャートから明
らかなように、閾値決定の処理を除いては前記実施例７
と同一であり、閾値決定の処理は前記実施例６における
処理内容と同じである。

実−施ｊｊ！ｊｌＯ− 特許請求の範囲の請求項（９）記載の一実施例を第２３
図及び第２４図により説明する。

本実施例の構成は、第２３図と第９図とを対比すれば明
らかなように前記実施例４と殆ど同じであり、違いは領
域分割を行わないので小領域分割部２５がなく、逆に、
累積値の正規化のための基準レベルを適応的に決定する
ためのノル準レベル計算部４３が追加されていることで
ある。

処理内容については、第２４図のフローチャー１・から
明らかなように、領域分割を行オ）ずにヒス１−グラム
生成等が行われること、累積値の正規化のための基べＣ
！レベルの決定の部分が追加されたこと、及びここで決
定した基準レベルを用いて累積値の正規化処理が行われ
ることである。

まず、基準レベル決定の処理について説明する。

基へｑレベルとは、文書画像における地肌を除いた最も
淡い濃度レベルと定義される。これは、文書画像におい
ては、レベルごとの画素数の中で、地肌に相当する画素
数が圧倒的に多いことから、画索数が極端に変わるとこ
ろを地肌と判断ずることが０■能である。

そこで、基準レベル計算部４３においては，各レベルｊ
おける累積ヒストグラムの値（累積値）ｓＱｖ［ｊ］と
、その上のレベル（ｊ＋１）の累積値ｓＱｖ［ｉ＋ｌ］
を累積ヒストグラムメモリ３４より、低いレベルから順
次読み込み、ｓＡｖ［ｊ＋ｌコ　／ｓ　Ｑｖ［ｊｌ　　
≧ｐｔｈの判定処理を行う。そして，最初にこの判定条
件を満足したレベルｊを基準レベルとし、正規化累積値
計算部２８に設定する。

この判定の閾値ｐｔｈは通常０．７５位に設定される．
Ｐｔｈ＝０．７５とし、第４表のような累積ヒストグラ
ムの場合，ｊ＝２において初めに判定条件を満たすので
、基準レベルはレベル２となる。

正規化累積値計算部２８は、第２４図のフローチャート
からも明らかなように、基準レベル計算部４３により設
定された基準レベルでの累積値をル準として、各レベル
での累積値の正規化を行う。

したがって、第４表に示した累積ヒス１一グラムの場合
、基準レベル＝２とすると、第４表に示すように正規化
累積値が得られる。

このように本実施例においては、正規化の基準レベルを
固定的にレベル１とするのではなく、原稿画像の地肌濃
度レベルに応じ適応的に決定するので，コピー原稿のよ
うに地肌ノイズがある原稿に対しても最適な閾値による
２値画像を得ることができ、高い認識率を達成できる。

第４表　正規化累積値の例実施例↓−↓ 特許請求の範囲の請求項（９）記載の発明の他の実施例
を第２５図及び第２６図により説明する。

本実施例の構成は、第２５図と第２３図とを対比すれば
明らかなように前記実施例１０と殆ど同じであり、違い
は閾値決定部分を前記実施例５と同じ構成に変更したこ
とである。

処理内容については、第２６図のフローチャートから明
らかなように、前記実施例５におけると同様な方法で閾
値決定を行うことが前記実施例１０と違うだけである。

実施例１２特許請求の範囲の請求項（９）記載のもう一つの実施例
を第２７図及び第２８図により説明する。

本実施例の構成は，第２７図と第２３図とを対比すれば
明らかなように前記実施例１０と殆ど同じであり、違い
は閾値決定部分を前記実施例６と同じ構成に変更したこ
とである。

処理内容については、第２８図のフローチャートから明
らかなように，前記実施例６におけると同様な方法で閾
値決定を行うことが前記実施例１０と違うだけである。

なお、前記各実施例を組合せた構成も可能である。例え
ば、前記実施例１，２，３，ｔｏ，１１または１２にお
いて、前記実施例７．８または９と同様に２値画像をス
キャナより直接入方させてもよい。また、前記実施例１
から９において、前記実施例１０．１１または１２と同
様に正規化の基準レベルを決定してもよい．〔発明の効果〕以上説明した如く、請求項（１）または（４）の発明に
よれば、閾値を濃レベルから淡レベルに変化させた時の
黒画素数を計数し、最も淡いレベルの画素以外を黒画素
としたものを基準として各閾値における黒画素数を割合
で表して人カ画像の密度を正規化し．各閾値における黒
画素数の割合から最適な閾値を求め、請求項（２）また
は（５）記載の発明によれば、各閾値における黒画素数
の割合に代えて、最も濃い画素が現れ始めるレベルを用
いて最適な閾値を求め、請求項（３）または（６）記載
の発明によれば、各閾値における黒画素数の割合の変化
率から原稿漠度を判別して最適な閾値を求める。

したがって、ワイヤドットプリンタによる印字原稿のよ
うに印字状態の良くない原稿に対しても最適な２値化の
閾値を自動的に設定することができ、最も良い詔識率を
得ることができる。

請求項（４），（５）または（６）記載の発明によれば
、原稿画像を小領域に分割して各小領域に最適閾値を求
めて各々２値化処理するので、１枚のｍ槁中で印字状態
にムラがある場合や、入力装置のシェーディングなどで
画像の濃度値が変化する場合の如く、局所的な濃度変化
に対応した最適な２値画像を得ることができ、最もよい
認識率が得られることになる。

請求項（７）記載の発明によれば、画像の部分内の文字
領域と判定された小領域の統合領域についての処理によ
って画像全体の最適閾値を求めるため、閾値決定のため
の処理量を少なくすることにより、処理の高速化を図る
ことができるとともに、文字領域と判定された小領域を
統合して扱うため、領域ごとの閾値決定がバラッキを少
なくなり、良好な２値画像が得られる。

請求項（８）記戟の発明によれば、決定した最適閾値を
スキャナに設定し，スキャナより２値画像を直接入力す
るので、比較的低速な処理系によっても良好な２値画像
を高速に得られる。

請求項（９）記載の発明によれば、あるレベルを閾値と
して計数された黒画素数と次のレベルを閾値として計数
された黒画素数との割合に基づいて，文書画像における
地肌を除いた最も淡い濃度レベルを基準レベルとして入
力画像の密度の正規化を行うことができるので、地肌ノ
イズが存在する原稿の画像に対しても最適な閾値を決定
して２値化を行い，良好な認識率が得られるようになる
。

【図面の簡単な説明】

第１図及び第２図はそれぞれ請求項（１）記載の発明の
一実施例を示すフローチャート及びブロック図、第３図
及び第４図はそれぞれ請求項（２）記載の発明の一実施
例を示すブロック図及びフローチャート、第５図及び第
６図はそれぞれ請求項（３）記載の発明の一実施例を示
すブロック図及びフローチャ−１・、第７図は正規化累
積値と閾値との関係を示す特性図、第８図は回婦直線の
傾きと最適レベルとの相関を示す特性図、第９図及び第
１０図はそれぞれ請求項（４）記載の発明の一実施例を
示すブロック図及びフローチャート、第１１図は局所的
最適２値化方法の概念図、第１２図及び第１３図はそれ
ぞれ請求項（５）記載の発明の一実施例を示すブロック
図及びフローチャ−１−、第１６図及び第１７図はそれ
ぞれ請求項（７）及び（８）記載の発明の一実施例を示
すブロック図及びフローチャート、第１８図は最適２値
化方法の概念図、第１９図及び第２０図はそれぞれ請求
項（７）及び（８）記載の発明の第２の実施例を示すブ
ロック図及びフローチャート、第２１図及び第２２図は
それぞれ請求項（７）及び（８）記載の発明の第３の実
施例を示すブロック図及びフローチャート、第２３図及
び第２４図はそれぞれ請求項（９）記載の一実施例を示
すブロック図及びフローチャート、第２５図及び第２６
図はそれぞれ請求項（９）記載の発明の第２の実施例を
示すブロック図及びフローチャート、第２７図及び第２
８図はそれぞれ請求項（９）記載の発明の第３の実施例
を示すブロック図及びフローチャートである。１・多値画像読込み部、　　２・・・２値画像出力部、
３・・・スキャナ、　４・・多値イメージメモリ、５・
・諦度ヒストグラムカウント部、６・・・閾値計算部、　　７・・・２値化部、８・・２
値イメージメモリ、　９・・・文字認識部、１０・・累
積ヒストグラムメモＩＪ、１１・・正規化ヒス１一グラムメモリ、１２・・最適６
分率一定値、１３・・閾値テーブル。＊７図閣う１第８図９Ｑ兜（ａＺ＋ｔ［シイトＬへ／９ｒ−１伊０申）刈０
−ｌ第１１図〔ゲ／Ｔ１Ｉ７悶走２Ｊ恍２５９β魅゛区ｊ第ＩＳ図Ｃ４　コ≦％２１！ｒｃ才二ｆ；！！Ｌ４”ｉｊ第１４
図口：ゴ２３閣貨張１′ 口さゴ３２第１６図第１７図第１９図［コ２３庶ｉゴ・「］戸真団丹；！Ｅ巨ゴ了２第２０図ＣＩ二＝つ１次図＄２３図ｒ２３一匹抽＝丑・ロヨー？Ｊ閣］「だア１′２２［Ｑコー３・゜３第２５図口＝１２３［胚硅３０一Ｉ］３２第２６図〔：＝つ第２７図口＝１３２第３図 σ二＝ＤＣ＝ｉつ手続補正書（方式）平成元年１２月１８日

Claims

【特許請求の範囲】

（１）多値量子化された画像を白黒２値の画像に変換す
る２値化方法において、閾値を濃レベルから淡レベルに
変化させた時の黒画素数を計数し、最も淡いレベルの画
素以外を黒画素としたものを基準として各閾値における
黒画素数を割合で表して入力画像の密度を正規化し、各
閾値における黒画素数の割合から最適な閾値を求めるこ
とを特徴とする最適２値化方法。
（２）多値量子化された画像を白黒２値の画像に変換す
る２値化方法において、閾値を濃レベルから淡レベルに
変化された時の黒画素数を計数し、最も淡いレベルの画
素以外を黒画素としたものを基準として各閾値における
黒画素数を割合で表して入力画像の密度を正規化し、最
も濃い画素が現れ始めるレベルを用いて最適な閾値を求
めることを特徴とする最適２値化方法。
（３）多値量子化された画像を白黒２値の画像に変換す
る２値化方法において、閾値を濃レベルから淡レベルに
変化させた時の黒画素数を計数し、最も淡いレベルの画
素以外を黒画素としたものを基準として各閾値における
黒画素数を割合で表して入力画像の密度を正規化し、各
閾値における黒画素数の割合の変化率から原稿濃度を判
別して最適な閾値を求めることを特徴とする最適２値化
方法。
（４）多値量子化された画像を白黒２値の画像に変換す
る２値化方法において、固定の小領域分についての多値
画像をメモリに保有し、当該小領域内において閾値を濃
レベルから淡レベルに変化させた時の黒画素数を計数し
、最も淡いレベルの画素以外を黒画素としたものを基準
として各閾値における黒画素数を割合で表して入力画像
の密度を正規化し、各閾値における黒画素数の割合から
当該小領域の最適閾値を求め、前記小領域を変化させて
全画像に対する最適閾値を求め、各小領域毎にその小領
域の最適閾値により２値化した２値画像を出力させるよ
うにしたことを特徴とする最適２値化方法。
（５）多値量子化された画像を白黒２値の画像に変換す
る２値化方法において、固定の小領域分についての多値
画像をメモリに保有し、当該小領域内において閾値を濃
レベルから淡レベルに変化させた時の黒画素数を計数し
、最も淡いレベルの画素以外を黒画素としたものを基準
として各閾値における黒画素数を割合で表して入力画像
の密度を正規化し、最も濃い画素が現われ始めるレベル
を用いて当該小領域の最適閾値を求め、前記小領域を変
化させて全画像に対する最適閾値を求め、各小領域毎に
その小領域の最適閾値により２値化した２値画像を出力
させるようにしたことを特徴とする最適２値化方法。
（６）多値量子化された画像を白黒２値の画像に変換す
る２値化方法において、固定の小領域分についての多値
画像をメモリに保有し、当該小領域内において閾値を濃
レベルから淡レベルに変化させた時の黒画素数を計数し
、最も淡いレベルの画素以外の黒画素としたものを基準
として各閾値における黒画素を割合で表して入力画像の
密度を正規化し、各閾値における黒画素数の割合の変化
率から原稿濃度を判別して当該小領域の最適閾値を求め
、前記小領域を変化させて全画像に対する最適閾値を求
め、各小領域毎にその小領域の最適閾値により２値化し
た２値画像を出力させるようにしたことを特徴とする最
適２値化方法。
（７）画像の部分を複数の小領域に分割し、各小領域が
文字領域であるか否かを判定し、文字領域と判定された
小領域数が一定数を越えたときに、当該画像部分内の文
字領域と判定された小領域の統合領域について請求項（
１）、（２）または（３）記載の方法によって画像全体
の２値化のための最適閾値を求めることを特徴とする最
適２値化方法。
（８）決定した最適閾値をスキャナに設定し、スキャナ
より２値画像を直接入力することを特徴とする請求項（
１）、（２）または（７）記載の最適２値化方法。
（９）請求項（１）ないし（８）記載の最適２値化方法
において、あるレベルを閾値として計数された黒画素数
と次のレベルを閾値として計数された黒画素との割合に
基づいて基準レベルを決定し、この基準レベルを閾値と
した黒画素数を、最も淡いレベルの画素以外を黒画素と
したものに代えて、入力画像の密度の正規化の基準とし
て用いることを特徴とする最適２値化方法。