JP2021012589A - 画像処理装置、画像処理方法及びプログラム - Google Patents

Abstract

【課題】画像処理において画質の劣化を防ぎ、かつ、処理時間を短縮することを目的とする。【解決手段】原稿画像に対して第１の文字認識処理を行い、領域を特定する。特定された領域にノイズ除去処理を実行する。ノイズ除去処理された原稿画像に対して第１の文字認識処理とは異なる第２の文字認識処理を行う。【選択図】図３

Description

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。

帳票文書、非定型面積の領収書、名刺、カード等の原稿をスキャナの原稿台上に複数枚並べてまとめて読み取りを行い、生成されたスキャン画像から各原稿領域の画像を切り出すマルチクロップ処理を行った後、必要な情報を取り出す帳票認識処理が知られている。
また、帳票認識処理において、文字抽出時のノイズとなり得る複雑背景・罫線等を有する帳票に対して、ノイズを除去する前処理が検討されている。例えば、特許文献１では、入力画像から文字画像を切り出し、文字画像に対してＯＣＲ（ｏｐｔｉｃａｌ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ）処理を実施し、文字認識の確信度によって文字画像に対してノイズ除去を行った後、再度ＯＣＲする、それでも確信度がまだ低ければ更にノイズ除去をしてＯＣＲを繰り返す方法が提案されている。

特開平７―４９９２６号公報

マルチクロップ処理の対象とする文書には、帳票類等が含まれるが、一般に利用される帳票においては、様々な書式が存在する。例えば、物品購入時に受け取るレシートでは、薄い着色領域があるものや、ないものがある。又は領収書をとってみると、電車の自動販売機で発見される領収書等、背景に薄い色で細かなパターン模様が印字されているものがある。また、他の法的な証明書となる帳票、例えば保険証文や、車検証等の証明書は、薄いコピー防止のための地紋が印字されているものが多い。
これらの背景は、ＯＣＲにおいて精確な文字認識の妨げになる。また、他にもＯＣＲの妨げになる、より一般的な帳票の構成物として、表の罫線や、スキャナでのスキャン時に混入してしまうゴマ塩ノイズのようなものもある。罫線は文字と接触することによってＯＣＲを妨げ、ゴマ塩ノイズのような粒状のノイズもＯＣＲにとって阻害要因となる。
これら、一部の色領域（網掛け）、薄い背景パターン、地紋パターン、そして罫線、一般的なノイズ類を、ここでは全部まとめて「ＯＣＲ阻害ノイズ」と呼ぶことにする。

帳票認識において、ＯＣＲ阻害ノイズを除去する個別の画像処理が存在する。そして、前述のマルチクロップ処理のユースケースにおいては、１回のスキャン実行で複数の画像を連続的に処理するので、その全ての画像に対して同じノイズ除去前処理を、ましてや全種類のノイズ除去処理行うのは処理時間がかかり、ユーザへのレスポンスが大きく低下する。また、一般に画像処理を重ねると画質が劣化するので、むやみにノイズ除去処理を行うべきでない。

本発明の画像処理装置は、原稿画像に対して第１の文字認識処理を行い、領域を特定する特定手段と、前記特定された領域にノイズ除去処理を実行するノイズ除去処理手段と、前記ノイズ除去処理された前記原稿画像に対して前記第１の文字認識処理とは異なる第２の文字認識処理を行う文字認識処理手段と、を有することを特徴とする。

本発明によれば、画像処理において画質の劣化を防ぎ、かつ、処理時間を短縮することができる。

画像処理システムのシステム構成の一例を示す図である。 画像処理装置のハードウェア構成の一例を示す図である。 実施形態１のＣＰＵによる情報処理の一例を示すフローチャートである。 原稿の一例を示す図である。 原稿に対する累積信頼度の関係を説明する図である。 図３のステップＳ３１１の処理の詳細を示すフローチャートである。 原稿に対する領域の分離を説明する図である。 図３のステップＳ３１２の処理の詳細を示すフローチャートである。 ＯＣＲ阻害ノイズの特性を判断し、付与する情報処理を示すフローチャートである。 信頼度分布の例を示す図である。 実施形態３のＣＰＵによる情報処理の一例を示すフローチャートである。

以下、本発明の実施形態について図面に基づいて説明する。

＜実施形態１＞
（システム構成）
図１は、画像処理システムのシステム構成の一例を示す図である。
図１に示すように、画像処理装置１００、ＰＣ／サーバー端末１０１はイーサネット（登録商標）、無線ＬＡＮ等からなるＬＡＮ１０４に接続され、Ｉｎｔｅｒｎｅｔ１０５に接続されている。また、モバイル端末１０３は、公衆無線通信網１０２等からＩｎｔｅｒｎｅｔ１０５に接続されている。画像処理装置１００、ＰＣ／サーバー端末１０１及び、モバイル端末１０３は、ＬＡＮ１０４又は、公衆無線通信網１０２からＩｎｔｅｒｎｅｔ１０５に接続され、相互に通信可能となっている。ＰＣ／サーバー端末１０１とモバイル端末１０３に関しては、どちらか一方が画像処理システムに含まれる構成でもよい。また、画像処理システムに、ＰＣ／サーバー端末１０１とモバイル端末１０３とは含まれず、画像処理装置１００がＰＣ／サーバー端末１０１及びモバイル端末１０３の何れか又は双方が実施する処理を行ってもよい。

画像処理装置１００は操作部、スキャナ部及びプリンタ部を有する複写複合機である。本実施形態の画像処理システムで、画像処理装置１００は、複数枚の名刺、免許証、ハガキ等原稿を読み取るスキャン端末として利用される。また、画像処理装置１００は、原稿を読み取って得られたスキャン画像から原稿ごとの原稿画像を抽出するマルチクロップ処理を実施する。更に、画像処理装置１００は、表示部、タッチパネル、ハードボタン等の操作部を有し、エラー通知、指示通知等の表示、スキャン操作、設定操作等の操作を行う。

ＰＣ／サーバー端末１０１は、画像処理装置１００で生成された原稿画像を表示する。また、ＰＣ／サーバー端末１０１は、画像処理装置１００で生成された原稿画像の保存、ＯＣＲ（ｏｐｔｉｃａｌ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ）処理等を実施し、再利用可能なコンテンツデータを生成する。なお、画像処理装置１００が実施するマルチクロップ処理をＰＣ／サーバー端末１０１で実施してもよい。更に、画像処理装置１００、ＰＣ／サーバー端末１０１は、クラウドやサーバー等の外部ストレージとの通信も可能で、保存した原稿画像、メタデータを外部ストレージへ送信することができる。なお、本実施形態では、画像処理装置１００で原稿画像の保存、メタデータ生成及び、外部ストレージへの送信を行う処理を説明するが、ＰＣ／サーバー端末１０１で同機能を備えてもよい。

また、モバイル端末１０３は、操作部、無線通信部、ウェブブラウザを動作させるアプリ部を有するスマートフォン又はタブレット端末である。本実施形態のシステムで、モバイル端末１０３は、ＰＣ／サーバー端末１０１と同様に表示端末、操作端末及び、コンテンツデータ生成、保存端末として利用される。なお、ＰＣ／サーバー端末１０１とモバイル端末１０３は、表示及び操作、メタデータ生成、コンテンツデータ生成及び保存の機能等、どちらか一方の構成でもよい。
以上の構成要素はあくまで例示であり、すべての構成が必要というものではない。

（画像処理装置１００のハードウェア構成）
図２は、画像処理装置１００のハードウェア構成の一例を示す図である。制御部１１０は、ＣＰＵ１１１、記憶装置１１２、ネットワークＩ／Ｆ部１１３、スキャナＩ／Ｆ部１１４、表示・操作部Ｉ／Ｆ部１１５で構成され、これらはシステムバス１１６を介して互いに通信可能に接続されている。制御部１１０は、画像処理装置１００全体の動作を制御する。
ＣＰＵ１１１は、記憶装置１１２に記憶された制御プログラムを読み出して読取制御及び送信制御等の各種制御を行う。
記憶装置１１２は、プログラム、画像、メタデータ、設定データ及び処理結果データ等を格納し保持する。記憶装置１１２は、不揮発性メモリであるＲＯＭ１１７、揮発性メモリであるＲＡＭ１１８及び、大容量記憶領域であるＨＤＤ１１９等で構成される。

ＲＯＭ１１７は、制御プログラム等を保持する。ＣＰＵ１１１がＲＯＭ１１７又はＨＤＤＤ１１９に記憶された制御プログラムを読み出し、実行することにより、後述する図３、図６、図８、図９、図１１のフローチャートの処理が実現される。
ＲＡＭ１１８は、ＣＰＵ１１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。
ＨＤＤ１１９は、大容量記憶領域であるＨＤＤで、画像、メタデータ等を保存する記憶領域として用いられる。
ネットワークＩ／Ｆ部１１３は、制御部１１０又は画像処理装置１００をＬＡＮ１０４に接続するインタフェースである。ネットワークＩ／Ｆ部１１３は、ＰＣ／サーバー端末１０１及びモバイル端末１０３等のＬＡＮ１０４上の外部装置に画像を送信したり、ＬＡＮ１０４上の外部装置から各種情報を受信したりする。

スキャナＩ／Ｆ部１１４は、スキャナ部１２０と制御部１１０を接続するインタフェースである。スキャナ部１２０は、原稿台上の画像を読み取ってスキャン画像を生成し、スキャナＩ／Ｆ部１１４を介して制御部１１０に入力する。
表示・操作部Ｉ／Ｆ部１１５は、表示・操作部１２１と制御部１１０とを接続するインタフェースである。表示・操作部１２１には、タッチパネル機能を有する液晶表示部及びテンキー、スタートボタン、キャンセルボタン等のハードキーが備えられている。スタートボタンは、コピー及びスキャンの処理を開始させるためのボタンである。キャンセルボタンは画像処理装置１００が実行中の処理を一時停止、又は中止するためのボタンである。
その他、画像処理装置１００にはプリンタ部等もあるものがあるが、本実施形態では用いないため説明を省略する。
以上のように、本実施形態に係る画像処理装置１００は、図２に示したハードウェア構成によって、画像処理機能を提供することができる。

（全体処理の概要フローチャート）
図３は、画像処理装置１００のＣＰＵ１１１による情報処理の一例を示すフローチャートである。本実施形態では、一般的にＯＣＲに必要であるとされる処理は特記しない。すなわち、データファイルの読み込み、展開、必要に応じて二値化処理等については説明を省略する。
ステップＳ３０１において、ＣＰＵ１１１は、ＯＣＲの事前処理として知られる、レイアウト解析処理を行う。レイアウト解析処理とは、一般的に文書画像中の領域を分割し、それにメタデータとして領域の種別をラベリングするものである。例えばラベルとして「テキスト領域」「表領域」「線画領域」「写真領域」等が代表的な領域種別である。ステップＳ３０１では、ＣＰＵ１１１は、ラベリングした結果を使ってテキスト領域だけを抽出する。

次に、ステップＳ３０２において、ＣＰＵ１１１は、抽出したテキスト領域に対して、回転方向検知を目的とした軽い文字認識処理を行う。これは、一般的なＯＣＲ処理を軽量化したもので、軽量化の手法は問わない。例えば、ＯＣＲ特徴の検出のベクトル次元数を少数に制限したり、又は認識候補文字の検索ツリーの検索層数を削減したりする。即ち、ステップＳ３０２で行われる文字認識処理は、後述するステップＳ５１２で行われる文字認識処理より処理負荷の軽い処理である。

次に、ステップＳ３０３において、ＣＰＵ１１１は、ステップＳ３０１、ステップＳ３０２の結果を利用して、現行の方向検知処理を行う。更に、ステップＳ３０４において、ＣＰＵ１１１は、ステップＳ３０２で得られた文字認識処理の信頼度の累積値として「累積信頼度」を計算し、この原稿に対して累積信頼度が閾値以下かを判定する。これらの具体的な内容については、後述する。ＣＰＵ１１１は、累積信頼度が閾値以下であると判定すると、処理をステップＳ３１１へ進める。ＣＰＵ１１１は、累積信頼度が閾値以下でないと判定すると、図３に示すノイズ除去前処理を終了する。
ステップＳ３１１において、ＣＰＵ１１１は、前処理フラグを出力する計算処理を行う。ステップＳ３１１の処理の詳細は、後述する図６を用いて説明する。
次に、ステップＳ３１２において、ＣＰＵ１１１は、ステップＳ３１１の結果を受けて、前処理フラグ別のノイズ除去処理を行う。ステップＳ３１２の処理の詳細は、後述する図８を用いて説明する。

ステップＳ３０４で計算している「累積信頼度」とは、原稿に含まれる文字の各信頼度を特定の計算（方法は任意）によって集計し、原稿に対して１つの信頼度として表現する方法である。例えば、各文字の最も高い候補文字の信頼度を平均する、等が簡単な方法である。
ここで図４、図５を参照して、原稿の向きと原稿に含まれるＯＣＲ阻害ノイズによってどのような傾向が出るかを示す。
図４で、レシート６００は着色領域のあるレシートの例を示している。レシート６００において、文字を除くと領域６０１が着色領域である。

このような着色領域が、ＯＣＲ信頼度にどのように影響を与えるかを図５で説明する。ここでは、文字列方向が左から右であると前提している。
図５の（ａ）〜（ｄ）は着色領域がないレシート原稿の４方向の向きそれぞれにおける累積信頼度の違いを例示したものである。実際にこの値になるとは限らないが、正立した向きの文字は当然高いＯＣＲ信頼度を得るであろうことより、（ａ）の累積信頼度も高くなることが予想されるだろう。
ここで、同じレシートを、図４のような着色領域のある状態にしたとする。すると、（ｅ）〜（ｈ）の４方向での累積信頼度が得られるが、正立しているため最も高い累積信頼度であっても、（ａ）の結果よりも低くなっている。これが、着色領域のようなＯＣＲ阻害ノイズが、ＯＣＲ信頼度に与える影響である。ステップＳ３０４の処理は、この状態を判別するものとして実行される。

（前処理フラグ出力）
図６は、図３のステップＳ３１１の処理の詳細を示すフローチャートである。
ステップＳ４０３において、ＣＰＵ１１１は、ステップＳ３０２の軽い文字認識処理の結果として、原稿に含まれる各文字の認識の信頼度を取得する。ここで信頼度とは、例えば「１」という文字を認識処理したとして、その認識結果を「"１"：８０％、"Ｉ"：３０％、"ｌ"：１５％、等々」のような候補文字とその文字が正答である確率値とを合わせて結果とする手法で、その確率値のことを指す。
その結果を受け、ステップＳ４０４において、ＣＰＵ１１１は、信頼度が既定の閾値よりも低い文字が存在するかを１文字について確認する。

ステップＳ４０４がＹｅｓであれば、ＣＰＵ１１１は、処理をステップＳ４０５へ進める。ステップＳ４０４がＮｏであれば、ＣＰＵ１１１は、処理をステップＳ４１０へ進める。ステップＳ４０５において、ＣＰＵ１１１は、既出のノイズ除去処理フラグＯＮ領域とこの文字の領域が連続しているかを確認する。ここで「連続している」か、は適切な閾値以内の距離にあるか、という観点で座標位置を比較することを想定している。しかし、状況によってこの判定方法は任意に変更することが可能である。
ステップＳ４１０において、ＣＰＵ１１１は、該当文字が含まれる領域をノイズ除去処理フラグＯＦＦに設定する。

ステップＳ４０５がＮｏであれば、ＣＰＵ１１１は、処理をステップＳ４０６へ進める。ステップＳ４０５がＹｅｓであれば、ＣＰＵ１１１は、処理をステップＳ４０７へ進める。ステップＳ４０６において、ＣＰＵ１１１は、該当文字が含まれる領域を、新規のノイズ除去処理フラグＯＮ領域に設定する。
ステップＳ４０７において、ＣＰＵ１１１は、該当文字が含まれる領域を連続しているノイズ除去処理フラグＯＮ領域にマージする。
ステップＳ４１１において、ＣＰＵ１１１は、これらの処理が全文字領域に対して終了したかを判定する。終了していなければ、ＣＰＵ１１１は、処理をステップＳ４０８へ進める。終了していれば、ＣＰＵ１１１は、処理をステップＳ４１２へ進める。ステップＳ４０８において、ＣＰＵ１１１は、次の文字領域の処理に進む。ステップＳ４１２において、ＣＰＵ１１１は、処理の結果を、ノイズ除去処理フラグ付き領域のリストとして出力する。

ここで、図７を参照すると、これら（ａ）〜（ｃ）はすべて、図４で示したレシートの例の一部の領域を拡大したものである。各文字はすでにステップＳ３０１のレイアウト解析で、文字領域として分割されていることを示している枠で囲まれている。
８１１の領域に着色領域があり、８０１の点線で囲った文字群が、ＯＣＲ信頼度が低くなる対象となる。
そして、図６のフローチャートを経ることにより、ステップＳ４０６で８２１、８２２のように信頼度の低い文字がノイズ除去フラグＯＮ領域に設定され、連続しているのでマージされていく。
そして、フローチャートの処理を完了すると、８２３のノイズ除去フラグＯＮ領域と、８２４のノイズ除去フラグＯＦＦ領域の連なった、ノイズ除去処理フラグ付き領域のリストが出力される。

（フラグ別ノイズ除去処理）
図８は、図３のステップＳ３１２の処理の詳細を示すフローチャートである。
ステップＳ５０１において、ＣＰＵ１１１は、入力として図６のフローチャートが出力した、原稿に含まれるノイズ除去処理フラグ付き領域のリストを受け取る。ＣＰＵ１１１は、ノイズ除去処理フラグ付き領域のリストから、１つのノイズ除去処理フラグ付き領域を取り出す。ステップＳ５０２において、ＣＰＵ１１１は、取り出した領域のフラグがＯＮかどうかを判定する。ステップＳ５０２がＮｏなら、ＣＰＵ１１１は、処理をステップＳ５０３へ進める。ステップＳ５０２がＹｅｓなら、ＣＰＵ１１１は、処理をステップＳ５０５へ進める。
ステップＳ５０３において、ＣＰＵ１１１は、ステップＳ５０１で取り出した領域に対して通常の処理を継続する。即ち、ＣＰＵ１１１は、この領域に対してノイズ除去の処理は行わない。

一方、ステップＳ５０５において、ＣＰＵ１１１は、ステップＳ５０１で取り出した領域に対して特定のノイズ除去の処理を行う。
ステップＳ５１０において、ＣＰＵ１１１は、ノイズ除去処理フラグ付き領域のリストに含まれる全ての領域に対してステップＳ５０１からの処理を実行したか否かを判定する。ステップＳ５１０がＮｏなら、ＣＰＵ１１１は、処理をステップＳ５０４へ進める。ステップＳ５１０がＹｅｓなら、ＣＰＵ１１１は、処理をステップＳ５１１へ進める。

ステップＳ５０４において、ＣＰＵ１１１は、次の領域に進む。
ステップＳ５１１において、ＣＰＵ１１１は、ノイズ除去を、領域ごとに適用した、全体の原稿画像に対して、再びレイアウト解析処理を実行してテキスト領域を抽出する。
ステップＳ５１２において、ＣＰＵ１１１は、抽出したテキスト領域の文字画像に対してＯＣＲ処理を行う。ＯＣＲ処理は、文字認識処理の一例である。

実施形態１によれば、必要な領域にのみ、必要なノイズ除去処理を適用することができ、ＯＣＲ精度の向上が可能となる。

＜実施形態２＞
実施形態１では、処理対象とする原稿例としては着色領域があるレシートを挙げた。しかし、先に述べたように、対象とする帳票類は多様であるため、種々のノイズ除去処理方法を必要に応じて、領域ごとに切り替えて適用されるべきである。即ち、前述のフローチャートでいえばステップＳ５０５におけるノイズ除去処理の方式が領域の含むＯＣＲ阻害ノイズの特性によって切り替えられるべきである。

そこで、ステップＳ５０５において適切なノイズ除去処理を選択するための方法を説明する。図９は、ＯＣＲ阻害ノイズの特性を判断し、付与する情報処理の一例を示すフローチャートである。
ステップＳ９０１において、ＣＰＵ１１１は、図５に示したように、原稿方向で異なるＯＣＲの累積信頼度を比較し、一番高いものを取り出す。この例で取り出されるのは図５の（ｅ）の値である。
次に、ステップＳ９０２において、ＣＰＵ１１１は、各文字のＯＣＲ信頼度の分布形状の種別を判断する。図５の（ｅ）の例では、分布形状は、着色領域内にある文字の概説矩形の分布となる。これは、図１０の（ａ）のような形状となる。

ここでいう分布形状の種別の判断は、どのような手段で分類されてもよい。例えば、帳票認識等に利用されるパターン認識、機械学習によるパターン認識がある。又は統計学におけるロジスティック回帰、又は、サポートベクターマシン等の認識手法によるものもある。この結果、例えば、ＣＰＵ１１１は、図１０（ａ）の右図のような、文字領域の分布を取得する。ステップＳ９０２において、ＣＰＵ１１１は、この分布の形状が、「着色領域のあるレシートのパターンに合致している」ことを判定する。ステップＳ９０３において、ＣＰＵ１１１は、着色領域のノイズを除去するフラグをノイズ特性として領域の情報に付与する。
もし、パターン認識の結果が図１０（ｂ）であった場合、ステップＳ９０２において、ＣＰＵ１１１は、分布の形状が、「地紋のある帳票パターンである」と判定する。そして、ステップＳ９０３において、ＣＰＵ１１１は、地紋領域のノイズを除去するフラグをノイズ特性として領域の情報に付与する。

この結果、ステップＳ５０５において、ＣＰＵ１１１は、ステップＳ５０１で取り出した領域に対して、付与されている領域のノイズ特性に応じた、ノイズ除去処理を実行する。即ち、ＣＰＵ１１１は、領域のノイズ特性に基づき、ノイズ除去処理を切り替えて実行することができる。

実施形態２によれば、領域の特性を判断してノイズ除去処理を切り替えることで、より効果的なノイズ除去を行い、ＯＣＲ精度を上げることができる。

＜実施形態３＞
実施形態１及び実施形態２では、複数のノイズ除去処理から適切なものを１つ選んで行う方法について説明した。実施形態３では複数のノイズ除去処理を重ねて行う方法について説明する。

帳票には複数の種類のノイズが混在して載っているものもある。例えば、ＣＰＵ１１１は、
ノイズ除去処理１：着色領域
ノイズ除去処理２：ごま塩ノイズ
ノイズ除去処理３：地紋
ノイズ除去処理４：罫線
というように複数のノイズ除去処理を切り替えて順に適用しながらＯＣＲ処理を行い、累積信頼度が閾値に達するまで繰り返す。

図１１は、実施形態３の画像処理装置１００のＣＰＵ１１１による情報処理の一例を示すフローチャートである。図１１では、図３のフローチャートとの差分を説明する。
ステップＳ１１０１において、ＣＰＵ１１１は、前処理の種類を示すｉを０に初期化する。
続いてステップＳ３０４において、ＣＰＵ１１１は、累積信頼度が閾値以下か否かを判定する。閾値以下であれば、ＣＰＵ１１１は、処理をステップＳ１１０２へ進める。閾値以上であれば、ＣＰＵ１１１は、情報処理を終了する。
ステップＳ１１０２において、ＣＰＵ１１１は、前処理ｉのフラグを出力する。この処理の詳細は図６を使って先述した通りである。

続いてステップＳ１１０３において、ＣＰＵ１１１は、前処理ｉを用いたノイズ除去処理を行う。ここではノイズ種に応じた除去手段を、図８で示したように用いる。
続いてステップＳ１１０４において、ＣＰＵ１１１は、準備したノイズ除去処理を全て行ったか否かを判定する。ＣＰＵ１１１は、準備したノイズ除去処理が残っていれば、処理をステップＳ１１０５へ進める。ＣＰＵ１１１は、準備したノイズ除去処理が残っていれば、情報処理を終了する。ステップＳ１１０５において、ＣＰＵ１１１は、ｉのカウンタを１つ増やす。そして、ＣＰＵ１１１は、ステップＳ３０４へ進んで以降の処理を繰り返す。

実施形態３によれば、複数のノイズ除去処理を重ねて行うことで、複合的なノイズの載った帳票にも対応でき、ＯＣＲ精度を上げることができる。

＜その他の実施形態＞
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給する。そして、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読み出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

以上、本発明の実施形態の一例について詳述したが、本発明は係る特定の実施形態に限定されるものではない。

１００ 画像処理装置
１１１ ＣＰＵ

Claims (7)

1. 原稿画像に対して第１の文字認識処理を行い、領域を特定する特定手段と、
   前記特定された領域にノイズ除去処理を実行するノイズ除去処理手段と、
   前記ノイズ除去処理された前記原稿画像に対して前記第１の文字認識処理とは異なる第２の文字認識処理を行う文字認識処理手段と、
   を有することを特徴とする画像処理装置。
2. 前記ノイズ除去処理手段は、前記特定された領域の特性に基づき前記ノイズ除去処理を切り替えることを特徴とする請求項１に記載の画像処理装置。
3. 前記ノイズ除去処理手段は、前記特定された領域に対して複数のノイズ除去処理を実行することを特徴とする請求項１に記載の画像処理装置。
4. 前記第１の文字認識処理は、前記第２の文字認識処理より処理負荷の軽い処理であることを特徴とする請求項１乃至３の何れか１項に記載の画像処理装置。
5. 前記第１の文字認識処理は、回転方向の検知を目的とする文字認識処理であることを特徴とする請求項１乃至４の何れか１項に記載の画像処理装置。
6. 原稿画像に対して第１の文字認識処理を行い、領域を特定する特定工程と、
   前記特定された領域にノイズ除去処理を実行するノイズ除去処理工程と、
   前記ノイズ除去処理された前記原稿画像に対して前記第１の文字認識処理とは異なる第２の文字認識処理を行う文字認識処理工程と、
   を含むことを特徴とする画像処理方法。
7. コンピュータを、請求項１乃至５の何れか１項に記載の画像処理装置の各手段として機能させるためのプログラム。

Images