JPH07160886A - 対象物抽出方法およびカラー画像認識方法 - Google Patents

Abstract

(57)【要約】 【目的】 入力画像中から対象物の画像領域を高精度に
抽出する。 【構成】 矩形抽出部２は、２値画像信号１から黒連結
成分の外接矩形を抽出し、候補矩形判定部４では予め設
定された閾値と抽出矩形の幅、高さを比較し、抽出対象
物が長方形か否かを判定する。回転判定部６では、対象
物が回転しているか否かを判定し、辺長測定部７では、
回転している場合は対象物の短辺、長辺を測定し、回転
していない場合は矩形の高さ、幅を短辺、長辺として測
定し、対象物判定部８は予め設定された閾値とを比較し
て対象物か否かを判定する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、カラー画像および白黒
画像から特定画像を抽出して認識する対象物抽出方法お
よびカラー画像認識方法に関する。

【０００２】

【従来の技術】カラー画像を処理する製品、例えばカラ
ー複写機、カラープリンタ、カラースキャナ、カラー画
像通信機器などは、今後ますます増加するものと予想さ
れる。カラー画像は、ハードウェアの進歩、特にメモリ
の低価格化および大容量化、通信コストの低下などによ
り、以前に比べて利用しやすくなってきたものの、カラ
ー画像データはそのデータ量が膨大（例えば、Ａ３サイ
ズで９６Ｍバイト）であるため、２値画像と同じような
処理ができないのが現状である。

【０００３】特に、画像認識（特定画像の認識、ＯＣＲ
など）などの複雑な処理を要する技術においては、処理
量が膨大になり、カラー画像における画像認識は実現が
より困難である。

【０００４】

【発明が解決しようとする課題】従来、認識処理に必要
な対象物の抽出方法として種々の方法が提案されている
が、例えば画像から黒連結の矩形を抽出し、予め設定さ
れた閾値と比較することにより、文字の矩形と線図形の
矩形とを判定する画像抽出方法がある（特開昭５５−１
６２１７７号公報を参照）。この方法は、抽出された線
図形をさらに詳細に水平罫線、垂直罫線、表、囲み枠な
どのように識別するものではなく、また回転した対象物
の抽出に対応できない。

【０００５】一方、特定のカラー画像を識別する装置、
方法としては、例えば、原稿画像中の所定領域内の色相
と、その分布を抽出することによって、特定原稿の有無
を検出するカラー画像処理装置（特開平４−５４６８１
号公報を参照）と、予め特定した色が出現するか否かを
みることによって同一特徴を有する画像部分を抽出する
方法（特開平４−１８０３４８号公報を参照）がある。

【０００６】しかし、上記装置では、データ量を削減す
るためにサンプル点として３２点しか用いていないの
で、特徴抽出すべき情報量が失われてしまう可能性が高
く、高精度な識別を望むことができない。また、上記方
法では、色空間中での拡がりが同じ画像については、そ
の内部での色の分布が異なっていても識別することがで
きず、つまり色空間の拡がりが同じであれば、拡がりの
中での色の分布が異なる画像をも特定の画像として誤検
出する可能性がある。

【０００７】一方、近年、カラー複写機やカラープリン
タ、カラースキャナなどの機器は、その性能が飛躍的に
向上したため、それを悪用した紙幣や有価証券などの偽
造の防止手段を講じる必要が生じてきた。

【０００８】本発明の目的は、入力画像中から対象物の
画像領域を高精度に抽出する対象物抽出方法を提供する
ことにある。

【０００９】本発明の他の目的は、抽出された対象物に
対して、カラー画像の認識処理を行う際に、画像認識に
必要な情報量を確保しつつ、データ量を圧縮して対象物
を高精度に認識するカラー画像認識方法を提供すること
にある。

【００１０】本発明のさらに他の目的は、紙幣などの特
定対象物を認識したとき、その出力画像を劣化させるこ
とにより、紙幣などの偽造を防止するようにしたカラー
画像認識方法を提供することにある。

【００１１】

【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、入力画像信号中から所定
形状の対象物を抽出する対象物抽出方法において、２値
画像信号から黒連結成分の外接矩形を抽出し、該抽出さ
れた外接矩形と黒連結成分との接点情報に基づいて、前
記対象物を抽出することを特徴としている。

【００１２】請求項２記載の発明では、前記抽出される
対象物は、所定の辺長を有する矩形であることを特徴と
している。

【００１３】請求項３記載の発明では、前記抽出される
対象物は、スキャンラインに対して傾いている対象物を
含むことを特徴としている。

【００１４】請求項４記載の発明では、前記入力画像信
号がカラー画像信号であるとき、該カラー画像信号から
明度を求め、該明度と複数の閾値とを比較することによ
り複数の２値画像を生成し、該複数の２値画像からそれ
ぞれ前記外接矩形を抽出することを特徴としている。

【００１５】請求項５記載の発明では、前記抽出される
第１の外接矩形と、第２の外接矩形との包含関係を調
べ、一方の外接矩形が他方の外接矩形を含むとき、一方
の外接矩形と黒連結成分との接点情報に基づいて、前記
対象物を抽出することを特徴としている。

【００１６】請求項６記載の発明では、入力カラー画像
信号から特定画像を認識する処理と、該入力カラー画像
信号から所定形状の対象物を抽出する処理を並列に実行
し、該対象物の抽出結果に応じて、該対象物について認
識処理することを特徴としている。

【００１７】請求項７記載の発明では、入力カラー画像
信号を複数の領域に分割し、該分割された領域内のカラ
ー画像から特徴量を抽出し、該抽出された特徴量を、予
め作成されたコードブックと比較することによりベクト
ル量子化し、前記カラー画像のベクトル量子化された値
を生成し、前記対象物の範囲に相当する、該ベクトル量
子化値を参照して該ベクトル量子化値のヒストグラムを
作成し、該作成された対象物のヒストグラムと辞書とを
照合することにより、前記対象物を認識処理することを
特徴としている。

【００１８】請求項８記載の発明では、前記対象物が紙
幣や有価証券などを含む特定対象物であると認識された
とき、該特定対象物の出力画像を劣化させることを特徴
としている。

【００１９】

【作用】矩形抽出部では、２値画像信号から黒連結成分
の外接矩形を抽出し、候補矩形判定部では予め設定され
た閾値と抽出された矩形の幅、高さを比較し、さらに抽
出すべき対象物が長方形であるかをチェックする。この
条件を満たす矩形について更に、回転判定部では、対象
物が回転しているか否かを判定する。対象物が回転して
いると判定されたとき、辺長測定部では、対象物の短
辺、長辺を測定し、回転していない場合は外接矩形の高
さ、幅を短辺、長辺として測定する。対象物判定部で
は、上記した条件を満たす対象物と予め設定された閾値
とを比較することにより、対象物か否かを判定する。

【００２０】一方、入力されたカラー画像信号ＲＧＢは
メッシュ分割部で小領域（メッシュ）に分割される。特
徴量抽出部では、分割された小領域毎に、入力カラー画
像信号ＲＧＢの色度ヒストグラムを作成して、特徴量メ
モリに格納する。識別対象物の色度ヒストグラムを予め
作成して、コードブックに格納しておく。そして、ベク
トル量子化部では、特徴量メモリの色度ヒストグラム
と、コードブックとの距離を算出し、その距離が最小で
あるコードブックのコードを、その小領域のベクトル量
子化値としてベクトル量子化値メモリに保持する。辞書
には、識別すべき対象物について予めベクトル量子化値
ヒストグラムを求めて格納しておく。認識部では、判定
された対象物の範囲内の入力画像のベクトル量子化値ヒ
ストグラムと、辞書のベクトル量子化値ヒストグラムと
の距離を算出し、該距離から入力画像中に対象物が存在
するか否かを判定する。

【００２１】

【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。 〈実施例１〉図１は、本発明の対象物抽出方法に係る実
施例の構成を示す。図１において、２値画像信号１から
黒連結成分の外接矩形を抽出する矩形抽出部２と、抽出
された矩形データを格納する矩形メモリ３と、予め設定
された閾値と抽出矩形の幅、高さを比較し、抽出すべき
対象物が長方形か否かを判定する候補矩形判定部４と、
候補矩形データを格納する候補矩形メモリ５と、対象物
が回転しているか否かを判定する回転判定部６と、対象
物の短辺、長辺を測定する辺長測定部７と、短辺、長辺
の長さと予め設定された閾値とを比較して対象物か否か
を判定する対象物判定部８と、対象物矩形データを格納
する対象物矩形メモリ９と、全体を制御する制御部１０
とから構成されている。

【００２２】図２は、本発明の処理フローチャートであ
る。このフローチャートにおいて、本発明の対象物抽出
方法に係る処理はステップ１０１からステップ１０８で
あり、まず対象物の抽出方法について、以下説明する。

【００２３】入力画像から２値画像を生成し（ステップ
１０１）、矩形抽出部２は、２値画像から黒連結成分の
外接矩形を抽出する（ステップ１０２）。矩形抽出方法
としては、例えば本出願人が先に提案した方式（特願平
３−３４１８８９、同４−２６７３１３、同４−１６０
８６６）などを用いればよい。

【００２４】図３は、入力画像２０１から抽出された外
接矩形２０２を示す。本発明では、外接矩形２０２の４
頂点の座標（Ｘｓ，Ｙｓ）、（Ｘｅ，Ｙｅ）、（Ｘｓ，
Ｙｅ）、（Ｘｅ，Ｙｓ）と、黒連結成分（対象物）２０
３と外接矩形２０２との接点座標（Ｘｕ，Ｙｓ）、（Ｘ
ｅ，Ｙｒ）、（Ｘｓ，Ｙｌ）、（Ｘｂ，Ｙｅ）を同時に
抽出する。

【００２５】次いで、候補矩形判定部４では、抽出され
た外接矩形の高さ、幅が予め与えられた高さ、幅の範囲
内にあるか否かを判定し（ステップ１０３）、高さ、幅
の何れかが範囲外であれば、対象物でないと判定する
（ステップ１１３）。なお、このようなサイズによる対
象物の候補判定方法については、前掲した本出願による
方式を用いればよい。続いて、候補矩形判定部４では、
抽出すべき対象物が長方形であるか否かをチェックする
（ステップ１０４）。これは例えば、候補矩形判定部４
内に予め抽出すべき対象物として長方形データが設定さ
れているものとする。

【００２６】対象物が長方形であるものについて、回転
判定部６は、対象物がスキャンラインに対して回転して
いるか否かを判定する（ステップ１０５）。図４は、回
転の判定を説明する図であり、３０１は候補矩形、３０
２は対象物である。この回転判定は、対象物３０２が長
方形の場合、三角形ＡとＢ、三角形ＣとＤの合同を判定
し、もしどちらか一方でも合同でないと判定された場合
には回転していないと判定する。また、図４に示すよう
に、長方形の対角線Ｄ１，Ｄ２の長さ（この長さは矩形
データの座標から計算する）を比較し、その差が大きけ
れば菱形と判定し、対象物３０２が回転していないと判
定する。

【００２７】次いで、辺長測定部７では、回転している
と判定された長方形について、図４のＳ１、Ｓ２の長さ
を計算し（矩形データの座標から計算する）、それぞれ
を短辺、長辺の長さとする（ステップ１０６）。一方、
ステップ１０４で長方形でないと判定されたもの、ステ
ップ１０５で回転していないと判定されたものについて
は、外接矩形の高さを短辺、幅を長辺の長さとする（ス
テップ１０７）。そして、短辺、長辺の長さが予め与え
られた対象物の短辺、長辺の長さの範囲にあるか否かを
判定し、何れか一方でも範囲外ならば対象物ではないと
判定し、この条件に合うものを抽出すべき対象物と判定
する（ステップ１０８）。以下の処理（ステップ１０９
以降）については、後述する。

【００２８】なお、上記した実施例において、矩形抽出
部の前に、入力された２値画像に対して例えば８×８画
素を１画素に変換するような画像圧縮部を設け、圧縮さ
れた画像から矩形を抽出するように構成を変更すること
も可能である。

【００２９】〈実施例２〉本実施例２では、入力画像を
カラー画像信号（Ｒ，Ｇ，Ｂ）とし、以下のような明度
（Ｌ）を求め、所定の閾値（Ｔｈ１）以下の明度を持つ
画素を黒とし、閾値（Ｔｈ１）より大きい画素を白とす
るような２値画像を作成してから、実施例１と同様の処
理を行う。

【００３０】Ｌ＝Ｒ＋Ｇ＋Ｂ Ｌ≦Ｔｈ１ならば黒画素 Ｌ＞Ｔｈ１ならば白画素 本実施例は、対象物以外の部分（背景）が白地の場合に
対象物を抽出するのに有効な方式となる。つまり例え
ば、白紙（あるいは淡い地肌の用紙）に対象物の載せて
スキャナなどで画像を読み取るような場合に有効な方式
となる。

【００３１】〈実施例３〉本実施例３では、入力画像を
カラー画像信号（Ｒ，Ｇ，Ｂ）とし、以下のような明度
（Ｌ）を求め、所定の閾値（Ｔｈ２）以上の明度を持つ
画素を黒とし、閾値（Ｔｈ２）より小さい画素を白とす
るような２値画像を作成してから、実施例１と同様の処
理を行う。

【００３２】Ｌ＝Ｒ＋Ｇ＋Ｂ Ｌ≧Ｔｈ２ならば黒画素 Ｌ＜Ｔｈ２ならば白画素 本実施例は、銀板のような圧板を持つスキャナなどで入
力した時に、対象物以外の部分（背景）が黒地になる場
合に対象物を抽出するのに有効な方式となる。このよう
に、実施例２、３によれば、原稿を押える蓋をした状態
で画像を取り込んでも、また蓋を開けた状態で画像を取
り込んでも何れにも対応できる。なお、上記実施例にお
ける対象物とは、スキャナに載せた原稿全体から抽出さ
れる場合、あるいは原稿中のある特定領域から抽出され
る場合の何れでもよい。

【００３３】図５は、実施例２、３の構成を示す。実施
例１と異なる点は、カラー画像信号（ＲＧＢ）１４から
２値画像を生成する２値画像生成部１１が設けられた点
と、実施例２で作成された２値画像を格納するメモリ１
２と、実施例３で作成された２値画像を格納するメモリ
１３が設けられた点である。そして、背景が白地の場合
にも黒地の場合にも対応できるように、実施例２および
３をそれぞれ実行し、矩形抽出部２で外接矩形を抽出す
る。この抽出された各外接矩形を外接矩形１、２とする
と、候補矩形判定部４において、これら外接矩形１、２
の包含関係を判定し、例えば外接矩形１が外接矩形２を
完全に含むとき、外接矩形１のみから対象物を抽出す
る。

【００３４】〈実施例４〉図６は、実施例４の全体構成
を示す。図において、対象物抽出部２２がカラー画像信
号２１から対象物を抽出して、対象物矩形メモリ２３に
格納する部分は、前述した図５に示す構成と全く同一の
ものである。

【００３５】本実施例では、カラー画像信号２１をベク
トル量子化するベクトル量子化部２４と、ベクトル量子
化値を格納するベクトル量子化値メモリ２５と、対象物
抽出部２２で抽出された対象物と予め作成された辞書と
のマッチングを行い対象物か否かを判定する対象物認識
部２６が設けられている。

【００３６】図７は、実施例４の詳細構成を示す。ま
ず、対象物抽出部３１の構成から説明すると、対象物抽
出部３１は図５に示す要素から構成され、対象物が抽出
されると、対象物認識部４１に対して起動信号３３を出
力する。また抽出された対象物のデータが対象物矩形メ
モリ３２に格納され、対象物認識部４１に対して起動信
号３３と共に、対象物の範囲データ３４が出力される。

【００３７】ベクトル量子化処理部３５は、入力された
カラー画像信号（ＲＧＢ）から得られたカラー画像を小
領域（メッシュ）に分割するメッシュ分割部３６と、小
領域内のカラー画像データから特徴量（色度ヒストグラ
ム）を抽出する特徴量抽出部３７と、作成された色度ヒ
ストグラムと予め作成してあるコードブック３９と比較
することによりベクトル量子化を行うベクトル量子化部
３８から構成されている。ベクトル量子化値された入力
カラー画像はベクトル量子化値メモリ４０に保持され
る。

【００３８】入力カラー画像をどのようにしてベクトル
量子化するかを、以下説明する。図８は、原画像を小領
域（メッシュ）に分割した図を示し、この例では、小領
域は６４画素×６４画素のサイズである。なお、小領域
の画素を例えば８画素間隔で間引いて、１／８に画像デ
ータを圧縮してから以下の処理を施してもよい。

【００３９】特徴量抽出部３７は、カラー画像データ
（ＲＧＢ、各８ビット）を色度Ｐｒ、Ｐｇに変換し、小
領域（メッシュ）毎に色度Ｐｒ、Ｐｇの値のヒストグラ
ムを作成する。

【００４０】Ｐｒ＝２５６＊Ｒ／（Ｒ＋Ｇ＋Ｂ） Ｐｇ＝２５６＊Ｇ／（Ｒ＋Ｇ＋Ｂ） この例では、ｒ，ｇの色度を用いたが、本発明はこれに
限定されるものではなく、ｂの色度を用いてもよいし、
色度の他に色相や彩度などを用いることができる。

【００４１】図９は、小領域内の色度ヒストグラムを、
コードブックを参照してベクトル量子化する例を示す図
である。図９において、４０１は、特徴量メモリに格納
された小領域内の色度ヒストグラム（Ｈｉ）を示す。ｉ
＝０〜２５５の次元におけるＨ（ｉ）はＰｒを表し、ｉ
＝２５６〜５１１の次元におけるＨ（ｉ）はＰｇを表
す。また、４０２は、予め作成されたコードブック（Ｃ
０、Ｃ１、Ｃ２．．．）の内容を示す。

【００４２】ここで、コードブック４０２は、識別対象
物あるいは一般の原稿を多数入力し、同様の条件で色度
ヒストグラムのデータを大量に作成し、これらをクラス
タリングすることで代表的な色度ヒストグラム（コード
ブック）を求めて作成する。

【００４３】ベクトル量子化部３８では、この小領域内
の色度ヒストグラム（Ｈｉ）４０１と、コードブックの
内容４０２とをマッチングして距離（ＤＣｊ）を算出
し、その距離（一般には、ユークリッド距離の２乗とし
て定義された２乗ひずみ測度）が最小であるコードブッ
クのコード（Ｃｊ）を、その小領域のベクトル量子化値
（ＶＱ値）としてベクトル量子化値メモリ４０に保持す
る。

【００４４】対象物認識部４１のヒストグラム作成部４
２では、上記したベクトル量子化値からベクトル量子化
値のヒストグラムを作成する。図１０は、入力画像のベ
クトル量子化値（ＶＱ値）の例を示す。各桝目は、前述
した一つの小領域に対応し、各桝目内の数値はベクトル
量子化値（ＶＱ値）である。

【００４５】そして、これらのベクトル量子化値（ＶＱ
値）について、対象物の範囲内にあるＶＱ値のヒストグ
ラムを作成する（図２のステップ１０９）。図１１は、
対象物が回転している場合における、対象物の範囲内に
あるベクトル量子化値のヒストグラム作成を説明する図
である。

【００４６】前述したように対象物が抽出されると対象
物認識部４１の起動時に、対象物抽出部３１から対象物
認識部４１に対して、対象物の範囲データ３４が渡され
るので、図１１の対象物のエッジ５０１の直線データと
ベクトル量子化値メモリ４０の座標とを比較して包含関
係を判定し、対象物の範囲内に完全に含まれる小領域
（図１１の黒い部分で示す領域）について、ベクトル量
子化値のヒストグラムを作成する。対象物が回転してい
ない場合は、外接矩形の範囲データとベクトル量子化値
メモリの座標とを比較して包含関係を判定し、外接矩形
の範囲内の小領域について、ベクトル量子化値のヒスト
グラムを作成する。

【００４７】図１２は、認識時における、抽出対象物の
ベクトル量子化値ヒストグラムと辞書内のベクトル量子
化値ヒストグラムとのマッチングを説明する図である。
図１２の６０１は、抽出対象物のベクトル量子化値のヒ
ストグラム例を示す。また、６０２は、辞書内容を示
し、ベクトル量子化値ヒストグラムで表現されて予め作
成されている。図の場合は、例えば、対象物Ａ，Ｂ，
Ｃ．．（コードブック数が６４）のベクトル量子化値ヒ
ストグラムが格納されている。

【００４８】対象物認識部４１では、抽出対象物のベク
トル量子化値ヒストグラム６０１と、辞書のベクトル量
子化値ヒストグラム６０２とをマッチング部４３でマッ
チングして距離（ＤＴｋ）を算出し、距離（ＤＴｋ）が
最小となる識別対象（ｋ）を、抽出対象物であると認識
し、従って入力画像中に対象物が存在していると判定す
る（ステップ１１０、１１１）。

【００４９】辞書との照合の結果、マッチングしていな
いときは、入力画像中に対象物がないと判定され（ステ
ップ１１３）、抽出されたすべての矩形について同様の
処理を行う（ステップ１１２）が、入力画像中に対象物
が存在していると判定されたときは、未処理の矩形があ
っても処理を終了する。

【００５０】本実施例は、入力カラー画像データに対し
て、矩形抽出とベクトル量子化を並列的に行うととも
に、矩形抽出の処理が完了した矩形から順次サイズ判定
を行い、対象物と判定された矩形に対して認識処理して
いるので、リアルタイム処理が可能になる。

【００５１】〈実施例５〉上記実施例において、前記し
た対象物を紙幣や有価証券などとし、入力画像中にこの
ような対象物が含まれていると判定された場合に、出力
に一様なインクを載せて出力画像を劣化させるようにし
たり、あるいは出力を途中で止めたりする。これによ
り、カラー複写機などのカラー画像処理装置を悪用した
紙幣などの偽造を防止することができる。

【００５２】

【発明の効果】以上、説明したように、請求項１、２記
載の発明によれば、矩形対象物の抽出処理を、外接矩形
と黒連結成分との接点情報に基づいて行っているので、
画像中の対象物が存在する部分を高精度に抽出すること
ができる。

【００５３】請求項３記載の発明によれば、画像中の対
象物が回転していても高精度に抽出することができる。

【００５４】請求項４、５記載の発明によれば、背景が
白地または黒地の場合でも対象物を正確に抽出すること
ができ、また白地における外接矩形と黒地における外接
矩形の包含関係を調べているので、重複した抽出処理を
行う必要がない。

【００５５】請求項６、７記載の発明によれば、対象物
の抽出処理とカラー画像のベクトル量子化処理を並列的
に行い、抽出された対象物について認識処理しているの
で、カラー画像中の特定画像を高速かつ高精度に認識す
ることができる。また、カラー画像をベクトル量子化し
ているので、認識対象物の情報量が失われることなく、
処理データ量を圧縮することができる。

【００５６】請求項８記載の発明によれば、カラースキ
ャナなどの画像読み取り装置から入力されたカラー画像
中の紙幣などの画像を高精度に認識できるので、カラー
複写機を悪用した紙幣や有価証券などの偽造を防止する
ことができる。

【図面の簡単な説明】

【図１】本発明の対象物抽出方法に係る実施例１の構成
を示す。

【図２】本発明の処理フローチャートである。

【図３】入力画像から抽出された外接矩形を示す。

【図４】回転の判定を説明する図である。

【図５】実施例２、３の構成を示す図である。

【図６】実施例４の全体構成を示す図である。

【図７】実施例４の詳細構成を示す図である。

【図８】原画像を小領域に分割した図を示す。

【図９】小領域内の色度ヒストグラムを、コードブック
を参照してベクトル量子化する例を示す図である。

【図１０】入力画像のベクトル量子化値（ＶＱ値）の例
を示す図である。

【図１１】対象物が回転している場合における、対象物
の範囲内にあるベクトル量子化値のヒストグラム作成を
説明する図である。

【図１２】認識時における入力画像のベクトル量子化値
ヒストグラムと辞書のベクトル量子化値ヒストグラムと
のマッチングを説明する図である。

【符号の説明】

１ ２値画像信号 ２ 矩形抽出部 ３ 矩形メモリ ４ 候補矩形判定部 ５ 候補矩形メモリ ６ 回転判定部 ７ 辺長測定部 ８ 対象物判定部 ９ 対象物矩形メモリ １０ 制御部

Claims (8)

【特許請求の範囲】
1. 【請求項１】 入力画像信号中から所定形状の対象物を
   抽出する対象物抽出方法において、２値画像信号から黒
   連結成分の外接矩形を抽出し、該抽出された外接矩形と
   黒連結成分との接点情報に基づいて、前記対象物を抽出
   することを特徴とする対象物抽出方法。
2. 【請求項２】 前記抽出される対象物は、所定の辺長を
   有する矩形であることを特徴とする請求項１記載の対象
   物抽出方法。
3. 【請求項３】 前記抽出される対象物は、スキャンライ
   ンに対して傾いている対象物を含むことを特徴とする請
   求項１または２記載の対象物抽出方法。
4. 【請求項４】 前記入力画像信号がカラー画像信号であ
   るとき、該カラー画像信号から明度を求め、該明度と複
   数の閾値とを比較することにより複数の２値画像を生成
   し、該複数の２値画像からそれぞれ前記外接矩形を抽出
   することを特徴とする請求項１記載の対象物抽出方法。
5. 【請求項５】 前記抽出される第１の外接矩形と、第２
   の外接矩形との包含関係を調べ、一方の外接矩形が他方
   の外接矩形を含むとき、一方の外接矩形と黒連結成分と
   の接点情報に基づいて、前記対象物を抽出することを特
   徴とする請求項４記載の対象物抽出方法。
6. 【請求項６】 入力カラー画像信号から特定画像を認識
   する処理と、該入力カラー画像信号から所定形状の対象
   物を抽出する処理を並列に実行し、該対象物の抽出結果
   に応じて、該対象物について認識処理することを特徴と
   するカラー画像認識方法。
7. 【請求項７】 入力カラー画像信号を複数の領域に分割
   し、該分割された領域内のカラー画像から特徴量を抽出
   し、該抽出された特徴量を、予め作成されたコードブッ
   クと比較することによりベクトル量子化し、前記カラー
   画像のベクトル量子化された値を生成し、前記対象物の
   範囲に相当する、該ベクトル量子化値を参照して該ベク
   トル量子化値のヒストグラムを作成し、該作成された対
   象物のヒストグラムと辞書とを照合することにより、前
   記対象物を認識処理することを特徴とするカラー画像認
   識方法。
8. 【請求項８】 前記対象物が紙幣や有価証券などを含む
   特定対象物であると認識されたとき、該特定対象物の出
   力画像を劣化させることを特徴とする請求項６または７
   記載のカラー画像認識方法。