JPH04588A - 文字認識方法 - 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、媒体上の文字を光電変換して得られる文字パ
タンより、入力文字を認識する文字認識方法、特に高速
で、認識精度の良い文字認識方法に関するものである。

（従来の技術） 従来５この種の文字認識方法とし２ては特開昭５８−１
２３１７１号公報に記載されるものがあった。

従来、媒体上の文字を認識する場合、手書き文字におい
ては、筆者の違いによる線素の移動速度や傾き、印刷文
字においては、フォント（字体）の違い等により、抽出
される特徴が変動するので、該特徴の変動に対応した辞
書を用意しなければならなかった。そのため４辞書容量
が増大し、さらにその辞書の照合に要する時間も増大し
、処理速度の低下、装置の大型化を招いていた。

そこで、前記文献の技術では、文字パタンを水平方向及
び垂直方向に走査して周辺分布を求め、該周辺分布の重
心位置により分割座標を決定している。これにより、文
字バタン上の領域を決定するための分割位置を線素の位
置移動に追従させることが可能となり、個人差に基づく
ストローク位置変動等の特徴の変動を吸収し、辞書容量
の減少による処理速度の高速化を図るようにしている。

（発明が解決しようとする課題） しかしながら、上記の文字認識方法では、次のような課
題があった。

第２図（ａ）、（ｂ）は従来の文字認識方法を説明する
ための図であり、同図（ａ＞は傾きのない文字パタンと
その周辺分布、及び同図（ｂ）は斜体字の文字パタンと
その周辺分布についてそれぞれ示されている。

従来の文字ＭＸ識方法では、入力文字パタンを水平方向
及び垂直方向に走査して周辺分布を求め、その周辺分布
の重心位置により分割座標を決定している。ところが、
第２図（ｂ）に示すように、垂直線素に傾きを持つよう
な斜体字について周辺分布を抽出した場合、第２図（ａ
＞に示すような傾きのない文字の場合と比較すると、垂
直線素の部分の濃度分布がなだらかになるため、検出さ
れる分割点座標値が異なったものとなる。しかも、傾き
のない文字については垂直線素と平行に分割されるが、
垂直線素に傾きを持つ斜体字については文字線が斜めに
分断されてしまう。従って、同じ文字字形でありながら
、抽出される特徴量が大きく異なったものとなり、文字
認識精度が低下してしまう。

そこで、従来の文字認識方法では、このような特徴の変
動を吸収するために、様々な変形に対応する辞書を用意
していた。そのため、辞書容量が増大し、照合に時間が
かかり、それによってハード規模（装置規模）や処理時
間が増大するという問題があり、技術的に十分満足のゆ
くものが得られなかった。

本発明は前記従来技術が持っていた課題として、処理時
間の増大と装置の大型化という点について解決した文字
認識方法を提供するものである。

（課題を解決するための手段） 本発明は前記課題を解決するために、媒体上の文字を光
電変換して得られる文字パタンの外接枠を検出し、該外
接枠内を複数の領域に分割し、該分割された分割領域毎
に特徴を抽出した後、該抽出された特徴と予め用意した
標準特徴との照合により、前記文字を認識する文字認識
方法において、次のような手段を講じたものである。

即ち、前記文字パタンを含むＸ−Ｙ座標系で定義される
平面において、少なくとも２組の特定の実数α、βにつ
いて前記文字パタンの黒画素に関するαχ＋βｙ（但し
、刈ｙはＸ−Ｙ座標系の座標値）の最大値及び最小値を
与える座標を求め、該座標に基づき前記文字パタンの傾
斜角を検出する。次に、前記傾斜角に基づき前記文字パ
タンを走査して周辺分布を抽出し、該周辺分布を使用し
て前記外接枠内の分割点を検出する。その後、前記傾斜
角及び分割点に基づき前記外接枠内の分割境界を設定し
、該分割境界に基づき前記外接枠内を複数の領域に分割
するようにしたものである。

（作用） 本発明によれば、以上のように文字認識方法を構成した
ので、文字パタンが入力されると、その文字パタンに対
する外接枠を検出すると共に、該文字パタンの黒画素に
関するαＸ＋βｙの最大値及び最小値を与える座標を検
出し、その座標に基づき該文字パタンの傾斜角を検出す
る。そして、検出された傾斜角に従って周辺分布を抽出
し、その周辺分布を使用して外接枠内の分割点を検出す
る。

次に、検出された傾斜角及び分割点に基づき、外接枠内
の分割境界を設定し、その設定された分割境界に基づき
外接枠内を複数の領域に分割する。

その後、分割された分割領域毎に特徴を抽出し、その特
徴と標準特徴との照合を行えば、入力文字の認識が行え
る。

このように、文字パタンの傾斜角を検出し、その傾斜角
に基づき、文字バタンを走査して周辺分布を抽出してい
るので、垂直軸に対して傾斜するような文字パタンにつ
いても、抽出される特徴が安定し、文字傾斜の変形に対
応した辞書を用意する必要がない。これにより、処理速
度の高速化と装置の小型化、及び認識精度の向上が図れ
る。従って、前記課題を解決できるのである。

（実施例） 第１図は、本発明の実施例を示すもので、文字認識方法
を説明するための文字認識装置の機能ブロック図である
。

この文字認識装置は、帳票等の媒体上の文字画像の光信
号ＩＮを量子化された電気信号（ディジタル信号）に変
換する光電変換部１を有し、その出力側には、行バッフ
ァ２が接続されている。行バッファ２は、例えば幅２０
４８ｘ高さ１２８ビツトの大きさを有し、１行分の文字
画像のディジタル信号を格納する構成になっており、そ
の出力側には、文字切出部３を介してバタンレジスタ４
が接続されている。

文字切出部３は、メモリを有し、行バッファ２の出力か
ら１文字分のディジタル信号（これを、「文字パタン」
という）をバタンレジスタ４に格納する機能を有してい
る。バタンレジスタ４は、例えば６４Ｘ６４ビツトの記
憶容量を有し、その出力側には、文字枠検出部５、線幅
測定部６、及びサブバタン抽出部７が接続されると共に
、文字傾斜検出部８及び周辺分布抽出部９が接続されて
いる。

文字枠検出部５は、バタンレジスタ４内の文字パタンを
走査して外接枠、つまり文字枠を検出し、その検出結果
を文字傾斜検出部８及び周辺分布抽出部９等に与える機
能を有している。線幅測定部６は、バタンレジスタ４の
出力に対する線幅を測定し、その測定結果をサブバタン
抽出部７に与える機能を有している。サブバタン抽出部
７は、バタンレジスタ４を複数方向に走査して垂直、水
平、右斜め、左斜めサブバタンを抽出するもので、垂直
サブバタン抽出部７ａ、水平サブバタン抽出部７ｂ、右
斜めサブバタン抽出部７ｃ、及び左斜めサブバタン抽出
部７ｄより構成されている。各抽出部７ａ〜７ｄは、そ
れぞれバタン格納用のメモリを有している。

文字傾斜検出部８は、バタンレジスタ４に格納された文
字パタンについて傾斜度を抽出する機能を有している。

周辺分布抽出部９は、文字傾斜検出部８から出力された
傾斜度を用いてバタンレジスタ４を走査し、周辺分布を
抽出する機能を有している。この周辺分布抽出部９の出
力側には、分割点検出部１０が接続され、その分割点検
出部１０、文字枠検出部５、サブバタン抽出部７及び文
字傾斜検出部８の出力側には、特徴マトリクス抽出部１
１が接続され、さらにその出力側に識別部１２が接続さ
れている。

分割点検出部１０は、周辺分布抽出部９で抽出された周
辺分布を用いて、外接枠内を複数の部分領域に分割する
ための分割点座標を検出する機能を有している。特徴マ
トリクス抽出部１１は、サブバタン抽出部７から出力さ
れる垂直、水平、右斜め、及び左斜めサブパタンの各バ
タンから、特徴量を抽出して特徴マトリクスを作成し、
それを識別部１２へ与える機能を有している。識別部１
２は、標準文字の特徴マトリクス（標準文字マスク）Ｇ
（ｋ）と、この特徴マトリクスＧ（ｋ）を有する標準文
字の文字名とを、格納する辞書メモリを有している。そ
して、特徴マトリクス抽出部１１で抽出された特徴マト
リクスＦ（ｋ）と、辞書メモリの特徴マトリクスＧ　（
ｋ）とを、照合することにより、該特徴マトリクスＦ　
（ｋ）を得た外接枠内領域の文字図形の認識を行い、文
字名○ＬＪＴを出力する機能を有している。

第３図は、第１図の文字傾斜検出部８における一構成例
を示す機能ブロック図である。

この文字傾斜検出部８は、バタンレジスタ４がら入力さ
れる画像データＭの画素にＸ座標を付与するためのＸ座
標発生手段２１と、画像データＭの画素にＹ座標を付与
するためのＹ座標発生手段２２とを備え、それらの出力
側には座標検出手段３０．４０が接続されている。座標
検出手段３０４０は、Ｘ、Ｙ座標と少なくとも２組の特
定のα値及びデータ値とを用いて被抽出パタンの画素に
関する最大及び最小の計算値αＸ＋βｙを検出し。

その最大最小計算値を与える被抽出パタンの画素のＸ２
Ｙ座標をそれぞれ特徴点座標として出力するものであり
、その出、力１則には、文字パタンの傾斜度を特徴点座
標に基づき算出する傾斜度！出手段ヲＯが接続されてい
る。

座標検出手段３０は、計算値αχ＋βｙを算出するＸ十
Ｙ計算手段３１と、最大計算値を検出するための最大値
検出手段３２と、最大計算値を与える画素のＸ、Ｙ座標
を保存するための最大値座標保存手段３３と、最小計算
値を検出するための最小値検出手段３４と、最小計算値
を与える画素のＸ、Ｙ座標を保存するための最小値座標
保存手段３５とで、構成されている。同様に、座標検出
手段４０は、ｘ　−ｙ計算手段４１、最大値検出手段４
２、最大値座標保存手段４３、最小値検出手段４４、及
び最小値座標保存手段４５より構成されている。

この文字傾斜検出部８では、特徴点座標検出のために、
例えばα＝β＝１及びα＝＝−１、β＝−１の２組のα
値及びβ値を用いるので、２つの座標検出手段３０．４
０を備えている。一方の座標検出手段３０では計算値Ｘ
＋Ｙに関する最大及び最小計算値を、他方の座標検出手
段４０では計Ｘ値Ｘ−Ｙに関する最大及び最小計算値を
、それぞれ与える画素の座標を検出する機能を有してい
る。

例えば、Ｘ＋Ｙ計算手段３１は加算回路で、Ｘ−Ｙ計算
手段４１は減算回路で、検出手段３２゜３４．４２．４
４はそれぞれ比較器及びレジスタで、座標保存手段３３
，３５，４３．４５はそれぞれレジスタ等で構成されて
いる。また、Ｘ座標発生手段２１及びＹ座標発生手段２
２は、座標検出手段３０．４０に対して共通に用いるよ
うに構成されており、そのため座標検出手段３０．４０
はＸ座標発生手段２１及びＹ座標発生手段２２かち出力
されるＸ、）′座標をそれぞれ入力して特徴点座標の検
出を行う機能を有している。

次に、↓゛１上のようｔこ襦成さり、る文字認識装置を
用いた文字認識方法について、各機能ブロックの処理（
Ｉ）〜（■）について説明する。

第４図は、印刷文字の斜体字の例を示す図である。本実
施例では、この第４図に示すように、印刷文字における
斜体字のような、文字の４個の特徴点を結んで得られる
四辺形の右辺及び左辺が傾斜するような文字を含む文字
列を認識する場合について、以下説明する。

（Ｉ＞　　文字パタン生成処理 帳票上に記入された文字画像の光信号ＩＮが光電変換部
１に入力されると、光電変換部１では、光信号ＩＮを２
値のデジタル信号、つまり文字線部を“１゛、背景部を
′Ｏ′に変換する。光電変換部１で変換された１行分の
文字画像のデジタル信号は、行バッファ２に格納される
。

文字切出部３では、行バッファ２に格納さｈを文字画像
のデジタル信号から、１文字分のデジタル信号（文字パ
タン）を読出し、パタンレジスタ４に格納する。本実施
例では、帳票フォーマットが予め指定されており２文字
切出部３のメモリＬこ、行バツフア２内の文字位置を示
すアドレスが格納されている　そのため、文字切出し動
作は、該アドレスで指定された行バッファ２の内容を読
み出すことにより実行される。

（ｆｆ）　　文字枠検出・線幅測定処理文字枠検出部う
では、バタンレジスタ４のパタンを走査してそのパタン
の左端座標Ｘ、ｉｌ、右端、亭標Ｘｒ、上端座標Ｙｔ及
び下端座標ｙｂを検出する。外接枠、つまり文字枠は（
、ＸＪ）、Ｙｔ）、（ＸＪＩＩ　、　Ｙｂ）、（Ｘｒ、
Ｙｔ）、（Ｘｒ、Ｙｂ）の４点を結ぶ矩形枠となる９ また、文字粋検出論は、特徴量の正規化を行うために、
必要な文字枠の大きさを算出する。即ち、バタンレジス
タ４のＸ軸に対し、平行な方向（水平方向）の文字枠の
大きさをＷＰｈとしてＷＰｈ＝Ｘｒ−ＸＲ÷１を、垂直
な方向（垂直方向）の文字枠の大きさをＷＰｖとしてＷ
　Ｐ　ｖ　＝　Ｙ　ｔ　−Ｙｂ＋１を、それぞｈ算出す
る。さらに、右斜め及び左斜め４５′方向の文字枠の大
きさをＷＰｒ及びＷＰＮとして ＷＲｈ＋ＷＰｖ Ｚ を算出する。

一方、線幅測定部６では、バタンレジスタ４からのディ
ジタル信号を入力し、例えば２×２の窓の全ての点が黒
ビットとなる状態の個数Ｑと、全黒ビットの個数Ａとを
計数し、従来周知の（１）式に従って線幅ＷＬを算出す
る。

ＷＬ＝Ａ／　（Ａ−Ｑ）　　　　　　　・・・・・・（
１）（ＩＩＩ）　　サブバタン抽出処理 サブバタン抽出部７では、垂直サブバタン抽出部７ａ、
水平サブバタン抽出部７ｂ、右斜めサブバタン抽出部７
Ｃ及び左斜めサブバタン抽出部７ｄにより、それぞれバ
タンレジスタ４上に設定しなＸ軸方向に垂直な方向く垂
直方向）及び平行な方向（水平方向）と、Ｘ軸から反時
計方向４５゜の方向（右斜め４５°方向）及び時計方向
４５゜の方向く左斜め４５°方向）とを、主走査方向と
してバタンレジスタ４を走査し、各主走査方向に対応す
る垂直、水平、右斜め及び左斜めサブバタンを抽出する
。

即ち、垂直サブバタン抽出部７ａでは、垂直方向を主走
査方向として環パタンを全面走査し、垂直方向の走査線
上で連続する黒ビット（黒ラン）を検出する。そして、
検出した黒ランのなかから次式（２）を満足する長さｐ
の黒ランを抽出する。

１≧Ｎ、ＷＬ ・・・・・・（２） 但し、ｐ；主走査方向における黒ラ ンの長さ Ｎ；各サブパタンに対する任 意定数（例えば、２） 次に、垂直サブバタン抽出部７ａは、（２）式を満足す
る黒ランを一サブパタンを構成する黒ランとみなして図
示しない垂直サブバタンメモリに格納する。（２）式を
満足しない黒ランは白ビットとみなす。

同様に、水平、右斜め及び左斜めサブバタン抽出部７ｂ
、７ｃ、７ｄは、水平、右斜め及び左斜め方向を主走査
方向として環パタンを走査し、それぞれの主走査方向の
走査線上の黒ランのなかから、（２〉式を満足する黒ラ
ンを抽出し、抽出した黒ランを、サブパタンを構成する
黒ランとみなして図示しない水平、右斜め及び左斜めサ
ブバタンメモリに格納する。

（ＩＶ）　　文字傾斜検出処理 文字傾斜検出部８は、バタンレジスタ４に格納された文
字バタンについて傾斜度を抽出する。この抽出方法を、
第３図、第５図（ａ＞、（ｂ）及び第６図（ａ＞、（ｂ
）を参照しつつ説明する。

第５図（ａ＞、（ｂ）は傾斜度検出方法を説明するため
の特徴点の検出例を示す図である。Ｘ−Ｙ座標系で表現
される平面には、被抽出バタンＭ２である傾きのない文
字（第５図（ａ））と斜体字（第５図（ｂ））とが示さ
れている。ＢＬ、ＢＲ，ＴＬ、ＴＲは特徴点である。第
６図（ａ）。

（ｂ）は、文字傾斜検出方法を説明するもので、同図（
ａ）は最大値処理のフローチャート、及び同図（ｂ）は
最小値処理のフローチャートである。

この文字傾斜検出処理を、（Ａ＞特徴点ＴＬ、ＢＲ座標
の検出処理と、（Ｂ）特徴点ＢＬ、ＴＲ座標の検出処理
と、（Ｃ）傾斜度算出処理とに分けて以下説明する。

（Ａ＞特徴点ＴＬ、ＢＲ座標の検出処理この処理では、
第３図の座標検出手段３０等により、次のような（１）
〜（５）の処理ステップで実行される。

（１）　ステップ８１〜Ｓ３ 先ず、バタンレジスタ４の走査を開始し、そのバタンレ
ジスタ４より出力された画像データＭを、文字傾斜検出
部８に入力する（ステップＳｌ）。

この画像データＭは、画素毎に座標検出手段３０内の最
大値検出手段３２及び最小値検出手段３４に入力される
。

これと共に、Ｘ座標発生手段２１及びＹ座標発生手段２
２は、画像データＭの出力と同期させて、この画像デー
タＭの各画素毎に対応付けたχ、Ｙ座標を発生する。そ
の結果、これら発生手段２１゜２２により、画像データ
ＭにＸ、Ｙ座標の付与が行われる。そして出力されたＸ
、Ｙ座標は、座標検出手段３０内のＸ＋Ｙ計算手段３１
、最大値座標保存手段３３、及び最小値座標保存手段３
うに入力される（ステップＳ２）。

Ｘ＋Ｙ計算手段３１はＸ、Ｙ座標を入力すると、これら
χ、Ｙ座標から計算値Ｘ＋Ｙを算出し、算出した計算値
を最大値検出手段３２及び最小値検出手段３４へ出力す
る（ステップＳ３）。ステップ８２〜Ｓ３によって、最
大値検出手段３２は画像データＭ及び計算値を、最小値
検出手段３４は画像データＭ及び計算値を、最大値座標
保存手段３３はＸ、Ｙ座標を、最小値座標保存手段３５
はＸ、Ｙ座標を、それぞれ１画素毎に入力する。そして
、座標検出手段３０は、ｔ★述のステップＳ４、Ｓｅａ
、Ｓ５ｂ或いはＳ７の判断を１画素毎Ｌ−″繰り返し実
行し、その判断結果りこ応じた処理を行う。

（２〉　ステップＳ４ 最大値検出手段３２及び最小値検出手段３４は、入力さ
れた画像データＭの画像が所定の画素値（例えば、′１
°）であるか否かを判断する。

■　所定の画素値を有さないとき 最大値検出手段３２及び最小値検出手段３４は、格納し
ている比較値を書換えず、これと共に最大値座標保存手
段３３及び最小値座標保存手段３３も、格納されている
Ｘ、Ｙ座標を書換えない。検出手段３２．３４は、ステ
ップＳ４の次に、ステップＳ７の判断を行う。

■　所定の画素値を有するとき 最大値検出手段３２はステップＳ４の次に比較値及び計
算値の比較（ステップＳ”；ａ）を、最小値検出手段３
４はステップＳ４の次に比較値及び計算値の比較（ステ
ップ５５ｂ）を、それぞれ行つ。

（３）　ステップＳ５ａ このステップでは、計算値が比較値より大きいか否かを
判断し、その判断結果に応じた次のような処理を実行す
る。

■　計算値〉比較値のとき 最大値検出手段３２は、先に格納されている比較値に代
えて、比較値よりも大きい計算値を新たな比較値として
格納しく比較値の書換え）、これと共にセットパルスを
最大値座標保存手段３３へ出力する。セットパルスを入
力した最大値座標保存手段３３は、格納されているＸ、
Ｙ座標に代えて、比較値よりも大きな計算値を与える画
素のＸ、Ｙ座標を新たに格納する（「Ｘ、Ｙ座標の書換
え」ステップＳ６）。

■　計算値≦比較値のとき 最大値検出手段３２は、先に格納されている比較値を書
換えずにそのまま格納すると共に、最大値座標保存手段
３３も、格納されているＸ、Ｙ座標を書換えない。

最大値検出手段３２は、前記■及び■のいずれの場合も
、ステップＳ５ａの次に、ステップＳ７の判断を行う。

なお、最大値検出手段３２に格納される比較値の初期値
としては、例えば計算値αとして取り得る値よりも小さ
な値を用いれば良い。例えば、α＝β−１で、画像デー
タＭをｐ行用列の画素に分割した（従って、○≦Ｘ≦ｍ
−１、及び０≦Ｙ≦ｊ−１となる）場合には、−１を比
較値の初期値とすることができる。或は比較値の初期値
として、最大値検出手段３２に一番最初に入力された計
算値αχ十βｙを用いるようにしても良い。

また、最大値検出手段３２は、比較値及びＸ、Ｙ座標の
書換えを、計算値αχ十βｙが比較値よりも大きいとき
、及び計算値が比較値と等しいときに行うようにし、こ
れと共に計算値が比較値よりも小さいとき、比較値及び
Ｘ、Ｙ座標の書換えを行わないようにしても良い。さら
に、最大値座標保存手段３３のＸ、Ｙ座標としては、任
意好適な数値を用いて良い。

（４）　ステップＳ５ｂ 第６図（ｂ）のステップＳ５ｂでは、計算値が比較値よ
り小さいか否かの判断を行い、その判断結果に基づき次
のような処理を実行する。

■　計算値〈比較値のとき 最小値検出手段３４は、先に格納されている比較値に代
えて、比較値よりも小さい計算値を比較値として新たに
格納する（比較値の書換え）と共に、最小値座標保存手
段３５ヘセツトパルスを出力する。最小値座標保存手段
３５は、セットパルスを入力すると、格納されているＸ
、Ｙ座標を、比較値よりも小さな計算値を与える画素の
Ｘ、Ｙ座標に書換える（　ｒＸ、Ｙ座標の書換えＪステ
ップＳ６）。

■　計算値≧比較値のとき 最小値検出手段３４は、先に格納されている比較値を書
換えずにそのまま格納すると共に、最小値座標保存手段
３５も、格納されているＸ、Ｙ座標を書換えない。

最小値検出手段３４は、前記■及び■のいずれの場合に
も、ステップＳｏｂの次に、ステップＳ７の判断を行う
。

なお、最小値検出手段３４に格納される比較値の初期値
としては、例えば計算値αχ＋βｙとして取り得る値よ
りも大きな値を用いれば良い。例えば、α＝β＝１で、
画像データＭを１行ｍ列の画素に分割した（従って、０
≦Ｘ≦ｍ−１、及び０≦Ｙ≦Ｊ−１となる）場合には、
ｍ＋ｎ−１を比較値の初期値とすることができる。或は
比較値の初期値として最小値検出手段３４に一番最初に
入力された計算値αχ十βｙを用いるようにしても良い
。

また、最小値検出手段３４は、計算値が比較値よりも小
さいとき、及び計算値が比較値と等しいとき、比較値及
びχ、Ｙ座標の書換えを行い、これと共に計算値が比較
値よりも大きいとき、比較値及びχ、Ｙ座標の書換えを
行わないようにしても良い。さらに、最小値座標保存手
段３５のＸ、Ｙ座標としては、任意好適な数値を用いて
良い。

（５）　ステップＳ７ ステップＳ７では、画像データＭの走査を終了したか否
かを判断し、その判断結果に応じて次のような処理を実
行する。

■　画像データＭの走査を終了したとき最大値検出手段
３２及び最小値検出手段３４は、画像データＭの走査が
終了し、データＭの全画素につき処理が終了すると、Ｘ
、Ｙ座標の出力信号を、最大値座標保存手段３３及び最
小値座標保存手段３５へ出力する。すると、座標保存手
段３３゜３５は、格納しているＸ、Ｙ座標を特徴点座標
として出力する。こ九と共に検出手段３２．３４は、比
較値の初期化を行う（ステップＳ８）。

全画素につき処理を終了した時点で、最大値座標保存手
段３３及び最小値座標保存手段３５に格納されているＸ
、Ｙ座標が、最大及び最小計算値を与える画素のｘ、ｙ
座標、すなわち特徴点座標となる。

座標検出手段３０では、α＝β＝１としたので、全処理
終了時点で、例えば第５図に示す被抽出パタンＭ２の特
徴点ＢＲの座標が、最大値座標保存手段３３に格納され
ており、また特徴点ＴＬの座標が、最小値座標保存手段
３５に格納されている。

■　画像データＭの走査が終了しないとき座標検出手段
３０は、画像データＭの走査が終了せず、従ってデータ
Ｍの全画素につき処理が終了していなければ、画像デー
タＭの残りの画素につき、ステップ８４．Ｓ５ａ、Ｓ５
ｂ或はＳ７の判断を行い、その判断結果に応じた処理を
行う。

（Ｂ）特徴点ＢＬ、ＴＲ座標の検出処理この処理は、座
標検出手段４０等で行われる処理である。即ち、座標検
出手段４０は、上述した座標検出手段３０の動作と並行
してその座標検出手段３０とほぼ同様の処理を行う。

この座標検出手段４０では、α＝１及びβ＝１としなの
で、全画素につき処理を終了した時点で、例えば、第５
図に示す被抽出パタンＭ２の特徴点ＴＲの座標が、最大
値座標保存手段４３に格納されており、また特徴点ＢＬ
の座標が、最小値座標保存手段４５に格納されている。

（Ｃ）傾斜度算出処理 前記処理（Ａ）、（Ｂ）で、特徴点ＴＲ，ＴＬ。

ＢＲ，ＢＬの４点の座標（ＴＲｘ、ＴＲｙ）。

（ＴＬｘ、ＴＬｙ）、（ＢＲｘ、ＢＲｙ）、（ＢＬｘ、
ＢＬｙ）が検出されると、傾斜度算出手段５０では、該
４点の座標より、入力文字パタンの傾斜角度に相当する
値（傾斜度）ＴＨを次式に従って計算する。

即ち、傾斜度算出手段５０は、（３）式を用いて、４個
の特徴点を結んで得られる四辺形の右辺の上端と下端の
Ｘ座標値の差と、左辺の上端と下端のＸ座標値の差の平
均を１文字高さの平均で割った値を傾斜度ＴＨ（但し、
ＴＨ；実数）として出力し、周辺分布抽出部９及び特徴
マトリクス抽出部１１へ与える。

（Ｖ）　　周辺分布抽出処理 第７図（ａ＞、（ｂ）は周辺分布抽出方法の説明図であ
り、同図（ａ＞は入力文字パタンの例（数字の’ｏ’＞
、同図（ｂ）は該パタンから抽出された周辺分布である
。

周辺分布抽出部９は、文字傾斜検出部８で得られた傾斜
度ＴＨ（＝実数）に従って、第７図（ａ）に示す文字パ
タンの走査経路を決定する。第７図（ａ＞では、ＴＨ＝
５／２０である。垂直走査は、上辺から走査を開始し、
開始アドレス（Ｘａ、ＹＴ）から開始するときの走査経
路の座標（ｘｌ。

ｙ・）は次式（４）で表わすことができる。

ｘｌ＝Ｘａ ｙ１＝ＹＴ ｘ　＝＝Ｘａ＋Ｔ）ｌｘ　（ｙ、−ＹＴ）’５’ｉ＝’
ｌｉ　１＋１ ・・・・・・（４） 但し、ＴＨＸ　（ｙｉ−ＹＴ）の結果 は、小数点以下を切捨てる。

座標値は全て整数である。

走査経路中の黒ビット数を計数し、Ｘａにおける周辺分
布の値とする。ＸａｌｉＸＬ≦Ｘａ≦ＸＲの範囲で変化
させる。即ち、走査開始点を（ＸＬ。

ＹＴ＞　、（ＸＬ＋１．ＹＴ）、・・・・・・、（ＸＲ
，ＹＴ）に設定し、各走査開始点について（４）式に従
う走査経路上の黒ビット数を計数し、周辺分布を抽出す
る。該抽出された周辺分布を５Ｘ（ｘ）（但し、ｘ＝Ｘ
Ｌ、・・・・・・、ＸＲ）で表わす。

該な、水平方向に走査し、Ｙ１１７方向の周辺分布５Ｙ
（ｙ）（但し、ｙ＝ＹＴ、・・・・・・、ＹＢ）を抽出
する。

本実施例では、水平方向の走査はＸ軸と平行な走査経路
で行う。即ち、パタンレジスタ４の座標（ｘ、ｙ）画素
における画素の値をＰ　（ｘ、ｙ）としたとき、 で計算される。

（Ｖｌ）分割点検出処理 分割点検出部１０では、周辺分布ＳＸ　（ｘ＞　。

ＳＸ（、ｙ）を用いて、外接枠内領域をＮＸｘＮＹ個の
部分領域に分割するためのＸ軸上及びＹ軸上の分割点座
標を、各外接枠毎に決定する。但し、ＮＸはＸ軸方向に
おける分割数、及びＮＹはＹＮ方向における分割数であ
る。

分割数ＮＸ及びＮＹは、文字の複雑さに応じて任意好適
な値に設定するのが好ましい。例えば、漢字・カタカナ
等の画数の少ない文字を認識対象とする場合は、（２Ｘ
２）〜（３Ｘ３）程度の少ない数の部分領域に、外接枠
内領域を分割する。

漢字が認識対象となる場合には、（４Ｘ４）〜（８Ｘ８
）程度の部分領域に、外接枠内領域を分割することが多
い。しかし、本実施例では、認識対象の複雑さにかかわ
らず、外接枠内領域を、例えば常に（４Ｘ４＞個に分割
するようにした。

この分割点検出部１０は、周辺分布抽出部９で作成した
周辺分布ＳＸ　（ｘ）、ＳＹ　（ｙ）の重心座標より、
分割点座標ＤＸ　（ｍ＞　、ＤＹ　（ｎ）を求めるもの
である。これは、文字枠のＸ軸方向またはＹ軸方向の全
範囲、あるいはそれまでに求めた重心座標で分割された
範囲における１次モーメントの和を、その範囲の黒ビッ
ト和で除算することにより求まる。但し、ｍ、ｎは座標
値の大きさの順に付した重心座標番号であり、ｍ＝１〜
ＮＸ−１（ＮＸ−１はＸ軸方向の重心の個数）、ｎ＝１
〜ＮＹ−１（ＮＹ−１はＹ軸方向の重心の個数）である
。

まず、文字枠のＸ軸方向の範囲χＬ〜ＸＲを対象とし、
次式（５）に示すように、入力文字パターンの周辺分布
ＳＸ、（ｘ＞の１次モーメント和を、その範囲の黒ビッ
ト和で除算することにより、中央の重心座標番号の重心
座標ＤＸ（２＞を求める。

但し、右辺の式は実数となるので、 小数点以下を切り上げＤＸ （２）を整数にする。

次に、その重心座標ＤＸ（２＞で分割された夫々の範囲
、ＸＬ〜ＤＸ　（２＞−１，ＤＸ　（２）〜ＸＲを対象
として２つの重心ＤＸ（１）、ＤＸ（３）を求める。

ＤＸ（１） ・・・・・・（６） ＤＸ（３） 以上のようにして重心座標ＤＸ（１）、ＤＸ（２＞、Ｄ
Ｘ　（３）を求め、当該座標をＸ軸上の分割点座標とし
て決定する。

Ｙ軸方向の重心座標も同様に、Ｙ軸上の周辺分布５Ｙ（
ｙ）より、文字枠の範囲ＹＴ〜ＹＢを対象として重心座
標ＤＹ（４）を検出する。次に、ＹＴ〜Ｙ　（２＞−１
，Ｙ　（２）〜ＹＢそれぞれを対象として、周辺分布５
Ｙ（ｙ＞の重心座標Ｙ（１）、Ｙ　（３）を検出する。

以上のようにして、重心座標ＤＹ（１）、ＤＹ（２＞、
ＤＹ　（３）を求め、該座標をＹ軸上の分割点座標とし
て決定する。

このＸ軸上及びＹ軸上の分割点座標は、特徴マトリクス
１１へ与えられる。

（ＶＮ）　　特徴マトリクス抽出処理 文字枠検出部５が文字パタンの外接枠を規定する座標Ｘ
Ｊ　、Ｘｒ、Ｙｔ、Ｙｂを検出し、さらに分割点検出部
１０が文字パタンについて対象分割点座標を検出すると
、特徴マトリクス抽出部１１では、垂直、水平、右斜め
、及び左斜めサブパタンの各パタンから特徴量を抽出し
、特徴マトリクスを作成する。

即ち、特徴マトリクス抽出部１１は、一つの外接枠内領
域を、対象分割点座標と座標Ｘｊ、Ｘｒ。

Ｙｔ、ＹｂとによってＮＸＸＮＹ個の部分領域に分割し
、各部分領域内のサブパタンの文字線１を表す特徴量を
抽出する。そして、一つの外接枠領域内の各サブパタン
から抽出しなＮＸＸＮＹＸ４個の特徴量から成る特徴マ
トリクスを、当該外接枠内領域の特徴量マトリクスとし
て抽出する。

まず、水平サブパタン（Ｈ３Ｐ）からの特徴量抽出につ
き説明する。

特徴マトリクス抽出部１１は、対象分割点座標と座標Ｘ
ｆｌ　、Ｘｒ、Ｙｔ、Ｙｂとに基づき、外接枠内領域を
ＮＸｘＮＹ個の部分領域に分割しく対象分割点座標及び
座標ＸＪ　、Ｘｒ、Ｙｔ、Ｙｂは分割点座標である）、
各部分領域毎に部分領域内の水平サブパタンＨ８Ｐの黒
ビット数ＢＨ（ｉ。

ｊ〉を計数する。

分割点座標から分割領域の決定は、次のように行う。Ｘ
軸上の分割点座標ＤＸ（ｎ＞は、文字パタンの外接枠上
辺の分割点を示している。この座標を起点として、次式
（８）で求められる座標系列の左側を分割境界Ｓとする
。

ｘｌ＝ＤＸ（ｎ＞ ｙｌ＝ＹＴ ｘ　、＝ＤＸ　（ｎ＞−ＴＨｘ　（ｙ　＝　−ＹＴ）ｙ
ｉ＝ｙｉ−１＋１ ・・・・・・（８） この分割境界の例が、第７図（ａ＞に示されている。

水平方向の分割境界Ｓは、ＤＹ　（ｍ”）より、水平方
向に設定する。

以上のように分割された分割領域毎に、水平サブパタン
Ｈ８Ｐの黒ビット数ＢＨ（ｉ、、ｊ）を計数する。この
ＢＨ（ｉ、ｊ＞は、一つの外接枠内領域に関する第ｉ行
第ｊ列の部分領域の黒ビット数である。次に、（９）式
に従って第ｉ行第ｊ列の部分領域に関する特徴量ＦＨ（
ｉ、ｊ）を計算する。

但し、ｉ＝１．２．・・・・・・、ＮＸｊ＝１．２．・
・・・・・、ＮＹ ＷＬ；線幅 ｗｐｈ、文字幅（＝Ｘｒ−Ｘｊｌ　＋１　）さらに、Ｈ
８Ｐの場合と同様にして、第ｉ行第ｊ列の部分領域のＶ
ＳＰ、Ｈ３Ｐ、ＬＳＰの黒ビット数ＢＶ（ｉ、ｊ＞、Ｂ
Ｒ（ｉ、ｊ＞、ＢＬ（ｉ、ｊ＞を計数し、次式（１０）
〜（１２）に従って第ｉ行第ｊ列の部分領域に関するｖ
ｓｐ。

Ｈ８Ｐ、ＬＳＰの特徴量ＦＶ（ｉ、ｊ＞、ＦＲ（ｉ、ｊ
＞、ＦＬ（ｉ、ｊ）を算出する。

但し、 ＷＰｖ；文字高さ（＝Ｙｂ−Ｙｔ−ｉ１）ＷＰ　ｒ　＝
ＷＰＮ　＝　（ＷＰ　ｖ　＋ＷＰ　ｈ　＞　／　２以上
のようにして、外接枠内領域の各部分領域毎にＶＳＰ、
Ｈ３Ｐ、Ｈ８Ｐ、ＬＳＰの特徴量を抽出し、これらＮＸ
ＸＮＹＸ４個の特徴量から成る特徴マトリクスＦ　（ｋ
）（ｋ＝１．２．・・・・・・ＮＸｘＮＹｘ４）を得る
。特徴マトリクス抽出部１１は、特徴マトリクスＦ　（
ｋ）を各外接枠領域毎に抽出し、その抽出結果を識別部
１２へ送る。

（■）　識別処理 識別部１２は、抽出された特徴マトリクスＦ（ｋ）と、
内部に設けられた辞書メモリ内の特徴マトリクスＧ　（
ｋ）とを、照合することにより、該特徴マトリクスＦ　
（ｋ＞を得た外接枠内領域の文字図形の認識を行う。こ
の認識では、次式（１３）に従って特徴マトリクスＦ　
（ｋ＞とＧ（、ｋ）間の距ｔｉ［）を求め、距離りが最
小となる特徴マトリクスＧ　（ｋ）の標準文字の文字名
（例えば、ＪＩＳ規格に定められた文字コード〉ＯＵＴ
を認識結果として出力する。

以上のように、本実施例では、次のような利点を有して
いる。

（ａ）　　本実施例では、バタンレジスタ４内の文字バ
タンを含むＸ−Ｙ座標系で表現される平面において、文
字パタンの黒画素に関するαχ＋βｙの最大値及び最小
値を与える座標を文字傾斜検出部８で検出し、さらにそ
の座標に基づき文字パタンの傾斜角を検出する。そして
、該傾斜角に従って周辺分布抽出部９で周辺分布を抽出
し、その周辺分布を用いて分割点検出部１０で分割点を
検出する。その後、特徴マトリクス抽出部１１で、該傾
斜角及び周辺分布に基づき分割境界を設定し、特徴マト
リクスを抽出している。そのため、傾斜を有する文字パ
タンについても、抽出される特徴が安定となる。従って
、文字傾斜の変形に対応した辞書を識別部１２内に用意
する必要がなく、辞書容量の減少により照合時間を短縮
でき、処理速度の高速化が図れると共に、ハード規模が
小さく、認識精度の良い文字認識方法を提供できる。

（ｂ）　　上記実施例では、第４図のような印刷文字に
おける斜体字の認識方法について説明したが、認識対象
文字は、これに限定されない。例えば、手書き文字の法
学で、右上がりに記入された文字を認識対象とする場合
は、文字の４個の特徴点を結んで得られる四辺形の上辺
、下辺が傾斜しているものとして、上記実施例とほぼ同
様の処理で認識することができる。

なお、本発明は、上記実施例に限定されず、例えば第３
図の文字傾斜検出部８を、他の機能ブロックで構成した
り、あるいはそれらの機能ブロックを、コンピュータを
用いたプログラム制御等で実行する構成にしてもよい。

さらに、その文字傾斜検出処理を、第６図（ａ＞、（ｂ
）以外の処理フローチャートで実行する等、種々の変形
が可能である。

（発明の効果） 以上詳細に説明したように、本発明によれば、文字パタ
ンを含むＸ−Ｙ座標系で表現される平面において、αχ
士βｙの最大値及び最小値を与える座標を求め、その座
標に基づき文字パタンの傾斜角を検出する。次に、周辺
分布を抽出し、その周辺分布を用いて分割点を検出する
。その後、該傾斜角及び周辺分布に基づき、文字外接枠
内の分割境界を設定し、その分割境界で分割された領域
毎に、特徴を抽出するようにしている。そのため、傾斜
を有する文字パタンについても、抽出される特徴が安定
となり、文字傾斜の変形に対応した辞書を用意する必要
がない。これにより、辞書容量の減少と、それによる照
合時間の短縮化によって処理速度の高速化が図れると共
に、小さなハード規模で、認識精度の良い文字認識方法
を実現できる。

【図面の簡単な説明】

第１図は本発明の実施例を示すもので、文字認識方法を
説明するための文字認識装置の機かとブロック図、第２
図（ａ）、（ｂ）は従来の文字認識方法を説明するため
の図、第３図は第１図における文字傾斜検出部の機能ブ
ロック図、第４図は斜体字の例を示す図、第５図（ａ＞
、（ｂ）は傾斜度検出方法を説明するための特徴点の検
出例を示す図、第６図（ａ）、（ｂ）は文字傾斜検出の
フローチャート、第７図（ａ）、（ｂ）＋は周辺分布抽
出方法を説明するための図である。 １・・・・・・光電変換部、２・・・・・・行バッファ
、３・・・・・・文字切出部、４・・・・・・バタンレ
ジスタ、５・・・・・・文字枠検出部、６・・・・・・
線幅測定部、７・・・・・・サブバタン抽出部、８・・
・・・・文字傾斜検出部、９−−−−０：周辺分布抽出
部、１０・・・・・・分割点検出部、１１・・・・・・
特徴マトリクス抽出部、１２・・・・・・識別部、２１
・・・・・・Ｘ座標発生手段、２２・・・・・・Ｙ座標
発生手段、３０，４０・・・・・・座標検出手段、５０
・・・・・・傾斜度算出手段。 餅米の文字証、讃、方法 尭２図 第３図 ？体字の例 莞４図 傾Ｐｒ度検出方法 第５図 泰小惰史埋 （ｂン 文字イ頃↑（検出フローヲ＋−ト 蝉６図 文字イ頃金Ｉ杢出フローヲ＋−ト Ｗ）６図 周辺チ１５１由工方夕大 亮７図

Claims (1)

1. 【特許請求の範囲】 媒体上の文字を光電変換して得られる文字パタンの外接
   枠を検出し、該外接枠内を複数の領域に分割し、該分割
   された分割領域毎に特徴を抽出した後、該抽出された特
   徴と予め用意した標準特徴との照合により、前記文字を
   認識する文字認識方法において、 前記文字パタンを含むＸ−Ｙ座標系で定義される平面に
   おいて、少なくとも２組の特定の実数α、βについて前
   記文字パタンの黒画素に関するαｘ＋βｙ（但し、ｘ、
   ｙはＸ−Ｙ座標系の座標値）の最大値及び最小値を与え
   る座標を求め、該座標に基づき前記文字パタンの傾斜角
   を検出し、前記傾斜角に基づき前記文字パタンを走査し
   て周辺分布を抽出し、前記周辺分布を使用して前記外接
   枠内の分割点を検出した後、 前記傾斜角及び分割点に基づき前記外接枠内の分割境界
   を設定し、該分割境界に基づき前記外接枠内を複数の領
   域に分割することを特徴とする文字認識方法。