JP2844728B2 - 文書読取装置 - Google Patents

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は光学的に文字を読み取り認識する文字認識装
置に係わり、特に印刷文書等から行単位で文字を読み取
る文書読取装置に関する。

〔従来の技術〕

読み取った文字列画像から個々の文字の認識を行うに
際しては、これらの文字の切り出しを行う必要がある。
このため、従来の文書読取装置では文字の切り出しを行
う際、文字列画像の構成要素としての各ブロックの縦横
比やこれらのブロックの大きさあるいはブロック間の距
離等の情報を基にしてブロックの統合や分離を行うのが
一般的であった。また、高度な情報としての文字ピッチ
を動的計画法等の最適化方式を利用して推定し、この推
定されたピッチを基にして文字の切り出しを行うものも
存在した。なお、従来の技術としては、秋山照雄、内藤
誠一郎、増田功著の「非接触文字優先切出しによる印刷
物からの文字切出し法」、電子通信学会論文誌'84/10 V
ol.J67−D No.10,pp1194〜1201,辻善丈、浅井紘著の
「分散最小基準に基づく適応型文字分離方式」、電子通
信学会論文誌'85/8 Vol.J68−D No.8,pp1497〜1504等が
ある。

〔発明が解決しようとする課題〕

以上説明した従来の文書読取装置のうち前者の装置、
すなわち各ブロックの縦横比やこれらのブロックの大き
さあるいはブロック間の距離等の情報を用いる装置で
は、文字ピッチを信頼性よく推定することが困難であっ
た。また、この装置では各文字の形状すなわち縦横比が
一定であるという前提が必要であり、多様な文書に対し
て安定した処理を行うことが困難であった。

これに対して後者の動的計画法等の最適化方式を利用
する装置では投影によって文字ピッチを推定するので前
者の装置に比べて安定した処理が可能になる。しかしな
がら、これら分散最小基準や動的計画法を用いるために
処理時間がかかるという問題があった。また、処理が複
雑化するのでハードウェアの規模が大きくなるといった
問題もあった。

更に両装置では、読み取りの対象が“かすれ”等によ
って画像品質が低いと、文字ピッチの推定の精度が低下
し文字の切り出しが信頼性よく行われないという問題が
あった。

そこで本発明の目的は、低品質の画像でも簡便な処理
によって安定したピッチを求めることのできる文書読取
装置を提供することにある。

〔課題を解決するための手段〕

本発明では、（ｉ）文書画像より抽出した１行分の文
字列画像を入力して、各文字ブロック間のピッチとして
のブロックピッチを求めるブロックピッチ算出手段と、
（ii）ブロックピッチの頻度分布をすべてのピッチを対
象とするものと大きな文字間ギャップを持つもののみを
対象とするものについてそれぞれ算出するブロックピッ
チ頻度分布算出手段と、（iii）算出されたブロックピ
ッチの頻度分布から文字ピッチを推定する文字ピッチ推
定手段と、（iv）この文字ピッチ推定手段の推定結果に
基づいて各文字の切り出し位置を設定する切り出し位置
設定手段とを文書読取装置に具備させる。

なお、ブロックピッチの算出に際しては、ブロックピ
ッチ頻度分布算出手段から得られたギャップを意識した
頻度分布およびギャップを意識しない頻度分布の２種類
の頻度分布を基にして文字列についてのおよその推定ピ
ッチを求める第１のピッチ算出手段と、この第１の算出
手段の算出結果とギャップを意識しない頻度分布とを用
いて最終的な頻度分布を求める第２のピッチ算出手段と
の２つの算出手段を用いて２段階にわたって算出を行う
ようにしてもよい。

また、ブロックピッチ算出手段は１行分の文字列画像
を入力して、この入力画像に対する行の垂直方向の射影
を求め、ピッチの算出を行うようにしてもよい。

〔作用〕

本発明の原理を説明すると次の通りである。すなわ
ち、多くの印刷文書では文字列内で文字ピッチは非常に
安定している。そこで文字の切り出しを行う場合に、文
字ピッチは非常に有効な情報となる。この文字ピッチを
文字列画像から推定することは、文字間のギャップが十
分あり画像品質が良い場合には比較的簡単な処理で可能
となる。しかしながら、文字が“かすれる”等の低品質
で文字間の距離が近いような場合には、文字ピッチを推
定することは容易でなくなる。日本語には外見上分離し
た文字が存在するので、文字ピッチの推定は更に困難と
なる。

そこで請求項１記載の発明では、各文字ブロック間の
ピッチとしてのブロックピッチの頻度分布をすべてのピ
ッチを対象とするものと大きな文字間ギャップを持つも
ののみを対象とするものについてそれぞれ算出し、安定
した頻度分布を抽出するようにする。

また請求項２記載の発明では、ブロックピッチ頻度分
布算出手段から得られたギャップを意識した頻度分布お
よびギャップを意識しない頻度分布の２種類の頻度分布
を基にして、２段階にわたって文字のピッチを算出する
ので、“かすれ”等によるブロックの切れが頻度分布に
及ぼす悪影響の軽減を図りピッチの推定を正確に行うこ
とができる。

更に請求項３記載の発明では、ブロックピッチの算出
の際に入力画像に対する行の垂直方向の射影を求めるこ
とにしたので、行と垂直方向に射影をとることによって
行方向以外のブロックの分離を吸収することができる。

〔実施例〕

以下、実施例につき本発明を詳細に説明する。

第１図は本発明の一実施例における文書読取装置の概
要を表わしたものである。１行分の文字列画像は入力画
像格納部11に格納される。この入力画像は領域分割部10
で分割され、射影部12で射影されて、その結果は先端ピ
ッチ・後端ピッチ計算部13に入力される。ここで射影と
は行に垂直な方向に濃度の和を集積することをいう。こ
の方法は周知であるので、詳細な説明は省略する。先端
ピッチ・後端ピッチ計算部13では、ブロックの先端ピッ
チと後端ピッチをそれぞれ計算する。これら２種類のピ
ッチは頻度分布作成部14に送られて２種類のピッチそれ
ぞれについての頻度分布が作成される。これらの頻度分
布を用いて、文字ピッチ推定部15は文字ピッチの推定を
行う。文字切り出し部16はこの推定された文字ピッチで
文字の切り出しを行い、文字認識部17は文字の認識を行
う。

なお、領域分割部10および文字認識部17については周
知の技術を用いて実現することができるので、ここでは
詳細な説明を省略する。

以上のような構成の文書読取装置は、CPU（中央処理
装置）と、文字切り出しのための各種処理プログラムを
格納したフロッピーディスク等の記憶媒体と、各種デー
タを一時的に格納するRAM（ランダム・アクセス・メモ
リ）等の回路装置で構成することができる。

第２図は、この実施例の文書読取装置の入力画像格納
部11に入力された入力画像の一例を表わしたものであ
る。本実施例で入力画像は文字線部を“1"に、また背景
部を“0"とした２値画像として説明するが、多値画像で
も本質的に同じである。第２図に示した入力画像は、
「制御システム技術部」という語句の入力画像である
が、“かすれ”が生じており低品質な画像の例となって
いる。この入力画像は射影され、これを基にしてブロッ
クの先端ピッチと後端ピッチが求められる。

第３図は、このうちの先端ピッチを説明するためのも
のである。射影上で背景部に囲まれた連続する黒部分を
１ブロックとする。この第３図で四角で囲ったそれぞれ
の部分が１ブロック21である。これら１ブロックの例と
して第３図におけるブロック21−１を例に挙げるものと
する。この場合先端ピッチとして２種類の先端ピッチP
₁₁、P₁₂を定義する。先端ピッチP₁₁は、１つのブロック
21−１の先端位置（図で右端位置）から同一行の隣接す
るブロック21−２の先端までの間隔をいい、他の先端ピ
ッチP₁₂は１つのブロック21−１の先端位置から同一行
の１つ置いたブロック21−３の先端までの間隔をいうこ
とにする。

第４図は、これに対して後端ピッチを説明するための
ものである。本実施例では後端ピッチも２種類定義す
る。後端ピッチP₂₁は、１つのブロック21−１の後端位
置（図で右端位置）から同一行の隣接するブロック21−
２の後端までの間隔をいい、他の後端ピッチP₂₂は１つ
のブロック21−１の後端位置から同一行の１つ置いたブ
ロック21−３の後端までの間隔をいうことにする。

先端ピッチ・後端ピッチ計算部13では、２種類の先端
ピッチP₁₁、P₁₂および２種類の後端ピッチP₂₁、P₂₂を考
えられるすべてのブロックの組み合わせに対して求め
る。このとき、各先端ピッチP₁₁、P₁₂については後端側
の背景部の大きさ（以下、本明細書ではギャップと称す
る。）を併せて求めておく。また、各後端ピッチP₂₁、P
₂₂については、先端側のギャップの大きさを併せて求め
ておく。

頻度分布作成部14では、２種類の頻度分布を作成す
る。１つの頻度分布ｄ（ｘ）は、求めたすべてのピッチ
を対象とする。もう１つの頻度分布ｆ（ｘ）はギャップ
が大きいもののみを対象とする。

これらの頻度分布を基にして文字ピッチ推定部15は文
字ピッチの推定を行う。文字ピッチの推定は２段階に別
けて行われる。第１段階ではおよその推定ピッチを求め
る。このために、まず頻度分布作成部14で求めた分布を
強調する変換処理を次の（１）式に基づいて求める。

ここでΨ（ｘ）は、次の（２）式で表わす正規分布で
あり、（１）式ではσ＝2.5を用いている。

従って、（１）式は正規分布による頻度分布の畳み込
み演算である。このような変換処理は、頻度分布作成部
14がROMテーブルを用意しておき、これを用いて演算結
果を読み出すようにすることで容易に実現することがで
きる。

このようにして分布を強調する変換処理を行ったらピ
ッチの推定が行われる。今、（１）式の左辺Ｄ（ｍ）の
最大値を与えるｍを仮のピッチｐ′とする。このピッチ
の1/2近辺と２倍近辺とにＤ（ｐ）と近い値をとるピッ
チｐがないかどうかをチェックする。具体的には次の
（３）式で表わされるピッチｐがあるかどうかをチェッ
クする。

Ｄ（Ｐ）≧0.8D（Ｐ′） ……（３） ただし、ピッチｐの範囲は次の（４）式または（５）
式で示す不等式の範囲内にあるものとする。

この結果、仮のピッチｐ′の２倍近辺には（３）式を
満たすピッチｐがなく、1/2近辺にこの（３）式を満た
すピッチｐがあるときには、およその推定ピッチφ′を
ｐ′/2とし、その他の場合にはおよその推定ピッチφ′
をｐ′とする。

次にこのおよその推定ピッチφ′を基にして推定ピッ
チφを求める。推定ピッチφはおよその推定ピッチφ′
近辺での頻度分布ｄ（ｘ）上の平均値とする。具体的に
は次の（６）式により求める。

第５図は、文字切り出し部での文字の切り出し動作を
説明するためのものである。以上説明したようにして推
定ピッチφが求められたら文字の切り出しが行われる。
第１図に示した文字切り出し部16では、文字の先頭から
順に並べたブロックサイズとギャップサイズの２種類の
サイズを用いて、文字列の先頭から文字を順に切り出す
ものである。

まず文字切り出し部16では、現在（カレント）処理を
行う先頭のブロックのピッチ（以下、ブロックピッチと
いう。）およびギャップとその次（ネクスト）のブロッ
クピッチおよびギャップをセットする（ステップ）。
そして、前記したCPUは次に処理を行うブロックの有無
をチェックし（ステップ）、次に処理するブロックが
存在しない場合には（Ｙ）、文字切り出しのための制御
を終了させる（エンド）。

次に処理するブロックが存在する場合には（Ｎ）、現
在のブロックピッチが推定ピッチφの1.2倍よりも大き
いか否かのチェックを行う（ステップ）。推定ピッチ
φの1.2倍よりも大きい場合には（Ｙ）、現在のブロッ
クを推定ピッチφによって強制的に切り出す（ステップ
）。

現在のブロックが推定ピッチφの1.2倍未満であった
場合には（ステップ;N）、現在のピッチと次のピッチ
のうち推定ピッチφに近い方がとちらかの判別を行う
（ステップ）。この結果、次のピッチの方が推定ピッ
チφに近い場合には（Ｙ）、現在のブロックと次のブロ
ックとの統合を行う（ステップ）。現在のピッチの方
が推定ピッチφに近い場合には（ステップ;N）、現在
のピッチが推定ピッチφの0.8倍以上であるかどうかを
チェックする（ステップ）。この場合、ステップで
現在のブロックが推定ピッチφの1.2倍と等しいかこれ
よれも小さいと判断されているので、この場合には現在
のピッチが推定ピッチφの0.8倍以上で1.2倍以下である
かどうかのチェックが行われることになる。

この条件が満たされる場合には（Ｙ）、現在のピッチ
による文字の切り出しが行われる（ステップ）。この
条件が満たされない場合には（ステップ;N）、現在の
ブロックと次のブロックとの統合が行われる（ステップ
）。この後、ステップに戻って同様の制御が繰り返
されることになる。

第６図は、以上のような制御で第２図に示した入力画
像について文字切り出しを行った結果を現わしたもので
ある。文字に“かすれ”が生じていても、その切り出し
が正確に行われていることがわかる。

このように本実施例の文書読取装置では、行と垂直方
向に射影をとるようにしたので、行方向以外のブロック
の分離を吸収することができる。

〔発明の効果〕

このように請求項１記載の発明によれば、文字ピッチ
の頻度分布をすべてのピッチを対象とするものと大きな
文字間ギャップを持つもののみを対象とするものについ
てそれぞれ算出したので、安定した頻度分布を抽出する
ことができる。また、簡便な手法で文字の切り出しを行
うので、簡便な回路装置で高度な文字切り出しを行うこ
とができるという効果がある。

また請求項２記載の発明では、文字ピッチ頻度分布算
出手段から得られたギャップを意識した頻度分布および
ギャップを意識しない頻度分布の２種類の頻度分布を基
にして、２段階にわたって文字のピッチを算出したの
で、“かすれ”等の低品位の画像によるブロックの切れ
が頻度分布に及ぼす悪影響の軽減を図りピッチの推定を
正確に行うことができ、文字切り出しを更に正確に行う
ことができる。

また請求項３記載の発明では、文字ピッチの算出の際
に入力画像に対する行の垂直方向の射影を求めることに
したので、行と垂直方向に射影をとることによって行方
向以外のブロックの分離を吸収することができ、同様に
文字切り出しを更に正確に行うことができる。

【図面の簡単な説明】

図面は本発明の一実施例を説明するためのもので、この
うち第１図は文書読取装置の概要を表わしたブロック
図、第２図は入力画像の一例を現わした平面図、第３図
は先端ピッチを説明するための説明図、第４図は後端ピ
ッチを説明するための説明図、第５図は文字切り出し部
での文字の切り出し動作を表わした流れ図、第６図は第
２図に示した入力画像に対する文字切り出しの結果を表
わした説明図である。 10……領域分割部、11……入力画像格納部、 12……射影部、 13……先端ピッチ・後端ピッチ計算部、 14……頻度分布作成部、 15……文字ピッチ推定部、 17……文字認識部、21……ブロック。

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】文書画像より抽出した１行分の文字列画像
   を入力して、各文字ブロック間のピッチとしてのブロッ
   クピッチを求めるブロックピッチ算出手段と、 ブロックピッチの頻度分布をすべてのピッチを対象とす
   るものと大きな文字間ギャップを持つもののみを対象と
   するものについてそれぞれ算出するブロックピッチ頻度
   分布算出手段と、 算出されたブロックピッチの頻度分布から文字ピッチを
   推定する文字ピッチ推定手段と、 この文字ピッチ推定手段の推定結果に基づいて各文字の
   切り出し位置を設定する切り出し位置設定手段 とを具備することを特徴とする文書読取装置。
2. 【請求項２】ブロックピッチ頻度分布算出手段から得ら
   れたギャップを意識した頻度分布およびギャップを意識
   しない頻度分布の２種類の頻度分布を基にして文字列に
   ついてのおよその推定ピッチを求める第１のピッチ算出
   手段と、 この第１の算出手段の算出結果と前記ギャップを意識し
   ない頻度分布とを用いて最終的な頻度分布を求める第２
   のピッチ算出手段 とを具備することを特徴とする請求項１記載の文書読取
   装置。
3. 【請求項３】ブロックピッチ算出手段は１行分の文字列
   画像を入力して、この入力画像に対する行の垂直方向の
   射影を求める射影手段を具備することを特徴とする請求
   項１記載の文書読取装置。