JPH0652309A - 傾き検出方法および画像処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 ケイ線などの混在する画像中から文字列など
を抽出して認識処理を行う画像処理装置において、高
速、高精度に所定の図形（黒線）の傾きを検出する。 【構成】 入力された２値画像１０１を符号化し、符号
化された２値画像データより上記２値画像中の所定の図
形（黒線）１０４、１０５を抽出し、抽出された所定の
図形の傾きを最小二乗法による直線近似により求める。
また、傾き検出のための直線近似をラン、輪郭などの画
像の符号化方式を利用し、高速、高精度に実行する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】光ディスクを用いた文書ファイリ
ングシステム等の画像処理装置に係り、入力された画像
の傾きを検出するのに好適な傾き検出方法に関する。

【０００２】

【従来の技術】光ディスクを用いた文書ファイリングシ
ステムが製品化され、大量の文書をイメージデータで保
存・検索できるようになった。また、多量のテキストデ
ータを高速に検索する技術が開発されている。このよう
に、紙に替わって電子的な手法で高度な文書情報の利用
ができる環境が整いつつある。一方、文書システムの大
容量化に伴い、文書の登録により多くの人手が費やされ
るようになってきた。このため、文書中の文字を認識
し、自動的にシステムに登録する技術が不可欠になって
きている。

【０００３】文書中には罫線、囲み枠、割り罫、アンダ
ーラインなど様々な黒線が用いられる。こうした黒線を
含む文書中の文字を認識するためには、文書中の黒線を
検出し、黒線の位置、傾きなどの情報用いて文字行を切
り出さなくてはならない。しかし、文書画像中の黒線は
しばしば傾いている場合がある。自動紙送り装置を用い
てスキャナ入力を行う場合、原稿のずれに伴う文書画像
の傾きは±１０度以内といわれている。このような場合
に対応するため、傾いた画像から黒線を抽出し、抽出し
た黒線の傾きを算出することが必要とされている。

【０００４】検出した黒線の傾きを算出する従来技術と
して、(a) 端点あてはめ法、(b)反復端点あてはめ法
（R.Nevatia ”MACHINE PERCEPTION”（日本語訳 南
敏監訳”画像認識と画像理解” 啓学出版） pp. 120
- 164 （昭和６１年））、(c)ハフ変換による方式
（松山、興水 ”Ｈｏｕｇｈ変換とパターンマッチン
グ” 情報処理Vol. 30 No. 9 （平成１年））、等
がある。

【０００５】このうち(a)は、黒線の端点を結ぶ直線で
黒線を近似し、傾きを求める方式である。この方式は処
理量が少なく、また多くの記憶容量を必要としない。し
かし、画像にノイズやジャギー（画像の縁のぎざぎざ）
がある場合には高い精度が得られない。

【０００６】(b)は、与えられた曲線の２端点を線分に
より結び、この直線から最も遠くにある点まで距離があ
る値以上の場合には線分を二つに分割する。さらに分割
された線分に対して同様の処理を繰り返す、処理は線分
からある値以上に遠くにあるものがなくなった時点で終
了する。これにより黒線の輪郭を区分的な線分により近
似し、傾きを求めることができる。しかしこの方式は、
直線から点への距離の計算を画素毎に反復する必要があ
り、高速化が困難である。また、折れ線を表現するため
に、多くの記憶容量を必要とする。

【０００７】(c)は画像中の任意の点の座標から直線へ
変換する写像を求め、黒画素の写像の直線の集積点を求
めることにより、画像中から直線の傾きを検出するもの
である。この方式は(a、b)平面を表現するのに多くの記
憶容量を必要とし、また、集積点を求めるのに多くの処
理時間が必要である。

【０００８】

【発明が解決しようとする課題】従来の文書画像中の黒
線などの傾き検出方式のうち、(a)の端点あてはめ法は
は精度が高くない。また、(b)の反復端点あてはめ法、
(c)ハフ変換による方式は、処理速度が遅いという問題
点がある。

【０００９】そこで、本発明の目的は、２値画像中の図
形を高速、高精度に直線近似し、傾きを検出することが
できる画像の傾き検出方法及び画像処理装置を提供する
ことにある。

【００１０】

【課題を解決するための手段】本発明は、入力された２
値画像を符号化し、符号化された２値画像データより２
値画像中の所定の図形を抽出し、抽出された所定の図形
の傾きを最小二乗法による直線近似により求めることを
特徴とするものである。

【００１１】特に、ランデータ符号化、輪郭データ符号
化等の画像の符号化方式を利用し、高速に２値画像中の
図形の最小二次モーメントを計算し、直線近似を行うこ
とにより実現する。

【００１２】

【作用】最小二乗法による直線近似を画像処理に適用す
ることにより、２値画像中の所定の図形を高速、高精度
に直線近似し、傾きを検出することができる。

【００１３】特に、ある図形中のランの直線に対する二
次モーメントはランの中点の座標とラン長の多項式によ
って表現できる。この多項式の値を最小にする係数を求
めることにより、その図形を近似する直線の傾きを得
る。また同様に輪郭データの輪郭長と輪郭方向を用いて
最小二次モーメントを計算することができる。ランデー
タ、輪郭データなどに符号化したデータにより最小二次
モーメントを計算する方式は、画素データを用いる方式
に比べてメモリへのアクセス回数や計算回数が少なくな
り、高速に２値画像中の図形の直線近似を求めることが
できるため、画素数が多い対象物に対して有効ある。

【００１４】尚、最小二乗法による直線近似自体は、統
計数学等の分野では知られた手法であるが、画像処理の
分野における傾き検出に適用した例はなく、(a)端点あ
てはめ法よりも精度が高く、(b)反復端点あてはめ法、
(c)ハフ変換による方式などに比べて、多くの記憶容量
を必要としない。また、多くの画素を処理する場合で
も、ランデータ、輪郭データを活用すれば処理速度の点
でも問題がない。

【００１５】

【実施例】図１は、黒線の傾き検出を用いた文書画像か
らの文字行抽出の原理を説明する図である。図１(a)に
示すように文書画像１０１がスキャナより傾いて入力さ
れたり、文書中の罫線１０２および文字列１０３が傾い
て印刷される場合がある。これらの場合のように、文書
中の傾いた文字を認識するためにはまず文書中の文字行
の位置を検出する必要がある。一般に文字行の検出には
文書縦方向および横方向の大きな空白の探索により行な
う。

【００１６】しかし、文書画像自体が傾いている場合に
は、文書縦方向および横方向の大きな空白が良好に見つ
けられず、その文書画像から文字行を取り出すのが困難
である。また図１(a)に示すように、表や罫線が文字行
と混在していると空白を検出する妨げとなってしまうと
いう問題点がある。そこで、まず図１(b)に示すように
文書中から黒線を抽出し（図１(b)の例は横方向の黒線
１０４および１０５のみを検出している。）、次に図１
(c)に示すように抽出した文書中の端点座標１０６と１
０７と黒線の傾き１０８を求め、傾きを補正すると共に
黒線を除去すると、図１(d)に示すように文字行座標１
０９を検出することができる。

【００１７】図２は黒線傾き検出を用いた文字認識の処
理手順を示す。まず、ステップ２０１においてスキャナ
などから文書画像を入力する。次にステップ２０２にお
いて黒線を抽出し、ステップ２０３において黒線の位置
と傾きを検出する。検出した黒線の位置と傾きを用いて
ステップ２０４において文書中の文字行を抽出し、ステ
ップ２０５において文字行中の文字を認識してステップ
２０６において文字コードを出力する。

【００１８】本発明では、文書画像中の黒線などの２値
画像中の図形の傾きを検出する方式として最小二乗法に
よる直線近似を例に取り説明する。

【００１９】図３は基本原理を説明する図である。画像
中のＸＹ座標系は３０１のように定義する。文書中の横
罫線などＸ軸にほぼ平行な図形３０２に対し、点の集合
Aを

【００２０】

【数１】

【００２１】と定義した際に

【００２２】

【数２】

【００２３】の式で表す積分値Iを最小にする a、b
を求める。これは直線３０３

【００２４】

【数３】

【００２５】周りの二次モーメントを最小とすることに
相当する。このように求められた直線３０３により図形
３０２の傾きを近似することができる。

【００２６】図４は、第１の実施例である画素データに
よる二次モーメントの計算法を説明するものである。離
散化された画像においてＸＹ座標系を４０１のように定
義する。この画像中の図形４０２に含まれる画素の集合
S'を

【００２７】

【数４】

【００２８】とおくと、数１の I は

【００２９】

【数５】

【００３０】で表されるSで近似できる。数４は

【００３１】

【数６】

【００３２】と変形できる。ここで数６の各係数を

【００３３】

【数７】

【００３４】とおけば数６はさらに

【００３５】

【数８】

【００３６】と変形できる。Sは a および b の二
次式で、かつ常に p > 0 かつr >0 なので最小値
が存在する。S を最小とする a および b の値は
以下の式数９に数７を代入して求めることができる。

【００３７】

【数９】

【００３８】図５は、第２の実施例である最小二次モー
メントのランデータを用いた計算方式の原理を説明する
図である。ランとは二値画像中である方向に連続した黒
または白の画素の集まりである。本明細書中では断りの
ないかぎり単にランという場合には横方向（X字句方
向）の黒画素のランのことである。図５中の黒く塗潰し
た部分５０２は画像中の一つのランを示している。

【００３９】図４の第１の実施例のように画素データを
用いると、画素数が多い場合に計算量が膨大なものとな
るが、図５のランデータを用いて計算を行った場合、画
像処理に二次モーメントの計算を行っても十分実用的な
計算量で済むという利点がある。

【００４０】ここで、 Rj : ある図形に属するｊ番目のラン ( xj 、 yj ) : Rjの中点の座標 lj : Rjのラン長 N : ある図形に属するランの総数 とすると、数２は

【００４１】

【数１０】

【００４２】と置き換えることができる。

【００４３】以下、数１０のI'を計算すると

【００４４】

【数１１】

【００４５】ここで

【００４６】

【数１２】

【００４７】とおくとI'は数８と同様に

【００４８】

【数１３】

【００４９】の時、最小となる。

【００５０】図６は、第３の実施例である輪郭データを
用いた傾き検出の原理を示す図である。第２の実施例同
様、画素数が多い場合に画像データを用いずに、十分実
用的な計算量で画像の二次モーメントの計算を行うもの
である。

【００５１】二値画像中の黒画素から成る図形６０１に
対し、その図形に含まれなおかつ白画素に４近傍で接触
している画素を求め、これらの画素の隣り合うもの同士
の中心を結び、輪郭６０２とする。また図６に示す様に
輪郭６０２を折れ曲がる点riでN'個の線分Ci(1≦i≦N
c）に分割する。図６の６０３は折れ曲がる点riの例で
あり、６０４は、輪郭６０２を逆時計周りにたどった際
の６０３のとなりの折れ曲がる点である。線分Ciの方向
Ｄiを図７に示すように定義する。図７のe0、e1等は、
各方向に対応するベクトルである。また、線分Ciの長さ
を画素の座標riとri+1を８近傍距離で表現したものを
（Li）とする。図６の例では６０５は６０３と６０４を
結ぶ線分であり、その長さがLi ＝ 3であり、方向 D
i = 2 である。輪郭データとは、図形の輪郭Cをあら
わすLiとDiのいくつかの対である。なお、輪郭には内輪
郭と外輪郭があり、一つの連結成分は１つの外輪郭と０
個以上の内輪郭で表現されるが、図６に示す様に図形が
唯一の閉曲線で表される場合は内輪郭は０個となる。以
後、断りのないかぎり、図形は唯一の閉曲線で表される
ものとする。

【００５２】最小二乗法による直線近似を行なうために
は数２の積分を図形中の全ての画素に対しておこなえば
よいが、輪郭データを用いてこの積分を行なうとその結
果はa および b の３次式となり、扱いが困難にな
り、処理量も増加する。そこで、簡略な方式として、図
形の外輪郭C上（図中の６０２）で数２の積分を行な
い、直線近似を行なう。

【００５３】以下にDiの値毎に線分Ci上での数２積分値
I"i の計算式および I" iをa およびを b に関
する多項式

【００５４】

【数１４】

【００５５】とみなしたときの係数 pi、qi、ri、si、
ti、ui を示す。

【００５６】（Di = 0）

【００５７】

【数１５】

【００５８】

【数１６】

【００５９】（Di = 1）

【００６０】

【数１７】

【００６１】

【数１８】

【００６２】（Di = 2）

【００６３】

【数１９】

【００６４】

【数２０】

【００６５】（Di = 3）

【００６６】

【数２１】

【００６７】

【数２２】

【００６８】（Di = 4）

【００６９】

【数２３】

【００７０】

【数２４】

【００７１】（Di = 5）

【００７２】

【数２５】

【００７３】

【数２６】

【００７４】（Di = 6）

【００７５】

【数２７】

【００７６】

【数２８】

【００７７】（Di = 7）

【００７８】

【数２９】

【００７９】

【数３０】

【００８０】ここで

【００８１】

【数３１】

【００８２】とし、これを次式

【００８３】

【数３２】

【００８４】に代入すると、I" は輪郭線上（図６の６
０２）の画素の直線l周りの二次モーメントとなる。数
３２のI"を最小とする a、b の値は数１３と同様に

【００８５】

【数３３】

【００８６】である。

【００８７】図８に黒線傾き検出の第１の実施例の具体
的な処理手順を示す。図８は画素データを用いる黒線傾
き検出である。図８に示されているのは、図１(b)の１
０４、１０５のように入力画像から取り出した黒線に対
し、図１（c）に示すような直線近似をして端点の座標
及び傾きを求める過程の処理手順である。直線近似はス
テップ８０１のループの中で画像中の各連結成分毎に行
なわれる。まず、ステップ８０２においてp、q、r、s、
t等のパラメータを初期化する。次にステップ８０３の
ループにおいて連結成分に含まれる全ての黒画素の座標
xi、yiをもとめ、ステップ８０４において各画素毎に数
７に従って各パラメータを加算していく。ただし、数７
の各式のうち後の計算で用いないuは計算しない。連結
成分に含まれる全ての画素について加算し終わった後、
ステップ８０５において数９に従って傾きanとY接辺bn
（an、bnはそれぞれｎ番目の連結成分の傾きaとＹ切辺
b）をもとめる。

【００８８】図９に黒線傾き検出の第２の実施例の具体
的な処理手順を示す。図９はランを用いる黒線傾き検出
である。図９に示されているのは、図８と同様に、図１
（b）のように入力画像から取り出した黒線に対し、図
１（c）に示すような直線近似をして傾きを求める過程
の処理手順である。直線近似はステップ９０１のループ
の中で画像中の各連結成分毎に行なわれる。まず、ステ
ップ９０２においてp、q、r、s、t等のパラメータを初
期化する。次にステップ９０３のループにおいて連結成
分に含まれる全ての黒ランの中点座標xi、yiと黒ラン長
liを求め、ステップ９０４において連結成分に含まれる
全てのラン毎に数１２に従って各パラメータを加算して
いく。ただし、後の計算で用いないuは計算しない。連
結成分に含まれる全てのランについて加算し終わった
後、ステップ９０５において数１３に従って傾きanとY
接辺bnをもとめる。

【００８９】図１０、図１１に黒線傾き検出の第３の実
施例の具体的な処理手順を示す。図１０は輪郭を用いる
黒線傾き検出である。図１０、図１１に示されているの
は、図８、９と同様に、図１（b）のように入力画像か
ら取り出した黒線に対し、図１（c）に示すような直線
近似をして傾きを求める過程の処理手順である。直線近
似はステップ１００１のループ中で画像中の各連結成分
毎に行なわれる。まず、ステップ１００２において各連
結成分の輪郭データを生成する。次にステップ１００３
においてp、q、r、s、t等のパラメータを初期化する。
次にステップ１００４のループにおいて輪郭データを形
成する輪郭の方向（Ｄi）と長さＬiを求め、ステップ１
００５においてＤiに応じてサブルーチン１００６、１
００７、１００８、１００９、１０１０、１０１１、１
０１２、１０１３に分岐する。図１１の１１０１、１１
０２、１１０３、１１０４、１１０５、１１０６、１１
０７に示すように、サブルーチン１００６、１００７、
１００８、１００９、１０１０、１０１１、１０１２、
１０１３ではそれぞれ数１６、数１８、数２０、数２
２、数２４、数２６、数２８、数３０に従って各パラメ
ータを加算していく。ただし、後の計算で用いないuは
計算しない。連結成分に含まれる全ての輪郭データにつ
いて加算し終わった後、ステップ１０１４において数３
３に従って傾きanとY接辺bnをもとめる。上記の例は輪
郭データを８方向で表現したものであるが、より少ない
数の方向で簡略化して傾きanとY接辺bnをもとめること
もできる。例えば輪郭を反時計周りに定義している場合
には輪郭線の下側が黒画素ならば方向Ｄiは1、2、3のい
ずれかの場合である場合が多く、その他の場合を無視す
ることができる。そこでこのような場合には、Ｄiの値
が1、2、3のいずれかならばステップ１００５の分岐を
行い、そうでないならば無視して輪郭データを形成する
次の線分についてステップ１００４以下の処理を行うこ
ともできる。この方式においても得られるa、bの値の誤
差は無視しうるものである一方、処理時間を大幅に短縮
することができる。

【００９０】上記第１〜第３の実施例では文書画像中の
黒線を例に説明したが、文書画像中の長方形や文字行中
の文字間を補間して得られる細長い黒い図形などの傾き
を求めることもできる。

【００９１】図１２は本発明を実施するためのシステム
の構成を示す。１２０１は本発明の傾き算出方式を組み
込んだ画像処理装置である。画像処理装置１２０１には
光ディスク装置などの画像蓄積装置１２０２、イメージ
スキャナなどの画像入力装置１２０３、ファクシミリ等
のような画像伝送装置１２０４が接続される。これらの
画像入力装置より画像データが画像処理装置１２０１に
設けられた画像入力部１２０５を介して図形検出部１２
０６、セレクタ１２０７、画像補正部１２０９、セレク
タ１２１０に出力される。図形検出部１２０６は入力画
像より黒線、文字行等傾き検出処理の対象となる図形を
検出する。傾き検出部１２０８は入力画像または図形検
出部１２０６の出力である図形に対し、上記の方式で直
線近似を行い傾きを検出する。セレクタ１２０７は外部
からの指示などにより傾き算出部１２０８への入力を画
像入力部１２０５の出力または図形検出部１２０６の出
力に切り換える。画像補正部１２０９は入力画像を傾き
算出部１２０８の結果に応じて入力画像を回転補正した
画像を出力する。画像出力部１２１１は入力画像または
画像補正部１２０９で回転補正された画像を光ディスク
などの画像蓄積装置１２１２、ＯＣＲ等の画像認識装置
１２１３、ＣＲＴなどの画像表示装置１２１４、ファク
シミリなどの画像伝送装置１２１５等の外部の装置へ出
力する。セレクタ１２１０は画像出力部１２１１への入
力を外部からの指示などにより画像入力部１２０５の出
力または画像補正部１２０９の出力に切り換える。

【００９２】本発明の各実施例の定量的な効果を説明す
る。Mを黒線中の黒画素数とすると、最小二乗法により
黒線の傾きを求めるのに、画素データを用いる第１の実
施例では、３Ｍ回の乗算と５M回の加算が必要である。

【００９３】これに対して、ランを用いる第２の実施例
では、Nを黒線中のラン数とすると、6N回の乗算、１N回
の除算、６Ｎ回の加算が必要である。一般の計算機にお
いては乗算と除算に費やされる処理時間が同等で、なお
かつ加算に費やされる時間が乗算に費やされる時間に対
して無視できる程度に小さいと仮定できる。このような
仮定が成り立つならば M > 7/3・N なる場合に、ラ
ンを用いる第２の実施例が画像データを用いる第１の実
施例より費やす処理時間が小さくなる。文書画像中の黒
線においては、通常 M = 10N から 2000N の間で
あり、ランを用いる方式が処理時間の面できわめて有利
となる。

【００９４】また、輪郭を用いる第３の実施例では、N'
を黒線中の輪郭データの数とすると、9N'回の乗算、2N'
回の除算が必要である。従って M > 11/３・N' なる
場合に輪郭を用いる第３の実施例が画素を用いる第１の
実施例より処理時間が短くなる。一般にM = 5N' か
ら 4000N' であり、必要とされる計算量は極めて少な
くなる。

【００９５】

【発明の効果】本発明により、２値画像の直線近似を、
高精度かつ高速に実行できるようになり、文字認識装置
などの画像処理装置における、前処理の（文書）画像の
傾き検出としての利用が容易になる。

【図面の簡単な説明】

【図１】本発明の原理を示す図である。

【図２】本発明の処理手順を示す図である。

【図３】本発明における２値画像中の図形の直線近似の
原理を示す図である。

【図４】本発明の第１の実施例における２値画像中の図
形の直線近似の画素データによる計算方式の原理を示す
図である。

【図５】本発明の第２の実施例における２値画像中の図
形の直線近似のランデータによる計算方式の原理を示す
図である。

【図６】本発明の第３の実施例における２値画像中の図
形の直線近似の輪郭データによる計算方式の原理を示す
図である。

【図７】本発明の第３の実施例における２値画像中の図
形の輪郭データの方向の定義を示す図である。

【図８】本発明の第１の実施例における２値画像中の図
形の直線近似の画素データによる計算方式の手順を示す
図である。

【図９】本発明の第２の実施例における２値画像中の図
形の直線近似のランデータによる計算方式の手順を示す
図である。

【図１０】本発明の第３の実施例における２値画像中の
図形の直線近似の輪郭データによる計算方式の手順を示
す図である。

【図１１】本発明の第３の実施例における２値画像中の
図形の直線近似の輪郭データによる計算方式のサブルー
チンの手順を示す図である。

【図１２】本発明を実施するためのシステムの構成を示
す図である。

【符号の説明】

１０１…文書画像、１０２…文書画像中の黒線、１０３
…文書画像中の文字列、１０４、１０５…文書画像中か
ら検出された横黒線、３０２，４０２…２値画像中の図
形、３０１、４０１…画像中の座標系、３０３，４０
３，５０１，６０１…２値画像中の図形を近似する直
線、５０２…黒ラン、６０２…輪郭。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 中島 和樹 東京都国分寺市東恋ケ窪１丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 栗野 清道 神奈川県小田原市国府津2880番地 株式会 社日立製作所小田原工場内

Claims (12)

【特許請求の範囲】
1. 【請求項１】入力された２値画像を符号化し、符号化さ
   れた２値画像データより上記２値画像中の所定の図形を
   抽出し、抽出された所定の図形の傾きを最小二乗法によ
   る直線近似により求めることを特徴とする傾き検出方
   法。
2. 【請求項２】請求項１において、画像データよる二次モ
   ーメントを計算することにより、上記２値画像中の所定
   の図形の最小二乗法による直線近似を行う傾き検出方
   法。
3. 【請求項３】請求項１において、画像の符号化方式がラ
   ン符号化であることを特徴とする傾き検出方法。
4. 【請求項４】請求項３において、各ランの近似直線周り
   の二次モーメントをランの中点の座標値及びラン長の多
   項式として計算することにより、上記２値画像中の所定
   の図形の最小二乗法による直線近似を行うことを特徴と
   する傾き検出方法。
5. 【請求項５】請求項１において、画像の符号化方式が輪
   郭符号化であることを特徴とする傾き検出方法。
6. 【請求項６】請求項５において、輪郭線上の各線分の近
   似直線周りの二次モーメントを線分の方向に応じた線分
   の長さ及び端点座標の多項式として計算することによ
   り、上記２値画像中の所定の図形の最小二乗法による直
   線近似を行うことを特徴とする傾き検出方法。
7. 【請求項７】請求項６において、輪郭線上の各線分の方
   向がある特定の条件を満たす場合にのみ上記線分の近似
   直線周りの二次モーメントを加算することを特徴とする
   傾き検出方法。
8. 【請求項８】２値画像を入力する手段と、符号化された
   ２値画像データより上記２値画像中の所定の図形を抽出
   する手段と、抽出された所定の図形の傾きを最小二乗法
   による直線近似により求める傾き検出手段と、求めた傾
   きに応じて上記２値画像を回転補正する手段とを有する
   画像処理装置。
9. 【請求項９】請求項８において、文書を光電変換して２
   値画像として入力し文書中の文字を認識する文書認識シ
   ステとして構成したことを特徴とする画像処理装置。
10. 【請求項１０】請求項８において、文書を光電変換して
    画像として蓄積する文書ファイルシステムとして構成し
    たことを特徴とする画像処理装置。
11. 【請求項１１】請求項８において、文書を光電変換して
    得られる画像を伝送する画像伝送システムとして構成し
    たことを特徴とする画像処理装置。
12. 【請求項１２】請求項８において、画像表示システムと
    して構成したことを特徴とする画像処理装置。