JPH08339424A - 画像処理装置及び方法 - Google Patents

Abstract

(57)【要約】 【目的】 入力された原稿画像中の文字種を効率良く判
定することで、下位の処理、例えば文字認識処理におけ
る処理精度を上げることを可能にする。 【構成】 入力した原稿画像中の文字列パターンの行が
判別されると、その行におけるドットの連続性でもって
個々の文字幅を得る（ステップＳ１０６）。そして、文
字数と文字幅及び行高に基づいて１文字当たりの高さと
幅の比の平均値Ｒを算出する。そして、算出した値Ｒの
大小に基づいて、注目行が英語文字であるか、日本語文
字かを判定する（Ｓ１０７）。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は画像処理装置及び方法、
詳しくは入力された原稿画像中の文字種を判定し下位の
処理に渡す画像処理装置及び方法に関するものである。

【０００２】

【従来の技術】情報が溢れる現代社会において情報管
理、検索が容易になる情報の電子化が早急に望まれてい
る。情報の電子化には、スキャナなどの入力装置で読み
取った画像である文字を文字コードに変換するＯＣＲ
（光学的文字認識）が必須であり、その精度はどんどん
向上してきている。

【０００３】ＯＣＲは日本語（漢字、ひらがな、カタカ
ナ）と英語その他（アルファベット）の特性の違いのた
め、アルファベット（特に小文字）を日本語ＯＣＲで認
識するのは困難であることから、それぞれ別の認識アル
ゴリズムを用いたり、アルゴリズムは同じでも辞書の切
り替えを行ったりする。従って、アルファベットと日本
語を判別するための技術が必要になる。

【０００４】従来、アルファベットと日本語を判別する
方法はなかったため、ユーザがオペレーションパネルや
キーボード或いはポインティングデバイス等を操作し
て、それらを区別するための指示を行っていた。

【０００５】

【発明が解決しようとする課題】しかしながら、これで
はユーザの手間が多大であるし、さらに以下のような問
題点がある。

【０００６】複数枚のデータを読み込む際、ＡＤＦ（オ
ートドキュメントフィーダ）がユーザに原稿指し替え作
業を削減するが、その複数ページ中に英語のドキュメン
ト、日本語のドキュメントが入り混じっている可能性が
ある。一枚読み込む毎にユーザの指示を待っていたので
は、ＡＤＦの利点が台無しになってしまう。また、全ペ
ージ読み込んだ後にユーザの指示を受ける形式にするに
は大量のメモリが必要になる。

【０００７】

【課題を解決するための手段】及び

【作用】本発明はかかる問題点に鑑みなされたものであ
り、入力された原稿画像中の文字種を効率良く判定する
ことで、下位の処理、例えば文字認識処理における処理
精度を上げることを可能にする画像処理装置及び方法を
提供しようとするものである。

【０００８】この課題を解決するため、例えば本発明の
画像処理装置は以下の構成を備える。すなわち、原稿画
像を入力して、当該原稿中の文字の種別を判定し下位の
処理に渡す画像処理装置であって、入力された原稿画像
中の文字列パターンを含む行を判別する判別手段と、該
判別手段によって判別された行の高さ、仮文字数、及び
個々の仮文字の幅をドット分布に基づいて検出する検出
手段と、該検出手段で検出された行高、仮文字数及び仮
文字の幅に基づいて注目行の文字種を判定する判定手段
とを備える。

【０００９】ここで本発明に好適な実施態様に従えば、
前記下位処理は文字認識処理であって、前記判定手段で
判定された結果に応じて認識処理するときに使用する認
識辞書を選択させることが望ましい。また、前記下位処
理は文字認識処理であって、前記判定手段で判定された
結果に応じて認識処理するときに使用する認識アルゴリ
ズムを選択させても良い。この結果、認識する処理或い
は辞書が予め決められるので、認識処理が簡潔になり、
処理速度及び文字認識率を上げることが可能になる。

【００１０】また、前記文字種は、アルファベット文字
と漢字圏文字のいずれかであることが望ましい。これに
より、アルファベット圏と漢字圏との文字の特徴を利用
して、精度良く判定できるようになる。

【００１１】また、前記判定手段は、１文字当たりの高
さと幅の比の平均値でもって注目行の文字種を判定する
ことが望ましい。これにより、高さは同程度であって
も、幅狭文字と幅広文字の判定が容易になる。

【００１２】前記判定手段は、注目行中の仮文字の文字
幅の大きさに従って並べ替え、両端から所定個数の仮文
字を除く仮文字で得られるの高さと幅の平均値でもって
判定することが望ましい。これにより、仮文字として判
定された文字の切り出し位置に誤りがあっても、その誤
り部分を吸収できるようになるので、判定結果の精度を
上げることが可能になる。

【００１３】また、このとき、所定個数は、仮文字数の
個数に依存して変動することが望ましい。これによっ
て、実際の１行の文字数が如何なる個数であっても、文
字切り出し位置に誤りを効率良く吸収できるようにな
る。

【００１４】また、更に、前記入力された原稿画像中の
ノイズ除去するノイズ除去手段を備えるが望ましい。こ
の結果、ノイズによる影響をなくすことができるので、
行の判別をより精度良く行なえる。

【００１５】また、更に、前記入力された画像を所定角
度だけ回転させて、正立画像としての方向を決定する手
段を備えることが望ましい。これによって、原稿画像の
入力方向に応じて判定することが可能になる。

【００１６】

【実施例】以下、添付図面に従って本発明に係る実施例
を詳細に説明する。

【００１７】実施例における文字認識装置のブロック構
成を図１０に示す。図中、１は装置全体の制御を司るＣ
ＰＵ、２はブートプログラム等を記憶しているＲＯＭ、
３はＣＰＵ１が実行処理するプログラムやオペレーティ
ングシステム（ＯＳ）を記憶するＲＡＭである。４は例
えばハードディスク装置等の外部記憶装置であって、こ
こにＯＳ、文字認識処理に係るプログラム（後述する図
１、３、９に示したフローチャートに対応するプログラ
ムを含む）、更には認識辞書（日本語文字用と英語文字
用）が格納されている。５はキーボードやポインティン
グデバイス等で構成される入力装置、６は原稿画像を読
み取るイメージスキャナである。７は読み取った画像を
一時的に記憶する画像メモリ、８は各種メッセージや認
識された情報を表示する表示装置である。

【００１８】以上の構成における実施例の処理を説明す
る前に、簡単にその文字種判別（日本語と英語の判別）
の原理を説明する。

【００１９】一般に、同じサイズの文字（日本語、英語
とも）では、全体として見た場合、日本語の個々の文字
（ドットパターン）の外接矩形の高さに対する横幅の比
は、英語のそれより大きい値を持つ。換言すれば、英語
文字は、その高さに対して横幅は小さい。従って、これ
を基にして、入力画像中の文字が日本語なのか、英語な
のかを判断できることになる。

【００２０】以下、実施例の処理を図１のフローチャー
トに従って説明する。尚、同プログラムに基づくプログ
ラムは外部記憶装置４に記憶されているものであるが、
ＲＡＭ３にロードされ、実行される。

【００２１】さて、イメージスキャナ６により入力され
たビットマップ画像は、ステップＳ１０１でブロック分
けが行われる。

【００２２】１画素１ビットの２値ビットマップ画像の
一例を図２（ａ）に示す。本実施例では単純２値化され
た２値画像が好ましい。そのビットマップ画像を図２
（ｂ）の形にするのが、ステップＳ１０１の領域分離処
理である。

【００２３】領域分離処理の一例のフローチャートを図
３に示す。ステップＳ３０１でビットマップ画像にｍ×
ｍ画素サイズのウインドウを定義し、このウインドウ内
に所定数（実施例では“１”とした）の黒画素があった
ら、該当するウインドウを黒とし、解像度を大幅に減ら
し文字部分を連結させる。ステップＳ３０１の解像度変
換した様子を図４に示す。次にステップＳ３０２で輪郭
線追跡をすると、文字特有の細長いパターンとその他の
図形を区別することができる。最後のステップＳ３０３
では、同一グループ連結処理で、隣接するテキスト部を
結合させることによって図２（ｂ）のように領域分離す
ることができる。

【００２４】実施例においては、各ブロックを定義する
ために、ブロック定義用のデータ構造体を決めた。図５
（ａ）がその構造体であり、ブロックの種別を定義する
要素“type”（short 型）、ブロックの左上隅位置ｘ座
標及びｙ座標を定義する要素“startx”,“starty”
（各々をshort 型）、ブロックの幅と高さを定義する
要素“width”,“height”（各々short型）、そして、
次のブロックのアドレスを記憶するための要素“next_a
ddress”で構成される。

【００２５】ここで、要素“type”は、０〜２のいずれ
かの数値が割り当てられ、“０”が該当するブロックは
“タイトル”であることを、“１”は“テキスト”、
“２”は“その他（図形や写真等）”であることを示
す。

【００２６】尚、各ブロックの種別を判定する手法であ
るが、実施例では図４に示すように解像度を下げて処理
した場合（このとき文字パターンどうしは互いに連結さ
れてしまい一塊の黒画素領域になる）、その領域の輪郭
を追跡していって、細長い連なりかどうかを判定し、細
長い（縦横比が所定条件を満たしている）とき該当する
領域は文字列領域であると判定する。ここで、文字列に
は、タイトル（見出し）と本文のテキストの二種類に分
けられるが、前者（タイトル）は一般にその文字サイズ
が大きい。そこで、文字領域であると判定された細長い
黒画素領域の長手方向にほぼ直角な断面の長さが所定以
上のとき、タイトルとして判定するようにした。また、
一般にタイトルは、本文の上方にある場合が多いので、
その存在位置に従ってタイトルかテキストかを判断する
ようにしても良い。但し、ブロックの判定そのものは本
発明の主要な部分ではないので、これ以上の説明は省略
する。

【００２７】図５（ｂ）は、上記の構造体で表されるデ
ータの例を示している。各ブロックの要素next_address
には、次のブロックのアドレスが格納され、最後はＮＵ
ＬＬを代入しておくことでそれ以降のデータは存在しな
いことを明示させておく。

【００２８】図１の説明に戻る。ステップＳ１０１でブ
ロックデータが抽出されると、処理はステップＳ１０２
に進み、未処理のブロックがなくなるまで（構造体のne
xt_addressがＮＵＬＬになるまで）ループする。もし、
未処理のブロックがなくなったら本処理を終了するが、
未処理のブロックがあるならばステップＳ１０３に移
る。

【００２９】ステップＳ１０３では現在処理しようとす
るブロックが文字を含んでいれば（要素ｔｙｐｅが０又
は１）、ステップＳ１０４に進み、含んでいなければ１
０２に戻る。

【００３０】ステップＳ１０４ではブロック内のデータ
をＹ軸に斜影を行い文字の存在するＹ軸（行）の抽出を
行う。Ｙ軸への斜影を例として図２（ｂ）のテキスト２
に対して行うと図６に示すようになる。Ｙ軸への斜影を
より具体的に説明するために図９にフローチャートを示
す。

【００３１】尚、以下の説明に先立ち、変数ｌｉｎｅ＿
ｈ［］、ｌｉｎｅ＿ｓｙ［］は共にＲＡＭに確保された
配列変数であり、ｌｉｎｅ＿ｈ［］は各行分の文字列の
高さ情報を格納し、ｌｉｎｅ＿ｓｙ［］は各行の左上隅
の、注目ブロックの左上隅座標からの相対的なｙ座標を
記憶する。また、変数ｉはブロック内における相対的な
ｘ座標を、変数ｊは同ｙ座標を示す。また、ｆｌａｇ
は、１行分の切り出し処理を行っている最中か否かを示
す変数ものであり、ｋｕｒｏは着目している１ドットラ
イン中に黒画素があるか否かの情報を記憶する変数であ
る。また、ｎｌｉｎｅは、注目ブロック中に何行分の文
字列行があるかをカウントする変数である。

【００３２】さて、ステップＳ９０１においては、変数
ｎｌｉｎｅ、ｆｌａｇ，ｊをそれぞれ“０”クリアす
る。そして、ステップＳ９０２で変数ｉ，ステップＳ９
０３で変数ｋｕｒｏをそれぞれ“０”クリアする。

【００３３】次いで、ステップＳ９０４に進んで、変数
ｊが注目ブロックの高さ（注目ブロックがｋ番目である
場合には、ＢＬＫ［Ｋ］．ｈｅｉｇｈｔで得られる）を
越えたか否かを判断する。もし、超えていれば、注目ブ
ロック内の全てのラインに対しての処理が完了したこと
になるから、本処理を終える。

【００３４】従って、ここでは変数ｊの値が注目ブロッ
クの高さに満たないとして、説明を続ける。

【００３５】この場合、処理はステップＳ９０５に進
み、画像メモリ７に格納された画像データのｘ座標がｓ
ｔａｒｔｘ＋ｉ，ｙ座標がｓｔａｒｔｙ＋ｊの位置の画
素データを読み出し、それが黒画素かどうかを判断す
る。ここで、ｓｔａｒｔｘ、ｓｔａｒｔｙは注目ブロッ
クの構造体の要素名であることは理解できよう。

【００３６】さて、変数ｉ，ｊで示される位置の画素が
黒画素でないと判断した場合には、ステップＳ９０６に
進み、その時の変数ｉと注目ブロックの横幅ｗｉｄｔｈ
を比較する。この結果、ｉ＜ｗｉｄｔｈであると判断し
た場合には、ステップＳ９０７に進んで、変数ｉを
“１”だけインクリメントする。

【００３７】こうして、注目ブロックの第ｊラインにお
いて、変数ｉが順次インクメントさせていって注目画素
が黒画素であると判断されると、処理はステップＳ９０
８に進み、変数ｋｕｒｏに“１”を代入し、注目ライン
（変数ｊで示されるライン）には少なくとも黒画素が存
在したことを示すようにする。

【００３８】この後、処理はステップＳ９０９に進み、
ｆｌａｇが“０”であるかどうかを判断する。ｆｌａｇ
が“０”というのは、直前までのラインは空白部分であ
って、変数ｊで示されるラインになってはじめて黒画素
が発生したことを意味する。従って、この場合には、ス
テップＳ９１０に進み、文字列パターンの発生を検出し
たことになるから、その時点での変数ｊを配列変数ｌｉ
ｎｅ＿ｓｙ［ｎｌｉｎｅ］に代入する。文字パターンは
複数のドットラインに存在するから、次のラインでステ
ップＳ９１０の処理を行なわないように、ｆｌａｇに
“１”を代入させておく。

【００３９】また、変数ｊで示されるライン中に黒画素
の存在を検出した場合には、同ラインにおけるそれより
右側に位置する画素の状態を検出することは不要になる
のでステップＳ９０７の処理を行わず、注目ラインの処
理を終えたものとして、ステップＳ９１２に進む。

【００４０】ステップＳ９１２では、ｋｕｒｏ＝０、且
つ、ｆｌａｇ＝１であるかどうかを判断する。

【００４１】つまり、黒画素が存在するラインが連続し
て検出されている最中に、空白ラインが検出されたかど
うかを判断する。より分かりやすく説明すると、１行分
の文字列パターンの領域が決定したかどうかを判断す
る。

【００４２】否の場合には、ステップＳ９１３に進ん
で、変数ｊを“１”だけインクリメントし、ステップＳ
９０２以降の処理を繰り返す。

【００４３】こうして、１行分の文字列パターンの検出
がなされたと判断した場合には、ステップＳ９１４に進
んで、配列変数ｌｉｎｅ＿ｈ［ｎｌｉｎｅ］に、そのと
きの変数ｊからｌｉｎｅ＿ｓｙ［ｎｌｉｎｅ］を引いた
値をセットする。先に説明したように、ｌｉｎｅ＿ｓｙ
［ｎｌｉｎｅ］には文字列パターンの左上隅のｙ座標が
格納されているから、ｌｉｎｅ＿ｈ［ｎｌｉｎｅ］には
黒画素が連続するラインの本数、すなわち、文字列パタ
ーンの高さ情報が格納されることになる。

【００４４】次いで、ステップＳ９１５で、次の文字列
パターン（文字列行）の検出に備えて変数ｆｌａｇを
“０”クリアし、ｎｌｉｎｅを“１”だけインクリメン
トする。

【００４５】以上の結果、最終的に変数ｊが注目ブロッ
クの高さｈｅｉｇｈｔを越えることになり、その時点で
本処理を終了する。このとき、ｎｌｉｎｅは注目ブロッ
クにおいて検出された文字列行数が格納され、ｌｉｎｅ
＿ｓｙ［０］〜ｌｉｎｅ＿ｓｙ［ｎｌｉｎｅ］には各文
字列パターンの左上隅のｙ座標値が、ｌｉｎｅ＿ｈ
［０］〜ｌｉｎｅ［ｎｌｉｎｅ］には各文字列パターン
の高さ情報が格納されることになる。

【００４６】以上の図９の処理により各ブロックの文字
画像から行数、各行のスタート点および高さを抽出する
ことができる。

【００４７】図１の説明に戻る。ステップＳ１０５では
抽出された行データの処理のためにループを回す。全て
の行の処理が終わっていない場合にはステップＳ１０２
に戻り、それ以外はステップＳ１０６に進む。

【００４８】ステップＳ１０６では、図７に示すよう
に、各行のＸ軸への射影を行ない、文字の切り出しを行
う。Ｘ軸への射影処理は、先に説明したＹ軸への射影処
理と比較して、射影の対象軸が異なるだけであるので、
その説明は省略する。但し、この処理でもって、図９の
フローチャート中のline_h[]に相当する配列変数には、
文字幅が格納され、ｎｌｉｎｅに相当する変数には文字
数が格納されることになる。

【００４９】日本語文字列である図７（ａ）のＸ軸への
射影によって文字の存在位置（正確にはドットの連続す
る位置）は全部で１６個である。ここで、文字“は”
は、２つの文字として検出されているが、全体として見
た場合には問題にはならない。さて、各文字の横幅は wordＷ[16]={8.0,7.5,1.5,3.5,7.0,6.5,7.0,6.5,7.0,8.
0,8.0,5.0,6.0,3.0,1.5,6.5}(mm) である。文字の平均幅ave_wordＷは、 ave_wordＷ=ΣwordＷ/16＝5.78 となる。従って、縦横比Ｒは、 Ｒ=平均幅ave_wordＷ／高さline_h[] で求められる。ここで、高さline_h=7.0mmとすると、 Ｒ=5.78/7=0.83 となる。

【００５０】同様に、図７（ｂ）の文字パターンに対し
て同様の処理を行うと、 ave_wordＷ=2.93 Ｒ=2.93/7.0=0.43 となる。

【００５１】従って、算出した縦横比の値の大小でもっ
てその行が日本語文字か、英語文字かを判断することが
可能になる。

【００５２】図１におけるステップＳ１０７では、まさ
に、この判断処理を行っている。すなわち、縦横比Ｒ
を、予め設定された閾値Ｔ以上であるか否かを判断し、
その判断結果が是であれば、ステップＳ１０８で注目行
は日本語文字として判断し、下位の処理である文字認識
処理に日本語辞書を参照して、もしくは日本語辞書を優
先して認識するよう指示する。また、ステップＳ１０７
の判断結果が非であれば、注目行が英語文字であると判
断できるから、英語認識辞書を参照、もしくは優先して
認識処理を行うよう指示する。

【００５３】以上説明したように本実施例によれば、行
単位に英語か日本語かを判断できるので、後の文字認識
処理においては、適正な認識辞書が選択させることが可
能となり、認識率を向上させることが可能になる。ま
た、場合によっては、認識アルゴリズム自身を切り替え
るようにしても良い。

【００５４】＜第２の実施例の説明＞上記第１の実施例
においてアルファベット日本語判別を文字画像の１行毎
に行ったがその限りでない。

【００５５】例えば、文字画像の１行目を抽出し、その
１行目にＹ軸への斜影を行いＲを算出しアルファベット
日本語判別を行ったらその結果をその画像全体の判別結
果としてもよい。

【００５６】または文字画像をＸ軸への斜影により行切
りを行い、Ｙ軸への斜影により文字切りを行なった後、
任意にｍ文字分選びだし、ｍ文字のＲの平均を算出しそ
の文字画像全体のアルファベット日本語判別を行う方法
もある。

【００５７】これらの方法により、計算時間の短縮が計
れる。

【００５８】＜第３の実施例の説明＞上述の第１の実施
例における図７（ａ）を見ると「は」や「い」などの２
つのオブジェクトによって構成される文字がＸ軸への斜
影という文字切りにより、それぞれの文字は２つに分割
された状態（御分割）で検出されてします。

【００５９】また、図７（ｂ）のアルファベットである
英語は「qualified」のｆが右側のｉにかぶさって位置
しているためにこれら２つの文字で１文字として検出さ
れてしまう。

【００６０】実際、このような状況が発生したとして
も、１行当たりの文字数がある程度あれば、正しく判別
できることが確かめられたが、「は」や「い」等の文字
や、「fi」等のように２つの文字がかぶっている場合が
多く発生する可能性は否定できない。

【００６１】本第３の実施例では、かかる問題点を一掃
する。

【００６２】上述の誤分割の結果の特徴として日本語文
内では相対的に細く文字切りされたものが誤分割である
ことが多く、アルファベットでは相対的に太く分割され
たものが誤分割であることが多い。

【００６３】そこで、図１におけるステップＳ１０７の
文字切りのパラメータ計算においては、行中の文字切り
による分割数ｎｃｈａｒを幅の太いものから細いものま
で順番に並べ、上位ａ個と下位ｂ個を除いて縦横比Ｒ計
算を行う。

【００６４】このようにすると、誤分割の影響が少なく
できるので、判断結果は第１の実施例と比較して高くな
る。

【００６５】具体的に図７の縦横比Ｒを計算してみる。

【００６６】日本語である図７（ａ）はＹ軸への斜影に
よって１６個分に分割され、その値はwordＷ[16]は先に
示した通りである。

【００６７】ここで、wordＷ[16]を大きい順に並べると
（wordＷ2[]とする）、以下の通りである。すなわち、 wordＷ2[16]={8.0,8.0,8.0,7.5,7.0,7.0,7.0,6.5,6.5,
6.5,6.0,5.0,3.5,3.0,1.5,1.5}(mm) となる。

【００６８】ここで、間引きする個数ａ、ｂを、ｎｃｈ
ａｒ／４、すなわち、それぞれを検出された文字数の１
／４として決定すると、ａ＝ｂ＝４となる。

【００６９】この結果、間引き後の平均文字幅ave_word
Ｗ2は、 ave_wordＷ2=(wordW2[11]+wordW2[10]+wordW2[9]+wordW
2[8]+wordW2[7]+wordW2[6]+wordW2[5]+wordW2[4])／８ =52.0/8＝6.5(mm) となる。この結果、縦横比Ｒは、Ｒ＝平均幅／縦＝６．
５０／７．０＝０．９３の値が得られる。

【００７０】この値と、第１の実施例で得られた値
“０．８３”と比較すると、「Ｒが大きいという日本語
の特徴」を強調させることができるのがわかる。

【００７１】一方、英語である図７（ｂ）はＹ軸への斜
影によって３０個に分割され、その値は、 wordW[30]={5.5,4.0,3.0,3.0,3.0,3.5,3.0,3.0,1.5,3.
0,3.0,3.0,2.5,3.5,2.5,3.0,3.0,3.0,2.5,2.5,1.5,2.5,
3.5,3.0,3.0,1.5,1.5,4.0,3.0,3.5}(mm) となる。

【００７２】日本語の場合と同じように、間引き数ａ、
ｂをｎｃｈａｒ／４とすると、ａ＝ｂ＝７になる。

【００７３】従って、大きい順に並べ変えた場合の、上
下７個のデータを無視して、平均文字幅ave_wordＷ2を
算出すると、ave_wordＷ2=（ｗｏｒｄＷ２［２２］〜ｗ
ｏｒｄＷ［７］の合計）／１６=３．００（ｍｍ）とな
る。

【００７４】従って、縦横比Ｒは３．００／７．０＝
０．４３となる。

【００７５】この値は、第１の実施例と比較して０．０
１だけＲが高くなるという結果になってしまったが、
「ｆｉ」の様にくっついてしまった文字が今回は１個し
かなかったためであり、複数ある場合は有効に作用す
る。

【００７６】また、ａ＝ｎｃｈａｒ／８，ｂ＝ｎｃｈａ
ｒ／４などのように英語の誤分割（太くなる）が日本語
の誤分割（細くなる）に比べて少ないという前提でａと
ｂとを同じにするのではなく、異なるようにしても良い
であろう。

【００７７】以上説明したように第３の実施例によれ
ば、第１の実施例と比較して、その判別の精度を上げる
ことが可能になる。

【００７８】＜第４の実施例の説明＞上述の実施例にお
いて行抽出手段は文字画像に対する軸への射影としたが
その限りでなくたとえば、図１のステップＳ１０１の領
域分割により行ってもいい。

【００７９】具体的には、図３のステップＳ３０１の解
像度変換、ステップＳ３０２の輪郭線追跡を行なったあ
と、輪郭線追跡により抽出されたオブジェクトのうち細
長いものを文字と判定するが、ステップＳ３０３の同一
グループ結合を行わずに、行として領域分割をする。こ
の処理により図２（ａ）を実行した結果は図８の様にな
り、軸への射影は必要なくなる。しかし、解像度変換の
影響で抽出された行の精度が低いのでそれを考慮してし
きい値Ｔの値をチューニングしなければならない。

【００８０】＜第５の実施例の説明＞上述の実施例にお
いて、本処理を施す１画素１ビットの画像にノイズが存
在していては本アルファベット日本語判別の能力を生か
せられない。従って明らかにノイズとわかる孤立ドット
などを除去すると良いだろう。孤立ドット除去の方法と
しては画像をウインドリングしパタンマッチングで消去
する方法などがある。

【００８１】＜第６の実施例の説明＞上述の実施例にお
いて図１のステップＳ１０１の領域分離処理を施す画像
は１画素１ビットの画像としたがその限りでなく、例え
ば１画素８ビットの多値画像でもよい。その場合、領域
分離は微分フィルタをかけて高周波成分を抽出し、文字
部、写真部にわける方法がある。本アルファベット日本
語判別を実施するには上記１画素８ビットの多値画像を
一定しきい値で２値化する必要がある。

【００８２】＜第７の実施例の説明＞本アルファベット
日本語自動判別法を施す前に、文字画像の傾きを補正す
ることによって、原稿が傾いた画像に対してより良好な
結果を得ることができる。傾き補正は例えば抽出した行
の傾きを求めて、座標変換することによって実現でき
る。

【００８３】＜第８の実施例の説明＞本アルファベット
日本語自動判別法を施す前に、文字画像の方向を検出す
ることによって、原稿の方向に依存しない結果を得るこ
とができる。文字画像方向の検出は例えば領域分割によ
って抽出した文字画像を行抽出、文字抽出を実行し、抽
出した数画像を０°回転、９０°回転、１８０°回転、
２７０°回転を行いＯＣＲを行う。ＯＣＲの確信度が得
られるのでそれを利用して文字画像の方向を検出し原画
像回転を行う。

【００８４】＜第９の実施例の説明＞第１の実施例で
は、文字画像の行抽出を行い、すべての行を抽出した後
で１番目の行の文字抽出を行なったが、この限りでな
く、文字画像の行抽出を行い、１番目の行が見つかった
時点で、その行に対し文字抽出を行い、本アルファベッ
ト日本語自動判別を実施することも出来るメモリなどが
少なくてすむメリットがある。

【００８５】以上説明したように本実施例によれば、文
字画像を、Ｙ軸に射影し行を抽出する行抽出手段と、上
記抽出された行に対しＸ軸への斜影を行い文字数（ｎｃ
ｈａｒ）および文字幅（ｗｏｒｄＷ［ｎｃｈａｒ］）を
抽出する文字抽出手段と、文字幅の平均値ａｖｅ＿ｗｏ
ｒｄＷ＝（ΣｗｏｒｄＷ）／ｎｃｈａｒと行の高さ（ｌ
ｉｎｅＨ）との比Ｒを算出する算出手段と、Ｒとしきい
値Ｔを比較する比較手段と、Ｒ＞＝Ｔのときは日本語と
判別し、Ｒ＜Ｔのときはアルファベットと判別する判別
手段を持つ、アルファベット日本語自動判別方法である
ので、ユーザの手間なしにアルファベットと日本語を良
好に判別できるようになる。

【００８６】また、上記Ｘ軸への斜影により文字切りさ
れた結果から文字幅の大きいものを上から順にａ文字、
文字幅の小さいものを下から順にｂ文字除きＲを計算す
ることにより、文字切りの誤分割結果をかなりの確率で
除くことができ、さらに良好にアルファベットと日本語
を判別することが可能となる。

【００８７】また、上記処理を施す前にノイズ除去を行
うといっそう良好にアルファベットと日本語を判別する
ことが可能となる。

【００８８】尚、各実施例では、いずれも日本語と英語
について説明したが、英語の代わりにドイツ語やフラン
ス語を用いても同様であり、且つ、日本語の代わりに漢
字圏（例えば中国語）にしても同様であるので、上記例
によって本発明が限定されるものではない。

【００８９】また、実施例ではイメージスキャナ６から
入力される画像に対して処理を行なったが、画像は例え
ば通信回線を介して送られてきても良いし、例えば所定
の記憶媒体（例えばフロッピーディスク等）に記憶させ
ておいて、そこから画像を読出しても同様に処理できる
ので、上記実施例によって限定されるものではない。

【００９０】尚、本発明は、複数の機器から構成される
システムに適用しても、１つの機器から成る装置に適用
しても良い。また、本発明はシステム或は装置にプログ
ラムを供給することによって達成される場合にも適用で
きることはいうまでもない。

【発明の効果】以上説明したように、本発明によれば、
入力された原稿画像中の文字種を効率良く判定すること
で、下位の処理、例えば文字認識処理における処理精度
を上げることが可能になる。

【００９１】

【図面の簡単な説明】

【図１】本発明の一例を説明するフローチャートであ
る。

【図２】図１のステップＳ１０１の領域分離処理の概要
を説明するための図である。

【図３】領域分離の一例を説明するフローチャートであ
る。

【図４】図３のステップＳ３０１の解像度変換処理の概
要を説明するための図である。

【図５】図１のステップＳ１０１の領域分離処理により
作成される構造体データの構造及び実際のデータの例を
示す図である。

【図６】Ｙ軸への斜影によって行抽出される様子を示し
たものである。

【図７】Ｘ軸への斜影によって文字抽出される様子を示
したものである。

【図８】第４の実施例による行抽出の一例を説明する図
である。

【図９】Ｙ軸への斜影の一例を説明するフローチャート
である。

【図１０】本実施例の文字認識装置のブロック構成図で
ある。

【符号の説明】

１ ＣＰＵ ２ ＲＯＭ ３ ＲＡＭ ４ 外部記憶装置 ５ 入力装置 ６ イメージスキャナ ７ 画像メモリ ８ 表示装置

Claims (20)

【特許請求の範囲】
1. 【請求項１】 原稿画像を入力して、当該原稿中の文字
   の種別を判定し下位の処理に渡す画像処理装置であっ
   て、 入力された原稿画像中の文字列パターンを含む行を判別
   する判別手段と、 該判別手段によって判別された行の高さ、仮文字数、及
   び個々の仮文字の幅をドット分布に基づいて検出する検
   出手段と、 該検出手段で検出された行高、仮文字数及び仮文字の幅
   に基づいて注目行の文字種を判定する判定手段とを備え
   ることを特徴とする画像処理装置。
2. 【請求項２】 前記下位処理は文字認識処理であって、
   前記判定手段で判定された結果に応じて認識処理すると
   きに使用する認識辞書を選択させることを特徴とする請
   求項第１項に記載の画像処理装置。
3. 【請求項３】 前記下位処理は文字認識処理であって、
   前記判定手段で判定された結果に応じて認識処理すると
   きに使用する認識アルゴリズムを選択させることを特徴
   とする請求項第１項に記載の画像処理装置。
4. 【請求項４】 前記文字種は、アルファベット文字と漢
   字圏文字のいずれかであることを特徴とする請求項第１
   項に記載の画像処理装置。
5. 【請求項５】 前記判定手段は、１文字当たりの高さと
   幅の比の平均値でもって注目行の文字種を判定すること
   を特徴とする請求項第１項に記載の画像処理装置。
6. 【請求項６】 前記判定手段は、注目行中の仮文字の文
   字幅の大きさに従って並べ替え、両端から所定個数の仮
   文字を除く仮文字で得られるの高さと幅の平均値でもっ
   て判定することを特徴とする請求項第５項に記載の画像
   処理装置。
7. 【請求項７】 前記所定個数は、仮文字数の個数に依存
   して変動することを特徴とする請求項第６項に記載の画
   像処理装置。
8. 【請求項８】 更に、前記入力された原稿画像中のノイ
   ズ除去するノイズ除去手段を備えることを特徴とする請
   求項第１項に記載の画像処理装置。
9. 【請求項９】 更に、前記入力された画像を所定角度だ
   け回転させて、正立画像としての方向を決定する手段を
   備えることを特徴とする請求項第１項に記載の画像処理
   装置。
10. 【請求項１０】 更に、前記入力された原稿画像が傾い
    ていると判断された場合に画像の傾きを補正する補正手
    段を備えることを特徴とする請求項第１項に記載の画像
    処理装置。
11. 【請求項１１】 原稿画像を入力して、当該原稿中の文
    字の種別を判定し下位の処理に渡す画像処理方法であっ
    て、 入力された原稿画像中の文字列パターンを含む行を判別
    する判別工程と、 該判別工程によって判別された行の高さ、仮文字数、及
    び個々の仮文字の幅をドット分布に基づいて検出する検
    出工程と、 該検出工程で検出された行高、仮文字数及び仮文字の幅
    に基づいて注目行の文字種を判定する判定工程とを備え
    ることを特徴とする画像処理方法。
12. 【請求項１２】 前記下位処理は文字認識処理であっ
    て、前記判定工程で判定された結果に応じて認識処理す
    るときに使用する認識辞書を選択させることを特徴とす
    る請求項第１１項に記載の画像処理方法。
13. 【請求項１３】 前記下位処理は文字認識処理であっ
    て、前記判定工程で判定された結果に応じて認識処理す
    るときに使用する認識アルゴリズムを選択させることを
    特徴とする請求項第１１項に記載の画像処理装置。
14. 【請求項１４】 前記文字種は、アルファベット文字と
    漢字圏文字のいずれかであることを特徴とする請求項第
    １１項に記載の画像処理方法。
15. 【請求項１５】 前記判定工程は、１文字当たりの高さ
    と幅の比の平均値でもって注目行の文字種を判定するこ
    とを特徴とする請求項第１１項に記載の画像処理方法。
16. 【請求項１６】 前記判定工程は、注目行中の仮文字の
    文字幅の大きさに従って並べ替え、両端から所定個数の
    仮文字を除く仮文字で得られるの高さと幅の平均値でも
    って判定することを特徴とする請求項第１５項に記載の
    画像処理方法。
17. 【請求項１７】 前記所定個数は、仮文字数の個数に依
    存して変動することを特徴とする請求項第１６項に記載
    の画像処理方法。
18. 【請求項１８】 更に、前記入力された原稿画像中のノ
    イズ除去するノイズ除去工程を備えることを特徴とする
    請求項第１１項に記載の画像処理方法。
19. 【請求項１９】 更に、前記入力された画像を所定角度
    だけ回転させて、正立画像としての方向を決定する工程
    を備えることを特徴とする請求項第１１項に記載の画像
    処理方法。
20. 【請求項２０】 更に、前記入力された原稿画像が傾い
    ていると判断された場合に画像の傾きを補正する補正工
    程を備えることを特徴とする請求項第１１項に記載の画
    像処理方法。