JPH0554181A

JPH0554181A - 文字認識装置の文字分離方法

Info

Publication number: JPH0554181A
Application number: JP3216814A
Authority: JP
Inventors: Tomoyuki Kurita; 知幸栗田; Tetsuya Yasuda; 哲也安田
Original assignee: Meidensha Corp; Meidensha Electric Manufacturing Co Ltd
Current assignee: Meidensha Corp; Meidensha Electric Manufacturing Co Ltd
Priority date: 1991-08-28
Filing date: 1991-08-28
Publication date: 1993-03-05

Abstract

(57)【要約】【目的】文書や図面に書かれた文字を認識する装置
で、「表」の罫線と接触している文字を切り出し、罫線
成分と明瞭に区別して、表を成形出力できるようにす
る。【構成】芯線化の際に使用した輪郭ベクトルを芯線別
に分類し、分類されない輪郭ベクトルのうち最も外側の
ループの芯線ベクトルｍ１〜ｍ１２を捜し、そのコーナ
特徴点Ｑ１〜Ｑ４と交差点特徴点Ｐ１〜Ｐ８を発見し、
それらの情報に基づいて芯線ベクトルを各辺に含むグル
ープに細分する。例えばグループＧ１はＱ１−ｍ１２−
Ｐ１−ｍ１１−Ｐ２−ｍ１０−Ｑ３で、コーナを共有し
ないもの同士が対応する辺となる。これらの交差点を連
結する芯線ベクトルＰ１−Ｋ１−Ｒ２−Ｋ２−Ｒ５−Ｋ
３−Ｐ６に対応する輪郭ベクトルを罫線として除外し、
残された種別未定の輪郭ベクトルとどのグループにも属
していない芯線ベクトルを文字のベクトルとして処理す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書や図面に書かれた
文字をコンピュータで認識する文字認識装置で、文字を
文字以外の線分と区別する文字分離方法に関し、特に、
表中の文字を罫線から分離する文字分離方法に関する。

【０００２】

【従来の技術】文書や図面に書かれている文字をコンピ
ュータで読み取る場合、まず被写体をイメージスキャナ
等の撮像手段でラスタスキャンし、入力されたパターン
の白黒に対応する２値画像データから対象となる文字の
データを抽出し、これを辞書と参照することにより認識
処理を行っている。被写体が文字やシンボル，図形等の
混在する図面や表の場合、最初に文字の部分と図形の部
分を分け、更に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。図面に含まれる文字は、文字の大きさ
が一定でない場合が多いので、抽出も認識も大変難し
い。そこで、文字を切り出す前に、入力画像を輪郭ベク
トル化し、要素分離を行う。まず、孤立輪郭ベクトルル
ープの外接四角形の大きさにより文字候補の判定を行
う。文字候補の条件は、図４に示す如く、ベクトルの幅
寸法をＬ₁，高さ寸法をＬ₂とし、文字の大きさの最大値
を規定するしきい値をＬ₀としたとき、Ｍａｘ｛Ｌ₁，Ｌ₂｝＜Ｌ₀ である。文字候補のうち検索対象となる文字列の高さと
同程度の高さを持つものを文字列候補の核として、図５
（ａ）に示すような範囲に中心座標を有する文字候補を
検索する。手順としては、まず文字列核から右側に図５
（ｂ）に示すような範囲内に他の文字候補の中心点を検
索し、発見されたもののうち中心核よりも最も遠い距離
にあるものを次の探索範囲の開始点とし、発見できなか
った場合は右側の探索を終了し、同様な探索を左側に向
かって行う。これらの探索により発見された文字列候補
の中から、図５（ｃ）に示すようｉ、核の高さｈｃと候
補間の距離ｄがｄ（ｉ，ｊ）＜ｈｃ×定数（１／２≦定数≦１）という関係にあるとき図字の文字列候補内のｉ，ｊが文
字列として抽出される。

【０００３】

【発明が解決しようとする課題】従来の文字認識装置
で、文字の分離が正しく行われるためには、下記の制約
があった。即ち、（１）文字を構成する輪郭ベクトルの外周を文字以外の
輪郭ベクトルの外周と区別できること。通常、輪郭ベク
トルの外周が所定の値よりも大きければ文字以外の図形
の輪郭ベクトルと判断し、所定の値以内のものを文字の
輪郭ベクトルと判断する。

【０００４】（２）文字の輪郭ベクトルが他の文字以外
の図形、例えば線やシンボルなどと接触していないこ
と。

【０００５】の二つである。しかし、表などの枠付き文
字列で枠内に文字を書く場合、図６の数字１，４，６の
ように、輪郭ベクトル化した文字と枠が接触してしまう
ことが多く、このような用途に対する文字認識の性能を
低下させる原因になっていた。本発明は、このような課
題に鑑みて創案されたもので、表中で他線分と接触して
いる文字を切り出すことが可能で、文字と罫線成分を明
瞭に区別し、表を成形出力することができる文字認識装
置の表中文字分離方法を提供することを目的としてい
る。

【０００６】

【課題を解決するための手段】本発明における上記課題
を解決するための手段は、文字，シンボル及びその他の
線分が混在する文書又は図面をスキャナより入力し、そ
の黒白に対応する２値画素データから輪郭ベクトルを抽
出し、そのデータを文字辞書と参照することで文字を認
識する文字認識装置で、文字データを文字以外の線分の
データから分離する文字分離方法において、輪郭ベクト
ルを芯線化し、その際に使用した輪郭ベクトルを芯線ご
とに分類し、分類されなかった輪郭ベクトルループのう
ち最も外側のループの特徴点を基に芯線ベクトルを細分
し、コーナを共有しないもの同士の交差点を連絡する最
短の芯線ベクトルに対応する輪郭ベクトルを除外し、残
された種別未定の輪郭ベクトルといずれのグループにも
属していない芯線ベクトルを文字ベクトルとして処理す
る文字分離方法によるものとする。

【０００７】

【作用】本発明は、表に書かれている文字に対して、文
字が枠に接触している場合でも文字を正しく分離できる
方法である。そのため、本発明では、入力された画像の
輪郭ベクトルを文字候補とそれ以外のものとに分類する
工程を設け、それ以降の処理は既存の分離方法を使用す
る。尚、表の構成要素は文字と罫線だけと考えると、文
字以外の線分は罫線と見なすこともできる。分類は、ま
ず輪郭ベクトルを２種類に分け、明らかに文字と考えら
れるものとそうでないものとに区分する。明瞭でないも
のは芯線化し、芯線ごとに分類する。このとき分類から
漏れたもののうち最も外側のループが表全体の枠組であ
るから、その芯線に生じる中断点、即ちコーナや交差点
の特徴点を求め、対向する特徴点を最短で結ぶ芯線ベク
トルをこれも枠組と判断する。従って、図６に示した輪
郭ベクトルを芯線化した図１を本発明の実施例を兼ねて
原理図として示すように、既に文字としてマークされた
もの以外の輪郭ベクトルを芯線化したデータに対して、
各芯線ベクトルの生成に使用した輪郭ベクトル及びその
ループ番号を記憶しておき、未だに分類されていない輪
郭ベクトルループのうち最も外側のループの番号を有す
る芯線ベクトルｍ１〜ｍ１２を捜し、それらのコーナ特
徴点Ｑ１〜Ｑ４と交差点特徴点Ｐ１〜Ｐ８を発見し、こ
れらのデータを基に芯線ベクトルグループを各辺に含む
グループに細分する。例えばグループＧ１はＱ１−ｍ１
２−Ｐ１−ｍ１１−Ｐ２−ｍ１０−Ｑ３となる。ここ
で、コーナ特徴点を共有しないもの同士の対向する交差
点を結ぶ芯線ベクトルＰ１−Ｋ１−Ｒ２−Ｋ２−Ｒ５−
Ｋ３−Ｐ６を求め、この芯線ベクトルに対応する輪郭ベ
クトルに罫線マークを付与して除外すると、残された種
別未定の輪郭ベクトル及びどのグループにも属していな
い芯線ベクトルは文字ベクトルと判断されるので、これ
らを抽出処理すればよい。

【０００８】

【実施例】以下、図面を参照して、本発明の一実施例を
詳細に説明する。図２は本発明の一実施例を示す工程図
である。同図において、本発明の文字分離方法は、図６
に示した輪郭ベクトルより外接四角形の大きさに基づい
て文字候補を除外する処理の後に挿入されるもので、芯
線ベクトル化工程１と、外郭ループ探索工程２と、第１
次罫線成分処理工程３と、特徴点探索工程４と、芯線グ
ループ細分化工程５と、第２次罫線成分処理工程６と、
文字列候補処理工程７とで構成されている。本発明で
は、これらの工程により、図６に示した輪郭ベクトルで
罫線成分に接触している文字候補を分離する前処理を行
う。即ち、（１）工程１では、図６に示した輪郭ベクトルで前記外
接四角形の大きさに基づき、既に文字候補としてマーク
を付与されているものＣ１，Ｃ２，Ｃ３を除いて、残り
の輪郭ベクトルに対して芯線化処理を行い、図１に示す
如き芯線ベクトルを得る。その際、芯線ベクトルの生成
に使用した輪郭ベクトル及びそのループ番号を記憶して
おく。例えば図１における芯線ベクトルｍ１は、図６に
示した輪郭ベクトルｃｆ０、ループＮｏ．２、輪郭ベク
トルｃｆ２、ループＮｏ．２が使用されている。以下、
これらの芯線ベクトルと輪郭ベクトルの対応関係を照合
しながら、輪郭ベクトルの罫線成分を除去すると、残さ
れたものが接触文字の成分と決定されて行くわけであ
る。

【０００９】（２）工程２では、まだ分類されていない
輪郭ベクトルループのうち、最も外側の輪郭ベクトルル
ープを取り出し、このループのグループ番号を持つ芯線
ベクトルを捜す。例えば図６に示すループ番号Ｌ２に対
しては図１に示す芯線ベクトルｍ１〜ｍ１２が相当す
る。

【００１０】（３）工程３では、前記芯線ベクトルｍ１
〜ｍ１２の生成時に使用した輪郭ベクトルに罫線成分と
してマークを付与し、除外する。例えば図６の例では番
号Ｌ２のループ内の全輪郭ベクトルと輪郭ベクトルｃｆ
１〜ｃｆ１２がその対象となる。

【００１１】（４）工程４では、工程２で取り出された
芯線ベクトルのグループｍ１〜ｍ１２を使用して、特徴
点を発見する。特徴点は、図３（ａ）や呼び（ｂ）に示
すように、輪郭ベクトル３１から芯線ベクトル３２を生
成する際に、交差点３３やコーナ３４で中断点が発生す
るもので、芯線ベクトル３２の情報として付加される。
図１では、Ｐ１〜Ｐ８が交差点であり、Ｑ１〜Ｑ４がコ
ーナである。

【００１２】（５）工程５では、それらの特徴点情報に
基づいて、芯線ベクトルのグループｍ１〜ｍ１２を各辺
に含むグループごとに細分する。グループの細分は、隣
り合ったコーナ特徴点の間に存在する芯線ベクトル及び
交差点特徴点とする。従って、図１では、Ｇ１；Ｑ１−ｍ１２−Ｐ１−ｍ１１−Ｐ２−ｍ１０−Ｑ
３Ｇ２；Ｑ１−ｍ１−Ｐ８−ｍ２−Ｐ７−ｍ３−Ｑ２Ｇ３；Ｑ２−ｍ４−Ｐ６−ｍ５−Ｐ５−ｍ６−Ｑ４Ｇ４；Ｑ３−ｍ９−Ｐ３−ｍ８−Ｐ４−ｍ７−Ｑ４となり、コーナ特徴点を共有しないもの同士が対向する
辺となる。

【００１３】（６）工程６では、上記のグループに対し
て対向する辺同士の交差点特徴点を連絡する芯線ベクト
ルを捜すことにより、罫線の縦線及び横線に対応するベ
クトルを発見し、マークを付与して除外する。尚、対向
する特徴点同士を結ぶ芯線のパターンは多数存在する
が、その中で芯線ベクトル長を加算して最短の経路を辿
るものを所望の芯線グループとする。図１では、前記グ
ループＧ１の交差点特徴点Ｐ１に対してＰ１−Ｋ１−Ｒ
２−Ｋ２−Ｒ５−Ｋ３−Ｐ６が所望の芯線グループであ
る。このように、各特徴点に対して所望のグループを決
定してゆき、それに対応する輪郭ベクトルに罫線のマー
クを付与する。例えば、図１に示す芯線ベクトルＫ１に
対しては、図６の輪郭ベクトルＣｎ１，Ｃｎ２がマーク
を付与される。

【００１４】（７）工程７では、残されている種別未定
の輪郭ベクトルといずれのグループにも属していない芯
線ベクトルを文字の輪郭ベクトルとして処理する。例え
ば図１に示す芯線ベクトルＫ１に対して図６の輪郭ベク
トルＣｎ１，Ｃｎ２が決定され、この二つのベクトル群
を一つの文字を形成している輪郭ベクトルとする。

【００１５】本実施例は下記の効果が明らかである。

【００１６】（１）表中で他の線分と接触している文字
を切り出すことができる。

【００１７】（２）文字と罫線成分とを明瞭に区別で
き、表を成形して出力できる。

【００１８】

【発明の効果】以上、説明したとおり、本発明によれ
ば、表中で他の線分と接触している文字を切り出すこと
ができ、文字と罫線成分を明瞭に区別し、表を成形して
出力可能な文字認識装置の表中文字分離方法を提供する
ことができる。

【図面の簡単な説明】

【図１】本発明の芯線ベクトルの説明図。

【図２】本発明の実施例の工程図。

【図３】特徴点の説明図。

【図４】文字認識処理の説明図。

【図５】文字認識処理の説明図。

【図６】輪郭ベクトルの説明図。

【符号の説明】

１…芯線ベクトル化工程、２…外郭ループ探索工程、３
…第１次罫線成分処理工程、４…特徴点探索工程、５…
芯線グループ細分化工程、６…第２次罫線成分処理工
程、７…文字列候補処理工程。

Claims

【特許請求の範囲】

【請求項１】文字，シンボル及びその他の線分が混在
する文書又は図面をスキャナより入力し、その黒白に対
応する２値画素データから輪郭ベクトルを抽出し、その
データを文字辞書と参照することで文字を認識する文字
認識装置で、文字データを文字以外の線分のデータから
分離する文字分離方法において、輪郭ベクトルを芯線化
し、その際に使用した輪郭ベクトルを芯線ごとに分類
し、分類されなかった輪郭ベクトルループのうち最も外
側のループの特徴点を基に芯線ベクトルを細分し、コー
ナを共有しないもの同士の交差点を連絡する最短の芯線
ベクトルに対応する輪郭ベクトルを除外し、残された種
別未定の輪郭ベクトル及びいずれのグループにも属して
いない芯線ベクトルを文字ベクトルとして処理すること
を特徴とする文字分離方法。