特許ウォッチ

公開番号2025163785
公報種別公開特許公報(A)
公開日2025-10-30
出願番号2024067303
出願日2024-04-18
発明の名称画像処理装置
出願人京セラドキュメントソリューションズ株式会社
代理人個人
主分類H04N 1/387 20060101AFI20251023BHJP(電気通信技術)
要約【課題】文書画像に対してユーザー所望の画像を適切に追加する画像処理装置を得る。
【解決手段】テキスト情報抽出部12は、文書画像に対して文字認識処理を行って文書画像から文書画像内に記述されているテキストのテキストデータを取得する。プロンプト生成部13は、取得されたテキストデータに基づいて、所定の画像生成モデルのためのプロンプトを生成する。生成画像取得部14は、生成されたプロンプトに対応する生成画像を取得する。文書画像編集部15は、取得された生成画像を文書画像内に追加する。
【選択図】図1
特許請求の範囲【請求項１】
文書画像を取得する文書画像取得部と、
前記文書画像に対して文字認識処理を行って前記文書画像から前記文書画像内に記述されているテキストのテキストデータを取得するテキスト情報抽出部と、
取得された前記テキストデータに基づいて、所定の画像生成モデルのためのプロンプトを生成するプロンプト生成部と、
生成された前記プロンプトに対応する生成画像を取得する生成画像取得部と、
取得された前記生成画像を前記文書画像内に追加する文書画像編集部と、
を備えることを特徴とする画像処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記テキスト情報抽出部は、（ａ）前記文書画像から、前記テキストデータとともに、前記テキストが記述されている位置を特定し、（ｂ）前記位置に基づいて、前記テキストデータを行ごとに分類し、
前記プロンプト生成部は、取得された前記テキストデータのうち、前記生成画像を追加すべき画像追加領域から所定距離の範囲内にある行のテキストデータに基づいて、所定の画像生成モデルのためのプロンプトを生成すること、
を特徴とする請求項１記載の画像処理装置。
【請求項３】
前記テキスト情報抽出部は、（ａ）前記文書画像から、前記テキストデータとともに、前記テキストが記述されている位置を特定し、さらに、前記文書画像における前記テキストの特徴を特定し、（ｂ）前記位置に基づいて、前記テキストデータを行ごとに分類し、
前記プロンプト生成部は、取得された前記テキストデータのうち、前記テキストの特徴に基づいてテキストデータを選択し、選択した前記テキストデータに基づいて、所定の画像生成モデルのためのプロンプトを生成すること、
を特徴とする請求項１記載の画像処理装置。
【請求項４】
前記テキストの特徴は、前記テキストのサイズであり、
前記プロンプト生成部は、取得された前記テキストデータのうち、前記テキストのサイズが最も大きい行のテキストデータを選択し、選択した前記テキストデータに基づいて、所定の画像生成モデルのためのプロンプトを生成すること、
を特徴とする請求項３記載の画像処理装置。
【請求項５】
前記テキストの特徴は、前記テキストの文字種、書体、色、太さ、傾き、文字間スペースの幅、および行間スペースの幅のうちの少なくとも１つを含むことを特徴とする請求項３記載の画像処理装置。
【請求項６】
前記プロンプト生成部は、ユーザー所望の文字列を前記プロンプトに含めることを特徴とする請求項１から請求項５のうちのいずれか１項記載の画像処理装置。
【請求項７】
前記生成画像取得部は、生成された前記プロンプトに対応する複数の生成画像を取得し、
前記文書画像編集部は、取得された前記複数の生成画像からユーザーにより指定された生成画像を選択し、選択した前記生成画像を前記文書画像内に追加すること、
を特徴とする請求項１記載の画像処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、画像処理装置に関するものである。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
Stable Diffusionなどといった画像生成ＡＩサービスでは、入力されたテキスト（プロンプト）に対応する画像が生成される。
【０００３】
ある情報処理方法は、画像生成ＡＩを使用して、広告情報（企業名、商品名、など）に基づいて広告画像を生成している（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【０００４】
特開２０２４－４３６８０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上述のような画像生成ＡＩサービスや画像生成ＡＩでは、ユーザーが所望する画像を得るためには、適切なテキスト（プロンプト）を入力する必要がある。ユーザーが、ある文書画像に対して自動生成された画像を追加したい場合において、ユーザーの熟練度によっては、適切なテキスト（プロンプト）が選択されずに、適切な画像が追加されない可能性がある。
【０００６】
本発明は、上記の問題に鑑みてなされたものであり、文書画像に対してユーザー所望の画像を適切に追加する画像処理装置を得ることを目的とする。
【課題を解決するための手段】
【０００７】
本発明に係る画像処理装置は、文書画像を取得する文書画像取得部と、前記文書画像に対して文字認識処理を行って前記文書画像から前記文書画像内に記述されているテキストのテキストデータを取得するテキスト情報抽出部と、取得された前記テキストデータに基づいて、所定の画像生成モデルのためのプロンプトを生成するプロンプト生成部と、生成された前記プロンプトに対応する生成画像を取得する生成画像取得部と、取得された前記生成画像を前記文書画像内に追加する文書画像編集部とを備える。
【発明の効果】
【０００８】
本発明によれば、文書画像に対してユーザー所望の画像を適切に追加する画像処理装置が得られる。
【０００９】
本発明の上記又は他の目的、特徴および優位性は、添付の図面とともに以下の詳細な説明から更に明らかになる。
【図面の簡単な説明】
【００１０】
図１は、本発明の実施の形態に係る画像処理装置の構成を示すブロック図である。
図２は、文書画像の一例を示す図である。
図３は、図２に示す文書画像から抽出されるテキストについて説明する図である。
図４は、図３に示す行のテキストデータのうち、プロンプトの生成に使用されるテキストデータの一例を示す図である。
図５は、ユーザーにより指定された文字列「ハンバーガー」をプロンプトとして生成された生成画像の一例を示す図である。
図６は、ユーザーにより指定された文字列「ハンバーガー」並びに文書画像から抽出されたテキストデータから選択された文字列「Ｌｕｎｃｈ」、「メニュー」、「一品」、および「ｐｌｕｓ」をプロンプトとして生成された生成画像の例を示す図である。
図７は、生成画像が追加された文書画像の一例を示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許