JPS63262778A - 濃淡画像からのパタ−ン認識方法及び装置 - Google Patents
濃淡画像からのパタ−ン認識方法及び装置Info
- Publication number
- JPS63262778A JPS63262778A JP62097134A JP9713487A JPS63262778A JP S63262778 A JPS63262778 A JP S63262778A JP 62097134 A JP62097134 A JP 62097134A JP 9713487 A JP9713487 A JP 9713487A JP S63262778 A JPS63262778 A JP S63262778A
- Authority
- JP
- Japan
- Prior art keywords
- image
- grayscale
- local
- value
- pattern recognition
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18086—Extraction of features or characteristics of the image by performing operations within image blocks or by using histograms
- G06V30/18095—Summing image-intensity values; Projection and histogram analysis
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は画像処理を応用して文字等のパターン認識方法
及び装置に係り、特にテレビカメラ等から入力した濃淡
画像を２値化などの量子化処理をせずに認識する方法及
び装置に関する。
及び装置に係り、特にテレビカメラ等から入力した濃淡
画像を２値化などの量子化処理をせずに認識する方法及
び装置に関する。
文字認識技術は他のパターン認識技術と比較して最も早
くから実用的普及を見た技術であるが。
くから実用的普及を見た技術であるが。
この技術を一般の産業応用分野に適用すると種々の問題
が生じる。すなわち、一般に使用されているＯＣＲでは
、紙に記録された文字、記号を読取対象とするのに対し
、産業応用では種々の材料上に印刷あるいは打刻されて
いることが多いため、印刷むらや照明条件などにより明
るさむらが頻繁に発生する。
が生じる。すなわち、一般に使用されているＯＣＲでは
、紙に記録された文字、記号を読取対象とするのに対し
、産業応用では種々の材料上に印刷あるいは打刻されて
いることが多いため、印刷むらや照明条件などにより明
るさむらが頻繁に発生する。
ところで、一般の文字認識手法は、第２０図に示すよう
に、文字等の対象１５５をテレビカメラ１から入力し、
これをＡ／Ｄ変換器２で６〜８ビット程度に量子化し、
濃淡画像メモリ（図示せず）へ書き込む。この画像メモ
リに対し、テレビカメラ１のノイズや量子化時のノイズ
等を除去する前処理１５０を経て、データ量を圧縮する
ための２値化処理１５１を行う。この２値化処理１５１
は、濃淡のデータをあるしきい値でｌ Ｏｌ と１１″
の２値に変換するものである。
に、文字等の対象１５５をテレビカメラ１から入力し、
これをＡ／Ｄ変換器２で６〜８ビット程度に量子化し、
濃淡画像メモリ（図示せず）へ書き込む。この画像メモ
リに対し、テレビカメラ１のノイズや量子化時のノイズ
等を除去する前処理１５０を経て、データ量を圧縮する
ための２値化処理１５１を行う。この２値化処理１５１
は、濃淡のデータをあるしきい値でｌ Ｏｌ と１１″
の２値に変換するものである。
次に、得られた２値画像から１文字を切り出し１５２、
この切り出されたパターンについて、たとえば凹凸の位
置や、端点の数などの特徴量を特徴量抽出処理１５３で
求め、これと予め記憶している標準パターンのデータと
比較し、最も一致しているパターンを結果として出方す
る認識処理１５４の手順となる。この一連の処理のうち
、２値化処理１５１は、第２１図に示すように、きわめ
て鮮明な入力画像（濃淡）（１）図であれば、（１）−
（ａ）図のように、濃淡ヒス１−グラムも双峰性のパタ
ーンとなり文字を抽出する２値化のしきい値は容易に求
めることができる。
この切り出されたパターンについて、たとえば凹凸の位
置や、端点の数などの特徴量を特徴量抽出処理１５３で
求め、これと予め記憶している標準パターンのデータと
比較し、最も一致しているパターンを結果として出方す
る認識処理１５４の手順となる。この一連の処理のうち
、２値化処理１５１は、第２１図に示すように、きわめ
て鮮明な入力画像（濃淡）（１）図であれば、（１）−
（ａ）図のように、濃淡ヒス１−グラムも双峰性のパタ
ーンとなり文字を抽出する２値化のしきい値は容易に求
めることができる。
次に、背景に対して文字線（輪郭）が明瞭に判別できる
場合の具体例を説明する。第２２図は、比較的単純な文
字パターン（７セグメント文字）の認識方法の一例であ
る。２値画像１７０（ａ図）に対し、特定位置にＩｌ！
察領域１〜７ （ｂ図ンを設け、この各領域に文字線（
ここでは白い線）が存在するか否かを調べる。第１７図
の場合、文字線がある場合（０’Ｎ）は、１．．３，４
，５，７、文字線がない場合（ＯＦＦ）は２，６となる
。このようなＯＮ、ＯＦＦのパターンは１２″だけであ
るので結果的に１２′と認識できる。このＯＮ。
場合の具体例を説明する。第２２図は、比較的単純な文
字パターン（７セグメント文字）の認識方法の一例であ
る。２値画像１７０（ａ図）に対し、特定位置にＩｌ！
察領域１〜７ （ｂ図ンを設け、この各領域に文字線（
ここでは白い線）が存在するか否かを調べる。第１７図
の場合、文字線がある場合（０’Ｎ）は、１．．３，４
，５，７、文字線がない場合（ＯＦＦ）は２，６となる
。このようなＯＮ、ＯＦＦのパターンは１２″だけであ
るので結果的に１２′と認識できる。このＯＮ。
ＯＦＦの判定は１局所的な観察領域に線、すなわちここ
では、白（２値のうち“１″の値）がどの程度含まれる
かを求めることにより実行できる。
では、白（２値のうち“１″の値）がどの程度含まれる
かを求めることにより実行できる。
また、背景と文字部の濃度差があって明瞭に判別できる
濃淡画像の場合、たとえば、第２３図（ａ）に示すよう
に、濃淡画像１８０で文字が明るく（濃度が高く）背景
が暗い場合には、観察領域の濃度ヒストグラムを求める
処理を行う。ここで、（ｂ）図は文字線がない観察領域
の濃度ヒストグラムを、（ｃ）図は文字線がある場合を
同様に表す。この濃度ヒストグラムを、たとえば第２２
図に示す観察領域１〜７について求める。そして、各観
察領域における濃度の特徴、たとえば（１）濃度分布に
谷があるが否が（山が二つあるが）。
濃淡画像の場合、たとえば、第２３図（ａ）に示すよう
に、濃淡画像１８０で文字が明るく（濃度が高く）背景
が暗い場合には、観察領域の濃度ヒストグラムを求める
処理を行う。ここで、（ｂ）図は文字線がない観察領域
の濃度ヒストグラムを、（ｃ）図は文字線がある場合を
同様に表す。この濃度ヒストグラムを、たとえば第２２
図に示す観察領域１〜７について求める。そして、各観
察領域における濃度の特徴、たとえば（１）濃度分布に
谷があるが否が（山が二つあるが）。
（２）濃度の総和、平均濃度２分散値
などから認識することができる。
しかしながら、前者では観察領域ＲＩ １１の画素を計
数するために、カケやノイズに敏感に反応して２値化処
理に失敗すると、誤った判定がなされるという問題があ
る。また、後者では、照明が暗くなると文字のコントラ
ストが低下し、第２１図（１）（ｂ）のようにしきい値
を求めにくくなり。
数するために、カケやノイズに敏感に反応して２値化処
理に失敗すると、誤った判定がなされるという問題があ
る。また、後者では、照明が暗くなると文字のコントラ
ストが低下し、第２１図（１）（ｂ）のようにしきい値
を求めにくくなり。
−力筒２１図（２）のように、明るさにむらがあると、
第２１図（２）（ａ）のように濃度ヒストグラムも山、
谷がはっきりしなくなり、これも２値化のしきい値を決
めにくくする原因となる。特に、産業応用の場合は、対
象に対する照明条件が変動し、明るさ分布が大きく上下
するため、２値化する場合のしきい値が決めにくく、ま
た２値化すると、線のカケや太りが発生しやすく文字認
識時に誤認識を発生しやすくなる。
第２１図（２）（ａ）のように濃度ヒストグラムも山、
谷がはっきりしなくなり、これも２値化のしきい値を決
めにくくする原因となる。特に、産業応用の場合は、対
象に対する照明条件が変動し、明るさ分布が大きく上下
するため、２値化する場合のしきい値が決めにくく、ま
た２値化すると、線のカケや太りが発生しやすく文字認
識時に誤認識を発生しやすくなる。
このように、従来の文字認識をはじめとするパターン認
識の手法は、あくまでも濃淡画像から２値画像へ変換し
て認識するため、文字やパターンのカケ、太りなどに対
して認識できない場合が多く、たとえ認識できる装置で
あっても、ソフトウェア及びハードウェアの物量がかな
り大きくなるという問題があった。
識の手法は、あくまでも濃淡画像から２値画像へ変換し
て認識するため、文字やパターンのカケ、太りなどに対
して認識できない場合が多く、たとえ認識できる装置で
あっても、ソフトウェア及びハードウェアの物量がかな
り大きくなるという問題があった。
本発明の目的は、濃淡画像の明度変化、むら発生等によ
る誤認識を防止するパターン認識方法を提供することに
ある。
る誤認識を防止するパターン認識方法を提供することに
ある。
本発明の他の目的は、上記問題点を解決し、産業応用で
の文字認識の場合でも安定した認識結果を出力する装置
を提供することにある。
の文字認識の場合でも安定した認識結果を出力する装置
を提供することにある。
上記の目的を達成するため、第１の発明に係る濃淡画像
からのパターン認識方法は、処理対象の濃淡画像を正規
化処理し、この画像に対してサンプル点の局所濃淡特徴
値を抽出し、この特徴値を用いて予め定めた認識手順に
より同定するものである。
からのパターン認識方法は、処理対象の濃淡画像を正規
化処理し、この画像に対してサンプル点の局所濃淡特徴
値を抽出し、この特徴値を用いて予め定めた認識手順に
より同定するものである。
ま、た第２の発明に係る濃淡画像からのパターン認識装
置は、数階間の明るさ変化を有する濃淡画像メモリと、
処理対象画像の明るさを正規化する濃淡画像の正規化回
路と、得られた正規化画像の特定位置における局所濃淡
特徴値を求める抽出回路と、この特徴値を用いて予め定
めた認識手順により固定する認識回路と、を具備するも
のである。
置は、数階間の明るさ変化を有する濃淡画像メモリと、
処理対象画像の明るさを正規化する濃淡画像の正規化回
路と、得られた正規化画像の特定位置における局所濃淡
特徴値を求める抽出回路と、この特徴値を用いて予め定
めた認識手順により固定する認識回路と、を具備するも
のである。
上記の構成によると、正規化画像から局所濃淡特徴値を
抽出することにより、濃淡画像を一定のコントラストに
することができる。すなわち、文字線がない場合は暗い
濃度の分布だけであるが。
抽出することにより、濃淡画像を一定のコントラストに
することができる。すなわち、文字線がない場合は暗い
濃度の分布だけであるが。
文字線がある場合は暗い濃度の分布と明るい濃度の分布
が現われる。したがって、２値画像ではカスレやノイズ
が発生すると１′１”の数は大きく増減するが、濃淡画
像では、カスしても中間の濃度の値として画素は残るの
で２値画像のように認識誤りは生じなくなる。
が現われる。したがって、２値画像ではカスレやノイズ
が発生すると１′１”の数は大きく増減するが、濃淡画
像では、カスしても中間の濃度の値として画素は残るの
で２値画像のように認識誤りは生じなくなる。
以下、本発明の実施例を図を用いて説明する。
第３図は、第１８図のａ祭領域内の１水平ラインにおい
て、文字線がある場合の明るさ変化の状態をｆｃ、文字
線がない場合（背景）を同様にｆａとして示す。この分
布に対し、フィルタＧ（Ｇｘ＝Ｇｚ＜Ｇｚ＝Ｇ番くＧ８
）を用いて、Σｆ・Ｇの積和演算を実行する。このとき
、観察領域の中心（図中矢印で示す）の値は、フィルタ
によって文字線がある場合とない場合ではかなり大きく
差を見ることができる。これは文字線がある場合の明る
さ変化に合わせたフィルタにすることによって、文字線
がある場合はΣｆ−Ｇは大きな値に、ない場合は小さな
値となるためである。
て、文字線がある場合の明るさ変化の状態をｆｃ、文字
線がない場合（背景）を同様にｆａとして示す。この分
布に対し、フィルタＧ（Ｇｘ＝Ｇｚ＜Ｇｚ＝Ｇ番くＧ８
）を用いて、Σｆ・Ｇの積和演算を実行する。このとき
、観察領域の中心（図中矢印で示す）の値は、フィルタ
によって文字線がある場合とない場合ではかなり大きく
差を見ることができる。これは文字線がある場合の明る
さ変化に合わせたフィルタにすることによって、文字線
がある場合はΣｆ−Ｇは大きな値に、ない場合は小さな
値となるためである。
ところで、産業応用では、対象に対する照明条件はかな
り変動するため、第３図の明るさ分布もかなり上下する
。このことは、前述したΣｆ−Ｇが大きく変動すること
を意味し、文字線がある場合とない場合の判定しきい値
が決められないことになる。
り変動するため、第３図の明るさ分布もかなり上下する
。このことは、前述したΣｆ−Ｇが大きく変動すること
を意味し、文字線がある場合とない場合の判定しきい値
が決められないことになる。
第１図は本発明に係るパターン認識方法の基本構成を示
すもので、テレビカメラ１からＡ／Ｄ変換器２を介して
得られた画像を一旦、濃淡画像の正規化処理３を施し、
この画像に対してサンプル点のΣｆ−Ｇなどの局所濃淡
特徴値を抽出４し認識する。
すもので、テレビカメラ１からＡ／Ｄ変換器２を介して
得られた画像を一旦、濃淡画像の正規化処理３を施し、
この画像に対してサンプル点のΣｆ−Ｇなどの局所濃淡
特徴値を抽出４し認識する。
第４図は、前記パターン認識方法を実現するための装置
構成を示すもので、６〜８ ｂｉｔ程度の階調をもつ画
像メモリ２１１と、包絡面画像を作成するための局所最
大値フィルタ回路２１２及び局所最小値フィルタ回路２
１３と、ヒストグラム処理回路２１４と、Σｆ−Ｇを求
める積和演算回路２１５、差分画像を求めるための画像
間演算回路２１６である。なお、２１７は種々の回路を
起動させたり、Σｆ−Ｇの値により認識処理をするため
のＣＰＵである。
構成を示すもので、６〜８ ｂｉｔ程度の階調をもつ画
像メモリ２１１と、包絡面画像を作成するための局所最
大値フィルタ回路２１２及び局所最小値フィルタ回路２
１３と、ヒストグラム処理回路２１４と、Σｆ−Ｇを求
める積和演算回路２１５、差分画像を求めるための画像
間演算回路２１６である。なお、２１７は種々の回路を
起動させたり、Σｆ−Ｇの値により認識処理をするため
のＣＰＵである。
以下、画像の正規化、及び局所濃淡特徴値の抽出につい
て説明する。
て説明する。
（ｉ）ｌ淡画像の正規化
第２図は、第１図に示す正規化処理を文字が明るく、背
景が暗い場合に適用する構成を示す。
景が暗い場合に適用する構成を示す。
ここで、濃淡画像の具体的処理について述べる。
なお、説明を簡単にするため一次元の画像を示す。
第５図（１）は処理対象の濃淡画像（以下、入力画像と
いう）であり、このうちＡ−Ａ’の１ラインだけを横軸
に位置、縦軸に明るさとして表わしたのが図（２）のｇ
ｌである。ここで１文字部を抽出したいとすると、通常
しきい値ＴＨで、これより明るい部分を′０′、暗い部
分を′１′とする２値化をおこなえば、文字を背景と分
離できる。しかしながら、このＴＨは絶対的な値である
ため、入力画像の明るさが変動するとＴＨを決めるのが
難しくなる。
いう）であり、このうちＡ−Ａ’の１ラインだけを横軸
に位置、縦軸に明るさとして表わしたのが図（２）のｇ
ｌである。ここで１文字部を抽出したいとすると、通常
しきい値ＴＨで、これより明るい部分を′０′、暗い部
分を′１′とする２値化をおこなえば、文字を背景と分
離できる。しかしながら、このＴＨは絶対的な値である
ため、入力画像の明るさが変動するとＴＨを決めるのが
難しくなる。
そこで、入力画像の明るさのうち、たとえば、第６図の
ように３画素Ｇｓ 、Ｇ２ 、Ｇ３の明るさのうち最大
の値をその中心にうめる処理（以下、居所最大フィルタ
処理と称す）をおこなうと、第５図（３）のように、明
るい部分が膨張した画像ｇｌ となる。これをｎ
回繰り返すと図（４）のように文字の暗い部分が埋め込
まれた画像（ｎ） ｇｌ が得られる。これと、もとの入力画像ｇ工の差
分をとると図（５）のような明るさが０レベルを基準と
して文字部が鮮明になる。
ように３画素Ｇｓ 、Ｇ２ 、Ｇ３の明るさのうち最大
の値をその中心にうめる処理（以下、居所最大フィルタ
処理と称す）をおこなうと、第５図（３）のように、明
るい部分が膨張した画像ｇｌ となる。これをｎ
回繰り返すと図（４）のように文字の暗い部分が埋め込
まれた画像（ｎ） ｇｌ が得られる。これと、もとの入力画像ｇ工の差
分をとると図（５）のような明るさが０レベルを基準と
して文字部が鮮明になる。
この処理画像は、抽出したい領域と背景との差が現われ
るため、画面の明るさが変化しても、相対的な差である
上述の差は変化しない。このため。
るため、画面の明るさが変化しても、相対的な差である
上述の差は変化しない。このため。
この画像から文字を抽出する２値化しきい値は複雑な演
算を用いなくても容易に、たとえば図（５）のＴＨ′
に設定することができる。
算を用いなくても容易に、たとえば図（５）のＴＨ′
に設定することができる。
ところで、実際の画像では、背景の明るさが平坦でなく
、明るさの傾きをもっていることが多い。
、明るさの傾きをもっていることが多い。
このような画像に対し、第５図と同様に前述の局所最大
値フィルタだけの処理をおこなうと、傾きのある背景部
分まで０以上の明るさとして強調されてくる。また、文
字だけを抽出したいとすると、細い凹部だけを抽出する
処理にするが、太い凹部があった場合では、該部が強調
されてしまう。このため、更に局所最小値フィルタ処理
（局所最大値フィルタの逆で、第６図のＧｌ 、Ｇ２
、Ｇａのうち最小のうち最小の明るさを埋込む処理）を
ｍ回施して入力画像と差分をとると抽出したい領域を良
好に強調することができる。
値フィルタだけの処理をおこなうと、傾きのある背景部
分まで０以上の明るさとして強調されてくる。また、文
字だけを抽出したいとすると、細い凹部だけを抽出する
処理にするが、太い凹部があった場合では、該部が強調
されてしまう。このため、更に局所最小値フィルタ処理
（局所最大値フィルタの逆で、第６図のＧｌ 、Ｇ２
、Ｇａのうち最小のうち最小の明るさを埋込む処理）を
ｍ回施して入力画像と差分をとると抽出したい領域を良
好に強調することができる。
なお、前述では、フィルタ処理等の説明を一次元でおこ
なったが、実際の画像は２次元であるため、フィルタ処
理は、第７図に示すように３×３画素Ｇｘ 、Ｇ２・・
・・・・Ｇ９の中から最大値又は最小値を取り出しＧと
して埋込む処理となる。
なったが、実際の画像は２次元であるため、フィルタ処
理は、第７図に示すように３×３画素Ｇｘ 、Ｇ２・・
・・・・Ｇ９の中から最大値又は最小値を取り出しＧと
して埋込む処理となる。
濃淡画像の２次元処理は、第８図に示すように原画像の
２次元画像データから前述の手法を用いて包絡面画像（
背景画像）■を作成する。すなわち、原画像６に対し、
まず居所最小値フィルタ処理回路７により最小値フィル
タ処理をｎ回繰り返し、次にこの画像に対して局所最大
値フィルタ処理回路において最大値フィルタ処理をｍ回
繰り返しで作成する。その後、画像間演算回路９により
原画像■と包絡線画像■の差分を求める。その結果、第
８図■に示すような明るい′０′を基準とした正規化画
像が作成される。（以下、ｍｉｎ−ｍａｘ差分法と称す
） 前述の処理法によれば、照明変化などが生じても常に一
定のコントラス１−にすることが可能である。また、文
字の種類には黒文字、白文字というように背景より明る
い場合と暗い場合があるが、このような場合でも局所フ
ィルタ処理手順を換えることにより、常に文字が明るく
、背景を暗くすることができる。
２次元画像データから前述の手法を用いて包絡面画像（
背景画像）■を作成する。すなわち、原画像６に対し、
まず居所最小値フィルタ処理回路７により最小値フィル
タ処理をｎ回繰り返し、次にこの画像に対して局所最大
値フィルタ処理回路において最大値フィルタ処理をｍ回
繰り返しで作成する。その後、画像間演算回路９により
原画像■と包絡線画像■の差分を求める。その結果、第
８図■に示すような明るい′０′を基準とした正規化画
像が作成される。（以下、ｍｉｎ−ｍａｘ差分法と称す
） 前述の処理法によれば、照明変化などが生じても常に一
定のコントラス１−にすることが可能である。また、文
字の種類には黒文字、白文字というように背景より明る
い場合と暗い場合があるが、このような場合でも局所フ
ィルタ処理手順を換えることにより、常に文字が明るく
、背景を暗くすることができる。
なお、ノイズが少ない場合には、文字線部の最大値を一
定の明るさに変換する方法も適用できる。
定の明るさに変換する方法も適用できる。
（ｉｉ）サンプル点の局所濃淡特徴値の抽出第９図には
、ｍｉｎ −ｍａｘ差分法で得られた画像の明るさ分布
の例を示す。この例は文字線がある場合であり、コント
ラスト（背景と文字線との濃度差の最大値）１０から３
０まで示したものである。
、ｍｉｎ −ｍａｘ差分法で得られた画像の明るさ分布
の例を示す。この例は文字線がある場合であり、コント
ラスト（背景と文字線との濃度差の最大値）１０から３
０まで示したものである。
一方、第９図の中心点（画素位置３）に第１０図に示す
フィルタＧを合わせてΣｆ−Ｇの積和演算゛を実行する
と、その値は第１１図に示すように、コントラストが高
くなるとΣｆ−Ｇも大きくなる（・印の曲線で示す）。
フィルタＧを合わせてΣｆ−Ｇの積和演算゛を実行する
と、その値は第１１図に示すように、コントラストが高
くなるとΣｆ−Ｇも大きくなる（・印の曲線で示す）。
ところで、通常１文字の背景はｍｉｎ −ｍａｘ差分法
ではほとんどｒｒ Ｏ”となるが、ノイズを考慮して全
ての画素が２レベルのコントラストがあるとすると、Ｏ
印で示すように約２８０の値になる。この値は多少上下
するがこの程度の値と考えてよい。
ではほとんどｒｒ Ｏ”となるが、ノイズを考慮して全
ての画素が２レベルのコントラストがあるとすると、Ｏ
印で示すように約２８０の値になる。この値は多少上下
するがこの程度の値と考えてよい。
この図より、文字線がある場合とない場合は、コントラ
ストが５以上あれば容易に判別することが可能であるこ
とがわかる（たとえば、Σｆ−Ｇが５００以上が○Ｎ）
。
ストが５以上あれば容易に判別することが可能であるこ
とがわかる（たとえば、Σｆ−Ｇが５００以上が○Ｎ）
。
上記実施例では、文字線を横切る１ラインを取り出して
処理したものであるが、実際上、フィルタは第１２図及
び第１３図に示すように大きさを広げたものが有効であ
る。たとえば、第１７図の観察領域の形に合わせてフィ
ルタを選択する場合、観察領域２，３，５．６ （縦線
）には第１２図に示す横長のフィルタ、観察領域１，４
．７ （横線）には、第１３図に示す縦長のフィルタを
使用する。
処理したものであるが、実際上、フィルタは第１２図及
び第１３図に示すように大きさを広げたものが有効であ
る。たとえば、第１７図の観察領域の形に合わせてフィ
ルタを選択する場合、観察領域２，３，５．６ （縦線
）には第１２図に示す横長のフィルタ、観察領域１，４
．７ （横線）には、第１３図に示す縦長のフィルタを
使用する。
このように幅を持たせることにより、１ライン欠けたり
、ノイズが発生したりしても、フィルタの形状に似た濃
度変化があれば、大きな値が出方されるので安定した判
定が可能となる。
、ノイズが発生したりしても、フィルタの形状に似た濃
度変化があれば、大きな値が出方されるので安定した判
定が可能となる。
大きさを広げたフィルタを用いれば、第１４図（ａ）の
ようにカスレ（Ａ部分）やノイズ（Ｂ部分）が発生して
いる画像にも対処できる。すなわち、Ａ部分では第１４
図（ｂ）が得られ、ＯＮ状態となり、またＢ部分では第
１４図（Ｑ）が得られ、ＯＦＦ状態と判別できる。
ようにカスレ（Ａ部分）やノイズ（Ｂ部分）が発生して
いる画像にも対処できる。すなわち、Ａ部分では第１４
図（ｂ）が得られ、ＯＮ状態となり、またＢ部分では第
１４図（Ｑ）が得られ、ＯＦＦ状態と判別できる。
なお、ｍｉｎ −ｍａｘ差分法を用いた画像に対してサ
ンプル点の局所濃淡特徴値としては次の値も考えられる
。
ンプル点の局所濃淡特徴値としては次の値も考えられる
。
（１）前述した濃度の総和、平均１分散値。
（２）予め設定したしきい値（たとえば第１４図の文字
矩形領域８０内を最適に２値化するしきい値）よりも明
るい画素の濃度の平均値と、暗い画像の濃度の平均値と
の差。
矩形領域８０内を最適に２値化するしきい値）よりも明
るい画素の濃度の平均値と、暗い画像の濃度の平均値と
の差。
次に、文字の位置あるいは大きさが変化する場合につい
て説明する。
て説明する。
第１５図は、本発明の他の実施例を示すもので、前述の
実施例と異なるところは濃淡画像の正規化処理３とサン
プル点の局所特徴値の抽出４との間に文字の位置・大き
さの検出９０とサンプル点の算出９１を実行することに
ある。
実施例と異なるところは濃淡画像の正規化処理３とサン
プル点の局所特徴値の抽出４との間に文字の位置・大き
さの検出９０とサンプル点の算出９１を実行することに
ある。
濃淡画像から正規処理された正規化画像、あるいはシェ
ービングがない場合におけるテレビカメラ１から入力さ
れた原画像は１文字の位置・大きさが検出され、この検
出データを基に観察領域のサンプル点を計算し、このサ
ンプル点の座標を中心に局所濃淡特徴値Σｆ−Ｇを求め
、この特徴値から文字線の○Ｎ、○ＦＦを全てのサンプ
ル点で判定し、この結果から認識する。
ービングがない場合におけるテレビカメラ１から入力さ
れた原画像は１文字の位置・大きさが検出され、この検
出データを基に観察領域のサンプル点を計算し、このサ
ンプル点の座標を中心に局所濃淡特徴値Σｆ−Ｇを求め
、この特徴値から文字線の○Ｎ、○ＦＦを全てのサンプ
ル点で判定し、この結果から認識する。
ここで、文字位置、大きさの検出方法は、たとえば、第
１６図のように、濃淡画像１００からＸ軸の濃淡の投影
分布（濃淡データの累積）（ａ）図とＹ軸の濃淡投影分
布（ｂ）図を抽出し、文字を囲む矩形領域（第１７図）
を求め、この矩形領域１１１からサンプル点１１０を決
定すればよい。
１６図のように、濃淡画像１００からＸ軸の濃淡の投影
分布（濃淡データの累積）（ａ）図とＹ軸の濃淡投影分
布（ｂ）図を抽出し、文字を囲む矩形領域（第１７図）
を求め、この矩形領域１１１からサンプル点１１０を決
定すればよい。
また、文字の背景が一様でない場合は、第１８図のよう
に１文字領域についての濃度頻度分布（ａ）図を求めて
、これにより２値化しきい値を決定して２値化する（第
１８図（ｂ））、この２値化画像より１文字を切り出し
て文字の矩形領域を決めることができる。この場合、多
少２値画像は第１９図のように変形する場合があるが矩
形領域としてはほとんど変化しないことが多い。
に１文字領域についての濃度頻度分布（ａ）図を求めて
、これにより２値化しきい値を決定して２値化する（第
１８図（ｂ））、この２値化画像より１文字を切り出し
て文字の矩形領域を決めることができる。この場合、多
少２値画像は第１９図のように変形する場合があるが矩
形領域としてはほとんど変化しないことが多い。
このように予め従来法による文字抽出結果の２値パター
ンを求め、このパターンを用いてサンプル点の座標を計
算し、前述した局所濃淡特徴値を求めることができる。
ンを求め、このパターンを用いてサンプル点の座標を計
算し、前述した局所濃淡特徴値を求めることができる。
なお、上記実施例では、局所濃淡特徴値Σｆ・Ｇがサン
プル点だけのデータを判定基準に用いていたが、これに
限定されるものではない。たとえば、サンプル点の周囲
の数データの中から最適な値を選択し、この値を基にし
て判定してもよい。
プル点だけのデータを判定基準に用いていたが、これに
限定されるものではない。たとえば、サンプル点の周囲
の数データの中から最適な値を選択し、この値を基にし
て判定してもよい。
すなわち、文字の位置・大きさが変わると、そのサンプ
ル点を求める精度により、多少、本来注目すべき点より
ずれる場合が発生する。このような場合には、設定した
サンプル点の周囲、たとえば３×３画素の領域について
それぞれΣｆ−Ｇを求めその最大値を判定基準に用いて
もよい。
ル点を求める精度により、多少、本来注目すべき点より
ずれる場合が発生する。このような場合には、設定した
サンプル点の周囲、たとえば３×３画素の領域について
それぞれΣｆ−Ｇを求めその最大値を判定基準に用いて
もよい。
また、文字の大きさに応じて、フィルタＧの大きさも変
える。たとえば文字が大きいときは、４×７や５×９画
素のフィルタを用いると、より誤判断を減少できる。当
然フィルタの係数は文字の線幅に合った１度変化となる
ように設定するのが好ましい。
える。たとえば文字が大きいときは、４×７や５×９画
素のフィルタを用いると、より誤判断を減少できる。当
然フィルタの係数は文字の線幅に合った１度変化となる
ように設定するのが好ましい。
また、積和演算する場合のフィルタ形状及び係数は実際
の文字線の濃度変化に合わせるのが好ましいが、特に図
で示した値及び形状に限定されるものではない。
の文字線の濃度変化に合わせるのが好ましいが、特に図
で示した値及び形状に限定されるものではない。
本発明によれば、濃淡画像のままで認識するので、入力
した濃淡画像の明るさ変化やむらの発生による誤認識を
防止でき、さらに簡単な処理方法で実現できるため認識
装置の小型化が図れる。
した濃淡画像の明るさ変化やむらの発生による誤認識を
防止でき、さらに簡単な処理方法で実現できるため認識
装置の小型化が図れる。
第１図は第１の発明の実施例を示す構成図、第２図は濃
淡画像の正規化処理を示す図、第３図はサンプル点の局
所濃淡特徴値の抽出を説明する図、第４図は第２の発明
の装置構成図、第５図は画像処理を説明する図、第６図
は局所最大値、最小値フィルタを説明する図、第７図は
２次元画像処理に用いられるフィルタを説明する図、第
８図は濃淡画像の正規化処理を３次元表示した図、第９
図は文字線の明るさ変化を示す図、第１０図はフィルタ
の具体例を示す図、第１１図は第９図、第１０図で積和
演算した結果を示す図、第１２図。 第１３図は他のフィルタを示す図、第１４図は文字のウ
スレ、ノイズのある濃淡画像の処理を説明する図、第１
５図は本発明の他の実施例を示す図、第１６図は文字位
置の検出方法を示す図、第１７図は文字の矩形領域から
サンプル点を求める図、第１８図、第１９図は背景が複
雑な場合の文字位置の検出方法を示す図、第２０図は従
来の文字認識方法の構成図、第２１図は文字を２値化す
る方法を示す図、第２２図は簡単な文字認識方法を示す
図、第２３図は濃淡画像から直接文字を認識する場合の
問題点を説明する図である。
淡画像の正規化処理を示す図、第３図はサンプル点の局
所濃淡特徴値の抽出を説明する図、第４図は第２の発明
の装置構成図、第５図は画像処理を説明する図、第６図
は局所最大値、最小値フィルタを説明する図、第７図は
２次元画像処理に用いられるフィルタを説明する図、第
８図は濃淡画像の正規化処理を３次元表示した図、第９
図は文字線の明るさ変化を示す図、第１０図はフィルタ
の具体例を示す図、第１１図は第９図、第１０図で積和
演算した結果を示す図、第１２図。 第１３図は他のフィルタを示す図、第１４図は文字のウ
スレ、ノイズのある濃淡画像の処理を説明する図、第１
５図は本発明の他の実施例を示す図、第１６図は文字位
置の検出方法を示す図、第１７図は文字の矩形領域から
サンプル点を求める図、第１８図、第１９図は背景が複
雑な場合の文字位置の検出方法を示す図、第２０図は従
来の文字認識方法の構成図、第２１図は文字を２値化す
る方法を示す図、第２２図は簡単な文字認識方法を示す
図、第２３図は濃淡画像から直接文字を認識する場合の
問題点を説明する図である。
Claims (1)
- 【特許請求の範囲】 １、処理対象の濃淡画像を正規化処理し、この画像に対
してサンプル点の局所濃淡特徴値を抽出し、この特徴値
を用いて予め定めた認識手順により同定する濃淡画像か
らのパターン認識方法。 ２、特許請求の範囲第１項において、局所濃淡特徴値を
、特定位置の局所フィルタ処理による積和演算で求める
ことを特徴とする濃淡画像からのパターン認識方法。 ３、特許請求の範囲第１項において、局所濃淡特徴値を
、特定位置の局所領域における濃度の総和、平均、分散
値とすることを特徴とする濃淡画像からのパターン認識
方法。 ４、特許請求の範囲第１項において、局所濃淡特徴値を
、予め設定したしきい値より明るい画素の濃度の平均値
と、暗い画素の濃度の平均値を特定位置の局所領域内で
求め、その差とすることを特徴とする濃淡画像からのパ
ターン認識方法。 ５、特許請求の範囲第１項において、予め２値化した認
識対象パターンを用いて局所濃淡特徴値を求める特定位
置を決定することを特徴とする濃淡画像からのパターン
認識方法。 ６、特許請求の範囲第２項、第４項において局所濃淡特
徴値を、特定位置の近傍についてそれぞれ求め、その最
大値をその特定位置の局所濃淡特徴値とすることを特徴
とする濃淡画像からのパターン認識方法。 ７、特許請求の範囲第２項において、積和演算するため
の局所フィルタの係数を文字線の明るさ変化に類似した
ものとすることを特徴とする濃淡画像からのパターン認
識方法。 ８、数階調の明るさ変化を有する濃淡画像メモリと、処
理対象画像の明るさを正規化する濃淡画像の正規化回路
と、得られた正規化画像の特定位置における局所濃淡特
徴値を求める抽出回路と、この特徴値を用いて予め定め
た認識手順により同定する認識回路と、を具備する濃淡
画像からのパターン認識装置。 ９、特許請求の範囲第８項において、濃淡画像の正規化
回路を、局所最大値フィルタ回路と、局所最小値フィル
タ回路と、該両フィルタ回路により得られた画像と処理
対象画像との差分を求める画像間演算回路とから構成さ
れていることを特徴とする濃淡画像からのパターン認識
装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62097134A JP2696211B2 (ja) | 1987-04-20 | 1987-04-20 | 濃淡画像からのパターン認識方法及び装置 |
| EP88106158A EP0287995B1 (en) | 1987-04-20 | 1988-04-18 | Method and apparatus for recognizing pattern of halftone image |
| DE3851173T DE3851173T2 (de) | 1987-04-20 | 1988-04-18 | Verfahren und Gerät zur Erkennung von Halbtonbildmustern. |
| US07/183,689 US4941192A (en) | 1987-04-20 | 1988-04-19 | Method and apparatus for recognizing pattern of gray level image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62097134A JP2696211B2 (ja) | 1987-04-20 | 1987-04-20 | 濃淡画像からのパターン認識方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63262778A true JPS63262778A (ja) | 1988-10-31 |
| JP2696211B2 JP2696211B2 (ja) | 1998-01-14 |
Family
ID=14184097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62097134A Expired - Lifetime JP2696211B2 (ja) | 1987-04-20 | 1987-04-20 | 濃淡画像からのパターン認識方法及び装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US4941192A (ja) |
| EP (1) | EP0287995B1 (ja) |
| JP (1) | JP2696211B2 (ja) |
| DE (1) | DE3851173T2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06348905A (ja) * | 1993-06-02 | 1994-12-22 | Nec Corp | Ｘ線フィルム上の文字認識方法 |
| US6850644B1 (en) | 1999-10-01 | 2005-02-01 | Samsung Electronics Co., Ltd. | Method for analyzing texture of digital image |
| KR100788642B1 (ko) * | 1999-10-01 | 2007-12-26 | 삼성전자주식회사 | 디지털 영상 텍스쳐 분석 방법 |
| JP2008097590A (ja) * | 2006-09-13 | 2008-04-24 | Keyence Corp | 文字切り出し装置、方法およびプログラム |
Families Citing this family (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5042078A (en) * | 1987-06-19 | 1991-08-20 | Fuji Photo Film Co., Ltd. | Method of effecting gradation and color correction of a composite image |
| US5247587A (en) * | 1988-07-15 | 1993-09-21 | Honda Giken Kogyo Kabushiki Kaisha | Peak data extracting device and a rotary motion recurrence formula computing device |
| FR2638872B1 (fr) * | 1988-11-08 | 1994-05-27 | Labo Electronique Physique | Methode numerique et systeme de traitement d'image infra-rouge |
| JPH07106839B2 (ja) * | 1989-03-20 | 1995-11-15 | 株式会社日立製作所 | エレベーター制御システム |
| WO1991003796A1 (en) * | 1989-08-28 | 1991-03-21 | Eastman Kodak Company | A computer based digital image noise reduction method based on overlapping planar approximation |
| EP0440780A1 (en) * | 1989-08-28 | 1991-08-14 | Eastman Kodak Company | Digital image noise reduction of luminance and chrominance based on overlapping planar approximation |
| JPH03172294A (ja) * | 1989-11-28 | 1991-07-25 | Mitsubishi Electric Corp | エレベーターの防犯装置 |
| US5272764A (en) * | 1989-12-08 | 1993-12-21 | Xerox Corporation | Detection of highlighted regions |
| US5129014A (en) * | 1989-12-08 | 1992-07-07 | Xerox Corporation | Image registration |
| US5048109A (en) * | 1989-12-08 | 1991-09-10 | Xerox Corporation | Detection of highlighted regions |
| US5065437A (en) * | 1989-12-08 | 1991-11-12 | Xerox Corporation | Identification and segmentation of finely textured and solid regions of binary images |
| US5131049A (en) * | 1989-12-08 | 1992-07-14 | Xerox Corporation | Identification, characterization, and segmentation of halftone or stippled regions of binary images by growing a seed to a clipping mask |
| JP2523222B2 (ja) * | 1989-12-08 | 1996-08-07 | ゼロックス コーポレーション | 画像縮小／拡大方法及び装置 |
| US5187753A (en) * | 1989-12-08 | 1993-02-16 | Xerox Corporation | Method and apparatus for identification and correction of document skew |
| US5202933A (en) * | 1989-12-08 | 1993-04-13 | Xerox Corporation | Segmentation of text and graphics |
| US5144566A (en) * | 1990-06-14 | 1992-09-01 | Comar, Inc. | Method for determining the quality of print using pixel intensity level frequency distributions |
| JPH0467275A (ja) * | 1990-07-06 | 1992-03-03 | Matsushita Electric Ind Co Ltd | 認識方法及び認識装置 |
| US5193122A (en) * | 1990-12-03 | 1993-03-09 | Xerox Corporation | High speed halftone detection technique |
| US5410613A (en) * | 1991-07-17 | 1995-04-25 | Matsushita Electric Industrial Co., Ltd. | Pattern recognizing apparatus |
| US5381241A (en) * | 1991-08-13 | 1995-01-10 | Sharp Corporation | Method for discriminating between figure and text areas of an image |
| US5332968A (en) * | 1992-04-21 | 1994-07-26 | University Of South Florida | Magnetic resonance imaging color composites |
| US5335293A (en) * | 1992-06-16 | 1994-08-02 | Key Technology, Inc. | Product inspection method and apparatus |
| JPH0683964A (ja) * | 1992-08-31 | 1994-03-25 | Takayama:Kk | 画像照合方法 |
| US5835621A (en) * | 1992-09-15 | 1998-11-10 | Gaston A. Vandermeerssche | Abrasion analyzer and testing method |
| WO1994017491A1 (en) * | 1993-01-27 | 1994-08-04 | United Parcel Service Of America, Inc. | Method and apparatus for thresholding images |
| US5570298A (en) * | 1994-05-25 | 1996-10-29 | Matsushita Electric Industrial Co., Ltd. | Dot pattern-examining apparatus |
| GB2317007B (en) * | 1996-09-04 | 2000-07-26 | Spectrum Tech Ltd | Contrast determining apparatus and methods |
| JP3413589B2 (ja) * | 1998-03-09 | 2003-06-03 | 富士写真フイルム株式会社 | 画像処理方法および装置 |
| US7123768B2 (en) * | 2000-04-26 | 2006-10-17 | Minolta Co., Ltd. | Apparatus and method for detecting a pattern |
| CN1316429C (zh) * | 2004-01-20 | 2007-05-16 | 原相科技股份有限公司 | 数字影像处理方法 |
| US20060050983A1 (en) * | 2004-09-08 | 2006-03-09 | Everest Vit, Inc. | Method and apparatus for enhancing the contrast and clarity of an image captured by a remote viewing device |
| JP5124050B1 (ja) * | 2012-03-01 | 2013-01-23 | シャープ株式会社 | 映像表示装置およびテレビ受信装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61175862A (ja) * | 1985-01-31 | 1986-08-07 | Fujitsu Ltd | 画像処理装置 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1170234A (en) * | 1965-11-12 | 1969-11-12 | Nat Res Dev | Improvements in or relating to Electronic Systems and Apparatus for Recognising Printed Characters. |
| JPS5213733A (en) * | 1975-07-24 | 1977-02-02 | Tech Res & Dev Inst Of Japan Def Agency | Pattern characteristic sampling method |
| US4301443A (en) * | 1979-09-10 | 1981-11-17 | Environmental Research Institute Of Michigan | Bit enable circuitry for an image analyzer system |
| US4335427A (en) * | 1980-04-21 | 1982-06-15 | Technicare Corporation | Method of selecting a preferred difference image |
| DE3379611D1 (en) * | 1982-04-15 | 1989-05-18 | Toshiba Kk | Pattern features extracting apparatus and method and pattern recognition system |
| EP0124789B1 (en) * | 1983-04-11 | 1990-01-24 | Kabushiki Kaisha Komatsu Seisakusho | Method of identifying objects |
| US4783838A (en) * | 1984-12-26 | 1988-11-08 | Konishiroku Photo Industry Co., Ltd. | Image processing method and apparatus therefor |
| JPS6249482A (ja) * | 1985-08-28 | 1987-03-04 | Hitachi Seiko Ltd | 画像前処理装置 |
| EP0217118A3 (de) * | 1985-09-30 | 1990-03-28 | Siemens Aktiengesellschaft | Verfahren zur automatischen Trennung von Nutz- und Störinformation in Mikroskopbildern, insbesondere von Wafer-Oberflächen, zum Zwecke einer automatischen Erkennung von Wafer Kennzeichnungen |
| US4700400A (en) * | 1985-10-10 | 1987-10-13 | The Palantir Corporation | Feature extraction technique for use in a pattern recognition system |
| US4823194A (en) * | 1986-08-01 | 1989-04-18 | Hitachi, Ltd. | Method for processing gray scale images and an apparatus thereof |
-
1987
- 1987-04-20 JP JP62097134A patent/JP2696211B2/ja not_active Expired - Lifetime
-
1988
- 1988-04-18 EP EP88106158A patent/EP0287995B1/en not_active Expired - Lifetime
- 1988-04-18 DE DE3851173T patent/DE3851173T2/de not_active Expired - Lifetime
- 1988-04-19 US US07/183,689 patent/US4941192A/en not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61175862A (ja) * | 1985-01-31 | 1986-08-07 | Fujitsu Ltd | 画像処理装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06348905A (ja) * | 1993-06-02 | 1994-12-22 | Nec Corp | Ｘ線フィルム上の文字認識方法 |
| US6850644B1 (en) | 1999-10-01 | 2005-02-01 | Samsung Electronics Co., Ltd. | Method for analyzing texture of digital image |
| KR100788642B1 (ko) * | 1999-10-01 | 2007-12-26 | 삼성전자주식회사 | 디지털 영상 텍스쳐 분석 방법 |
| JP2008097590A (ja) * | 2006-09-13 | 2008-04-24 | Keyence Corp | 文字切り出し装置、方法およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| DE3851173D1 (de) | 1994-09-29 |
| EP0287995B1 (en) | 1994-08-24 |
| JP2696211B2 (ja) | 1998-01-14 |
| EP0287995A3 (en) | 1991-05-29 |
| EP0287995A2 (en) | 1988-10-26 |
| US4941192A (en) | 1990-07-10 |
| DE3851173T2 (de) | 1994-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS63262778A (ja) | 濃淡画像からのパタ−ン認識方法及び装置 | |
| US5120940A (en) | Detection of barcodes in binary images with arbitrary orientation | |
| CN113688838B (zh) | 红色笔迹提取方法、系统、可读存储介质及计算机设备 | |
| JP2727549B2 (ja) | 最適画質選択装置 | |
| CN1509454A (zh) | 指纹辨识中使用灰阶微分影像之纹理分类辨识伪迹之方法 | |
| US5073955A (en) | Method for recognizing previously localized characters present in digital gray tone images, particularly for recognizing characters struck into metal surfaces | |
| CN114120303B (zh) | 自然拍照条件下基于mser的图像表格的检测方法 | |
| JPH041866A (ja) | 画像処理方法およびその装置 | |
| JP3416058B2 (ja) | 濃淡画像の文字抽出方法及びそのプログラムを記録した記録媒体 | |
| JPS61141087A (ja) | 画像処理方法及び装置 | |
| JP3906221B2 (ja) | 画像処理方法及び画像処理装置 | |
| US20050232472A1 (en) | Method and apparatus of processing a skin print image | |
| CN1144587A (zh) | 对像素数据进行二进制化的方法和装置 | |
| JPS63153682A (ja) | 濃淡画像の処理方法 | |
| JPH0830728A (ja) | 画像の二値化装置 | |
| JPH06261210A (ja) | しきい値決定方法 | |
| JP2002183713A (ja) | 画像処理方法およびその装置 | |
| JP2960468B2 (ja) | 濃淡画像の２値化方法及び装置 | |
| Oh | Document image binarization preserving stroke connectivity | |
| JPH07160815A (ja) | 輪郭強調による画像二値化処理方法及び装置 | |
| JP2001291056A (ja) | 文書画像認識装置及び記録媒体 | |
| CN119007233A (zh) | 一种基于背景漂白校正的文档扫描ocr识别方法及存储介质 | |
| Alwan et al. | Automatic stereo image matching using edge detection technique | |
| JP2000331118A (ja) | 画像処理装置及び記録媒体 | |
| CA2201557A1 (en) | Degraded character image restoration |