JPH03225565A - 文書処理装置 - 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〕 本発明は、文字および図形が混在した文書を認識し、文
字コードデータおよびイメージデータのミクスモードで
記憶して文書データベースを構築する文書処理装置に関
するものである。

〔概要〕

本発明は、文字および図形が混在した文書を認識してミ
クスモードで記憶して文書データベースを構築する文書
処理装置において、 文字コード化ができないイメージ情報については、その
レイアウト情報とともにイメージ情報のまま記憶し、コ
ード化された文字情報とともに記憶することにより、 イメージ情報が混在する文書のデータベース構築を簡単
化するとともに、保存の際のデータ量を削減するもので
ある。

〔従来の技術〕

従来、既存の文書を記憶してデータベース化する方法と
して、イメージ情報のまま保存する方法がある。この方
法は、例えば特許公報など、図面を含む文書をコード化
することなく、イメージ情報のままで光ディスクに保存
する方法であり、この方法は多量の文書を保存できる特
徴がある。しかし、この光ディスクに保存された情報を
データベースとして利用するには文字情報がコード化さ
れることなく記憶されているため、その記憶情報量が膨
大なものとなり、それを検索する方法およびその検索応
答性に問題があり、特に文書の全文を対象として検索を
行う処理が難しくなる問題があった。

このため、既存文書をデータベース化する方法として、
読み込んだ文書画像を文字領域とイメージ領域とに分け
、文字領域は文字コードに変換してコードデータとして
記憶し、イメージ領域は画像データのまま保存するいわ
ゆるミクスモードによる文書のデータベース化が考えら
れ、研究されている。

〔発明が解決しようとする課題〕

しかしながら、例えば論文等をデータベース化しようと
する場合、このような論文中の文字領域には、数式が通
常台まれており、特殊文字も存在するため、この部分に
ついては必ずしも文字として認識してコード化できるも
のではないので、文字領域の認識の際には、人が介在し
て文字コード化できない部分についてコードに変更する
操作を行う必要があった。特に文字認識装置で認識でき
ない特殊な不読文字についてはいちいち文字コードに変
換しなければならないため、文書のデータベース化に人
手がかかる問題があった。

本発明は、上述の問題を解決するもので文字とイメージ
が混在した文書を人手を介することなくミクスモードで
データベース化することができる文書処理装置を提供す
ることを目的とする。

〔課題を解決するための手段〕

本発明は、文書を光学的に走査して文書画像データに変
換する走査装置と、この走査装置で読み込んだ文書画像
データを処理して文字コードに変換する手段を備えた情
報処理装置と、この情報処理装置で処理された文書を文
字コードデータとイメージデータとが混在した形で記憶
するファイル装置とを備え、上記情報処理装置は、上記
走査装置によって頁単位で読み込まれた文書情報を文字
領域とイメージ領域とに分けて指定する領域指定手段と
、文字領域内の文字を認識して文字コードに変換する手
段と、文字コードに変換されたデータに位置情報を含む
レイアウト情報を付加して上記ファイル装置に記憶させ
る手段と、イメージ領域内の画像データをイメージデー
タとして位置情報を含むレイアウト情報を付加して上記
文字領域のデータとともに上記ファイル装置に記憶させ
る手段とを備えた文書処理装置において、上記文字領域
内の文字コードに変換できない部分についてはイメージ
データとしてそのイメージデータの位置情報を含むレイ
アウト情報とともにファイル装置に記憶させる手段を備
えたことを特黴とする。

なお、文字コードに変換できない文字は文字行単位でイ
メージデータとしてファイル装置に記憶することがよい
。また、文書を出力する出力手段を備え、情報処理装置
には、文字コードデータを文字パターンに変換する手段
と、変換された文字パターンとイメージデータとをレイ
アウト情報にしたがって一つの文書に編集して上記出力
手段に出力する手段とを含むことがよい。

〔作用〕

１頁単位で入力された文書は、文字領域とイメージ領域
が指定されて分けられる。文字領域では文字切出しを行
って１文字ごとに文字コード化し、その文字位置などの
レイアウト情報とともにファイルに記憶する。コード化
できない不読文字あるいは数式などについてはイメージ
情報として扱い、文書中での位置などのレイアウト情報
とともにファイルに記憶する。イメージ領域については
、同様にレイアウト情報とともにファイルに記憶する。

このようにして一つの文書を文字コードデータとイメー
ジデータとが混在した形で文書データを保存してデータ
ベースを構築する。

また、文書を出力するときは、レイアウト情報をもとに
文字情報とイメージ情報とを合わせて編集し一つの文書
にして表示あるいはプリントアウトする。

〔実施例〕

以下本発明を図面を参照して説明する。

第１図は本発明の文書データをデータベース化する文書
処理装置の構成を示すブロック図である。

この文書処理装置は、データベース化すべき文書を１頁
単位で走査して文書画像データに変換して読み込むため
のスキャナ１と、このスキャナ１で走査して読み込まれ
た文書画像データを処理して文字コードデータとイメー
ジデータとが混在したデータとしてファイル３に記憶さ
せ、またこのファイル３に文字コードデータとイメージ
データとに分けて記憶された文書情報を編集する情報処
理装置２と、この情報処理装置２での処理結果あるいは
出力結果を表示するＣＲＴ４、この情報処理装置２で編
集した文書を出力するプリンタ５およびこの情報処理装
置２の操作用のキーボード６、マウス７を備える。

そしてこの情報処理装置・２は、入力された文書情報を
ミクスモードでファイル３に記憶するための手段として
、入力文書画像データを文字領域とイメージ領域に分け
るための領域指定手段２１、文字領域の文字データを切
り出すための文字切出し手段２２、切り出した文字デー
タを文字コード化するための文字コード化手段２３、文
字コード化された文字コードデータを他のレイアウト情
報とともにファイル３に記憶させる文字コード記憶手段
２４、文字領域内の文字コード化できなかった数式など
の不読文字データおよびイメージ領域のイメージデータ
を他のレイアウト情報とともにファイル３に記憶させる
イメージコード記憶手段２５、文字コードデータとイメ
ージデータとの形でファイル３に記憶された文書情報を
一つの文書画像データに変換してＣＲＴ４あるいはプリ
ンタ５に出力する文書編集手段２６を備えている。

次に本実施例の動作を第２図にフローチャートを示して
説明する。

まずファイル化すべき文書を頁単位でスキャナ１で走査
し、文書画像データに変換する（ステップＳｌ）。そし
て、変換された文書画像データを文字領域とイメージ領
域とに分ける（ステップＳ２）。この文字領域およびイ
メージ領域の指定は例えば読み込んだ文書画像データを
ＣＲＴ４に表示し、これを操作者が見て、キーボード６
あるいはマウス７によってＣＲＴ４上で領域指定をする
ことによって行う。また、情報処理装置２において、頁
全体の切出し作業を行い、文字が一定割合で存在する領
域を文字領域、その他の領域をイメージ領域に操作者を
介することなく指定することも可能である。

このステップＳ２のように、文書画像データを文字領域
およびイメージ領域に指定するのは、研究論文などの図
面あるいは写真などが一つの頁の中に文字と混在する形
で印刷されている文書の場合に適用する。なお、図面と
文章とが混在せずに頁毎に分けられている文書について
はこの領域指定を行うことなく、文書画像データに対す
る文字認識動作に入ることができる。

そして、文字領域が指定された領域については、１文字
ごとに切出して文字認識を行い、文字コードに変換する
（ステップ３４）。そして、変換された文字コードデー
タに、行の始点、文字の大きさ、文字間隔、縦横の文字
の並び方向についてもデータを付加する（ステップＳ６
）。なお、文字列切出しの際に文字間隔が大幅にある文
字については違う行として扱い、同行扱いはしないもの
とする。

そして、変換された文字コードデータに上述のデータを
付加してファイルの文字コードデータ記憶領域に格納す
る（ステップＳ７）。

次に文字領域で文字認識ができない不読文字については
、その不読文字をイメージとして扱い、この不読文字の
位置にイメージデータとして扱う旨の情報を挿入して文
字領域のファイルに格納するとともに、そのイメージデ
ータに位置情報などルイアウト情報を付加して、ファイ
ルの文字コードデータとは別のイメージデータ格納領域
に格納する（ステップＳ８）。

この例を説明する。例えば数式が次のような数式が文章
中に含まれていたとする。

この数式は、通常の文字認識はできないので、この数式
の部分はライン単位でイメージデータとして処理し、こ
のイメージデータのある位置を上記認識した文字中のど
こに位置するかを示すデータを文字コード化データを格
納するファイル中に合わせて格納するとともに、イメー
ジデータに付加してイメージデータとして上記文字コー
ドデータとは別にファイルに格納する。また、１行の文
字列中に認識できない文字が一定割合以上ある場合は１
打金体を文字コード化できないものとして扱い、１打金
体をイメージデータとして格納することがよい。これは
文書画像データはラスクスキャンのデータで与えられる
ため、例えば横書き文書は１行単位で処理することが画
像処理上も簡単になるからである。

また、文字コード化を文字１行事位で行い、文字コード
化できない文字を含む行を一括してイメージデータとし
て扱うこともできる。このように行単位でイメージデー
タとして扱うことは数式が含まれる論文などの印刷文書
を文書データベース化する場合には有効である。

最後にイメージ領域に指定された領域のイメージデータ
に同じく位置情報などのレイアウト情報を付加してファ
イルのイメージデータ格納領域に格納する（ステップＳ
９．３７）。

１頁分の処理が終わると次の頁を走査し、次頁の文書処
理に移る（ステップ５１０）。

発明者らは、図面および文章中に数式を含む論文の読み
取りを行って文書画像データの処理を行い、１頁中の入
力文書画像データが１９７４Ｋｂｙｔｅのものを画像デ
ータ（イメージ領域）　４０４Ｋｂｙｔｅ、文字領域中
の不読文字でありイメージデータとして処理した不読文
字データ１５Ｋｂｙｔｅ　、文字コード化された文字コ
ードデータ５．２Ｋｂｙｔｅ、計４２５Ｋｂｙｔｅに圧
縮することができた。

次にファイル３に記憶された文書を出力するときは、文
書編集手段２６にて、ファイル３のそれぞれの領域に記
憶された１頁分の文字コードデータとイメージデータと
を読み出し、文字コードデータは文字パターンに変換す
る。そして、それぞれのデータに付加されているレイア
ウト情報にしたがって、文字領域については文字中にイ
メージデータを挿入し、文字領域とイメージ領域とを合
わせて１頁の文書に編集する。この編集された１頁分の
文書はＣＲＴ４に出力され、あるいはプリンタ５にプリ
ントアウトされる。

〔発明の効果〕

上述したように、本発明は文書中の文字データを読み取
り、文字中の数式などの読み取りができない文字につい
ても、人手を介することなくイメージデータとして扱い
、文字コードデータとは別にイメージデータとして処理
してファイルに格納できるため、認識できない文字デー
タの処理が人手を介することなく行うことができる。こ
のため既存文書の電子ファイル化の省力化を図ることが
でき、文書データベースの構築が容易となる。

また、文字コードデータとイメージデータとに分けて記
憶された文書情報を編集して一つの文書として表示され
るので、文書データベースの検索に対する処理が容易に
なる。

【図面の簡単な説明】

第１図は本発明一実施例の構成を示すブロック図。 第２図は実施例の動作を示すフローチャート。 ■・・・スキャナ、２・・・情報処理装置、３・・・フ
ァイノベ　４−ＣＲＴ、５・・・プリンタ、６・・・キ
ーボード、７・・・マウス。

Claims (1)

1. 【特許請求の範囲】 １、文書を光学的に走査して文書画像データに変換する
   走査装置と、 この走査装置で読み込んだ文書画像データを処理して文
   字コードに変換する手段を備えた情報処理装置と、 この情報処理装置で処理された文書を文字コードデータ
   とイメージデータとが混在した形で記憶するファイル装
   置とを備え、 上記情報処理装置は、 上記走査装置によって頁単位で読み込まれた文書情報を
   文字領域とイメージ領域とに分けて指定する領域指定手
   段と、 文字領域内の文字を認識して文字コードに変換する手段
   と、 文字コードに変換されたデータに位置情報を含むレイア
   ウト情報を付加して上記ファイル装置に記憶させる手段
   と、 イメージ領域内の画像データをイメージデータとして位
   置情報を含むレイアウト情報を付加して上記文字領域の
   データとともに上記ファイル装置に記憶させる手段と を備えた文書処理装置において、 上記文字領域内の文字コードに変換できない部分につい
   てはイメージデータとしてそのイメージデータの位置情
   報を含むレイアウト情報とともにファイル装置に記憶さ
   せる手段を備えたことを特徴とする文書処理装置。 ２、文字コードに変換できない文字は文字行単位でイメ
   ージデータとしてファイル装置に記憶する請求項１記載
   の文書処理装置。 ３、文書を出力する出力手段を備え、情報処理装置は、
   文字コードに変換されファイル装置に記憶された文字コ
   ードデータを文字パターンに変換する手段と、変換され
   た文字パターンとイメージデータとをレイアウト情報に
   したがって一つの文書に編集して上記出力装置に出力す
   る手段とを含む請求項１記載の文書処理装置。