JP4739082B2 - 画像処理方法及び画像処理装置 - Google Patents

Description

本発明は、紙原稿をスキャンして取得した画像を領域分割して領域毎にベクトル化する画像処理方法及び画像処理装置に関する。

近年、情報の電子化が進み、紙文書をそのまま保持するのではなく、電子化して保存したり、その電子データを他装置に送信するシステムが普及してきている。また、その電子化の対象となる文書は、白黒二値の画像だけに留まらず、フルカラー（多値）文書のような電子文書へその対象を広げつつある。

さらに、対象となる電子文書は、単に紙上の文書をスキャナ等によりスキャンして画像データにしたものだけに留まっていない。例えば、文書画像の領域を分離して、文字領域に対しては文字認識処理を施して文字コード列に変換し、写真領域に対しては輪郭線のベクトルデータに変換する等、電子文書は、より高度な情報に変換されたデータを含んできている（特許文献１参照。）。

従来、画像のベクトル化処理は、次のように行われる。まず、フルカラーで入力された画像を二値画像に変換し、次いで、二値画像から輪郭線及び中心線を抽出し、得られた線と原画像の色情報をベクトルデータに変換する。
特開２００４−２６５３８４号公報

一方、上述したようなベクトル化された画像の中には、フルカラー画像であっても、イラスト画像や図形作成ソフトウェアで作成された原稿をスキャンしてベクトル化した画像等もある。これらの画像は、写真等の自然画像に比べて物体の輪郭が明瞭であり、出現色も限られている等の特徴を有している。尚、以下では、このような画像を「クリップアート画像」と呼ぶ。このようなクリップアート画像に対しては、クリップアート画像の特徴に応じて、領域分割手法に基づいたベクトル化処理を行うことが有効であると考えられる。

しかしながら、従来の技術の中には、画像の種類（例えば、縁があるかどうか、グラデーションがあるかどうか）を自動判別してベクトル化処理するものは見受けられない。そのため、例えば、違う種類の画像に対して同じ処理を適用してしまうと、適切なベクトル化の結果が得られず、また処理の無駄が生じてしまう。

本発明は、このような事情を考慮してなされたものであり、クリップアート画像に縁やグラデーション等の特徴があるかどうかを判別し、画像の種類に応じた適切なベクトル化処理を行うことができる画像処理方法及び画像処理装置を提供することを目的とする。

上記課題を解決するために、本発明は、クリップアート画像を含む文書画像を入力してベクトル化する画像処理装置における画像処理方法において、選択手段が、前記文書画像を領域分割して前記クリップアート画像を選択する選択工程と、エッジ抽出手段が、前記クリップアート画像からエッジを抽出し、該抽出したエッジの強度のヒストグラム分布を求めるエッジ抽出工程と、判別手段が、前記ヒストグラム分布においてエッジ強度の閾値を０から所定の値まで所定間隔で複数設定し、該設定した各閾値についてそれぞれの閾値以上のエッジ強度を有する画素数を統計し、該統計した各閾値に対する画素数の変化が所定の度合い以上である場合は、前記クリップアート画像の画像種類を縁なしクリップアート画像であると判別し、前記統計した各閾値に対する画素数の変化が前記所定の度合い未満である場合は、前記クリップアート画像の画像種類を縁ありクリップアート画像であると判別する判別工程と、領域分割手段が、判別された画像種類に応じて前記クリップアート画像をさらに領域分割する領域分割工程と、変換手段が、領域分割された前記クリップアート画像をベクトルデータに変換する変換工程と、を有する。

また、上記課題を解決するために、本発明は、クリップアート画像を含む文書画像を入力してベクトル化する画像処理装置であって、
前記文書画像を領域分割して前記クリップアート画像を選択する選択手段と、
前記クリップアート画像の種類を判別する判別手段と、
判別された画像の種類に応じて前記クリップアート画像をさらに領域分割する領域分割手段と、
領域分割された前記クリップアート画像をベクトルデータに変換する変換手段と
を備えることを特徴とする。

本発明によれば、クリップアート画像に縁やグラデーション等の特徴があるかどうかを判別し、画像の種類に応じた適切なベクトル化処理を行うことができる。

以下、図面を参照して、本発明の一実施形態に係る画像処理装置を用いた画像データのベクトル化処理について、詳細に説明する。

＜装置構成＞
図１は、本発明の一実施形態に係る領域分割に基づいたベクトル化処理を行う機能を有する画像処理装置の構成を示すブロック図である。図１において、入力部１１は、スキャンによって紙情報をカラー文書画像として入力する。また、領域分割部１２は、カラー文書画像を写真領域を含む複数種類の領域に分離する。さらに、クリップアート画像選択部１３は、分離されたそれぞれの領域からクリップアート画像を選択する。さらにまた、クリップアート画像種類判別部１４は、クリップアート画像の種類を判別する。さらにまた、クリップアート画像領域分割部１５は、判別された画像の種類に応じてクリップアート画像の領域を分割処理する。さらにまた、クリップアート画像ベクトル変換部１６は、クリップアート画像領域分割部１５での領域分割結果からクリップアート画像をベクトルデータに変換する。
データに変換する。

図１４は、図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。尚、本実施形態では、画像処理装置として、スキャナ機能やプリンタ機能を有するディジタル複合機（ＭＦＰ）を用いているが、汎用のスキャナとパーソナルコンピュータとを接続したシステムを当該画像処理装置として用いてもよい。

図１４に示すように、ＭＦＰは、画像処理装置として機能するコントローラユニット２０００を備えている。当該コントローラユニット２０００は、画像入力デバイスであるスキャナ２０７０や画像出力デバイスであるプリンタ２０９５を接続する。そして、スキャナ２０７０で原稿画像から読み取られた画像データをプリンタ２０９５によって印刷出力するコピー機能を実現するための制御を行う。また、コントローラユニット２０００は、ＬＡＮ１００６や公衆回線（ＷＡＮ）１００８を介して他装置との間でパターン画像やデバイス情報等の入出力を行うための制御を行う。

コントローラユニット２０００は、図１４に示すように、ＣＰＵ２００１を有している。ＣＰＵ２００１は、ＲＯＭ２００３に格納されているブートプログラムによりオペレーションシステム（ＯＳ）を立ち上げる。そして、このＯＳ上でＨＤＤ（ハードディスクドライブ）２００４に格納されているアプリケーションプログラムを実行することによって各種処理を実行する。このＣＰＵ２００１の作業領域として、ＲＡＭ２００２が用いられる。ＲＡＭ２００２はまた、ＣＰＵ２００１の作業領域だけでなく、画像データを一時記憶するための画像メモリ領域をも提供する。ＨＤＤ２００４は、上記アプリケーションプログラムとともに、画像データを格納する。

ＣＰＵ２００１には、システムバス２００７を介して、ＲＯＭ２００３やＲＡＭ２００２が接続されている。さらに、操作部Ｉ／Ｆ（操作部インタフェース）２００６、ネットワークＩ／Ｆ（ネットワークインタフェース）２０１０、モデム２０５０及びイメージバスＩ／Ｆ（イメージバスインタフェース）２００５が接続されている。

操作部Ｉ／Ｆ２００６は、タッチパネルを有する操作部２０１２とのインタフェースであり、操作部２０１２に表示する画像データを操作部２０１２に対して出力する。また、操作部Ｉ／Ｆ２００６は、操作部２０１２においてユーザにより入力された情報をＣＰＵ２００１に送出する。

また、ネットワークＩ／Ｆ２０１０は、ＬＡＮ１００６に接続され、当該ＬＡＮ１００６を介してＬＡＮ１００６に接続された各装置との間で情報の入出力を行う。モデム２０５０は、公衆回線１００８に接続し、公衆回線１００８を介して他装置との間で情報の入出力を行う。

イメージバスＩ／Ｆ２００５は、システムバス２００７と画像データを高速で転送する画像バス２００８を接続し、データ構造を変換するためのバスブリッジである。画像バス２００８は、ＰＣＩバス又はＩＥＥＥ１３９４から構成される。画像バス２００８上には、ラスタイメージプロセッサ（ＲＩＰ）２０６０、デバイスＩ／Ｆ２０２０、スキャナ画像処理部２０８０、プリンタ画像処理部２０９０、画像回転部２０３０、サムネイル作成部２０３５及び画像圧縮部２０４０が設けられている。

ＲＩＰ２０６０は、ＰＤＬコードをビットマップイメージに展開するプロセッサである。デバイスＩ／Ｆ２０２０には、スキャナ２０７０及びプリンタ２０９５が接続され、画像データの同期系／非同期系の変換を行う。スキャナ画像処理部２０８０は、入力画像データに対して補正、加工、編集処理を行う。プリンタ画像処理部２０９０は、プリント出力画像データに対してプリンタの補正、解像度変換等を行う。画像回転部２０３０は、画像データの回転を行う。画像圧縮部２０４０は、多値画像データをＪＰＥＧデータに、ニ値画像データをＪＢＩＧ、ＭＭＲ、ＭＨ等のデータに圧縮するとともに、その伸長処理も行う。

＜領域分割に基づいたベクトル化処理の概要＞
図２は、本発明の一実施形態におけるクリップアート画像の領域分割に基づいたベクトル化処理についての概略を説明するためのフローチャートである。

まず、入力部１１において、スキャナより紙情報を入力し、カラー文書画像データを得る（ステップＳ１１）。次に、領域分離部１２において、入力されたカラー文書画像を二値画像データに変換し、この二値画像データを文字、写真、表等の複数種類の領域に分離する（ステップＳ１２）。この領域分離処理を実現する一例として、米国特許第５，６８０，４７８号公報に記載の領域分割技術を用いることができる。尚、当該公報には、「Method and Apparatus for character recognition (Shin-YwanWang et aI./Canon K.K.)」が記載されている。さらに、クリップアート画像選択部１３において、前工程で分離された領域からクリップアート画像を選択する（ステップＳ１３）。

次に、クリップアート画像種類判別部１４において、クリップアート画像の種類、例えば、縁があるかどうか、グラデーションがあるかどうかを判別する（ステップＳ１４）。尚、このクリップアート画像の種類の判別処理の詳細については後述する。

次に、クリップアート画像領域分割部１５では、クリップアート画像の種類の判別結果に基づいて、縁がある／なしで判別された画像に対して領域分割の種類の判定を行う（ステップＳ１５）。その結果、縁なしクリップアート画像と判定された場合（Ｙｅｓ）は、縁なしクリップアート画像の領域分割を行う（ステップＳ１６）。

一方、ステップＳ１５において、縁があると判別された場合（Ｎｏ）は、当該クリップアート画像に対して、さらにグラデーションがない画像であるか否かを判別する（ステップＳ１７）。その結果、グラデーションなしと判別された場合（Ｙｅｓ）は、縁ありグラデーションありクリップアート画像の領域分割を行う。この縁なしクリップアート画像の領域分割処理（ステップＳ１６）、縁ありクリップアート画像の領域分割処理（ステップＳ１８）、及びグラデーションありクリップアート画像の領域分割処理（ステップＳ１９）の詳細については後述する。

ステップＳ１６、Ｓ１８、Ｓ１９の領域分割処理の後、ベクトル化部１６において、分割された領域毎に輪郭線と領域内部の色に基づいてベクトルデータに変換する（ステップＳ２０）。このベクトル化処理を実現する技術としては、例えば、特許第２８８５９９９号のニ値画像の輪郭線の追跡をし、その座標ベクトルを選択することにより、ベクトル化するものが挙げられる。尚、本実施形態におけるベクトル化処理についても当該技術を利用するものとする。

＜クリップアート画像の選択例＞
図３は、本発明の一実施形態に係る画像処理において文書画像からクリップアート画像を選択した一例を示す図である。図３では、一文書画像から前述した領域分離法を用いて写真領域３１、テキスト領域３２、及びクリップアート領域３３がそれぞれ矩形領域として分離されている様子を示している。

＜画像種類判別処理＞
図４は、図２のステップＳ１４における画像に縁があるかどうかの判別処理の詳細について説明するためのフローチャートである。

まず、クリップアート画像からエッジを抽出する（ステップＳ１４０１）。そして、エッジ強度のヒストグラム分布を求める（ステップＳ１４０２）。本実施形態では、一例として、エッジ強度の閾値が０，４０，８０，１２０，１６０である時にそれぞれ閾値以上のエッジ強度を持つ画素の数を代表値として統計するようにする。そして、ヒストグラムの分布が緩めに減少しているか否かについて判定する（ステップＳ１４０３）。その結果、エッジ強度の閾値を高くするにつれて閾値以上のエッジ強度を持つ画素数が緩やかに減少する場合（Ｙｅｓ）は、縁があると判定する（ステップＳ１４０４）。一方、急に減少する場合（Ｎｏ）は、縁がないと判定する（ステップＳ１４０５）。

図５は、図２のステップＳ１４における画像にグラデーションがあるかどうかの判別処理の詳細について説明するためのフローチャートである。

まず、ＲＧＢ色空間からＨＳＶ色空間への色変換を行う（ステップＳ１４１１）。次いで、Ｈ値の数を統計し（ステップＳ１４１２）、Ｓ値の数を統計する（ステップＳ１４１３）。そして、Ｈ値の数が少なく、Ｓ値の数が多いかどうかを判定する（ステップＳ１４１４）。その結果、Ｈ値の数が少なく、Ｓ値の数が多い場合（Ｙｅｓ）は、グラデーションがあると判定する（ステップＳ１４１５）。一方、それ以外の場合（Ｎｏ）は、グラデーションがないと判定する（ステップＳ１４１６）。

＜縁なしクリップアート画像の領域分割処理＞
図６は、図２のステップＳ１６における縁なしクリップアート画像の領域分割処理の詳細について説明するためのフローチャートである。

まず、画素の色特徴に基づいてクラスタリング処理を行って、画像をクラスタに分割する（ステップＳ１６０１）。具体的には、ラスタスキャンしたスタートの画素により、最初のクラスタを生成する。そして、次の画素に対して、全てのクラスタ間との類似を求める。類似度が高いほど、画素とクラスタとの距離が短い、即ち、特徴が近いと考えられる。ここでは、類似の計算にＲＧＢ値を用いるが、他のカラー空間の情報、或いは、カラー以外の情報を特徴量としても使える。そして、一番高い類似度とこの類似度に対応したクラスタ番号を記録し、この類似度を事前に設定された閾値とを比較する。その結果、閾値より高ければ、対象画素を記録されたクラスタに属させる。一方、閾値より低ければ、対象画素により新たなクラスタを生成する。以上の処理が全ての画素に対して終われば、領域分割処理を終了する。

ステップＳ１６０２では、ステップＳ１６０１で分割されたクラスタを類似度により統合する。具体的には、まず、分離したい領域数の目標値を入力する。この目標値は、本実施形態では何色くらいに分離するかの目安にある。そして、現在のクラスタの数を数えて、領域数の目標値とを比較する。その結果、クラスタ数が目標値より多ければ、クラスタの統合を行う。統合には、各クラスタ間の類似度を計算し、その中から一番類似度の高い二つのクラスタを一つに統合する。本クラスタ統合処理は、クラスタ数が目標値より少なくなるまで実行する。

そして、ステップＳ１６０３では、ノイズ領域を判別するために領域統合の結果をラベリング処理する。そして、ステップＳ１６０４では、各ラベル領域の大きさによりノイズ領域であるかどうかを判定する。その結果、ラベル領域がある程度小さければ（Ｙｅｓ）、ノイズ領域と判定してステップＳ１６０５に進む。ステップＳ１６０５では、ステップＳ１６０４で判定されたノイズ領域に含まれたノイズ画素を、隣接する領域間との類似度に基づいて、一番類似度の高い領域に再び割り当てるクラスタリング処理を行い、ステップＳ１６０６に進む。一方、ステップＳ１６０４でノイズ領域でないと判定された場合（Ｎｏ）はステップＳ１６０６に進む。

ステップＳ１６０６では、全てのラベル領域に対して処理が終わるかどうかを判定する。そして、処理対象があれば（Ｎｏ）、ステップＳ１６０４に戻ってノイズ領域の判定処理とノイズ領域の再処理を繰り返し実行する。一方、処理対象がなければ（Ｙｅｓ）、ノイズ処理を終了する。

＜ノイズの例＞
図７は、本発明の一実施形態に係る画像処理で取り扱うノイズの一例を示す図である。図７において、クラスタ６１とクラスタ６２は、領域分割処理（ステップＳ１６０１）及び領域統合処理（ステップＳ１６０２）後のクラスタから、それぞれ代表として選ばれた２つのクラスタ例である。図７に示すこれらのクラスタにあるノイズを、以上のノイズ判定処理とノイズ再処理で対応する。

＜縁なしクリップアート画像の領域分割に基づいたベクトル化の例＞
図８は、本発明の一実施形態における縁なしクリップアート画像に対して領域分割、領域統合、ノイズ領域判定及びノイズ領域再処理の一連の処理によりベクトル化の一例を示す図である。図８において、８１は領域分割されるクリップアート画像である。また、８２は領域分割結果の一例を示す。すなわち、クリップアート画像８１は、前述した領域分割、領域統合、ノイズ判定、ノイズ除去の一連の処理により、例えば、分割したい領域数の目標値が１６と設定された場合は、領域分割結果８２に示す１６個のクラスタから成るクラスタ群に分割される。

ベクトル化処理に必要なクラスタの輪郭と内部色情報の例としては、図８では、クラスタ８３、輪郭線８４、及び内部色情報８５が示されている。領域分割結果８２を上記情報に基づいてベクトルデータに変換された結果がベクトル画像８６である。ベクトル画像８６のファイルサイズは２４Ｋバイトであり、元のクリップアート画像８１のファイルサイズが２７３９Ｋバイトであるので、ベクトル化によって１／１００以下のサイズに減ることになる。これによりノイズへ対応することができる。また、ベクトル画像８６の各クラスタ８２を部品として、各クラスタの内部色の塗り潰し等の処理を行うこともできる。

＜縁ありクリップアート画像の領域分割処理＞
図９は、図２のステップＳ１８における縁ありクリップアート画像の領域分割処理の詳細について説明するためのフローチャートである。

まず、縁クリップアート画像からエッジを抽出し（ステップＳ１８０１）、次いで、エッジ強度が設定した閾値以上である画素によりエッジクラスタを形成する（ステップＳ１８０２）。

そして、エッジクラスタ以外の画素に対して、縁なしクリップアート画像の処理と同じように処理を行う。すなわち、領域分割処理（Ｓ１６０１）、領域統合処理（Ｓ１６０２）、ラベリング処理（Ｓ１６０３）、ノイズ領域判定処理（Ｓ１６０４）、ノイズ領域再処理（Ｓ１６０５）の一連の処理を行う。

そして、ステップＳ１８０３では、最初に形成したエッジクラスタ以外に縁情報を含むクラスタがあるかどうかのエッジクラスタ判定処理を行う。この処理では、最初のエッジクラスタ以外のクラスタに対して、クラスタ毎にエッジ率、即ち、エッジ強度が０ではない画素数とクラスタの画素数の割合を計算する。その結果、エッジ率がある程度高い場合はそのクラスタをエッジクラスタと判定する。ステップＳ１８０４では、このクラスタと最初に形成したエッジクラスタとを統合する。

＜エッジクラスタの例＞
図１０は、本発明の一実施形態における分割されたクラスタからエッジクラスタと判定されたエッジクラスタに統合された例を示す図である。図１０において、１７１１はエッジクラスタ形成処理により最初に形成したエッジクラスタであり、１７１２はエッジクラスタ判定処理でエッジクラスタと判定したクラスタである。また、１７１３はこれらのエッジクラスタを統合したエッジクラスタの結果である。このように、本実施形態では、縁のある画像に対して、エッジクラスタ形成処理、エッジクラスタ判定処理、また、エッジクラスタ統合処理で対応する。

＜縁ありクリップアート画像の領域分割に基づいたベクトル化の例＞
図１１は、縁ありクリップアート画像に対してエッジ抽出、エッジクラスタ生成、領域分割、領域統合、ノイズ領域判定、ノイズ領域再処理、エッジクラスタ判定、エッジクラスタ統合の一連の処理によるベクトル化の一例を示す図である。

図１１において、縁ありクリップアート画像１７２１は、分割したい領域数の目標値を１６と指定した場合、領域分割結果１７２２に示す各クラスタに分割される。ベクトル画像１７２３は、領域分割の結果１７２２をベクトルデータに変換した結果である。ベクトル画像１７２３のファイルサイズは４５Ｋバイトであり、元のクリップアート画像１７２１のファイルサイズが２７３９Ｋバイトであるので、ベクトル化によって１／５０以下のサイズに減ることになる。これにより縁の情報を一つのクラスタに抑えることができる。

＜グラデーションありクリップアート画像の領域分割処理＞
図１２は、図２のステップＳ１９におけるグラデーションありクリップアート画像の領域分割処理の詳細について説明するためのフローチャートである。

まず、縁クリップアート画像からエッジを抽出し（ステップＳ１８０１）、エッジ強度が設定した閾値以上である画素によりエッジクラスタを形成する（ステップＳ１８０２）。

次いで、ＲＧＢカラー空間からＨＳＶカラー空間へ変換し（ステップＳ１９０１）、色彩Ｓにより画像を無彩色部分と有彩色部分に分ける（ステップＳ１９０２）。この無彩色部分と有彩色部分の分離処理では、色彩Ｓの値は０である画素を無彩色部分に属させ、色彩Ｓの値は０ではない画素を有彩色部分に属させる。

さらに、無彩色部分の領域分割をする（ステップＳ１９０３）。この処理は、ステップＳ１６０１の領域分割処理と同じであるが、特徴量としては画素の輝度値が用いられ、画素とクラスタ間の距離としては輝度値の差が用いられる。

次いで、有彩色部分の領域分割をする（ステップＳ１９０４）。この処理では、特徴量としては画素のＲＧＢカラー情報が用いられ、画素とクラスタ間の距離としてはＲＧＢのＥｕｃｌｉｄｅａｎ距離が用いられる。

次いで、無彩色部分の領域統合をする（ステップＳ１９０５）。この処理は、ステップＳ１６０２の領域統合処理と同じであるが、特徴量としては画素の輝度値が用いられ、画素とクラスタ間の距離としては輝度値の差が用いられ、統合条件としてはクラスタ間の距離はある閾値以下である。

さらに、有彩色部分の領域統合をする（ステップＳ１９０６）。この処理では、特徴量としては画素のＲＧＢカラー情報と色相Ｈ情報が用いられ、画素とクラスタ間の距離としてはＲＧＢのＥｕｃｌｉｄｅａｎ距離とＨの差が用いられる。また、統合条件としてはクラスタ間のＲＧＢ距離はＲＧＢの閾値以下であり、Ｈ距離はＨの閾値以下である。

そして、エッジクラスタ以外の画素に対して、縁ありクリップアート画像の処理と同じように以下の処理が行われる。すなわち、ステップＳ１６０３のラベリング処理、ステップＳ１６０４のノイズ領域判定処理、ステップＳ１６０５のノイズ領域再処理、ステップＳ１８０３のエッジクラスタ判定処理、ステップＳ１８０４のエッジクラスタ統合処理の一連の処理が行われる。以上の処理を経て、領域分割の結果が得られる。

＜グラデーションあり画像の領域分割に基づいたベクトル化の例＞
図１３は、グラデーションありクリップアート画像に対して各種処理を行うことによるベクトル化の一例を示す図である。各種処理とは、エッジ抽出、エッジクラスタ生成、無彩色部分と有彩色部分の別々の領域分割、無彩色部分と有彩色部分の別々の領域統合、ノイズ領域判定、ノイズ領域再処理、エッジクラスタ判定、エッジクラスタ統合の一連の処理を行う。

図１３において、グラデーションありクリップアート画像１８０１は、分割したい領域数の目標値を１０と指定した場合、領域分割結果１８０２の各クラスタに分割される。ここで、ベクトル画像１８０３のデータサイズは５６Ｋバイトであり、元のクリップアート画像１８０１のデータサイズ２７３９Ｋバイトであるので、ベクトル化によって１／５０以下のサイズに減ることになる。これにより、グラデーション部分を正確に領域分割が出きる。

以上説明したように、本実施形態によれば、処理対象画像の種類、即ち、縁があるかどうか、及びグラデーションがあるかどうかを自動判別して、それぞれに応じた処理を行うことにより、効率良くベクトル化をすることができる。

＜その他の実施形態＞
以上、実施形態例を詳述したが、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体（記録媒体）等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

尚、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接あるいは遠隔から供給する。そして、そのシステムあるいは装置のコンピュータが該供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であっても良い。

プログラムを供給するための記録媒体としては、例えば、以下のようなものがある。フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページからハードディスク等の記録媒体にダウンロードすることによっても供給できる。すなわち、ホームページに接続し、該ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをダウンロードする。また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布する。そして、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他にも、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後にも前述した実施形態の機能が実現される。すなわち、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行うことによっても前述した実施形態の機能が実現される。

本発明の一実施形態に係る領域分割に基づいたベクトル化処理を行う機能を有する画像処理装置の構成を示すブロック図である。 本発明の一実施形態におけるクリップアート画像の領域分割に基づいたベクトル化処理についての概略を説明するためのフローチャートである。 本発明の一実施形態に係る画像処理において文書画像からクリップアート画像を選択した一例を示す図である。 図２のステップＳ１４における画像に縁があるかどうかの判別処理の詳細について説明するためのフローチャートである。 図２のステップＳ１４における画像にグラデーションがあるかどうかの判別処理の詳細について説明するためのフローチャートである。 図２のステップＳ１６における縁なしクリップアート画像の領域分割処理の詳細について説明するためのフローチャートである。 本発明の一実施形態に係る画像処理で取り扱うノイズの一例を示す図である。 本発明の一実施形態における縁なしクリップアート画像に対して領域分割、領域統合、ノイズ領域判定及びノイズ領域再処理の一連の処理によりベクトル化の一例を示す図である。 図２のステップＳ１８における縁ありクリップアート画像の領域分割処理の詳細について説明するためのフローチャートである。 本発明の一実施形態における分割されたクラスタからエッジクラスタと判定されたエッジクラスタに統合された例を示す図である。 縁ありクリップアート画像に対してエッジ抽出、エッジクラスタ生成、領域分割、領域統合、ノイズ領域判定、ノイズ領域再処理、エッジクラスタ判定、エッジクラスタ統合の一連の処理によるベクトル化の一例を示す図である。 図２のステップＳ１９におけるグラデーションありクリップアート画像の領域分割処理の詳細について説明するためのフローチャートである。 グラデーションありクリップアート画像に対して各種処理を行うことによるベクトル化の一例を示す図である。 図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。

符号の説明

１１ 入力部
１２ 領域分離部
１３ クリップアート画像選択部
１４ クリップアート画像種類判別部
１５ クリップアート画像領域分割部
１６ クリップアート画像ベクトル変換部

Claims (5)

1. クリップアート画像を含む文書画像を入力してベクトル化する画像処理装置における画像処理方法であって、
   選択手段が、前記文書画像を領域分割して前記クリップアート画像を選択する選択工程と、
   エッジ抽出手段が、前記クリップアート画像からエッジを抽出し、該抽出したエッジの強度のヒストグラム分布を求めるエッジ抽出工程と、
   判別手段が、前記ヒストグラム分布においてエッジ強度の閾値を０から所定の値まで所定間隔で複数設定し、該設定した各閾値についてそれぞれの閾値以上のエッジ強度を有する画素数を統計し、該統計した各閾値に対する画素数の変化が所定の度合い以上である場合は、前記クリップアート画像の画像種類を縁なしクリップアート画像であると判別し、前記統計した各閾値に対する画素数の変化が前記所定の度合い未満である場合は、前記クリップアート画像の画像種類を縁ありクリップアート画像であると判別する判別工程と、
   領域分割手段が、判別された画像種類に応じて前記クリップアート画像をさらに領域分割する領域分割工程と、
   変換手段が、領域分割された前記クリップアート画像をベクトルデータに変換する変換工程と、
   を有することを特徴とする画像処理方法。
2. 前記判別工程で前記クリップアート画像を縁なしクリップアート画像と判別した場合、
   前記領域分割工程では、
   前記クリップアート画像を画素の色特徴に基づいて複数のクラスタに分割する工程と、
   前記クリップアート画像の領域数の目標数を入力する工程と、
   前記複数のクラスタを他のクラスタとの類似度を用いて前記目標数の範囲内で統合する工程と、
   統合後の複数のクラスタからノイズ領域を判定する工程と、
   ノイズ領域と判定されたクラスタを類似度の高いクラスタに割り当てる工程と、
   を実行し、
   前記変換工程では、前記領域分割工程の処理結果として得られる各クラスタに基づいて、前記クリップアート画像をベクトルデータに変換することを特徴とする請求項１に記載の画像処理方法。
3. 前記判別工程で前記クリップアート画像を縁ありクリップアート画像と判別した場合、
   前記領域分割工程では、
   前記クリップアート画像からエッジを抽出する工程と、
   抽出された前記エッジの強度に基づいてエッジクラスタを形成する工程と、
   前記クリップアート画像内のエッジクラスタ以外の画素の色特徴に基づいて該クリップアート画像を複数のクラスタに分割する工程と、
   前記クリップアート画像の領域数の目標数を入力する工程と、
   前記複数のクラスタを他のクラスタとの類似度を用いて前記目標数の範囲内で統合する工程と、
   統合後の複数のクラスタからノイズ領域を判定する工程と、
   ノイズ領域と判定されたクラスタを類似度の高いクラスタに割り当てる工程と、
   割り当て後の前記クラスタがエッジクラスタであるか否かを判定する工程と、
   エッジクラスタであると判定されたクラスタと前記エッジの強度に基づいて形成された前記エッジクラスタとを統合する工程と、
   を実行することを特徴とする請求項１に記載の画像処理方法。
4. クリップアート画像を含む文書画像を入力してベクトル化する画像処理装置であって、
   前記文書画像を領域分割して前記クリップアート画像を選択する選択手段と、
   前記クリップアート画像からエッジを抽出し、該抽出したエッジの強度のヒストグラム分布を求めるエッジ抽出手段と、
   前記ヒストグラム分布においてエッジ強度の閾値を０から所定の値まで所定間隔で複数設定し、該設定した各閾値についてそれぞれの閾値以上のエッジ強度を有する画素数を統計し、該統計した各閾値に対する画素数の変化が所定の度合い以上である場合は、前記クリップアート画像の画像種類を縁なしクリップアート画像であると判別し、前記統計した各閾値に対する画素数の変化が前記所定の度合い未満である場合は、前記クリップアート画像の画像種類を縁ありクリップアート画像であると判別する判別手段と、
   判別された画像種類に応じて前記クリップアート画像をさらに領域分割する領域分割手段と、
   領域分割された前記クリップアート画像をベクトルデータに変換する変換手段と、
   を備えることを特徴とする画像処理装置。
5. 請求項１乃至３の何れか一項に記載の画像処理方法をコンピュータに実行させるためのプログラム。

Images