JPH0786906B2

JPH0786906B2 - 文字列抽出方法

Info

Publication number: JPH0786906B2
Application number: JP62125904A
Authority: JP
Inventors: 広重外園
Original assignee: 日立精工株式会社
Priority date: 1987-05-25
Filing date: 1987-05-25
Publication date: 1995-09-20
Anticipated expiration: 2010-09-20
Also published as: JPS63291184A

Description

【発明の詳細な説明】〔産業上の利用分野〕本発明は、図形と文字の混在する図面の中から、文字お
よび複数の文字からなる文字列を抽出する文字列抽出方
法に係り、特に文字と図形の重なり、あるいは、文字同
志が重なつた場合にも文字列の抽出が可能な文字列抽出
方法に関するものである。

〔従来の技術〕

CADシステムの普及に伴ない、光電変換素子を備えた読
取装置を用いて図面情報を計算機へ自動的に入力するこ
とが試みられている。読取装置から計算機に入力された
図面情報の画像データつまりラスタデータを線として認
識し、ベクトルデータに変換する線認識処理が研究され
ている。

近年では、図形と同様にさらに文字や記号も認識するこ
とが要求され、文字や記号の認識処理の研究が行われる
ようになつた。

図面内の任意の位置に書かれた文字を認識するために
は、文字認識の前処理として図面情報から文字の情報だ
けを抽出する必要がある。

従来、例えば「情報処理学会第32回（昭和61年前期）全
国大会講演論文集4N−５」に記載された文字列抽出方法
が提案されている。

この方式は、まず図面情報の中の独立した線分群を囲む
矩形領域が予め設定された文字サイズ内のとき、その矩
形領域を文字領域として抽出する。その文字領域のデー
タは、線分群を囲む矩形の座標データと矩形内の線分群
の座標データとから構成されている。そして、図面情報
中の複数の文字領域の中から、所定の方向に所定の間隔
で並ぶ文字領域同志を連結して文字列を抽出していた。

〔発明が解決しようとする問題点〕

このような文字列抽出方法では、文字と文字あるいは文
字と図形が交差あるいは重なつた場合、その線分群は予
め設定された文字サイズより大きな線分群として認識さ
れるため、文字が図形とみなされ、抽出できない問題点
があつた。

本発明の目的は、前記問題点を鑑み、文字と文字あるい
は文字と図形が交差もしくは重なる場合にも文字列を抽
出することが可能な文字列抽出方法を提供することにあ
る。

〔問題点を解決するための手段〕

上記目的を解決するための本発明の構成を実施例に対応
する第１図および第２図を用いて説明する。

14は座標列データ記憶部で、図形と文字を構成する各線
分の座標と、これらの線分の中から文字候補となりうる
線分の座標を記憶する。15は制御・演算処理部で、座標
列データ記憶部14に接続され、図面情報の中から文字候
補となりうる線分の抽出と、これらの線分の配列から文
字列を抽出する。

〔作用〕

以上の構成で、制御・演算処理部15は以下の処理を実行
する。

座標列データ記憶部14に記憶された図形と文字を構成す
る線分の中から、予め設定された文字サイズより短かい
線分を文字候補として抽出し、座標列データ記憶部14に
再記憶させる（第２図のステツプ21、以下第２図におけ
る各ステツプは、ステツプ○○と表示する）。

座標列データ記憶部14に再記憶された線分の中から最初
に呼出した線分を含み、かつ前記文字サイズ内に最も多
く線分が入るように文字領域を設定する。（ステツプ2
2）前記文字領域を基準として、その周囲を囲む所定の大き
さの第１の抽出領域を設定する（ステップ23）第１の抽出領域内に少なくとも一部が含まれる未抽出の
線分を座標列データ記憶部14に再記憶された線分の中か
ら抽出する（ステツプ24）。

新に抽出した線分を含む方向に第１の抽出領域を拡張
し、第１の抽出領域に拡張した領域を含めた第２の抽出
領域を設定すると共に、抽出領域の拡張方向を決める
（ステツプ25）。

そして、第２の抽出領域内の線分を文字候補とし、第２
の抽出領域を新な第１の抽出領域として設定する（ステ
ツプ28）。

再び、新な第１の抽出領域内に少なくも一部が含まれる
他の未抽出の線分を抽出する（ステップ24）。

以後、順次拡張される新な第１の抽出領域に少なくとも
一部が含まれる未抽出の線分がなくなるまで、（ステツ
プ24）ないし（ステツプ28）をくりかえし、第１の抽出
領域内の線分群を文字列として抽出する（ステツプ2
9）。

以上のように、文字を含む図面情報から、文字とみなさ
れる短かい線分を抽出し、抽出された各線分の配列から
文字列を抽出できる。

〔実施例〕

以下、本発明の一実施例を第１図ないし第７図により説
明する。

第１図において、11は図面で、文字と図形が混在して書
かれている。12は走査人力部で、図面11から文字と図形
の図面情報を読取り、ラスタデータとして出力する。13
は画像処理部で、走査入力部12から前記ラスタデータが
入力され、そのラスタデータをベクトル化する線認識処
理をほどこし、座標列データとして出力する。14は座標
列データ記憶部で、画像処理部13から入力された図面情
報に対応する座標データと、後述する制御・演算処理部
から入力される線分の座標列データを記憶する。15は制
御・演算処理部で、座標列データ記憶部14に接続され、
図面情報に対応する座標列データを呼出し、その座標列
データの中から文字候補となる線分の座標列データを抽
出し、座標列データ記憶部14に再記憶させると共に、座
標列データ記憶部14から前記文字候補となる線分の座標
列データを逐次呼出し、そのデータの中から文字列の抽
出を行う。16は文字列データ記憶部で、制御・演算処理
部15から入力された文字列データを記憶する。17は表示
部で、文字列データ記憶部16から入力された文字列のデ
ータをデイスプレイ（図示せず）に表示する。18は出力
部で、文字列データ記憶部16から入力された文字列デー
タを記憶媒体（図示せず）に出力する。

以上の構成で、走査入力部12は図面11を上下方向に走査
し、徐々に左から右へ移動することにより、図面11の全
体を図面情報としてもれなく読取る。

前記図面情報のデータを所定の閾値を基準に２値化し
て、線分のある部分のますめは黒レベル、線分のない部
分のますめは白レベルのドツトデータと判定し、第３図
（ｂ）のようなラスタデータとして画像処理部13に出力
する。

画像処理部13は線分の存在する黒レベルのドツトデータ
を線分の一部と認識して、一方向の黒レベルのドツトデ
ータが隣接し、その方向と反対方向に黒レベルのドツト
データが隣接しない点Q₁を端点として求める。その点Q₁
に隣接する黒レベルのドツトデータと同一方向に黒レベ
ルのドツトデータを順次追跡し、黒レベルのドツトデー
タがとぎれる点Q₂を他方の端点として認識する。そし
て、第３図（ｃ）のように線分Q₁Q₂として認識し、点
Q₁,Q₂を線分の始点と終点の座標データ、つまりベクト
ルデータとして座標列データ記憶部14に出力する。以
下、同様に線分Q₂Q₃とQ₄Q₅をベクトルデータとして座標
列データ記憶部14に出力する。

座標列データ記憶部14には、画像処理部13から入力され
るベクトルデータの始点と終点が、第１表のように座標
列データとして順次記憶される。

制御・演算処理部15は、座標列データ記憶部14より逐次
前記座標列データを呼出し、予め設定された文字サイズ
より短かい線分を抽出し、抽出した線分の始点と終点の
座標データを座標列データ記憶部14へ戻し、再記憶させ
る。例えば、第４図（ｂ）において、四角形EFGHを予め
設定された文字サイズとすれば、線分Q₁Q₂の場合、|X₂
−X₁|＜|X₁₁−X₀|,|Y₂−Y₁|＜|Y₁₁−Y₀|となるので抽出
対象の線分Q₁Q₂として抽出する（ステツプ21）。

制御・演算処理部15は、座標列データ記憶部14に再記憶
された線分の座標データの中から任意の線分を呼出し、
その線分を基準として前記文字サイズEFGHと同じ大きさ
の領域EFGHを設定する。

例えば、第４図（ａ）の「AND」を構成する線分群を再
記憶された線分の座標データとし、その線分の中から線
分Q₁Q₂を呼出し、第４図（ｂ）に示すように線分Q₁Q₂を
基準として領域EFGHを設定する。

ついで、少なくとも一端が領域EFGH内に含まれる線分Q₂
Q₃を呼出す。そして、領域EFGHを、線分Q₁Q₂と線分Q₂Q₃
を囲む方向に移動させる。このとき、線分Q₁Q₂とQ₂Q₃を
領域EFGHで囲むことができれば、第４図（ｃ）に示すよ
うに、線分Q₁Q₂とQ₂Q₃を基準として領域E₁F₁G₁H₁の位置
を設定する。また、新に呼出した線分Q₂Q₃を囲むことが
できない場合には、線分Q₂Q₃を取消し、他の線分を呼出
す。

ついで、少なくとも１端が移動後の領域E₁F₁G₁H₁に含ま
れる線分Q₄Q₅を呼出す。このとき、線分Q₄Q₅は、線分Q₁
Q₂と線分Q₂Q₃の間にあるので、第４図（ｄ）に示すよう
に領域E₁F₁G₁H₁は移動しない。

このようにして、少なくとも一端が領域EFGHに含まれ、
かつ線分Q₁Q₂が領域EFGHから突出しない範囲で線分の呼
出と領域の移動を行ない、線分を最も多く含む位置へ領
域EFGHを位置決めする。そして、その領域EFGHを文字領
域E₁F₁G₁H₁として設定する（ステツプ22）。

制御・演算処理部15は文字領域E₁F₁G₁H₁を基準として、
その周囲を囲む所定の大きさの矩形の領域R₀R₁R₂R₃を第
１の抽出領域として設定する。この抽出領域R₀R₁R₂R₃の
設定は、例えば、文字領域E₁F₁G₁H₁の各辺の長さdx,dy
の２倍の長さDx,Dyを各辺の長さとする矩形の領域であ
る。その抽出領域R₀R₁R₂R₃の座標データとその中に含ま
れる３本の線分（Q₁Q₂とQ₂Q₃とQ₄Q₅）の始点と終点の座
標データを抽出領域および文字候補として設定する（ス
テップ23）。

次に、制御・演算処理部15は座標列データ記憶部14に再
記憶された座標データの中から第４図（ｅ）のように、
少なくとも一端が前記抽出領域R₀R₁R₂R₃に含まれる未抽
出の線分Q₆Q₇を抽出する（ステツプ24）。

そして、先に抽出された３本の線分（Q₁Q₂とQ₂Q₃とQ
₄Q₅）と、新に抽出された線分Q₆Q₇を基準として、その
周囲を囲む矩形の領域R₀R₁R₂R₃を設定し、これを第２の
抽出領域R₀S₁S₂R₃として仮定する（ステツプ25）。

そして、第２の抽出領域R₀S₁S₂R₃が先に設定された抽出
領域R₀S₁S₂R₃に対し横方向に拡張されているので、線分
Q₁Q₂,Q₂Q₃,Q₄Q₅,Q₆Q₇は横方向の文字列と判定する。

次に、線分Q₆Q₇を第１の抽出領域R₀R₁R₂R₃の縦方向のサ
イズDyと比較する。そして、線分Q₆Q₇がサイズDy内に含
まれるとき、第２の抽出領域R₀S₁S₂R₃を新な抽出領域と
判定する（ステツプ26）。

このとき、線分Q₆Q₇がサイズDyから突出している場合に
は、第２の抽出領域は取消され、線分Q₆Q₇は削除される
（ステツプ27）。

この抽出領域と判定された第２の抽出領域R₀S₁S₂R₃の座
標データと、その中に含まれる線分Q₁Q₂,Q₂Q₃,Q₄Q₅,Q₆Q
₇のそれぞれの始点と終点の座標データを新に第１の抽
出領域および文字候補として設定する（ステツプ28）。

再び、第４図（ｆ）のように第１の抽出領域R₀S₁S₂R₃に
少なくとも一端が含まれる線分Q₇Q₈を抽出する（ステツ
プ24）。

以下、同様に、線分Q₇Q₈,Q₈Q₉,Q₁₀Q₁₁,Q₁₁Q₁₂,Q₁₂Q₁₃,Q
₁₃Q₁₄,Q₁₄Q₁₅,Q₁₅Q₁₆,Q₁₆Q₁₇,Q₁₇Q₁₀について（ステツ
プ24）ないし（ステツプ28）の処理を第４図（ｇ）のよ
うに第１の抽出領域R₀Z₁Z₂R₃に少なくとも一端が含まれ
る未抽出の線分がなくなるまでくりかえす。

そして、第１の抽出領域R₀Z₁Z₂R₃に含まれる未抽出の線
分がなくなると、抽出領域R₀Z₁Z₂R₃内に含まれる線分Q₁
Q₂,Q₂Q₃,Q₄Q₅,Q₆Q₇,Q₇Q₈,Q₈Q₉,Q₁₀Q₁₁,Q₁₁Q₁₂,Q₁₂Q₁₃,Q
₁₃Q₁₄,Q₁₄Q₁₅,Q₁₅Q₁₆,Q₁₆Q₁₇,Q₁₇Q₁₀のそれぞれの始点
と終点の座標データが文字列「AND」を構成する文字候
補として文字列データ記憶部16に記憶される。

そして、文字列データ記憶部16に記憶された前記各線分
Q₁Q₂ないしQ₁₇Q₁₀の各座標データは二重に抽出されない
ように座標列データ記憶部14から削除される（ステツプ
29）。

次に、座標列データ記憶部14に、さらに座標データがあ
る場合、前記の操作をくりかえし実行して文字列の抽出
を行なう。そして、座標列データ記憶部14に座標データ
がなくなつたとき、文字列の抽出を終了する（ステツプ
30）。

このようにして、所定の間隔で並ぶ複数の文字を文字列
として抽出することができる。

また、文字が一つの場合でも抽出できる。

文字同志が重なつた場合の例を第５図に示す。

同図の場合、線分Q₁Q₂,Q₂Q₃,Q₄Q₅,Q₆Q₇を含む領域E₁F₁G
₁H₁が文字領域として設定される。以後は前記第４図の
場合と同様に、各線分Q₇Q₈ないしQ₁₇Q₁₀を順次抽出する
ことにより、各線分Q₁Q₂ないしQ₁₇Q₁₀を文字列「AND」
を構成する文字の候補として抽出することができる。

文字と図形が交差した場合の例を第６図に示す。

この場合、文字候補となる線分Q₁Q₂ないしQ₁₇Q₁₀を抽出
する際に文字サイズEFGHより長い線分P₁P₂が削除されて
いるので、第４図の場合と同じ方法で文字列を抽出する
ことができる。

文字を構成する線分と図形を構成する線分の一部が重な
つた場合の例を第７図に示す。

同図（ａ）に示すように、文字「Ｎ」を構成する線分Q₈
Q₉と、図形を構成する線分P₄P₅が重なり合う場合、文字
候補となる線分の抽出で、文字サイズE₁F₁G₁H₁より長い
線分P₃P₄,P₄P₅が除外され、同図（ｂ）に示すように線
分Q₁Q₂,Q₂Q₃,Q₄Q₅,Q₆Q₇,Q₇Q₈,Q₁₀Q₁₁,Q₁₁Q₁₂,Q₁₂Q₁₃,Q
₁₃Q₁₄,Q₁₄Q₁₅,Q₁₅Q₁₆,Q₁₆Q₁₇,Q₁₇Q₁₀,P₅P₆が抽出される
（ステツプ21）。

以下、第４図と同様にして第７図（ｂ）に示すように前
記各線分Q₁Q₂ないしQ₁₇Q₁₆と線分P₅P₆の座標データを文
字列データ記憶部16へ記憶する。

文字列データ記憶部16は記憶された文字候補の座標デー
タを表示部17に出力し、デイスプレイ（図示せず）に表
示する。また、文字列データ記憶部16は、出力部18にも
出力し、フロツピデイスクやハードデイスクなどの記憶
媒体（図示せず）に記憶させ、文字候補の座標データを
保管させることもできる。

上記のように、文字と文字あるいは文字と図形の交差ま
たは重なりが存在する図面情報から文字候補になる線分
の座標データを文字列として抽出することができる。

また、図面情報の中から予め文字サイズ内に入る短い線
分のみを抽出し、選択すべき線分情報の量を減らすよう
にしたので、図面情報の処理時間を短くすることができ
る。

なお、（ステップ22）において、線分を最も多く含む位
置へ領域EFGHを位置決めし、領域EFGHを文字領域E₁F₁G₁
H₁として設定したのは以下の理由からである。

例えば、英文字「Ｔ」のような場合、最初に抽出された
線分Q₁Q₂を基準として文字領域を設定し、この文字領域
を基準に抽出領域を設定すると、次に抽出された線分が
拡張された抽出領域の下方向に存在することになる。従
って、抽出領域の拡張方向が縦方向に設定され、横方向
の文字列であっても縦方向の文字列とみなされることに
なる。

従って、１つの文字とみなされる線分群が予め設定され
た文字サイズ内に入るように、文字サイズ内に最も多く
線分が含まれる領域を最初の文字領域として設定する。
この文字領域を基準に抽出領域を設定し、少なくとも一
部が抽出領域に含まれる線分を抽出し、抽出領域内に抽
出された線分が最初の文字領域内の線分群と同一の文字
列を構成する線分となるように抽出領域を拡張するよう
にしたので、抽出領域の拡張方向の誤りを減らすことが
できる。

なお、上記各実施例はいずれも横方向の文字列の場合に
ついて説明したが、抽出領域が縦方向に拡張されたと
き、総方向の文字列と判定し、前記サイズDyに相当する
サイズDxの大きさは、抽出領域R₀R₁R₂R₃の横方向の寸法
と同じ大きさに設定する。以降、（ステツプ26）の第２
の抽出領域は横方向のサイズDxで比較することにより、
第４図と同様に文字列を抽出できる。

また、抽出領域R₀R₁R₂R₃の横方向の寸法Dxと縦方向の寸
法Dyは文字サイズEFGHの横方向の寸法dxと縦方向の寸法
dyの２倍に限らず任意に設定してもよい。

なお、上記実施例においては、抽出した線分を文字候補
とするか否かを判定する基準として、最初に設定された
抽出領域の縦（または横）方向のサイズDy（またはDx）
を用いる場合について説明したが、このサイズDy（また
はDx）の代りに、抽出領域R₀R₁R₂R₃と文字領域E₁F₁G₁H₁
の間に文字列を構成する文字の候補となる線分の選択基
準として、サイズαｙ（またはαｘ）を設定してもよ
い。

そして、サイズαｙを設定した場合、第７図（ｃ）に示
すように、線分P₅P₆は、その一端がサイズのαｙから突
出しているため、文字候補から除外される（ステツプ2
8）。

従つて、第７図（ｄ）に示すように線分Q₁Q₂ないしQ₁₇Q
₁₀を文字列として抽出することができる。

〔発明の効果〕

以上述べたように、本発明によれば、図形と文字を含
み、ベクトルデータに変換された図面情報の中から、予
め設定された文字サイズ内に入る短い線分を抽出すると
共に、文字を構成する線分情報として記憶し、記憶され
た線分情報の中から最初に抽出された線分を基準として
文字領域を設定し、この文字領域に少なくとも一部が含
まれる線分を順次抽出し、最初に抽出された線分と、順
次抽出された線分を含むように、文字領域を移動させ、
前記文字サイズ内に最も多くの線分を含む位置を最初の
文字領域として設定し、この文字領域を基準として文字
領域を囲う所定の大きさの抽出領域を設定した後、前記
線分情報の中から、少なくとも一部が前記抽出領域に含
まれる新たな線分を抽出、この線分を包含する方向に前
記抽出領域を拡張すると共に、拡張した方向を以後の抽
出領域の拡張方向として設定し、拡張された抽出領域内
に少なくとも一部が含まれる新たな線分がなくなるま
で、抽出領域の拡張と線分の抽出を繰返し、この拡張さ
れた抽出領域に含まれる線分群を１つの文字列として抽
出するようにしたので、抽出方向の誤認を少なくし、図
形と文字を含む図面情報の中から文字列を抽出すること
ができる。

【図面の簡単な説明】

第１図は本発明の文字列抽出処理を実現する装置のブロ
ツク図、第２図は本発明の処理手順の一実施例を示すフ
ローチヤート、第３図は図面情報を読取る工程図、第４
図は本発明の文字列抽出の工程図、第５図ないし第７図
は本発明による文字列抽出の実施例の説明図である。 14……座標列データ記憶部、15……制御・演算処理部。

Claims

【特許請求の範囲】

【請求項１】図形と文字を含み、ベクトルデータに変換
された図面情報の中から、予め設定された文字サイズ内
に入る短い線分を抽出すると共に、文字を構成する線分
情報として記憶し、記憶された線分情報の中から最初に
抽出された線分を基準として文字領域を設定し、この文
字領域に少なくとも一部が含まれる線分を順次抽出し、
最初に抽出された線分と、順次抽出された線分を含むよ
うに、文字領域を移動させ、前記文字サイズ内に最も多
くの線分を含む位置を最初の文字領域として設定し、こ
の文字領域を基準として文字領域を囲う所定の大きさの
抽出領域を設定した後、前記線分情報の中から、少なく
とも一部が前記抽出領域に含まれる新たな線分を抽出
し、この線分を包含する方向に前記抽出領域を拡張する
と共に、拡張した方向を以後の抽出領域の拡張方向とし
て設定し、拡張された抽出領域内に少なくとも一部が含
まれる新たな線分がなくなるまで、抽出領域の拡張と線
分の抽出を繰返し、この拡張された抽出領域に含まれる
線分群を１つの文字列として抽出することを特徴とする
文字列抽出方法。