JPH0746363B2 - 図面読取装置 - Google Patents
図面読取装置Info
- Publication number
- JPH0746363B2 JPH0746363B2 JP60047480A JP4748085A JPH0746363B2 JP H0746363 B2 JPH0746363 B2 JP H0746363B2 JP 60047480 A JP60047480 A JP 60047480A JP 4748085 A JP4748085 A JP 4748085A JP H0746363 B2 JPH0746363 B2 JP H0746363B2
- Authority
- JP
- Japan
- Prior art keywords
- symbol
- sub
- symbols
- partial
- frame
- 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
- Processing Or Creating Images (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】 ［発明の技術分野］ この発明は、図面中のシンボルを認識する図面読取装置
に関する。
に関する。
［発明の技術的背景とその問題点］ 従来のシンボル認識は、まず、入力画像の局所的特徴
や、線、図形の位置情報を利用してシンボル１個,1個を
切り出し、認識部へおくり、その形状を識別するという
手順であった。この手法においては、粗な図面すなわ
ち、シンボルとシンボル間の距離が充分はなれている図
面においては問題はないが、シンボルとシンボルが近接
すると、シンボル検出を正確に行うことができずその結
果、認識ができないという状況がおこる。
や、線、図形の位置情報を利用してシンボル１個,1個を
切り出し、認識部へおくり、その形状を識別するという
手順であった。この手法においては、粗な図面すなわ
ち、シンボルとシンボル間の距離が充分はなれている図
面においては問題はないが、シンボルとシンボルが近接
すると、シンボル検出を正確に行うことができずその結
果、認識ができないという状況がおこる。
［発明の目的］ 本発明は、密に書かれた図面や任意の大きさの図形にお
いても正確にシンボル認識が行えることのできる図面読
取装置を提供することを目的とする。
いても正確にシンボル認識が行えることのできる図面読
取装置を提供することを目的とする。
［発明の概要］ 入力された画像データより検出されたループ、塗りつぶ
し等の幾何学的に分類されている部分図形の中から距離
的に組合せ可能なものをまず選択し、次にこれら選択さ
れた部分図形より辞書上の記号シンボルを予測し、シン
ボル候補を求める。辞書との照合では、この予測したモ
デルの上の特徴記述と、シンボル候補の特徴が合ってい
るか否かを検証する。もし、照合不可能であれば、別の
組合せによるシンボル候補について試みる。このような
試行を繰返しながら徐々に部分図形の組合せとシンボル
の認識処理を進めていき、全シンボルについての処理を
完了させる。すなわち、第６図に示すように、照合結果
の内容をシンボル検出にフィードバックさせて利用する
ものである。
し等の幾何学的に分類されている部分図形の中から距離
的に組合せ可能なものをまず選択し、次にこれら選択さ
れた部分図形より辞書上の記号シンボルを予測し、シン
ボル候補を求める。辞書との照合では、この予測したモ
デルの上の特徴記述と、シンボル候補の特徴が合ってい
るか否かを検証する。もし、照合不可能であれば、別の
組合せによるシンボル候補について試みる。このような
試行を繰返しながら徐々に部分図形の組合せとシンボル
の認識処理を進めていき、全シンボルについての処理を
完了させる。すなわち、第６図に示すように、照合結果
の内容をシンボル検出にフィードバックさせて利用する
ものである。
［発明の効果］ 本発明により、入力画像データの局所的特徴や図形の位
置情報のみではシンボル検出が不可能であった密な図面
の処理が可能となる。
置情報のみではシンボル検出が不可能であった密な図面
の処理が可能となる。
［発明の実施例］ 第１図は、本願発明の１実施例を実現するためのハード
ウエア構成図である。本装置は、 ファクシミリ，ドラムスキャナ等の入力部11、 入力画像を記憶するフレームメモリ12、 フレームメモリの２次元アドレスを管理するアドレスコ
ントローラ13、 フレームメモリ上の画像を処理する線図形プロセッサ1
4、 線図形プロセッサの処理結果をもとにシンボルを認識す
るテーブル処理プロセッサ15及び、辞書及び各種テーブ
ルを記憶する記憶部16、 からなる。本装置を用いた図面読取におけるシンボル認
識処理の全体の手順を第２図に示す。
ウエア構成図である。本装置は、 ファクシミリ，ドラムスキャナ等の入力部11、 入力画像を記憶するフレームメモリ12、 フレームメモリの２次元アドレスを管理するアドレスコ
ントローラ13、 フレームメモリ上の画像を処理する線図形プロセッサ1
4、 線図形プロセッサの処理結果をもとにシンボルを認識す
るテーブル処理プロセッサ15及び、辞書及び各種テーブ
ルを記憶する記憶部16、 からなる。本装置を用いた図面読取におけるシンボル認
識処理の全体の手順を第２図に示す。
（イ）「セグメントテーブルの作成」 入力部11より入力したフレームメモリ12上の二値画像に
対し、線図形プロセッサ14はいかに述べる図形処理をほ
どこしたセグメントテーブルを作成する。このセグメン
トテーブルは次の４つのStepから作成される。
対し、線図形プロセッサ14はいかに述べる図形処理をほ
どこしたセグメントテーブルを作成する。このセグメン
トテーブルは次の４つのStepから作成される。
Step1:入力画像（細線書画像）における連結図形を検出
する。
する。
Step2:連結図形毎に細線化する。
Step3:各連結図形の外接長方形のサイズにより、文字と
図形領域に分類する。
図形領域に分類する。
Step4:図形領域毎に、細線化画像上で線分追跡を行いセ
グメントテーブルを作成する。
グメントテーブルを作成する。
ここでセグメントとは、細線化画像における特徴点（分
岐点，端点）間のディジタル線分をさす。また、上記St
ep4について具体的に述べると、細線化画像の追跡方向
をもとに有効グラフ表現（親リンク＆子リンク情報）で
表したセグメント同士の接続情報およびセグメントの終
点座標，終点での分岐数，セグメント長等のセグメント
の形状に関する情報を求め、これらの情報はテーブル処
理プロセッサ15を介して記憶部16のセグメントテーブル
領域に記憶される。
岐点，端点）間のディジタル線分をさす。また、上記St
ep4について具体的に述べると、細線化画像の追跡方向
をもとに有効グラフ表現（親リンク＆子リンク情報）で
表したセグメント同士の接続情報およびセグメントの終
点座標，終点での分岐数，セグメント長等のセグメント
の形状に関する情報を求め、これらの情報はテーブル処
理プロセッサ15を介して記憶部16のセグメントテーブル
領域に記憶される。
以上の処理が終了するとテーブル処理プロセッサ15はこ
のセグメント記述された図形の中からシンボルの構成要
素であるサブシンボルを検出する。
のセグメント記述された図形の中からシンボルの構成要
素であるサブシンボルを検出する。
（ロ）「サブシンボルテーブルの作成」 一般に、図面中のシンボルは、その中に、ループ、
分岐点，端点、塗りつぶし，屈折点のいずれかを
１つ以上含むことが必要条件である。そこでテーブル処
理プロセッサ15はこの５つの部分特徴を含む図形をセグ
メントテーブル上から見つけサブシンボルテーブルを作
成する。
分岐点，端点、塗りつぶし，屈折点のいずれかを
１つ以上含むことが必要条件である。そこでテーブル処
理プロセッサ15はこの５つの部分特徴を含む図形をセグ
メントテーブル上から見つけサブシンボルテーブルを作
成する。
サブシンボルとしては例えば、 ループサブシンボル41 短セグメント（の集まり）サブシンボル42 独立セグメントサブシンボル43（図示せず） 塗りつぶしサブシンボル44 屈折サブシンボル45 の５種である。
第４図には、上記サブシンボルの組み合せで構成された
３個のシンボル例を示す。
３個のシンボル例を示す。
（ハ）「シンボル候補の検出」 テーブル処理プロセッサ15はサブシンボルテーブルの作
成後、これ等サブシンボルの中から距離的に組合せ可能
なものを検出しシンボル認識処理アルゴリズムを実行す
る。シンボル認識処理アルゴリズムは、シンボルに関す
る辞書を用いて、サブシンボルを組合せ、シンボル候補
としてシンボル認識を行う。もし認識不能であれば、別
の組合せによるシンボル候補を試みる。このような試行
を繰返しながら徐々に、シンボル認識処理を進めていき
全シンボルについての処理を完了する。
成後、これ等サブシンボルの中から距離的に組合せ可能
なものを検出しシンボル認識処理アルゴリズムを実行す
る。シンボル認識処理アルゴリズムは、シンボルに関す
る辞書を用いて、サブシンボルを組合せ、シンボル候補
としてシンボル認識を行う。もし認識不能であれば、別
の組合せによるシンボル候補を試みる。このような試行
を繰返しながら徐々に、シンボル認識処理を進めていき
全シンボルについての処理を完了する。
第３図は、上記したシンボル認識アルゴリズムの機能を
説明するための機能図である。本構成は、 シンボルを記述した辞書31（記憶部16内） 辞書を用いて、シンボル候補を求めるサブシンボルの統
合機能32 検出されたシンボル候補の特徴を記述するワークメモリ
33 シンボル候補と辞書との照合機能34 辞書照合に必要な特徴を求める特徴抽出ルーチン群35 の５つの機能からなる。
説明するための機能図である。本構成は、 シンボルを記述した辞書31（記憶部16内） 辞書を用いて、シンボル候補を求めるサブシンボルの統
合機能32 検出されたシンボル候補の特徴を記述するワークメモリ
33 シンボル候補と辞書との照合機能34 辞書照合に必要な特徴を求める特徴抽出ルーチン群35 の５つの機能からなる。
図面で用いられるシンボルは、その中に、ループ，分岐
点，端点，塗りつぶし領域，屈折点のいずれか１つ以上
を含む特徴をもつ。シンボルの辞書31は、この部分図形
を記本構成要素として、各シンボルを構成するサブシン
ボルの特徴及びサブシンボル間の関係によって記述す
る。
点，端点，塗りつぶし領域，屈折点のいずれか１つ以上
を含む特徴をもつ。シンボルの辞書31は、この部分図形
を記本構成要素として、各シンボルを構成するサブシン
ボルの特徴及びサブシンボル間の関係によって記述す
る。
具体的に辞書31は、次に示す３階層のフレームで表現し
た。
た。
F1:シンボルを構成する部分図形の種類（と数）…各ス
ロットには、シンボルを構成するループ，端点，等のサ
ブシンボルの種類（と数）を記述する。
ロットには、シンボルを構成するループ，端点，等のサ
ブシンボルの種類（と数）を記述する。
F2:サブシンボルの特徴…シンボルを構成するサブシン
ボルの特徴を記述するフレームで各スロットは、たとえ
ばループ長が10〜50等のように、変数に対する制約条件
という形で記述される。
ボルの特徴を記述するフレームで各スロットは、たとえ
ばループ長が10〜50等のように、変数に対する制約条件
という形で記述される。
F3:サブシンボル間の特徴（関係フレーム）…シンボル
を構成するサブシンボル間の幾何学的な関係を記述した
フレームで、各スロットは、「サブシンボルＡとサブシ
ンボルＢの関係は〜である」という形で記述する。
を構成するサブシンボル間の幾何学的な関係を記述した
フレームで、各スロットは、「サブシンボルＡとサブシ
ンボルＢの関係は〜である」という形で記述する。
第５図に、この辞書上のシンボルの表現例を示した。こ
こでは、F1フレームの記述内容は、下記の〜であ
る。
こでは、F1フレームの記述内容は、下記の〜であ
る。
シンボルコード（シンボル名）:AHS 構成サブシンボル各々に変数をわりつけ、それらの変
数の属性として、わりつけられたサブシンボルの種類
（ループ，短セグ，独立セグ，ぬりつぶし，屈折）をわ
りあてる。また、サブシンボルの形状を表現するため
に、各変数X1,X2,X3に対してF2フレームへのポインタを
わりあてる。すなわち、各スロットは、（変数名，サブ
シンボル，の種類,F2フレームへのポインタ）の３組で
表現される。
数の属性として、わりつけられたサブシンボルの種類
（ループ，短セグ，独立セグ，ぬりつぶし，屈折）をわ
りあてる。また、サブシンボルの形状を表現するため
に、各変数X1,X2,X3に対してF2フレームへのポインタを
わりあてる。すなわち、各スロットは、（変数名，サブ
シンボル，の種類,F2フレームへのポインタ）の３組で
表現される。
各変数（サブシンボル）間の関係を表現したF3フレー
ムへのポインタ。
ムへのポインタ。
F2フレームでは、一フレームに対し１種のサブシンボル
の特徴とF1フレームへのポインタを記述し、各特徴に対
し（特徴名，最小値，最大値，ペナルティ）の４つの組
で表現する。このサブシンボルの記述に用いる特徴は、
サブシンボルの種類のよって異なる。
の特徴とF1フレームへのポインタを記述し、各特徴に対
し（特徴名，最小値，最大値，ペナルティ）の４つの組
で表現する。このサブシンボルの記述に用いる特徴は、
サブシンボルの種類のよって異なる。
例えば、変数X1,X2に対応するループサブシンボルの記
述に用いる特徴は、ループ長，端点の数，構成するセグ
メントの数を用いることができる。
述に用いる特徴は、ループ長，端点の数，構成するセグ
メントの数を用いることができる。
F3フレームの記述内容は、 F1フレームへのポインタP1 F2フレームへのポインタP2及び サブシンボル間の特徴を記述したスロットで、 例えば、 （TOUCH（X1,X2）NOT） ：ループX1とX2は離れている （POSITION（X1,X2,X3）KO） ：ループX1,X2、短セグX3の位置関係はKO（変数）であ
る という形で表現する。
る という形で表現する。
第３図において、統合機能32は （１） サブシンボルテーブル36の（未処理）サブシン
ボルの１つに着目し、これを構成要素とするシンボルを
予測し、 （２） この着目サブシンボルと他の（未処理）サブシ
ンボルとの統合の可否を調べる。第６図にその処理の流
れ図の一例を示す。
ボルの１つに着目し、これを構成要素とするシンボルを
予測し、 （２） この着目サブシンボルと他の（未処理）サブシ
ンボルとの統合の可否を調べる。第６図にその処理の流
れ図の一例を示す。
まず、サブシンボルテーブル36をサーチし、未処理サブ
シンボルの１つを着目サブシンボルSIとしてそのデータ
をワークメモリ33に書き込む。
シンボルの１つを着目サブシンボルSIとしてそのデータ
をワークメモリ33に書き込む。
次に、統合機能32は再びサブシンボルテーブル36をサー
チし、各サブシンボルSiの位置情報を利用して着目サブ
シンボルSIと各サブシンボルSiとの距離diを求める。こ
こで、 di＝max（XIl−Xih,0）＋max（Xil−XIh,0） ＋max（YIl−Yih,0）＋max（Yil−YIh,0） ただし、 Xil:サブシンボルSiの外接長方形の最小Ｘ座標 Xih:サブシンボルSiの外接長方形の最大Ｘ座標 Yil:サブシンボルSiの外接長方形の最小Ｙ座標 Yih:サブシンボルSiの外接長方形の最大Ｙ座標 と定義し、diが闘値thより小さい場合サブシンボルSiの
データをワークメモリ33に書き込む。ここでdiを求める
にあたり、ユークリッド距離を採用しなかったのは、距
離の精度はあまり要求されないこと、また、距離計算に
要する処理量を軽減するため乗算や平方根計算をさけた
からである。また、闘値thは、１つのシンボル内のサブ
シンボルが必ず統合されるように経験的に決定される。
チし、各サブシンボルSiの位置情報を利用して着目サブ
シンボルSIと各サブシンボルSiとの距離diを求める。こ
こで、 di＝max（XIl−Xih,0）＋max（Xil−XIh,0） ＋max（YIl−Yih,0）＋max（Yil−YIh,0） ただし、 Xil:サブシンボルSiの外接長方形の最小Ｘ座標 Xih:サブシンボルSiの外接長方形の最大Ｘ座標 Yil:サブシンボルSiの外接長方形の最小Ｙ座標 Yih:サブシンボルSiの外接長方形の最大Ｙ座標 と定義し、diが闘値thより小さい場合サブシンボルSiの
データをワークメモリ33に書き込む。ここでdiを求める
にあたり、ユークリッド距離を採用しなかったのは、距
離の精度はあまり要求されないこと、また、距離計算に
要する処理量を軽減するため乗算や平方根計算をさけた
からである。また、闘値thは、１つのシンボル内のサブ
シンボルが必ず統合されるように経験的に決定される。
以下、サブシンボルを統合し、シンボルの候補を検出す
る手順を説明する。
る手順を説明する。
統合機能32はワークメモリ33内のサブシンボル群で構成
されるシンボルを予測する。つまり、着目サブシンボル
SIと同一種類のサブシンボルの特徴をもつものを辞書31
のF2フレームから探す。そして、そのF2フレームに記述
されたポインタから対応するF1フレームを検索する。こ
のF1フレームの図形を予測シンボルと呼ぶことにする。
されるシンボルを予測する。つまり、着目サブシンボル
SIと同一種類のサブシンボルの特徴をもつものを辞書31
のF2フレームから探す。そして、そのF2フレームに記述
されたポインタから対応するF1フレームを検索する。こ
のF1フレームの図形を予測シンボルと呼ぶことにする。
例えば、着目サブシンボルSIがループである場合にはF1
フレームをサーチすると、第５図のシンボルAHSが予測
シンボルの一つのして検出される。（ここで、検出され
る予測シンボルは着目サブシンボルS1を含むF1フレーム
全てである。） 次に、統合機能32は、予測シンボルに記述されているサ
ブシンボル群がワークメモリ33に記憶されている予め検
出されたサブシンボルに該当するか否か判断する。この
サブシンボルに該当するものが予測シンボルに全てあれ
ば、このサブシンボルの組合せをシンボル候補として作
成する。ここでは、ワークメモリ33には２つのループと
１つの短セグメントが記憶されており、また、予測シン
ボルAHSには、これらのサブシンボル全て存在するの
で、２つのループと１つの短セグメントの組合せをシン
ボル候補として作成する。
フレームをサーチすると、第５図のシンボルAHSが予測
シンボルの一つのして検出される。（ここで、検出され
る予測シンボルは着目サブシンボルS1を含むF1フレーム
全てである。） 次に、統合機能32は、予測シンボルに記述されているサ
ブシンボル群がワークメモリ33に記憶されている予め検
出されたサブシンボルに該当するか否か判断する。この
サブシンボルに該当するものが予測シンボルに全てあれ
ば、このサブシンボルの組合せをシンボル候補として作
成する。ここでは、ワークメモリ33には２つのループと
１つの短セグメントが記憶されており、また、予測シン
ボルAHSには、これらのサブシンボル全て存在するの
で、２つのループと１つの短セグメントの組合せをシン
ボル候補として作成する。
一方、F1フレームに記述されたサブシンボルの組合せが
ワークメモリ33内に存在しない場合、あるいは後述する
照合機能34の処理が失敗した場合には再び残りのF1フレ
ームをサーチする。なお、F1フレームをすべてサーチし
ても照合機能34により照合が成功しなかった場合は、残
りのF2フレームをサーチして同様の処理を繰り返す。
ワークメモリ33内に存在しない場合、あるいは後述する
照合機能34の処理が失敗した場合には再び残りのF1フレ
ームをサーチする。なお、F1フレームをすべてサーチし
ても照合機能34により照合が成功しなかった場合は、残
りのF2フレームをサーチして同様の処理を繰り返す。
さて、照合機能34は、シンボル候補と予測シンボル（つ
まり辞書）との照合処理を行うもので、 StepA:シンボル候補を構成する各サブシンボルが予測シ
ンボルに対応するF2フレームに記述されている制約条件
を満たすかどうか検証する、 StepB:各サブシンボルが、予測シンボルのF3フレームに
記述されている相互関係に対する条件を満たすか検証す
る、 ステップからなる。
まり辞書）との照合処理を行うもので、 StepA:シンボル候補を構成する各サブシンボルが予測シ
ンボルに対応するF2フレームに記述されている制約条件
を満たすかどうか検証する、 StepB:各サブシンボルが、予測シンボルのF3フレームに
記述されている相互関係に対する条件を満たすか検証す
る、 ステップからなる。
ステップＡにおける検証は完全一致よりも、例えばペナ
ルティの加算という形でマッチングの悪さを評価し、あ
る程度までの相違は許容することが好ましい。
ルティの加算という形でマッチングの悪さを評価し、あ
る程度までの相違は許容することが好ましい。
ステップＢにおける検証には、特徴抽出機能35を利用す
ることにより、中間的な記憶データ例えばセグメントテ
ーブル36やサブシンボルテーブル37の記憶容量を減少さ
せかつシステム全体を高速化することができる。すなわ
ち、関係フレームでの条件に関する情報を予めすべての
セグメントまたはサブシンボルについて求めておくこと
は時間的にも記憶容量的にも膨大となることに鑑み、本
実施例ではこれらのテーブルには、比較的関係フレーム
で参照する頻度の高い情報のみを記憶しておき、比較的
頻度の低い情報については、StepＢで照合の必要性が生
じた場合のみ改めて計測することとした。このためStep
Ｂにおける照合すべき条件に対応して、例えば判定に必
要なデータがサブシンボルテーブル36にあるもの又はセ
グメントテーブル37にあるものはこれらを参照するが、
例えば、 ２点間の方向を求める。
ることにより、中間的な記憶データ例えばセグメントテ
ーブル36やサブシンボルテーブル37の記憶容量を減少さ
せかつシステム全体を高速化することができる。すなわ
ち、関係フレームでの条件に関する情報を予めすべての
セグメントまたはサブシンボルについて求めておくこと
は時間的にも記憶容量的にも膨大となることに鑑み、本
実施例ではこれらのテーブルには、比較的関係フレーム
で参照する頻度の高い情報のみを記憶しておき、比較的
頻度の低い情報については、StepＢで照合の必要性が生
じた場合のみ改めて計測することとした。このためStep
Ｂにおける照合すべき条件に対応して、例えば判定に必
要なデータがサブシンボルテーブル36にあるもの又はセ
グメントテーブル37にあるものはこれらを参照するが、
例えば、 ２点間の方向を求める。
２点P1,P2からP3をみた位置を求める。
ある方向に対する２点P1,P2における▲▼
の方向を求める。
の方向を求める。
指定セグメントの屈折点の数を求める。
サブシンボルsIとsiの連結性を調べる。
点Ｐがある長方形領域の内側にあるか否かの判定を
行う。
行う。
等についてはそれぞれ特徴抽出ルーチンを設けておき、
必要により線図形プロセッサ14を起動してフレームメモ
リ12内の画像から直接計測する。
必要により線図形プロセッサ14を起動してフレームメモ
リ12内の画像から直接計測する。
（ニ）「シンボルコードの出力」 以上により照合が成功すれば予測シンボルのコードをシ
ンボル認識結果としてシンボルテーブル38に出力する。
そして、シンボル候補を構成したサブシンボルについて
は、サブシンボルテーブル36から消去又は処理済である
ことを示すフラグを立てる等した後、新たに未処理サブ
シンボルの中から着目サブシンボルを選び第６図に示す
処理を繰り返す。
ンボル認識結果としてシンボルテーブル38に出力する。
そして、シンボル候補を構成したサブシンボルについて
は、サブシンボルテーブル36から消去又は処理済である
ことを示すフラグを立てる等した後、新たに未処理サブ
シンボルの中から着目サブシンボルを選び第６図に示す
処理を繰り返す。
本発明は、図面読取におけるシンボル認識を例にとり説
明したが、シンボルとしては記号に限られず一般的な図
形や文字あるいは、種々の画像の認識に応用できること
はいうまでもない。
明したが、シンボルとしては記号に限られず一般的な図
形や文字あるいは、種々の画像の認識に応用できること
はいうまでもない。
なお、上記実施例の統合機能はサブシンボル群を統合し
た後にシンボルの予測を行ったが、着目サブシンボルに
対してまずシンボルの予測を行い、これに設定しかつ統
合可能なサブシンボルを求めるようにしてもよい。
た後にシンボルの予測を行ったが、着目サブシンボルに
対してまずシンボルの予測を行い、これに設定しかつ統
合可能なサブシンボルを求めるようにしてもよい。
また、上記実施例では、サブシンボルテーブルの作成が
完了した後にシンボル認識処理を行ったが、セグメント
テーブルを用いてサブシンボルを検出する毎に上述した
シンボル認識処理を交互に行うように構成することもで
きる。
完了した後にシンボル認識処理を行ったが、セグメント
テーブルを用いてサブシンボルを検出する毎に上述した
シンボル認識処理を交互に行うように構成することもで
きる。
第１図は本発明の一実施例のハードウエア構成図、第２
図は本発明の一実施例の全体の流れ図、第３図はテーブ
ル処理プロセッサの機能図、第４図はシンボルを構成す
る部分図形の例を示す図、第５図は本実施例の辞書上の
シンボルを表現した一例を示す図、第６図は統合機能の
処理を説明するためのフローチャートである。 11……入力部 12……フレームメモリ 13……アドレスコントローラ 14……線図形プロセッサ 15……テーブル処理プロセッサ 16……記憶部
図は本発明の一実施例の全体の流れ図、第３図はテーブ
ル処理プロセッサの機能図、第４図はシンボルを構成す
る部分図形の例を示す図、第５図は本実施例の辞書上の
シンボルを表現した一例を示す図、第６図は統合機能の
処理を説明するためのフローチャートである。 11……入力部 12……フレームメモリ 13……アドレスコントローラ 14……線図形プロセッサ 15……テーブル処理プロセッサ 16……記憶部
Claims (1)
- 【請求項１】読み取るべき図形とこの図形を構成する最
小単位であって幾何学的な特徴毎に分類されてなる部分
図形およびこの部分図形の位置関係を対応づけて記憶し
てなる記憶手段と、 読み取るべき図形の線分追跡を行い、この図形を部分図
形に分割する分割手段と、 この分割手段で分割した部分図形の１つである第１の部
分図形を構成要素とする図形を前記記憶手段から読み取
るべき図形の候補として検出する候補検出手段と、 この候補検出手段が検出したこの図形の候補の構成要素
である他の部分図形が前記第１の部分図形の近傍に存在
する図形を抽出する抽出手段と、 この抽出手段で抽出された図形のうち前記記憶手段が記
憶している部分図形の位置関係をもとに読み取るべき図
形と部分図形の位置が一致する図形を認識結果として出
力する認識手段を具備することを特徴とする図面読取装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60047480A JPH0746363B2 (ja) | 1985-03-12 | 1985-03-12 | 図面読取装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60047480A JPH0746363B2 (ja) | 1985-03-12 | 1985-03-12 | 図面読取装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS61208171A JPS61208171A (ja) | 1986-09-16 |
| JPH0746363B2 true JPH0746363B2 (ja) | 1995-05-17 |
Family
ID=12776295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60047480A Expired - Lifetime JPH0746363B2 (ja) | 1985-03-12 | 1985-03-12 | 図面読取装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0746363B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4949388A (en) * | 1987-02-19 | 1990-08-14 | Gtx Corporation | Method and apparatus for recognition of graphic symbols |
| JPH07118016B2 (ja) * | 1990-12-26 | 1995-12-18 | 三菱電機株式会社 | 図形認識装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58117081A (ja) * | 1981-12-30 | 1983-07-12 | Fujitsu Ltd | 複合図形パタ−ン抽出処理方式 |
-
1985
- 1985-03-12 JP JP60047480A patent/JPH0746363B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS61208171A (ja) | 1986-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5410611A (en) | Method for identifying word bounding boxes in text | |
| US5907631A (en) | Document image processing method and system having function of determining body text region reading order | |
| Santosh et al. | Overlaid arrow detection for labeling regions of interest in biomedical images | |
| WO2022247403A1 (zh) | 关键点检测方法、电子设备、程序及存储介质 | |
| RU2370814C2 (ru) | Система и способ для обнаружения списка в рукописных входных данных | |
| JP2009193603A (ja) | 走査された及びリアルタイムの手書き文字の識別を行う文字認識システム | |
| US20150055866A1 (en) | Optical character recognition by iterative re-segmentation of text images using high-level cues | |
| JP3216800B2 (ja) | 手書き文字認識方法 | |
| JP3917349B2 (ja) | 文字認識結果を利用して情報を検索する検索装置および方法 | |
| KR102138748B1 (ko) | 라인 단위의 문자열을 검출 및 정렬하기 위한 방법 및 시스템 | |
| CN116758571A (zh) | 基于文字检测的表格图像结构化信息提取与分析方法和装置 | |
| JP3232991B2 (ja) | 文字読取り方法及び住所読取り方法 | |
| JP2002063548A (ja) | 手書き文字認識方法 | |
| JP2020095374A (ja) | 文字認識システム、文字認識装置、プログラム及び文字認識方法 | |
| KR102303851B1 (ko) | 이미지 분석을 통한 위치 탐색 방법 및 그 시스템 | |
| JP3897999B2 (ja) | 手書き文字認識方法 | |
| JP4221960B2 (ja) | 帳票識別装置及びその識別方法 | |
| JPH1166230A (ja) | 文書認識装置、文書認識方法及び媒体 | |
| JP4648084B2 (ja) | 記号認識方法及び装置 | |
| JP3209197B2 (ja) | 文字認識装置及び文字認識プログラムを記録した記録媒体 | |
| JP4209511B2 (ja) | 文字認識方法、文字認識装置および文字認識方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JPH04260980A (ja) | 図形認識装置 | |
| JP2972443B2 (ja) | 文字認識装置 | |
| JP4936635B2 (ja) | 文字列検索装置、文字列検索方法およびその方法をコンピュータに実行させるためのプログラム | |
| JPS61208171A (ja) | 図面読取装置 |