特許ウォッチ

公開番号2023013501
公報種別公開特許公報(A)
公開日2023-01-26
出願番号2021117728
出願日2021-07-16
発明の名称画像処理装置、画像処理方法、及びプログラム
出願人株式会社リコー
代理人個人
主分類G06V 30/14 20220101AFI20230119BHJP(計算;計数)
要約【課題】画像データに含まれる文字画像の正立方向を識別する処理における精度を向上させることにある。
【解決手段】画像データに含まれる文字画像毎に垂直方向、及び水平方向のサイズに上限値を設定して、上限値内の矩形領域に分割する領域分割部70bと、矩形領域内の文字画像を対象に垂直方向の+方向、及び-方向、並びに前記水平方向の+方向、及び-方向に沿ってそれぞれ文字認識処理を行い、4方向の確信度を算出する確信度算出部70dと、確信度算出部70dにより算出された4方向の各確信度のうち最大の確信度を有する方向を正立方向として判定する正立方向判定部70eと、制御部70と、を備え、制御部70は、正立方向判定部70eが正立方向の判定を行う場合には、通常の文字認識処理を行うときよりも、領域分割部70bに設定するサイズの上限値が大きくなるように制御する。
【選択図】図4
特許請求の範囲【請求項１】
画像データに含まれる文字画像の正立方向を識別し、前記正立方向に沿って通常の文字認識処理を行う画像処理装置であって、
前記画像データに含まれる文字画像毎に垂直方向、及び水平方向のサイズに上限値を設定して、前記上限値内の矩形領域に分割する領域分割部と、
前記矩形領域内の文字画像を対象に前記垂直方向の＋方向、及び－方向、並びに前記水平方向の＋方向、及び－方向に沿ってそれぞれ文字認識処理を行い、前記４方向の確信度を算出する確信度算出部と、
前記確信度算出部により算出された前記４方向の各確信度のうち最大の確信度を有する方向を正立方向として判定する正立方向判定部と、
制御部と、を備え、
前記制御部は、前記正立方向判定部が前記正立方向の判定を行う場合には、前記通常の文字認識処理を行うときよりも、前記領域分割部に設定する前記サイズの上限値が大きくなるように制御することを特徴とする画像処理装置。
続きを表示（約 1,900 文字）【請求項２】
前記制御部は、前記サイズの実際値が前記サイズの上限値を超えない場合に、前記正立方向判定部による判定結果が不定となったときに、前記サイズの上限値がより大きくなるように制御することを特徴とする請求項１に記載の画像処理装置。
【請求項３】
前記領域分割部により分割された矩形領域のうち、行または列内の矩形領域において、前記サイズの実際値が前記上限値を超える文字画像の数を計数する計数部を備え、
前記制御部は、前記計数部により計数された前記文字画像の数が行または列内で基準値以下である場合に、前記サイズの上限値がより大きくなるように制御することを特徴とする請求項１に記載の画像処理装置。
【請求項４】
前記計数部は、前記領域分割部により分割された矩形領域のうち、行または列内の矩形領域において、前記サイズの実際値が前記上限値を超える文字画像のうち、当該文字画像同士が隣接している隣接数を計数し、
前記制御部は、前記計数部により計数された前記文字画像の隣接数が行または列内で初めて２つ以上になる場合に、前記サイズの上限値がより大きくなるように制御することを特徴とする請求項３に記載の画像処理装置。
【請求項５】
前記制御部は、前記計数部により計数された前記文字画像の数が同一行内または同一列内で過半数ある場合に、前記サイズの上限値がより大きくなるように制御することを特徴とする請求項３に記載の画像処理装置。
【請求項６】
前記制御部は、前記サイズの実際値が前記サイズの上限値を超える文字画像を抽出し、前記抽出した文字画像が隣接する行または列に跨がっている場合に、前記サイズの上限値を引き継ぐように制御することを特徴とする請求項１に記載の画像処理装置。
【請求項７】
前記確信度算出部が、前記矩形領域内の文字画像を対象に前記垂直方向の＋方向、及び－方向、並びに前記水平方向の＋方向、及び－方向のうち、少なくとも２方向に沿ってそれぞれ文字認識処理を行い、少なくとも前記２方向の確信度を算出し、
前記正立方向判定部が、前記確信度算出部により算出された少なくとも前記２方向の各確信度が所定の閾値よりも大きい確信度を有する方向を正立方向として判定し、
前記制御部は、前記サイズの上限値を大きくなるように制御した場合に、前記確信度の閾値が大きくなるように制御することを特徴とする請求項１乃至６の何れか一項に記載の画像処理装置。
【請求項８】
前記正立方向判定部は、前記確信度算出部により算出された前記４方向の各確信度のうち少なくとも１つが第１閾値を越えた場合に、確信度が最大となる方向に関してのみ確信度を積算し、各方向について積算した確信度を積算回数で除算した値が、前記第１閾値と異なる第２閾値を越えたときに、当該方向を正立方向とすることを特徴とする請求項６に記載の画像処理装置。
【請求項９】
前記制御部は、前記正立方向判定部が前記正立方向の判定を行った場合に、前記通常の文字認識処理を行うときよりも、前記領域分割部に設定する前記サイズの上限値が大きくなるように制御したときに、当該大きくされた上限値に基づいて、前記通常の文字認識処理における文字サイズの上限値を決定するように制御することを特徴とする請求項１乃至７の何れか一項に記載の画像処理装置。
【請求項１０】
画像データに含まれる文字画像の正立方向を識別し、前記正立方向に沿って通常の文字認識処理を行う画像処理方法であって、
前記画像データに含まれる文字画像毎に垂直方向、及び水平方向のサイズに上限値を設定して、前記上限値内の矩形領域に分割する領域分割ステップと、
前記矩形領域内の文字画像を対象に前記垂直方向の＋方向、及び－方向、並びに前記水平方向の＋方向、及び－方向に沿ってそれぞれ文字認識処理を行い、前記４方向の確信度を算出する確信度算出ステップと、
前記確信度算出ステップにより算出された４方向の各確信度のうち最大の確信度を有する方向を正立方向として判定する正立方向判定ステップと、
制御ステップと、を実行し、
前記制御ステップは、前記正立方向判定ステップが前記正立方向の判定を行う場合には、前記通常の文字認識処理を行うときよりも、前記領域分割ステップに設定する前記サイズの上限値が大きくなるように制御することを特徴とする画像処理方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、画像処理装置、画像処理方法、及びプログラムに関する。
続きを表示（約 3,700 文字）【背景技術】
【０００２】
従来、文字認識処理における１つの手法では、画素数が多い高解像度の光電変換手段と画素数が少ない低解像度の光電変換手段とで画像を読み取っている。ここで、読取対象が小さい文字である場合には高解像度の光電変換手段で読み取った画像データを用い、一方、読取対象が大きな文字である場合には低解像度の光電変換手段で読み取った画像データを用いて文字認識を行う。
特許文献１には、多様な文字サイズの文字の文字認識処理を簡単な構成で精度よく行うことを目的として、画像データにおける文字認識処理の対象とする文字のサイズが所定サイズよりも大きいか否かを判定し、所定サイズよりも大きいと判定された場合には、画像データにおける少なくとも上記文字を含む領域を当該文字のサイズが上記所定サイズ以下になるように縮小処理し、縮小処理された画像データを用いて上記文字の文字認識処理を行うという技術が開示されている。
このように、特許文献１は、文字サイズに着目した文字認識処理であり、縮小処理を伴うことに起因して処理量が多くなっていた。
【０００３】
ところで、スキャンして読み取った文字画像に対しては、まず文字画像の正立方向が不明であるため、文字画像の正立方向を識別しておき、その後、識別して得た正立方向に沿って通常の文字認識処理を行う必要があった。
従来、正立方向の判定処理では、例えば、スキャンした原稿に含まれる文字画像（のいくつか）を９０度ずつ回転しながらＯＣＲ（Optical Character Recognition：光学的文字認識）処理を行い、最も高い認識確信度を得られる方向（読めるであろう方向）を正立方向とする方法があった。
なお、このようなＯＣＲ処理を用いる正立方向の判定処理では、スキャンして得た画像に含まれる文字画像全体に対してＯＣＲ処理を行うと処理量が多くなるため、文字画像全体から一部を切り出しておき、切り出された一部の画像を対象にして正立方向の判定処理を行うのが一般的である。
しかし、特許文献１にあっては、文字の正立方向（文字が読める向き、あるいは被写体が正立している向き）を識別することを前提とした文字認識処理ではなかった。
すなわち、特許文献１にあっては、縮小処理された画像データを用いて文字認識処理を行っていたため、正立方向の判定処理の精度が低下するといった問題があった。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明の一実施形態は、上記に鑑みてなされたもので、その目的は、画像データに含まれる文字画像の正立方向を識別する処理における精度を向上させることにある。
【課題を解決するための手段】
【０００５】
上記課題を解決するために、請求項１記載の発明は、画像データに含まれる文字画像の正立方向を識別し、前記正立方向に沿って通常の文字認識処理を行う画像処理装置であって、前記画像データに含まれる文字画像毎に垂直方向、及び水平方向のサイズに上限値を設定して、前記上限値内の矩形領域に分割する領域分割部と、前記矩形領域内の文字画像を対象に前記垂直方向の＋方向、及び－方向、並びに前記水平方向の＋方向、及び－方向に沿ってそれぞれ文字認識処理を行い、前記４方向の確信度を算出する確信度算出部と、前記確信度算出部により算出された４方向の各確信度のうち最大の確信度を有する方向を正立方向として判定する正立方向判定部と、制御部と、を備え、前記制御部は、前記正立方向判定部が前記正立方向の判定を行う場合には、前記通常の文字認識処理を行うときよりも、前記領域分割部に設定する前記サイズの上限値が大きくなるように制御することを特徴とする。
【発明の効果】
【０００６】
本発明によれば、画像データに含まれる文字画像の正立方向を識別する処理における精度を向上させることができる。
【図面の簡単な説明】
【０００７】
本発明の一実施形態に係わる画像処理装置を含むシステムの構成を例示する図である。
図１に示す画像形成装置のハードウェア構成の一例を示す図である。
図１に示すパーソナルコンピュータのハードウェア構成図である。
本発明の一実施形態に係わる画像処理装置の機能を表す機能ブロック図である。
本発明の第１実施形態に係わる画像処理装置の処理を表すフローチャートである。
（ａ）～（ｅ）は本発明の各実施形態に係わる画像処理装置の処理対象となる画像を表す図である。
本発明の第２実施形態に係わる画像処理装置の処理を表すフローチャートである。
本発明の第３実施形態に係わる画像処理装置の処理を表すフローチャートである。
本発明の第４実施形態に係わる画像処理装置の処理を表すフローチャートである。
（ａ）～（ｄ）は本発明の第５実施形態に係わる画像処理装置の処理を表すフローチャートである。
【発明を実施するための形態】
【０００８】
以下、本発明を図面に示した実施の形態により詳細に説明する。
本発明は、画像データに含まれる文字画像の正立方向を識別する処理における精度を向上させるために、以下の構成を有する。
すなわち、本発明の画像処理装置は、画像データに含まれる文字画像の正立方向を識別し、正立方向に沿って通常の文字認識処理を行う画像処理装置であって、画像データに含まれる文字画像毎に垂直方向、及び水平方向のサイズに上限値を設定して、上限値内の矩形領域に分割する領域分割部と、矩形領域内の文字画像を対象に垂直方向の＋方向、及び－方向、並びに水平方向の＋方向、及び－方向に沿ってそれぞれ文字認識処理を行い、４方向の確信度を算出する確信度算出部と、確信度算出部により算出された４方向の各確信度のうち最大の確信度を有する方向を正立方向として判定する正立方向判定部と、制御部と、を備え、制御部は、正立方向判定部が正立方向の判定を行う場合には、通常の文字認識処理を行うときよりも、領域分割部に設定するサイズの上限値が大きくなるように制御することを特徴とする。
以上の構成を備えることにより、画像データに含まれる文字画像の正立方向を識別する処理における精度を向上させることができる。
上記記載の本発明の特徴について、以下の図面を用いて詳細に解説する。但し、この実施形態に記載される構成要素、種類、組み合わせ、形状、その相対配置などは特定的な記載がない限り、この発明の範囲をそれのみに限定する主旨ではなく単なる説明例に過ぎない。
上記の本発明の特徴に関して、以下、図面を用いて詳細に説明する。
【０００９】
＜システム構成＞
図１は、本発明の一実施形態に係わる画像処理装置を含むシステムの構成を例示する図である。
システム１は、画像形成装置１０、２つのパーソナルコンピュータであるＰＣ８０、ＰＣ９０を備え、これらが通信ネットワークＮを介して相互にデータの送受信を行う構成となっている。
画像形成装置１０は、原稿シートを読み取るスキャナ部３１、シート上に画像を形成するプリンタ部３２、及び通信機能などを備えるＭＦＰ（Multifunction Peripheral）である。スキャナ部３１は、ＡＤＦ（Auto Document Feeder：自動原稿送り装置）が設けられている場合はＡＤＦにセットされた原稿シートを読み取る。画像形成装置１０は、スキャナ部３１、プリンタ部３２を用いることで、コピー、プリンタ、スキャナ、ファクシミリの各機能を利用者に提供する。また操作パネル４０を介して利用者から指示を受け付け、もしくは通信ネットワークＮを介してＰＣ８０、ＰＣ９０から指示を受け付けることで、画像形成装置１０はこれら機能を実行する。
【００１０】
また、画像形成装置１０は、光学文字認識（以下、必要に応じて単に「文字認識」、もしくは「ＯＣＲ処理」と称する）の技術を用いて、スキャナ部３１により読み取られたスキャン画像から、電子データのテキストを抽出する機能、及びそのテキストとスキャン画像をもとに，編集可能な文書（ｅｘ．マイクロソフトＷｏｒｄ文書）を作成する機能を有している。
なお、ＰＣ８０、ＰＣ９０は、画像形成装置１０を利用する一般ユーザが用いる端末（コンピュータ）である。
本発明に係わる画像処理装置は、図１に示す画像形成装置１０、またはＰＣ８０、ＰＣ９０により構成される。
なお、ＰＣ８０、ＰＣ９０は、画像形成装置１０を利用する一般ユーザが用いる端末（コンピュータ）である。
（【００１１】以降は省略されています）

関連特許