JPH0446500B2 - - Google Patents
Info
- Publication number
- JPH0446500B2 JPH0446500B2 JP59157895A JP15789584A JPH0446500B2 JP H0446500 B2 JPH0446500 B2 JP H0446500B2 JP 59157895 A JP59157895 A JP 59157895A JP 15789584 A JP15789584 A JP 15789584A JP H0446500 B2 JPH0446500 B2 JP H0446500B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- unit area
- area
- black
- determined
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Landscapes
- Facsimile Image Signal Circuits (AREA)
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明は、画像を線画、網点階調画及び連続階
調画の各領域に分類識別する画像識別方法に関す
る。
調画の各領域に分類識別する画像識別方法に関す
る。
（従来の技術）
従来の画像識別方法として、例えば以下の文献
に示す方法が知られている。
に示す方法が知られている。
村尾充洋、坂井利文“文書画像における構造
情報の抽出”昭和55年、情報処理学会第21回全
国大会7H−１ 黒瀬守澄、江尻公一、桜井彰“文書画像中の
中間調画像の実時間識別“昭和56年、情報処理
学会第23回全国大会6C−６ 牧野寛、赤田往久“濃淡領域を含む文書画像
の２値再生”昭和57年３月、信学論(D)J65−Ｄ、
３、pp.307〜314 高橋健一、太田正光“圧縮符号化のための計
算機による画像分類”昭和57年８月、信学論(D)
J65−Ｄ、８、pp.1018〜1025 特開昭56−132061号“網点画像信号検出方
式” 上野裕、瀬政孝義“新聞網板における調子再
現”印刷雑誌、昭和58年（Vol.66）１、pp.15
〜23 特開昭56−149674号“画像特性の識別方法” （発明が解決しようとする問題点） これらの従来方法は、線画か連続階調画かの識
別、又は線画か網点階調画かの識別が主体であつ
た。ところで、現実には線画、網点階調画、連続
階調画が混在した画像がほとんどであり、上記３
種類を識別する方法も必要である。本発明者はこ
のような観点から、“画像識別方法の検討”昭和
58年、電子通信学会総合全国大会1167にて上記３
種類を識別する方法を提案した。しかし、この方
法は濃度変化の急激な連続階調画に対して誤識別
し易いという問題点をもつていた。
情報の抽出”昭和55年、情報処理学会第21回全
国大会7H−１ 黒瀬守澄、江尻公一、桜井彰“文書画像中の
中間調画像の実時間識別“昭和56年、情報処理
学会第23回全国大会6C−６ 牧野寛、赤田往久“濃淡領域を含む文書画像
の２値再生”昭和57年３月、信学論(D)J65−Ｄ、
３、pp.307〜314 高橋健一、太田正光“圧縮符号化のための計
算機による画像分類”昭和57年８月、信学論(D)
J65−Ｄ、８、pp.1018〜1025 特開昭56−132061号“網点画像信号検出方
式” 上野裕、瀬政孝義“新聞網板における調子再
現”印刷雑誌、昭和58年（Vol.66）１、pp.15
〜23 特開昭56−149674号“画像特性の識別方法” （発明が解決しようとする問題点） これらの従来方法は、線画か連続階調画かの識
別、又は線画か網点階調画かの識別が主体であつ
た。ところで、現実には線画、網点階調画、連続
階調画が混在した画像がほとんどであり、上記３
種類を識別する方法も必要である。本発明者はこ
のような観点から、“画像識別方法の検討”昭和
58年、電子通信学会総合全国大会1167にて上記３
種類を識別する方法を提案した。しかし、この方
法は濃度変化の急激な連続階調画に対して誤識別
し易いという問題点をもつていた。
本発明は、この問題に鑑みてなされたもでの
で、その目的は、網点階調画、線画、連続階調画
を正確に判別できる画像識別方法を提供すること
にある。
で、その目的は、網点階調画、線画、連続階調画
を正確に判別できる画像識別方法を提供すること
にある。
（問題点を解決するための手段）
上記問題点を解決する本発明は、画像を２値化
する一方、複数の識別単位域に分割し、識別単位
域内の黒画素領域を構成する黒画素数のばらつき
を求め、該ばらつきが小さい場合は当該識別単位
域が網点階調画であると判別すると共に、当該識
別単位域内の背景の割合を求め、該割合が大きい
場合は当該識別単位域が線画であると判別し、前
記判別により網点階調画とも線画とも判別されな
い場合は当該識別単位域が連続階調画であると判
別することを特徴とするものである。
する一方、複数の識別単位域に分割し、識別単位
域内の黒画素領域を構成する黒画素数のばらつき
を求め、該ばらつきが小さい場合は当該識別単位
域が網点階調画であると判別すると共に、当該識
別単位域内の背景の割合を求め、該割合が大きい
場合は当該識別単位域が線画であると判別し、前
記判別により網点階調画とも線画とも判別されな
い場合は当該識別単位域が連続階調画であると判
別することを特徴とするものである。
（実施例）
以下、図面を用いて本発明方法の一例を具体的
に説明する。
に説明する。
ここで述べる方法では、まず画像を複数の識別
単位域（線画、網点階調画、連続階調画の何れで
あるかを判別する最小単位）に分割する。例え
ば、画像が第１図のようにＮ×Ｍ＝2000×2500画
素（10dot／mm）であるとき、識別単位域のサイ
ズをｋ×ｋ＝32×32画素にとる。次に画像を２値
化し、各識別単位域について、画素単位に黒画素
領域を求める。ここで、１つの黒画素領域とは、
例えば、上下左右の４方向の少なくとも何れか１
方向において隣接するような黒画素の集合であ
り、１つの黒画素に対してそれに隣接する黒画素
がない場合は単一の黒画素が１つの黒画素領域を
形成する。尚、ここで言う黒画素とは、白黒反転
画像では白画素を指すものとする。第２図イ，ロ
はそれぞれ網点階調画、連続階調画を２値化した
場合の一例を示している（図中の並列縦線（一
対）が黒画素を示している）。網点階調画の場合、
各黒画素領域を構成する黒画素数のばらつきが小
さいが、連続階調画の場合それらのばらつきが大
きいことがわかる。図示しないが、線画の場合も
ばらつきが大きい。この点に注目し、本発明方法
では各識別単位域毎に各黒画素領域を構成する黒
画素数のばらつき（標準偏差等）を求めて、網点
階調画か否かの判別を行つている。尚、黒画素数
のばらつきほどではないが、黒画素領域間の距離
のばらつき（標準偏差等）も網点階調画と連続階
調画によつて異なる。第３図は黒画素領域A1，
A2間の距離を求める場合の測距位置の一例を示
すもので、各黒画素領域A1，A2の重心間の距離
を測定することを示している。第４図はこのよう
にして求めた黒画素領域内の黒画素数の標準偏差
と黒画素領域間の距離の標準偏差を前者を縦軸に
とり後者を横軸にとつて示したものである。図
中、黒丸は網点階調画の識別単位域のいくつかに
ついて求めたもの、黒角はその他の識別単位域の
いくつかについて求めたものである。網点階調画
の場合、黒画素数の標準偏差が他のものより小さ
いことがわかるが、この傾向は多くのサンプルを
用いても同様である。そこで、本発明方法では、
この標準偏差の内特に黒画素数の標準偏差が所定
の値より小さいかどうかで、該当識別単位域が網
点階調画か否かを判別している。例えば、黒画素
数の標準偏差が1.0画素以内に入つていれば網点
階調画であると判別する。尚、黒画素領域間の距
離の標準偏差の大小を用いても、この判別を行え
るが、第４図から明らかなように、網点階調画で
ないものでも黒画素領域間の距離の標準偏差が小
さいものが存在するので、黒画素領域間の距離の
標準偏差だけでは正確な判別は行えない。
単位域（線画、網点階調画、連続階調画の何れで
あるかを判別する最小単位）に分割する。例え
ば、画像が第１図のようにＮ×Ｍ＝2000×2500画
素（10dot／mm）であるとき、識別単位域のサイ
ズをｋ×ｋ＝32×32画素にとる。次に画像を２値
化し、各識別単位域について、画素単位に黒画素
領域を求める。ここで、１つの黒画素領域とは、
例えば、上下左右の４方向の少なくとも何れか１
方向において隣接するような黒画素の集合であ
り、１つの黒画素に対してそれに隣接する黒画素
がない場合は単一の黒画素が１つの黒画素領域を
形成する。尚、ここで言う黒画素とは、白黒反転
画像では白画素を指すものとする。第２図イ，ロ
はそれぞれ網点階調画、連続階調画を２値化した
場合の一例を示している（図中の並列縦線（一
対）が黒画素を示している）。網点階調画の場合、
各黒画素領域を構成する黒画素数のばらつきが小
さいが、連続階調画の場合それらのばらつきが大
きいことがわかる。図示しないが、線画の場合も
ばらつきが大きい。この点に注目し、本発明方法
では各識別単位域毎に各黒画素領域を構成する黒
画素数のばらつき（標準偏差等）を求めて、網点
階調画か否かの判別を行つている。尚、黒画素数
のばらつきほどではないが、黒画素領域間の距離
のばらつき（標準偏差等）も網点階調画と連続階
調画によつて異なる。第３図は黒画素領域A1，
A2間の距離を求める場合の測距位置の一例を示
すもので、各黒画素領域A1，A2の重心間の距離
を測定することを示している。第４図はこのよう
にして求めた黒画素領域内の黒画素数の標準偏差
と黒画素領域間の距離の標準偏差を前者を縦軸に
とり後者を横軸にとつて示したものである。図
中、黒丸は網点階調画の識別単位域のいくつかに
ついて求めたもの、黒角はその他の識別単位域の
いくつかについて求めたものである。網点階調画
の場合、黒画素数の標準偏差が他のものより小さ
いことがわかるが、この傾向は多くのサンプルを
用いても同様である。そこで、本発明方法では、
この標準偏差の内特に黒画素数の標準偏差が所定
の値より小さいかどうかで、該当識別単位域が網
点階調画か否かを判別している。例えば、黒画素
数の標準偏差が1.0画素以内に入つていれば網点
階調画であると判別する。尚、黒画素領域間の距
離の標準偏差の大小を用いても、この判別を行え
るが、第４図から明らかなように、網点階調画で
ないものでも黒画素領域間の距離の標準偏差が小
さいものが存在するので、黒画素領域間の距離の
標準偏差だけでは正確な判別は行えない。
次に本発明方法では背景の割合を調べる。この
割合は、識別単位域の大きさが決まつていること
から識別単位域内の白画素数に比例するので、識
別単位域内の白画素の総数若しくは黒画素の総数
を求めることにより容易に算出できる。しかし、
現実に算出せずに、白画素の総数若しくは黒画素
の総数を背景画素の割合を示すデータとして用い
てもよい。第５図はこの背景の割合を示すもの
で、横軸は識別単位域の各サンプルを示すもので
ある。図中、黒丸は連続階調画の識別単位域の場
合であり、黒角は線画の場合である。線画の場
合、背景の割合が多いため、連続階調画と比べる
とその差異は大きい。従つて、網点階調画を除い
て画像に対し、それが線画か否かを判別すること
は容易である。
割合は、識別単位域の大きさが決まつていること
から識別単位域内の白画素数に比例するので、識
別単位域内の白画素の総数若しくは黒画素の総数
を求めることにより容易に算出できる。しかし、
現実に算出せずに、白画素の総数若しくは黒画素
の総数を背景画素の割合を示すデータとして用い
てもよい。第５図はこの背景の割合を示すもの
で、横軸は識別単位域の各サンプルを示すもので
ある。図中、黒丸は連続階調画の識別単位域の場
合であり、黒角は線画の場合である。線画の場
合、背景の割合が多いため、連続階調画と比べる
とその差異は大きい。従つて、網点階調画を除い
て画像に対し、それが線画か否かを判別すること
は容易である。
以上の方法により、線画、網点階調画、連続階
調画の識別が行えたことになる。
調画の識別が行えたことになる。
尚、この識別を行う装置は、例えば、画像デー
タ等の各種データを格納するためのメモリと、各
識別単位域内の該黒画素領域及び黒画素領域の黒
画素数を求める手段と、識別単位域内の黒画素数
のばらつきを求める手段と、該ばらつきが小さい
場合は当該識別単位域が網点階調画であると判別
する第１の判別手段と、識別単位域内の背景の割
合を求める手段と、該割合が大きい場合は当該識
別単位域が線画であると判別する第２の判別手段
と、前記第１及び第２の判別手段により網点階調
画とも線画とも判別されない識別単位域は連続階
調画であると判別する第３の判別手段とにより構
成でき、上記各手段の内、メモリを除いた手段
は、ハードウエア上は、コンピユータにより通常
構成される。
タ等の各種データを格納するためのメモリと、各
識別単位域内の該黒画素領域及び黒画素領域の黒
画素数を求める手段と、識別単位域内の黒画素数
のばらつきを求める手段と、該ばらつきが小さい
場合は当該識別単位域が網点階調画であると判別
する第１の判別手段と、識別単位域内の背景の割
合を求める手段と、該割合が大きい場合は当該識
別単位域が線画であると判別する第２の判別手段
と、前記第１及び第２の判別手段により網点階調
画とも線画とも判別されない識別単位域は連続階
調画であると判別する第３の判別手段とにより構
成でき、上記各手段の内、メモリを除いた手段
は、ハードウエア上は、コンピユータにより通常
構成される。
ところで、上記説明は画像の全領域にわたつて
判別を行つた場合のものであるが、画像領域が抽
出されている場合には、各画像領域について上記
方法を適用すればよい。このようにすれば識別す
べき領域範囲が狭くなるから、効率的な識別を行
える。
判別を行つた場合のものであるが、画像領域が抽
出されている場合には、各画像領域について上記
方法を適用すればよい。このようにすれば識別す
べき領域範囲が狭くなるから、効率的な識別を行
える。
そこで、画像領域を抽出する方法の一例を次に
説明する。第６図はこの抽出方法の一具体例にお
ける手順を示すフローチヤートで、この例では、
まず背景レベル（濃度レベル）を決定し、次に画
像のブロツク化を行い、背景レベルに基づき求め
た閾値で各ブロツク内の画素を２値化し、該２値
化画像データから各ブロツクのテクスチユア解析
を行つて各ブロツクを予め定めたパターンに分類
し、該パターンにより各ブロツク間の接続を調
べ、同種の画像領域を抽出している。尚、背景レ
ベルの決定と画像のブロツク化の順序は、入れ替
えてもよい。
説明する。第６図はこの抽出方法の一具体例にお
ける手順を示すフローチヤートで、この例では、
まず背景レベル（濃度レベル）を決定し、次に画
像のブロツク化を行い、背景レベルに基づき求め
た閾値で各ブロツク内の画素を２値化し、該２値
化画像データから各ブロツクのテクスチユア解析
を行つて各ブロツクを予め定めたパターンに分類
し、該パターンにより各ブロツク間の接続を調
べ、同種の画像領域を抽出している。尚、背景レ
ベルの決定と画像のブロツク化の順序は、入れ替
えてもよい。
次に、上記手順を段階別に詳細に説明する。
() 背景レベル決定
短時間に背景レベルを決定するために、画像
エリア上に第７図に示す如くｍ×ｍ（例えば32
×32）画素のウインドウ（window）を設け、
該ウインドウ内の画像データに基づき第８図の
如き濃度ヒストグラムを作成し、背景レベルを
決定する。第９図はこの背景レベルの決定手順
を示すフローチヤートで、まずウインドウの決
定（位置決定）を行い、該ウインドウに基づき
濃度ヒストグラムを作成し平均値Ｍと標準偏差
Ｓを算出する。次に標準偏差Ｓが所定の閾値Ｔ
より小さければ、背景レベルＢを Ｍ−3S≦Ｂ≦Ｍ＋3S の範囲内の値として選ぶ。通常は、Ｂ＝Ｍ＋
3Sとする。一方、標準偏差Ｓが閾値Ｔ以上で
あれば、ウインドウの位置を第７図の横方向若
しくは縦方向に移動して新たなウインドウを決
定し、再度濃度ヒストグラムを作成する。これ
は、Ｓ≧Ｔの場合、地肌を良好にとらえる位置
にウインドウが存在していないからである。
尚、閾値Ｔの大きさは、地肌をとらえ得る範囲
の大きさであればどのような値であつてもよい
が、ウインドウの決定が最小回数で済むような
大きさであることが好ましい。
エリア上に第７図に示す如くｍ×ｍ（例えば32
×32）画素のウインドウ（window）を設け、
該ウインドウ内の画像データに基づき第８図の
如き濃度ヒストグラムを作成し、背景レベルを
決定する。第９図はこの背景レベルの決定手順
を示すフローチヤートで、まずウインドウの決
定（位置決定）を行い、該ウインドウに基づき
濃度ヒストグラムを作成し平均値Ｍと標準偏差
Ｓを算出する。次に標準偏差Ｓが所定の閾値Ｔ
より小さければ、背景レベルＢを Ｍ−3S≦Ｂ≦Ｍ＋3S の範囲内の値として選ぶ。通常は、Ｂ＝Ｍ＋
3Sとする。一方、標準偏差Ｓが閾値Ｔ以上で
あれば、ウインドウの位置を第７図の横方向若
しくは縦方向に移動して新たなウインドウを決
定し、再度濃度ヒストグラムを作成する。これ
は、Ｓ≧Ｔの場合、地肌を良好にとらえる位置
にウインドウが存在していないからである。
尚、閾値Ｔの大きさは、地肌をとらえ得る範囲
の大きさであればどのような値であつてもよい
が、ウインドウの決定が最小回数で済むような
大きさであることが好ましい。
() 画像のブロツク化
画像を複数ブロツクに分割する。例えば画像
が第１０図のようにＮ×Ｍ＝2000×2500画素
（10dot／mm）であるとき、各ブロツクのサイズ
をｎ×ｎ＝32×32にとる。勿論、16×16や64×
64等に選ぶこともできる。
が第１０図のようにＮ×Ｍ＝2000×2500画素
（10dot／mm）であるとき、各ブロツクのサイズ
をｎ×ｎ＝32×32にとる。勿論、16×16や64×
64等に選ぶこともできる。
() 各ブロツクのテクスチユア解析
次に前記背景レベルＢを閾値として画像デー
タを２値化し、これにより得た２値化画像デー
タを用いて各ブロツクを予め定めたパターンに
分類する。予め用意しておくパターンとして
は、例えば第１１図に示す如き16個０〜Ｇを用
いる。このパターンは０からＧに変化するにつ
れて、即ち（０，１）→（２〜５）→（６〜
７）→（８〜Ｂ）→（Ｃ〜Ｆ）→Ｇに変化する
毎に白黒変化の多いパターンになつている。各
ブロツクの上記パターンへの分類を、例えば第
１２図に示すように、２値化画像データを２次
元方向（XY方向）に射影して黒画素（“１”）
の積算数を求め、これらXY方向の２つの積算
数分布から該当パターンを求めるという方法を
用いて行えば、コンピユータ等を用いて容易に
パターン分類を行える。第１２図の例では、ブ
ロツクの右下に黒画素が集中しているため、Ｘ
方向については右側の積算数が大きく且つＹ方
向については下側の積算数が大きくなり、又、
パターン８も２次元方向に射影すると同一の傾
向を示すことから、該ブロツクはパターン８に
該当するという結論になる。
タを２値化し、これにより得た２値化画像デー
タを用いて各ブロツクを予め定めたパターンに
分類する。予め用意しておくパターンとして
は、例えば第１１図に示す如き16個０〜Ｇを用
いる。このパターンは０からＧに変化するにつ
れて、即ち（０，１）→（２〜５）→（６〜
７）→（８〜Ｂ）→（Ｃ〜Ｆ）→Ｇに変化する
毎に白黒変化の多いパターンになつている。各
ブロツクの上記パターンへの分類を、例えば第
１２図に示すように、２値化画像データを２次
元方向（XY方向）に射影して黒画素（“１”）
の積算数を求め、これらXY方向の２つの積算
数分布から該当パターンを求めるという方法を
用いて行えば、コンピユータ等を用いて容易に
パターン分類を行える。第１２図の例では、ブ
ロツクの右下に黒画素が集中しているため、Ｘ
方向については右側の積算数が大きく且つＹ方
向については下側の積算数が大きくなり、又、
パターン８も２次元方向に射影すると同一の傾
向を示すことから、該ブロツクはパターン８に
該当するという結論になる。
() 画像領域の抽出
各ブロツク間の接続は該ブロツク単位で調べ
てもよいし、各ブロツクを例えば縦横にそれぞ
れ２分割（全体で４分割）して調べてもよい。
第１３図は後者の方法を示すための単純化した
説明図で、第１３図イは画像をブロツク化し、
そこに２値化画像を重ねた図（斜線部分が黒画
素領域）、第１３図ロは各ブロツク内に第１１
図のパターン番号を付した図、第１３図ハが上
述の如く各ブロツクを４分割（例えば、ブロツ
クα→小ブロツクの1，α2，α3，α4）し、得ら
れた各小ブロツクに第１１図のパターン番号を
付した図である。第１１図の各パターンを４分
割した場合、各パターンがどのパターンに分解
されるか予め知り得るので、第１３図ロから第
１３図ハを得ることは極めて容易である。尚、
第１１図の各パターンを４分割した場合、正確
に第１１図のパターンに分解されるように第１
１図の各パターンを選んでもよいが、近似的に
第１１図のパターンに分解される程度であつて
も十分である。次に、小ブロツク間の接続を調
べるのであるが、接続関係ありと判断するに
は、例えば隣接する小ブロツクのパターン同士
の接合辺に少なくとも一部分だけでも黒色部分
が両者共あること等を判断基準にしてもよい
し、パターンの全体形状を加味して接続関係の
有無を判断してもよい。何れにせよ、パターン
の接合の組合せは限られているので、各パター
ンがどのような位置関係で隣接した場合に小ブ
ロツクの接続関係が有るかを決めておけば、小
ブロツクの接続の有無の判断は極めて単純であ
る。第１３図ニはパターンの接合辺に白色部分
のみしかない場合は小ブロツクの接続関係がな
いとして求めた画像領域を示す図で、図中の同
一番号が付された領域は同種の画像領域であ
る。勿論、該４分割を行わずにブロツク間の接
続を上記方法で調べてもよい。但し、この場合
は領域の境界が粗くなる。この粗さの問題を解
消するためにブロツクの大きさを最初から小さ
くすることも考えられるが、このようにすると
前記テクスチユア解析に多大な時間を要するこ
とになる。
てもよいし、各ブロツクを例えば縦横にそれぞ
れ２分割（全体で４分割）して調べてもよい。
第１３図は後者の方法を示すための単純化した
説明図で、第１３図イは画像をブロツク化し、
そこに２値化画像を重ねた図（斜線部分が黒画
素領域）、第１３図ロは各ブロツク内に第１１
図のパターン番号を付した図、第１３図ハが上
述の如く各ブロツクを４分割（例えば、ブロツ
クα→小ブロツクの1，α2，α3，α4）し、得ら
れた各小ブロツクに第１１図のパターン番号を
付した図である。第１１図の各パターンを４分
割した場合、各パターンがどのパターンに分解
されるか予め知り得るので、第１３図ロから第
１３図ハを得ることは極めて容易である。尚、
第１１図の各パターンを４分割した場合、正確
に第１１図のパターンに分解されるように第１
１図の各パターンを選んでもよいが、近似的に
第１１図のパターンに分解される程度であつて
も十分である。次に、小ブロツク間の接続を調
べるのであるが、接続関係ありと判断するに
は、例えば隣接する小ブロツクのパターン同士
の接合辺に少なくとも一部分だけでも黒色部分
が両者共あること等を判断基準にしてもよい
し、パターンの全体形状を加味して接続関係の
有無を判断してもよい。何れにせよ、パターン
の接合の組合せは限られているので、各パター
ンがどのような位置関係で隣接した場合に小ブ
ロツクの接続関係が有るかを決めておけば、小
ブロツクの接続の有無の判断は極めて単純であ
る。第１３図ニはパターンの接合辺に白色部分
のみしかない場合は小ブロツクの接続関係がな
いとして求めた画像領域を示す図で、図中の同
一番号が付された領域は同種の画像領域であ
る。勿論、該４分割を行わずにブロツク間の接
続を上記方法で調べてもよい。但し、この場合
は領域の境界が粗くなる。この粗さの問題を解
消するためにブロツクの大きさを最初から小さ
くすることも考えられるが、このようにすると
前記テクスチユア解析に多大な時間を要するこ
とになる。
上記の結果、画像領域が抽出されたことにな
る。第１４図乃至第１６図は領域抽出のより具体
的な説明図で、第１４図はオリジナル画像を示す
図、第１５図はパターン分類画像を示す図、第１
６図は領域抽出画像を示す図である。尚、第１４
図中の１及び２で示した領域は文字で埋められて
おり、３及び４で示した領域は連続階調画となつ
ている。第１５図に示される如く、画像抽出は良
好になされるが、第１５図にはオリジナル画像の
汚れ等により弧立領域（ブロツク）が生じ、これ
が第１６図中に独自の画像領域を形成している。
このノイズを防ぐためには、弧立ブロツクは周囲
のブロツクと同一の画像領域とみなす処理を施せ
ばよい。
る。第１４図乃至第１６図は領域抽出のより具体
的な説明図で、第１４図はオリジナル画像を示す
図、第１５図はパターン分類画像を示す図、第１
６図は領域抽出画像を示す図である。尚、第１４
図中の１及び２で示した領域は文字で埋められて
おり、３及び４で示した領域は連続階調画となつ
ている。第１５図に示される如く、画像抽出は良
好になされるが、第１５図にはオリジナル画像の
汚れ等により弧立領域（ブロツク）が生じ、これ
が第１６図中に独自の画像領域を形成している。
このノイズを防ぐためには、弧立ブロツクは周囲
のブロツクと同一の画像領域とみなす処理を施せ
ばよい。
上述の如くして画像領域を抽出後に、各抽出画
像領域に前記識別方法を適用すれば、効率の良い
画像識別を行える。
像領域に前記識別方法を適用すれば、効率の良い
画像識別を行える。
（発明の効果）
以上説明したように、本発明方法では黒画素数
のばらつきに基づき網点階調画を判別し、背景の
割合により線画を判別し、残りを連続階調画と判
別するので、網点階調画、線画、連続階調画を正
確に判別できる。
のばらつきに基づき網点階調画を判別し、背景の
割合により線画を判別し、残りを連続階調画と判
別するので、網点階調画、線画、連続階調画を正
確に判別できる。
第１図は識別単位域の一例を示す説明図、第２
図は２値化画像の説明図、第３図は黒画素領域間
の測距の説明図、第４図は黒画素領域間の距離の
標準偏差と黒画素領域を構成する黒画素数の標準
偏差との関係を示す図、第５図は背景の割合を示
す図、第６図は領域抽出方法の一具体例における
手順を示すフローチヤート、第７図はウインドウ
の説明図、第８図は濃度ヒストグラムの説明図、
第９図は背景レベルの決定手順を示すフローチヤ
ート、第１０図は画像のブロツク化の説明図、第
１１図はブロツクのパターンの説明図、第１２図
はパターン分類の説明図、第１３図は画像領域抽
出の説明図、第１４図はオリジナル画像を示す
図、第１５図はパターン分類画像を示す図、第１
６図は領域抽出画像を示す図である。 α…ブロツク、α1，α2，α3，α4…小ブロツク、
１，２…文字画領域、３，４…連続階調画領域。
図は２値化画像の説明図、第３図は黒画素領域間
の測距の説明図、第４図は黒画素領域間の距離の
標準偏差と黒画素領域を構成する黒画素数の標準
偏差との関係を示す図、第５図は背景の割合を示
す図、第６図は領域抽出方法の一具体例における
手順を示すフローチヤート、第７図はウインドウ
の説明図、第８図は濃度ヒストグラムの説明図、
第９図は背景レベルの決定手順を示すフローチヤ
ート、第１０図は画像のブロツク化の説明図、第
１１図はブロツクのパターンの説明図、第１２図
はパターン分類の説明図、第１３図は画像領域抽
出の説明図、第１４図はオリジナル画像を示す
図、第１５図はパターン分類画像を示す図、第１
６図は領域抽出画像を示す図である。 α…ブロツク、α1，α2，α3，α4…小ブロツク、
１，２…文字画領域、３，４…連続階調画領域。
Claims (1)
- １ 画像を２値化する一方、複数の識別単位域に
分割し、識別単位域内の黒画素領域を構成する黒
画素数のばらつきを求め、該ばらつきが小さい場
合は当該識別単位域が網点階調画であると判別す
ると共に、当該識別単位域内の背景の割合を求
め、該割合が大きい場合は当該識別単位域が線画
であると判別し、前記判別により網点階調画とも
線画とも判別されない場合は当該識別単位域が連
続階調画であると判別する画像識別方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15789584A JPS6135680A (ja) | 1984-07-27 | 1984-07-27 | 画像識別方法 |
| US06/757,653 US4741046A (en) | 1984-07-27 | 1985-07-22 | Method of discriminating pictures |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15789584A JPS6135680A (ja) | 1984-07-27 | 1984-07-27 | 画像識別方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6135680A JPS6135680A (ja) | 1986-02-20 |
| JPH0446500B2 true JPH0446500B2 (ja) | 1992-07-30 |
Family
ID=15659761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15789584A Granted JPS6135680A (ja) | 1984-07-27 | 1984-07-27 | 画像識別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6135680A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4545165B2 (ja) * | 2006-09-19 | 2010-09-15 | シャープ株式会社 | 画像処理装置、画像形成装置、万線領域特定方法、原稿種別判別方法、コンピュータプログラム及び記録媒体 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56161776A (en) * | 1980-05-19 | 1981-12-12 | Fujitsu Ltd | Identifying system for network point video signal |
| JPS576964A (en) * | 1980-06-13 | 1982-01-13 | Ricoh Co Ltd | Picture extracting method |
-
1984
- 1984-07-27 JP JP15789584A patent/JPS6135680A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6135680A (ja) | 1986-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4741046A (en) | Method of discriminating pictures | |
| US4656665A (en) | Thresholding technique for graphics images using histogram analysis | |
| CN101122953B (zh) | 一种图片文字分割的方法 | |
| CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
| CN109242870A (zh) | 一种基于图像划分和纹理特征的海天线检测方法 | |
| CN112330593A (zh) | 基于深度学习网络的建筑物表面裂缝检测方法 | |
| JP6698191B1 (ja) | 路面標示不具合検出装置、路面標示不具合検出方法及び路面標示不具合検出プログラム | |
| EP0563897A1 (en) | Defect inspection system | |
| KR910017328A (ko) | 위치인식장치 | |
| CN114384073B (zh) | 一种地铁隧道裂纹检测方法及系统 | |
| JPH05280960A (ja) | 欠陥検査装置 | |
| US20040114830A1 (en) | Method and apparatus for image processing | |
| JPH0446500B2 (ja) | ||
| JPH07107275A (ja) | 画像領域判別装置 | |
| JPH0418749B2 (ja) | ||
| CN117975360A (zh) | 一种基于深度学习的堆放物判别方法及判别系统 | |
| CN114998889A (zh) | 一种沉浸式三维影像的智能识别方法及系统 | |
| JPH06195511A (ja) | ２値化しきい値決定装置 | |
| JP3679241B2 (ja) | 建設図面認識方法及び認識装置 | |
| CN112560929A (zh) | 溢油区域确定方法及装置、存储介质 | |
| JPH0319990B2 (ja) | ||
| CN121415384A (zh) | 一种基于边缘锐度的车牌清晰度的计算方法 | |
| JPS61269779A (ja) | 文書画像解析方式 | |
| JPH04170685A (ja) | 画像処理装置及び画像処理方法 | |
| JP2859603B2 (ja) | 画像データの２値化方法および装置 |