JPH04171590A - 図面読取装置 - 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】 Ａ、産業上の利用分野 本発明は文字、線分、シンボル等が混在する書類や図面
から、文字データを検出してその文字の認識を行う図面
読取装置に関する。

Ｂ１発明の概要 本発明は文字、線分、シンボルが混在する書類や図面等
の被写体をラスタスキャンして得られた黒白に対応する
２値化画素データから文字データを抽出し、その文字の
認識を行う図面読取装置において、 前記２値化画素データについて輪郭ベクトル化処理を施
す輪郭ベクトル化処理部と、文字候補の外接四角形デー
タを登録する登録部と、該登録された文字候補から文字
列候補を抽出する文字列候補抽出部と、該文字列候補か
ら文字列を抽出する文字列抽出部と、前記抽出された文
字列内の全文字候補について、何個の文字を統合すれば
良いかを表す文字評価値Ｅを求めて文字認識と切り出し
を同時に行う文字認識切り出し部とを設けたことにより
、 文字、線分、シンボルが混在する書類や図面から文字を
読み取って認識する場合、文字候補の文字らしさを判定
して文字切り出しの誤りを防止し、誤認識を減少せしめ
たものである。

Ｃ０従来の技術 文字や図形等を読み取る場合、例えば、書類や図面等の
被写体をイメージスキャナ等の入力装置でラスタスキャ
ンして黒と白の２値画像データ（入カバターン）に変換
し、この２値画像データから対象物の文字データを抽出
し、対象物の認識処理を行っている。文字、図形等が混
在する図面等に含まれる文字を認識するには、まず文字
の部分と図形の部分を分け、さらに１文字分の情報ごと
に切り出して認識を行う必要がある。

Ｄ０発明が解決しようとする課題 ここで図面に含まれる文字は、文章のものとは異なり文
字の大きさが一定ではなく、またその書式も定まってい
ない。このため文字、線分、シンボル等が混在する書類
や図面に含まれる文字を、その書式や大きさにとられれ
ることなく、抽出して認識することは困難であった。特
に文字幅のゆらぎが大きく、分離文字の多い手書き文章
等を認識することは極めて困難であった。またそれらの
処理に時間がかかるという欠点もあった。

さらに従来のように、仮定した文字幅、文字間隔に基づ
いて文字列データから１文字分のデータを切り出す方法
においては、文字ピッチ、文字幅か一定である活字等に
はしばしば有用であるが、手書き文字等の場合は仮定さ
れた文字幅、文字間隔に根拠が薄く誤った切り出しが行
われることがある。

本発明は上記の点に鑑みてなされたものでその目的は、
文字の誤認識や誤切り出しを防いで書類や図面に含まれ
る文字がいかなる大きさ、書式であっても容易に且つ極
めて正確に読み取ることができる図面読取装置を提供す
ることにある。

Ｅ１課題を解決するための手段 本発明は、文字、線分、シンボルが混在する被写体をラ
スタスキャンして得られた黒白に対応する２値化画素デ
ータから文字データを抽出し、該抽出された文字データ
と文字辞書を参照、比較して文字を認識する図面読取装
置において、前記被写体をラスタスキャンして得られた
黒白に対応する２値化画素データに基づいて、互いに隣
接した２個の黒画素を結ぶベクトルを結合して成る輪郭
ベクトルのデータを求めるとともに、該輪郭ベクトルに
外接する外接四角形データを文字候補として求める輪郭
ベクトル化処理部と、前記輪郭ベクトル化処理部で求め
られた文字候補の外接四角形データを登録する登録部と
、所定の大きさに設定した文字列候補の核から検索範囲
を決定し、前記登録部に登録された文字候補のうち中心
座標が前記検索範囲内に存在する文字列を文字列候補と
して抽出する文字列候補抽出部と、 前記文字列候補抽出部で抽出されたデータの中から、文
字列候補核の高さｈｃと文字列候補内の互いに隣接する
文字候補間の距離ｄがｄ＜ｈ。×ｋ　（ｋ・は定数）な
る関係にあるデータを文字列として抽出する文字列抽出
部と、 前記文字列抽出部で抽出された文字列内におけるに番目
の文字候補について、ｋ番目までのｎ個分の文字統合を
行ったときの Ｅ＝ｇ＋ｈ”　ｅＩｈ＋ｃａ／ｄｋ （ただしｇｉｋは文字の大きさ適合度、ｅｉｋは認識距
離、ｄｋはｋまでを文字としたときの文字間隔、Ｃ４は
定数） で定義される複数の文字評価値Ｅを求め、それらＥを各
々の文字個数で除して各平均評価値百を求め、それら百
のうち最小値を文字評価値データテーブルに登録し、前
記平均評価値百を求めてそれらの最小値を登録する演算
処理を、文字列内の全文字候補について順次行い、前記
データテーブルに登録されたデータに基づいて文字の認
識および切り出しを行う文字認識切り出し部とを備えた
ことを特徴としている。

Ｆ０作用 前記輪郭ベクトル化処理部によって外接四角形を求める
と文字、線分、シンボルが混在する被写体（書類や図面
）の中から文字候補のデータが得られる。この文字候補
の外接四角形データは例えばツリー構造で登録部に登録
される。文字列候補抽出部は文字列候補核で決まる検索
範囲で前記登録部内のデータを検索し、中心座標が検索
範囲内にある文字列を文字列候補として抽出する。前記
外接四角形データはツリー構造で登録されているので領
域四角形の近傍検索処理は軽減される。前記文字列候補
の中で、ｄ＜ｈ。×にの関係が成立するデータが文字列
抽出部によって文字列として抽出される。すなわち被写
体の中に混在する線分やシンボルは除外され文字列のデ
ータのみが抽出される。次に文字認識切り出し部は文字
列内の各文字候補について文字評価値Ｅ　＝　ｇ　＋ｋ
”ｅ　ｒｋ＋　Ｃａ／　ｄ　ｋを各々求める。そしてそ
れらの平均評価値百のうち最小値を演算し文字評価値デ
ータテーブルに登録する。このデータテーブルのデータ
によって文字の認識および切り出しが行われる。

（ただしＷｉｋはｉ−にの統合を行ったときの文字幅、
δはｈｉ＝ＷＩｋのとき１であり、ｈｉ≠Ｗ　＋　ｋの
とき０である） なる関係があることから前記ｇ、には誤差率の逆数を示
す。このためｇｉｋ’ｅ＋には仮定の文字幅の字間隔を
考慮した項目であり、文字間隔が広いとる。従ってこの
場合の文字評価値Ｅは採用されにくくなり、その文字と
の統合は行われない可能性なり、文字評価値Ｅが小さく
なる。従ってこの場合の文字評価値Ｅは採用されやすく
なり、その文字との統合が行われる可能性は強くなる。

このようにして文字認識と文字データの切り出しか同時
に行われるので、文字データの誤切り出しによる誤認識
が生じることはない。

Ｇ、実施例 以下、図面を参照しながら本発明の一実施例を説明する
。まず本発明による図面読取装置は第１図のように輪郭
ベクトル化処理部１、登録部２、文字列候補抽出部３、
文字列抽出部４および文字認識切り出し部５を備えてお
り、全体の処理の流れは第２図のように示される。すな
わちまずステップＳ１において輪郭ベクトル化処理部１
が前処理を行い、ステップＳ２において登録部２、文字
列候補抽出部３、文字列抽出部４および文字認識切り出
し部５が文字認識切り出し処理を行う。前記輪郭ベクト
ル化処理部１が行う前処理は第３図のようなフローチャ
ートで表される。すなわちステップＳ、において画像入
力処理を行い、ステップＳ２において輪郭ベクトル化処
理を行い、ステップＳ３において要素分離処理を行う。

このうち前記画像入力処理および輪郭ベクトル化処理は
例えば特願昭６３−７８６８４の特許明細書に記載され
た輪郭検出装置によって、次のようにして行う。

第４図は輪郭検出装置の構成を示す図であり、１１は輪
郭抽出部である。この輪郭抽出部１１は、第５図に示す
ように書類や図面等の被写体をラスタスキャンして得ら
れた黒白に対応する２値化画素データを取り込んで、縦
横２画素×２画素の画素データをスキャンラインに沿っ
て順次に取り出し、この画素データに基づいて輪郭検出
用のコマンド列を作成して後段の輪郭解析部１２に出力
する。輪郭解析部１２は前記コマンド列に基づいてテー
ブル格納部１３内の輪郭要素テーブル、輪郭管理テーブ
ル及び輪郭接続テーブルの記載を更新する。また、輪郭
解析部１２は輪郭要素テーブルと輪郭管理テーブルを使
用して１輪郭画素系列を構成する各点のうち始点からみ
て極大となる点を抽出する（巨視的処理部３１）ととも
に、この処理で抽出された連続する２点の間にある最大
距離となる点を設定したしきい値との関係からいくつか
抽出しく微視的処理部３２）、この処理により抽出され
た点の輪郭ベクトルを輪郭ベクトル系列テーブル３３に
記載し、この輪郭ベクトルのうち短い（ショート）ベク
トルをショートベクトル除去部３４で除去し、その記載
を更新する。

ここで輪郭要素とは互いに隣接した２個の黒画素を結ぶ
ベクトルに相当するものであり、これを結合することに
よって輪郭が構成される。そして輪郭要素テーブルとは
、第６図に示すように輪郭要素とこれら輪郭要素群より
なる輪郭とに対して各々固育の符号を付すと共に、輪郭
要素毎に、その座標及び方向と輪郭要素か所属する輪郭
の符号と輪郭要素の前後に夫々接続されている他の輪郭
要素の符号とを記載するためのものである。また輪郭管
理テーブルとは第７図に示すように輪郭毎に先端及び終
端に位置する輪郭要素の符号を記載するためのものであ
り、輪郭接続テーブルとは、第８図に示すようにラスタ
スキャン方向に並ぶ座標とその座標に前端または後端が
存在する未接続の輪郭要素の符号とその輪郭要素の未接
続端の前後端の区別とを対応させて記載するためのもの
である。また、輪郭ベクトル系列テーブルとは第９図に
示すように輪郭ベクトル系列毎に始点座標の符号を記載
するためのものである。

輪郭抽出部１１より出力されるコマンド列は、そのとき
に取り出された２画素×２画素の画素データに係る画素
と輪郭画素との接続関係の情報、及び当該画素データの
黒白の配列パターンの情報を含む接続・パターンコード
と、当該画素データのＸ座標を示す座標コードとを組み
合わせてなる。

前記接続関係の一例を第１０図に示すと、同図（イ）の
大枠で囲まれた２画素×２画素の画素データを取り込ん
だときには、この画素データのＸ座標Ｘ、に位置する輪
郭要素の前端が接続されているという情報になる。この
例では、画素データの座標としては、紙面に向かって右
下に位置する画素Ｐ１の座標をとっている。また、同図
（ロ）の大枠で囲まれた画素データを取り込んだときに
は、この画素データのＸ座標より一つ前の座標Ｘ、−１
に位置する輪郭要素の後端が接続されているという情報
になる。なお第１０図中○印を有する枠は黒画素を示し
、○印を有しない枠は白画素を示している。そして例え
ば第１０図（イ）の大枠に着目すると、この場合の接続
・パターンコードは、上述の接続情報と大枠内に黒白の
配列パターンの情報とを含み、コマンド列は、この接続
パターンコードと画素Ｐ１のＸ座標を示す座標コードと
の組み合わせとなる。なおこの座標コードについては輪
郭解析部１２側にて、コマンド列の取り込みのタイミン
グに同期して発生させることもできる。

このようにして得たコマンド列が輪郭解析部１２に取り
込まれると次のような処理が行われる。

令弟１１図の大枠の画素データに関するコマンド列が取
り込まれたとすると、接点で示す輪郭要素Ｃｊを輪郭要
素テーブルに登録し、その方向及び座標を記入すると共
に、当該輪郭要素Ｃｊの前後に夫々接続されている他の
輪郭要素の番号を接続要素番号欄に記入する。この場合
輪郭要素Ｃｊは輪郭要素Ｃｉの前方に位置するので、輪
郭要素Ｃｊの欄に係る後方接続欄にＣｉを記入し、輪郭
要素Ｃｊの欄に係る前方接続欄にＣｉを記入する。

更に輪郭要素Ｃｊの所属する輪郭の番号をこの例ではＳ
ｉを輪郭番号欄に記入する。輪郭要素の方向については
例えば８連結の場合、第１２図に示すように上下１左右
、斜めの方向に対応してａ１〜ａ８が規定され、また４
連結の場合、上下、左右の４方向が規定される。そして
輪郭管理テーブルの輪郭番号Ｓｉについて、先端の輪郭
要素番号欄をＣｉからＣｊに更新すると共に、輪郭接続
テーブルにおける当該画素データのＸ座標について、未
接続の輪郭要素番号の前方接続の欄をＣｉからＣｊに更
新する。ところで実際の処理においては、輪郭要素Ｃｉ
に接続されるべき輪郭要素は輪郭接続テーブルにより明
らかにされているため、輪郭要素テーブルの輪郭要素番
号Ｃｉ欄に係る前方接続欄のＣｊの記載は、輪郭接続テ
ーブルを参照して行われる。以上において所属輪郭番号
は、ラスタスキャンの進行に伴って別々に発生した二つ
の輪郭が接続されて一つの輪郭になった場合には一方が
他方に統合されて同一になる。

上記のような処理において、１輪郭画素列を構成する各
点のうち始点からみて極大となる点を抽出し、次に抽出
された接続する２点の間にある最大距離となる点を抽出
する。このように抽出された輪郭ベクトルをテーブルに
格納する。

上記のように画像入力処理および輪郭ベクトル化処理に
よって、被写体の例えばｒＡＪという文字の入力画像は
第１３図のような輪郭ベクトルで表される。

次に文字候補の抽出を行う要素分離処理（第３図のステ
ップＳｓ）について説明する。まず前述した第９図の輪
郭ベクトル系列テーブルを使用してショートベクトルを
除去する。第１４図はショートベクトル除去手段を説明
するフローチャートであり、ステップＳｌで第９図に示
す輪郭ベクトル系列テーブルから輪郭ベクトルの外接四
角形（第１５図に示す）　　（Ｘ　ｍ１ｎｌ　　ｙｍ＋
−）、（Ｘｍａｘ＋Ｙイ、。）の算出を行う。次にステ
ップＳ２でｄｘ＝Ｘ　＋ｓａｘ　　Ｘ＋ｓｉｍ＋　　ｄ
　Ｖ−３’　ｗａｘ　　Ｙ　ｍａｎとしきい値ＤＸｔｋ
、ＤＹｌｋとを比較する。ステップＳ３はステップＳ２
の比較判断部で、このステップＳ３で（ｄ　Ｘ　＞ＤＸ
＋ｈ）　Ｕ　（ｄ　ｙ＞ＤＹｔｈ）を判断し、ＹＥＳな
らステップＳイで輪郭ベクトルとして外接四角形という
情報を作成する。この情報の１例を第１６図に外接四角
形情報テーブルとして示す。

前記ステップＳ３でＮｏなら第９図に示す輪郭ベクトル
系列テーブルからステップＳ５で同一系列のベクトルを
削除して雑音（ノイズ）を除去する。

第１５図は輪郭ベクトルの外接四角形を示す説明図であ
り、この図において、Ｘ□８．Ｘイ、９゜ｙ１□、ｙ□
。は次のようになる。

Ｘ　ｍａｘ＝　ｍ　ａ　Ｘ　（・、　　Ｘ　ｔ、　”’
）ＸｆｆｌｌＲ＝ｍ　ｉ　ｎ　　Ｃ−＝、　　Ｘ、、　
　・）ｙ□、＝ｍａｘ（・・・、ｙｌ、・・・）ｙｆｆ
ｉｌ、、＝ｍ　ｉ　ｎ　　（・・・、ｙｌ、・・・）ｄ
ｘ＝Ｘ５＋、８−ｘｌＩｌｌｌ ｄｙ＝ｙ□ｚ　　７．．１ｎ （ｄ　ｘ＜ＤＸｔｈ）　ｎ　（ｄ　ｙ　＜ＤＹ’＋ｈ）
但し、ＤＸｌｈ、ＤＹｌｈ：しきい値である。

上記のようにして求められた外接四角形情報（第１３図
）に基づいて次のような条件で文字候補を抽出する。

条件■　Ｗ８くしきい値且つＷｙくしきい値（ｗ、は外
接四角形のＸ方向長さ、Ｗアは外接四角形のＸ方向長さ
） 条件■　外周の輪郭ベクトル そして文字候補の外接四角形に完全包含される外周及び
内周の輪郭ベクトルは文字候補となった輪郭ベクトルに
リンク付けされる。

以上、第３図〜第１６図のようにして前処理を行うが、
次に文字認識切り出し処理（第２図のステップＳ２）に
ついて説明する。

まずこの文字認識切り出し処理は、前記輪郭ベクトル処
理部１で求められた文字候補を対象に第１７図のように
水平方向（ステップＳ１）、垂直方向（ステップＳ２）
および斜め方向（ステップＳ３）に行われる。各方向の
処理は各々同一の内容であり、第１８図に示すように文
字列候補抽出処理（ステップＳ、）を行った後、文字列
抽出処理（ステップＳ２）を行った後、文字認識切り出
し処理（ステップＳ３）を行う。

前記各ステップの処理は次のようにして行われる。まず
文字列候補抽出処理は第１９図に示すように文字候補の
ツリー構造化処理（ステップＳ＋）を行った後、文字列
候補の範囲検索処理（ステップＳ２）を行う。実際には
第１６図のように得られた文字候補の外接四角形の中心
座標を基に空間的な２分割を繰り返す形式のツリー構造
として登録部（第１図の登録部２）に登録する。そして
文字候補のうち検索しようとする文字列の高さと同程度
の高さをもつものを文字列候補の核として第２０図（ａ
）に示すような検索範囲に中心座標がある文字候補を前
記登録部２の文字候補ツリーから検索する。この検索は
次のような手順で第１図の文字列候補抽出部３が行う。

■文字列核から右側に第２０図（ｂ）のような探索範囲
内の他の文字候補の中心点を検索する。

■前記■で見つかった中心点のうち、中心核より最も遠
い距離にあるものを次の探索範囲の開始点とする。そし
て■で中心点が見つからない場合は右側方向の探索路わ
り。

■左側方向について前記■、■と同様に行う。

上記の検索で見つけられたものを文字列候補とする。尚
文字列候補の核となる大きさを大きなものから数段階に
分けて設定した検索を行うことにより、大きさの異なる
文字列に対しても対応がとれる。

次に文字列抽出部４は文字列候補の中から次の条件に合
うものを文字列として抽出する。すなわち第２１図に示
すように文字列抽出部の高さり。

と文字候補間距離ｄが ｄ　（ｉ、ｊ）＜ｈｃｘ定数　　・・・（１）なる関係
にあるとき、図示文字列候補内のｉ、ｊか文字列となる
。

次に文字認識切り出し部５は、文字列内の文字候補ｉ　
−ｋを一つの文字としたときの文字評価値Ｅを演算し、
その平均値百を求め、文字認識と文字データの切り出し
を同時に行う。文字の平均評価値百は次式で定義される
。

ｃ。

Ｅ＝ｇ１．・ｅｌに＋：　　　　・・・（２）ｋ （ただしｇ＋ｈは文字の大きさ適合度、ｅｉｋは認識距
離、鱈はｋまでを文字としたときの文字間隔の平均値、
Ｃは第一項とのオーダ合わせのための定数） ｇ＋には文字候補ｉ　−ｋを一つの文字としたときどの
程度文字の大きさとしてふされしいかを評価した値であ
り、文字候補番号高さり。が前記（１）式の大きさにあ
るとすると次式で求められる。

（ただしＷｉｈはｉ−にの統合を行ったときの文字幅、
δはｈｉ＊ｗ、ｈのとき１であり、ｈｉ≠Ｗｉｋのとき
Ｏである） が誤差率の絶対値を表しているので、ｇ＋ｈ・ｅｉｋは
、仮定の文字幅より誤差の分だけすれた文字の認識結果
を誤差率の逆数に比例させて認識距離を評価し直すこと
を示している。例えばｗ　、　ｋかｈｃのときの認識距
離をｅｉｋとし、またＷ　Ｉ　ｋがｈｃ±ｈ　ｃ　／　
２のときの認識距離をｅ＋に十εとするなら、文字幅の
誤差（ずれ）を考慮した場合の認識距離はｇ　＋に’　
ｅ　１ｈ＝　２　ｅ　ｔｈ≧ｅ　、、十ε＞　ｅ　＋ｈ
となる。

ｈ が広いと文字の統合を行わないように働き、小さいと統
合しやすいように働く。また平均をとっているのは文字
列全体で文字間隔の平均をとった場合、文字間隔の平均
か大きいほど理想的な結果であることを反映している。

いま文字列内の文字候補のデータか第２２図のように並
んでいるとする。このとき文字列全体の認識と切り出し
が終了した後には文字の境界が確定し、それらの文字１
個づつに評価値Ｅ　＝　ｇ　＋　ｈ・ｅ　＋ｈ＋　Ｃａ
／　ｄ　ｈを割り当てることができ、それらを文字の個
数で平均をとることができる。文字認識は夫々１個の文
字の評価値Ｅ（距離）が小さいはと良い。このため文字
列について文字評価値Ｅの平均か最小となる組み合わせ
が最も正しい結果となる。以下そのような組み合わせを
決める手順を示す。

■いま第２２図の文字候補番号１と２の間のａの位置に
境界があるとして、その位置よりも左側にある文字候補
を何個統合すれば良いかの評価を演算する。この場合文
字候補が１個しかないので、Ｅ＋＝（ｇ＋＋ｅｕ＋ｃａ
／ｄ、）／１　　−（４）となりこれ以上統合か出来な
い。このためＥｌを、文字候補番号１に関する文字列全
体のＩの値を最小（即ち最適）にする値として第２３図
の文字評価値データテーブルに登録する。

■次に第２２図のｂに文字の境界があるとして演算を行
う。このとき統合の状態として文字候補番号２が単独の
場合と、文字候補番号２．１統合の場合とがある。そこ
で夫々の場合について文字評価値Ｅを求めると、 文字候補番号２単独時； Ｅ２２＝ｇ２２ｅ２２＋（ｄ。十ｄ１）／２文字候補番
号２．１統合時； Ｅ２＋＝ｇ２＋ｅ２＋＋ｃａ／ｄＯ となる。このうちどちらの評価値を採用したら良いかの
判断は文字列全体の文字評価値Ｅの平均がどちらが小さ
くなるかで決定する。即ち、文字候補番号２単独時の平
均は ＥＢ＋、Ｅ、ＸＩ Ｔ２＝□ 文字候補番号２．１統合時の平均は Ｅ２−□ となる。これらのうち最小となる方を文字の平均評価値
「とし、文字評価値データテーブルに夫々の場合の文字
の個数を登録する。

■前記■と同様な手順で第２４図のｉ−１番目の評価が
終了しているものとする。このとき文字評価値データテ
ーブルの文字の欄には図示Ｖに文字の境界があると仮定
した場合の「曹の最適値およびそのときの統合できる文
字の番号および文字間隔の平均値が記憶されている。こ
の状態で次に図示Ｗに文字の境界があるとした場合のｉ
の文字の境界はｖ、ｕ、ｔ、ｓのいずれかである。その
ときどきの文字の評価は （ｊは変数） で求められる。ここでｄｉ−７−１は文字候補１−ｊ−
１が持っているＥ　１−ｊ−１の値が最適値をとる場合
の文字間隔であり、Ｎ　（ｉ−ｊ−１）はそのときの境
界の個数である。またｄｌ−１は文字ｌ−ｊのすぐ後ろ
にある文字間隔である。さらにｇｉ、は文字ｉからｉ−
ｊまでを統合した場合の認識の評価値である。第２４図
においてはｊ＝０のときはＶが文字境界のときの評価を
示し、ｊ−２のときはｔが文字境界のときの評価を示し
ている。ｉまでの文字を評価したときの文字列全体の百
を最適化する文字切り出しおよび認識は次式で求められ
る。

・・・・・・・・・（６） 即ちｉとｊの可能な組み合わせの内百１−１の最小値を
とる組み合わせである。またｉに対するｊの数の限界は
文字候補の組み合わせを一つの文字としたときの文字幅
が文字幅としての常識的限界に収まるかどうかで決定す
る。このように決定した百、−３の値、Ｎ　（ｉ−ｊ−
１）　＋１およびそのときとる文字間隔の平均を文字評
価値データテーブルに登録する。

■上記のような手順で逐次、最後の文字候補まで演算を
行う。このときの最後の文字が持っている統合できる文
字番号（データテーブル参照）を逆にたどれば文字のセ
ットが求められる。尚データテーブルの統合文字を逆に
たどる場合、自分自身を示す場合もあるが、このときは
自分の一個後（データテーブルの一個上の欄）から同様
にして逆にたどれば良い。

ここで文字幅が第２０図のようにり。程度であると仮定
すると文字幅ｗ１の誤差率は（ｈ。−ｗｌ）／ｈ。と定
義される（〉０）。このため第２５図のような場合では
誤差率は負になる。第２５図の例では「１」のデータを
認識した場合「木」という結果が得られ、そのときの評
価値をｅｌとする。

また「２」のデータを認識した場合も同様の結果が得ら
れたとする。「１」と「２」を統合した場合「林」とい
う結果か得られ評価値ｅ１−２が得られれば、両方とも
正しい結果であるため単純に比較することはできない。

しかし文字幅を考慮すると「１」および「２」の認識結
果は、「木」という文字か通常の文字幅で書かれている
場合、正しく「木」を認識したときの値のｎ倍（２倍）
程度大きくなるはすである。従ってこのときの文字幅の
誤差を考慮した値は２×ｅ１（ｅ２）となる。

上述した文字認識切り出し処理（第１７図、第１８図）
の過程では、文字候補が文字列として確定する毎に処理
済マークがつき処理対象数が小さくなる。また第１８図
の各処理では水平方向について説明したか、垂直方向に
ついてはｘ、　　ｙ方向が逆になる。斜め方向について
は所定の傾き角度を仮定し、その角度での座標変換処理
か、文字列抽出処理、文字認識切り出し処理（第１８図
のステップＳ２．Ｓ３）に含まれる。

Ｈ０発明の効果 以上のように本発明によれば輪郭ベクトル化処理部と、
登録部と、文字列候補抽出部と、文字列抽出部と、文字
認識切り出し部とを設け、文字認識の評価値を含む評価
式を用いて文字認識と文字切り出しを同時に行うように
したので、統合された文字、統合前の文字の文字らしさ
を判定することが出来、文字幅や文字間隔による機械的
な切り出しによるような文字の切り出しミスがなくなり
、そのような原因による誤認識が減少する。

【図面の簡単な説明】

第１図〜第２５図は本発明の一実施例を示し、第１図は
全体構成のブロック図、第２図は全体のフローチャート
、第３図は輪郭ベクトル化処理部のフローチャート、第
４図は輪郭検出装置のブロック図、第５図はラスタスキ
ャンの様子を示す説明図、第６図は輪郭要素テーブルを
示す説明図、第７図は輪郭管理テーブルを示す説明図、
第８図は輪郭接続テーブルを示す説明図、第９図は輪郭
ベクトル系列テーブルを示す説明図、第１０図（イ）、
（ロ）は、各々画素データと輪郭要素との関係を示す説
明図、第１１図は輪郭要素間の接続状態を示す説明図、
第１２図は輪郭要素の方向を示す説明図、第１３図は輪
郭ベクトル化処理の説明図、第１４図はショートベクト
ル除去手段のフローチャート、第１５図は外接四角形の
説明図、第１６図は外接四角形情報テーブルを示す説明
図、第１７図および第１８図はともに文字認識切り出し
処理のフローチャート、第１９図は文字列候補抽出処理
のフローチャート、第２０図（ａ）。 （ｂ）はともに文字列候補抽出処理の説明図、第２１図
は文字列抽出処理の説明図、第２２図および第２４図は
文字認識切り出し処理の説明図、第２３図は文字評価値
データテーブルを示す説明図、第２５図は文字認識距離
の評価し直しを示す説明図である。 ■・・・輪郭ベクトル化処理部、２・・登録部、３・・
・文字列候補抽出部、４・・・文字列抽出部、５・・文
字認識切り出し部、１１・・・輪郭抽出部、１２・・・
輪郭解析部、１３・・・テーブル格納部、３１・・・巨
視的処理部、３２・・・微視的処理部、３３・・・輪郭
ベクトル系列テーブル、３４・・・ショートベクトル除
去部。 第１図 実施例のブロック図 全体のフローチャート フローチャート 第５図 ラスタスキャンの説明図 輪郭要素テーブルの説明図 第７図 第８図 輪郭接続テーブル 第９図 輪郭ベクトル系列テーブル 第１０図 面素データと輪郭要素との関係 （イ）　　　　　　　　　　　　　　（ロ）第１１図　
　　　　第１２図 第１３図 輪郭ベクトル化処理の説明図 第１４図 ショートベクトル除去手段のフローチャート第１５図 外接四角形の説明図 外接四角形情報テーブル 第１７図 文字認識切り出し処理のフローチャート文字認識切り出
し処理のフローチャート第１９図 文字列候補抽出処理のフローチャート 第２０図 文字列候補抽出処理の説明図 （ａ）　　　　　　　　　　　　　　　　　　　　　　
（ｂ）ｈ＝ｈｃＸ定数 第２１図 ｉ−→ ｄ（ｉ、ｊ） 第２２図 文字認識切り出し処理の説明図 ｄｏ：仮定の文字間隔 ａ　　　　　　　ｂ

Claims (1)

【特許請求の範囲】
1. （１）文字、線分、シンボルが混在する被写体をラスタ
   スキャンして得られた黒白に対応する２値化画素データ
   から文字データを抽出し、該抽出された文字データと文
   字辞書を参照、比較して文字を認識する図面読取装置に
   おいて、 前記被写体をラスタスキャンして得られた黒白に対応す
   る２値化画素データに基づいて、互いに隣接した２個の
   黒画素を結ぶベクトルを結合して成る輪郭ベクトルのデ
   ータを求めるとともに、該輪郭ベクトルに外接する外接
   四角形データを文字候補として求める輪郭ベクトル化処
   理部と、前記輪郭ベクトル化処理部で求められた文字候
   補の外接四角形データを登録する登録部と、所定の大き
   さに設定した文字列候補の核から検索範囲を決定し、前
   記登録部に登録された文字候補のうち中心座標が前記検
   索範囲内に存在する文字列を文字列候補として抽出する
   文字列候補抽出部と、 前記文字列候補抽出部で抽出されたデータの中から、文
   字列候補核の高さｈ＿ｃと文字列候補内の互いに隣接す
   る文字候補間の距離ｄがｄ＜ｈ＿ｃ×ｋ（ｋは定数）な
   る関係にあるデータを文字列として抽出する文字列抽出
   部と、 前記文字列抽出部で抽出された文字列内におけるｋ番目
   の文字候補について、 ｋ番目までのｎ個分の文字統合を行ったときの Ｅ＝ｇ＿ｉ＿ｋ・ｅ＿ｉ＿ｋ＋ｃ＿ｄ／ｄ＿ｋ（ただし
   ｇ＿ｉ＿ｋは文字の大きさ適合度、ｅ＿ｉ＿ｋは認識距
   離、ｄ＿ｋはｋまでを文字としたときの文字間隔、Ｃ＿
   ｄは定数）で定義される複数の文字評価値Ｅを求め、そ
   れらＥを各々の文字個数で除して各平均評価値＠Ｅ＠を
   求め、それら＠Ｅ＠のうち最小値を文字評価値データテ
   ーブルに登録し、前記平均評価値＠Ｅ＠を求めてそれら
   の最小値を登録する演算処理を、文字列内の全文字候補
   について順次行い、前記データテーブルに登録されたデ
   ータに基づいて文字の認識および切り出しを行う文字認
   識切り出し部とを備えたことを特徴とする図面読取装置
   。