JP2696211B2 - 濃淡画像からのパターン認識方法及び装置 - Google Patents
濃淡画像からのパターン認識方法及び装置Info
- Publication number
- JP2696211B2 JP2696211B2 JP62097134A JP9713487A JP2696211B2 JP 2696211 B2 JP2696211 B2 JP 2696211B2 JP 62097134 A JP62097134 A JP 62097134A JP 9713487 A JP9713487 A JP 9713487A JP 2696211 B2 JP2696211 B2 JP 2696211B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- local
- gray
- pixel
- density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18086—Extraction of features or characteristics of the image by performing operations within image blocks or by using histograms
- G06V30/18095—Summing image-intensity values; Projection and histogram analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は画像処理を応用して文字等のパターン認識方
法及び装置に係り、特にテレビカメラ等から入力した濃
淡画像を２値化などの量子化処理をせずに認識する方法
及び装置に関する。 〔従来の技術〕 文字認識技術は他のパターン認識技術と比較して最も
早くから実用的普及を見た技術であるが、この技術を一
般の産業応用分野に適用すると種々の問題が生じる。す
なわち、一般に使用されているOCRでは、紙に記録され
た文字，記号を読取対象とするのに対し、産業応用では
種々の材料上に印刷あるいは打刻されていることが多い
ため、印刷むらや照明条件などにより明るさむらが頻繁
に発生する。 ところで、一般の文字認識手法は、第20図に示すよう
に、文字等の対象155をテレビカメラ１から入力し、こ
れをA/D変換器２で６〜８ビツト程度に量子化し、濃淡
画像メモリ（図示せず）へ書き込む。この画像メモリに
対し、テレビカメラ１のノイズや量子化時のノイズ等を
除去する前処理150を経て、データ量を圧縮するための
２値化処理151を行う。この２値化処理151は、濃淡のデ
ータをあるしきい値で‘0'と‘1'の２値に変換するもの
である。 次に、得られた２値画像から１文字を切り出し152、
この切り出されたパターンについて、たとえば凹凸の位
置や、端点の数などの特徴量を特徴量抽出処理153で求
め、これと予め記憶している標準パターンのデータと比
較し、最も一致しているパターンを結果として出力する
認識処理154の手順となる。この一連の処理のうち、２
値化処理151は、第21図に示すように、きわめて鮮明な
入力画像（濃淡）（１）図であれば、（１）−（ａ）図
のように、濃淡ヒストグラムも双峰性のパターンとなり
文字を抽出する２値化のしきい値は容易に求めることが
できる。 次に、背景に対して文字線（輪郭）が明瞭に判別でき
る場合の具体例を説明する。第22図は、比較的単純な文
字パターン（７セグメント文字）の認識方法の一例であ
る。２値画像170（ａ図）に対し、特定位置に観察領域
１〜７（ｂ図）を設け、この各領域に文字線（ここでは
白い線）が存在するか否かを調べる。第17図の場合、文
字線がある場合（ON）は、1,3,4,5,7、文字線がない場
合（OFF）は2,6となる。このようなON,OFFのパターンは
‘2'だけであるので結果的に‘2'と認識できる。このO
N,OFFの判定は、局所的な観察領域に線、すなわちここ
では、白（２値のうち“1"の値）がどの程度含まれるか
を求めることにより実行できる。 また、背景と文字部の濃度差があつて明瞭に判別でき
る濃淡画像の場合、たとえば、第23図（ａ）に示すよう
に、濃淡画像180で文字が明るく（濃度が高く）背景が
暗い場合には、観察領域の濃度ヒストグラムを求める処
理を行う。ここで、（ｂ ）図は文字線がない観察領域
の濃度ヒストグラムを、（ｃ）図は文字線がある場合を
同様に表す。この濃度ヒストグラムを、たとえば第22図
に示す観察領域１〜７について求める。そして、各観察
領域における濃度の特徴、たとえば （１）濃度分布に谷があるか否か（山が二つあるか）。 （２）濃度の総和，平均濃度，分散値 などから認識することができる。 〔発明が解決しようとする問題点〕 しかしながら、前者では観察領域“1"の画素を計数す
るために、カケやノイズに敏感に反応して２値化処理に
失敗すると、誤つた判定がなされるという問題がある。
また、後者では、照明が暗くなると文字のコントラスト
が低下し、第21図（１）（ｂ）のようにしきい値を求め
にくくなり、一方第21図（２）のように、明るさにむら
があると、第21図（２）（ａ）のように濃度ヒストグラ
ムも山，谷がはつきりしなくなり、これも２値化のしき
い値を決めにくくする原因となる。特に、産業応用の場
合は、対象に対する照明条件が変動し、明るさ分布が大
きく上下するため、２値化する場合のしきい値が決めに
くく、また２値化すると、線のカケや太りが発生しやす
く文字認識時に誤認識を発生しやすくなる。 このように、従来の文字認識をはじめとするパターン
認識の手法は、あくまでも濃淡画像から２値画像へ変換
して認識するため、文字やパターンのカケ，太りなどに
対して認識できない場合が多く、たとえ認識できる装置
であっても、ソフトウエア及びハードウエアの物量がか
なり大きくなるという問題があつた。 本発明の目的は、濃淡画像の明度変化、むら発生等に
よる誤認識を防止するパターン認識方法を提供すること
にある。 本発明の他の目的は、上記問題点を解決し、産業応用
での文字認識の場合でも安定した認識結果を出力する装
置を提供することにある。 〔問題点を解決するための手段〕 上記の目的を達成するため、第１の発明に係る濃淡画
像からのパターン認識方法は、処理対象の濃淡画像を該
濃淡画像の濃度から背景画像の濃度を減算することによ
り正規化処理し、この正規化処理された画像から濃度分
布を抽出することにより認識対象の矩形領域を求め、こ
の矩形領域に対して複数のサンプル点を定め、そのサン
プル点それぞれの近傍の局所濃淡特徴値を抽出し、この
複数の局所濃淡特徴値を用いて予め定めた認識手順によ
りパターンを認識するにあたり、正規化処理は、処理対
象の濃淡画像の隣接する複数の画素を順次抽出し、この
抽出した画素群の中で輝度が最小の画素の輝度をその画
素群の中心位置の画素に埋め込む局所最小値フイルタ処
理を複数回施した後、この局所最小値フイルタ処理され
た濃淡画像の隣接する複数の画素を順次抽出し、この抽
出した画素群の中で輝度が最大の画素の輝度をその画素
群の中心位置の画素に埋め込む局所最大値フイルタ処理
を複数回施して背景画像を得ることを特徴とする。 また、第２の発明に係る濃淡画像からのパターン認識
装置は、数階調の明るさ変化を有する濃淡画像メモリ
と、処理対象の濃淡画像を該濃淡画像の濃度から背景画
像の濃度を減算することにより正規化処理する濃淡画像
正規化回路と、得られた正規化画像から濃度分布を抽出
することにより認識対象の矩形領域を求め、この矩形領
域に対して複数のサンプル点を定め、そのサンプル点そ
れぞれの近傍の局所濃淡特徴値を抽出する抽出回路と、
この抽出した局所濃淡特徴値を用いて予め定めた認識手
順によりパターンを認識する認識回路とを具備してな
り、濃淡画像正規化回路は、処理対象の濃淡画像の隣接
する複数の画素を順次抽出し、この抽出した画素群の中
で輝度が最小の画素の輝度をその画素群の中心位置の画
素に埋め込む局所最小値フイルタ処理を複数回施した
後、この局所最小値フイルタ処理された濃淡画像の隣接
する複数の画素を順次抽出し、この抽出した画素群の中
で輝度が最大の画素の輝度をその画素群の中心位置の画
素に埋め込む局所最大値フイルタ処理を複数回施して背
景画像を得ることを特徴とする。 （作用） 上記の構成によると、正規化画像から局所濃淡特徴値
を抽出することにより、濃淡画像を一定のコントラスト
にすることができる。すなわち、文字線がない場合は暗
い濃度の分布だけであるが、文字線がある場合は暗い濃
度の分布と明るい濃度の分布が現れる。したがつて、２
値画像ではカスレやノイズが発生すると“1"の数は大き
く増減するが、濃淡画像では、カスレても中間の濃度の
値として画素は残るので２値画像のように認識誤りは生
じなくなる。 〔実施例〕 以下、本発明の実施例を図を用いて説明する。 第３図は、第22図（ａ）の観察領域内の１水平ライン
において、文字線がある場合の明るさ変化の状態をfC、
文字線がない場合（背景）を同様にfBとして示す。この
分布に対し、フイルタＧ（G1＝G5＜G2＝G4＜G3）を用い
て、Σｆ・Ｇの積和演算を実行する。このとき、観察領
域の中心（図中矢印で示す）の値は、フイルタによつて
文字線がある場合とない場合ではかなり大きく差を見る
ことができる。これは文字線がある場合の明るさ変化に
合わせたフイルタにすることによつて、文字線がある場
合はΣｆ・Ｇは大きな値に、ない場合は小さな値となる
ためである。 ところで、産業応用では、対象に対する照明条件はか
なり変動するため、第３図の明るさ分布もかなり上下す
る。このことは、前述したΣｆ・Ｇが大きく変動するこ
とを意味し、文字線がある場合とない場合の判定しきい
値が決められないことになる。 第１図は本発明に係るパターン認識方法の基本構成を
示すもので、テレビカメラ１からA/D変換器２を介して
得られた画像を一旦、濃淡画像の正規化処理３を施し、
この画像に対してサンプル点のΣｆ・Ｇなどの局所濃淡
特徴値を抽出４し認識する。 第４図は、前記ハターン認識方法を実現するための装
置構成を示すもので、６〜8bit程度の階調をもつ画像メ
モリ211と、包絡面画像を作成するための局所最大値フ
イルタ回路212及び局所最小値フイルタ回路213と、ヒス
トグラム処理回路214と、Σｆ・Ｇを求める積和演算回
路215,差分画像を求めるための画像間演算回路216であ
る。なお、217は種々の回路を起動させたり、Σｆ・Ｇ
の値により認識処理をするためのCPUである。 以下、画像の正規化、及び局所濃淡特徴値の抽出につ
いて説明する。 （ｉ）濃淡画像の正規化 第２図は、第１図に示す正規化処理を文字が明るく、
背景が暗い場合に適用する構成を示す。 ここで濃淡画像の具体的処理について述べる。なお、
説明を簡単にするため一次元の画像を示す。 第５図（１）は処理対象の濃淡画像（以下、入力画像
という）であり、このうちＡ−Ａ′の１ラインだけを横
軸に位置、縦軸に明るさとして表わしたのが第５図
（２）のg1である。ここで、文字部を抽出したいとする
と、通常しきい値THで、これより明るい部分を‘0'、暗
い部分を‘1'とする２値化をおこなえば、文字を背景と
分離できる。しかしながら、このTHは絶対的な値である
ため、入力画像の明るさが変動するとTHを決めるのが難
しくなる。 そこで、入力画像の明るさのうち、たとえば、第６図
のように３画素G1，G2，G3の明るさのうち最大の値をそ
の中心にうめる処理（以下、局所最大値フイルタ処理と
称す）をおこなうと、第５図（３）のように、明るい部
分が膨張した画像g1 (1)となる。これをｎ回繰り返すと
図（４）のように文字の暗い部分が埋め込まれた画像g1
(n)が得られる。これと、もとの入力画像g1の差分をと
ると図（５）のような明るさが０レベルを基準として文
字部が鮮明になる。 この処理画像は、抽出したい領域と背景との差が現れ
るため、画面の明るさが変化しても、相対的な差である
上述の差は変化しない。このため、この画像から文字を
抽出する２値化しきい値は複雑な演算を用いなくても容
易に、たとえば図（５）のＴＨ′に設定することができ
る。 ところで、実際の画像では、背景の明るさが平坦でな
く、明るさの傾きをもつていることが多い。このような
画像に対し、第５図と同様に前述の局所最大値フイルタ
だけの処理をおこなうと、傾きのある背景部分まで０以
上の明るさとして強調されてくる。また、文字だけを抽
出したいとすると細い凹部だけを抽出する処理にする
が、太い凹部があつた場合では、該部が強調されてしま
う。このため、更に局所最小値フイルタ処理（局所最大
値フイルタの逆で、第６図のG1，G2，G3のうち最小の明
るさを埋込む処理）をｍ回施して入力画像と差分をとる
と抽出したい領域を良好に強調することができる。 なお、前述では、フイルタ処理等の説明を一次元でお
こなつたが、実際の画像は２次元であるため、フイルタ
処理は、第７図に示すように３×３画素G1，G2……G9の
中から最大値又は最小値を取り出しＧとして埋込む処理
となる。 濃淡画像の２次元処理は、第８図に示すように原画像
の２次元画像データから前述の手法を用いて包絡面画像
（背景画像）を作成する。すなわち、原画像６に対
し、まず局所最小値フイルタ処理回路７により最小値フ
イルタ処理をｎ回繰り返し、次にこの画像に対して局所
最大値フイルタ処理回路において最大値フイルタ処理を
ｍ回繰り返して作成する。その後、画像間演算回路９に
より原画像と包絡線画像の差分を求める。その結
果、第８図に示すような明るい‘0'を基準とした正規
化画像が作成される。（以下、min−max差分法と称す） 前述の処理法によれば、照明変化などが生じても常に
一定のコントラストにすることが可能である。また、文
字の種類には黒文字、白文字というように背景より明る
い場合と暗い場合があるが、このような場合でも局所フ
イルタ処理手順を換えることにより、常に文字が明る
く、背景を暗くすることができる。 なお、ノイズが少ない場合には、文字線部の最大値を
一定の明るさに変換する方法も適用できる。 （ii）サンプル点の局所濃淡特徴値の抽出 第９図には、min−max差分法で得られた画像の明るさ
分布の例を示す。この例は文字線がある場合であり、コ
ントラスト（背景と文字線との濃度差の最大値）10から
30まで示したものである。一方、第９図の中心点（画素
位置３）に第10図に示すフイルタＧを合わせてΣｆ・Ｇ
の積和演算を実行すると、その値は第11図に示すよう
に、コントラストが高くなるとΣｆ・Ｇも大きくなる
（●印の曲線で示す）。 ところで、通常、文字の背景はmin−max差分法でほと
んど“0"となるのが、ノイズを考慮して全ての画素が２
レベルのコントラストがあるとすると、○印で示すよう
に約280の値になる。この値は多少上下するがこの程度
の値と考えてよい。この図より、文字線がある場合とな
い場合は、コントラストが５以上あれば容易に判別する
ことが可能であることがわかる（たとえば、Σｆ・Ｇが
500以上がON）。 上記実施例では、文字線を横切る１ラインを取り出し
て処理したものであるが、実際上、フイルタは第12図及
び第13図に示すように大きさを広げたものが有効であ
る。たとえば、第22図（ｂ）の観察領域の形に合わせて
フイルタを選択する場合、観察領域2,3,5,6（縦線）に
は第12図に示す横長のフイルタ、観察領域1,4,7（横
線）には、第13図に示す縦長のフイルタを使用する。こ
のように幅を持たせることにより、１ライン欠けたり、
ノイズが発生したりしても、フイルタの形状に似た濃度
変化があれば、大きな値が出力されるので安定した判定
が可能となる。 大きさを広げたフイルタを用いれば、第14図（ａ）の
ようにカスレ（Ａ部分）やノイズ（Ｂ部分）が発生して
いる画像にも対処できる。すなわち、Ａ部分では第14図
（ｂ）が得られ、ON状態となり、またＢ部分では第14図
（ｃ）が得られ、OFF状態と判別できる。 なお、min−max差分法を用いた画像に対してサンプル
点の局所濃淡特徴値としては次の値も考えられる。 （１）前述した濃度の総和，平均，分散値。 （２）予め設定したしきい値（たとえば第14図の文字矩
形領域80内を最適に２値化するしきい値）よりも明るい
画素の濃度の平均値と、暗い画像の濃度の平均値との
差。 次に、文字の位置あるいは大きさが変化する場合につ
いて説明する。 第15図は、本発明の他の実施例を示すもので、前述の
実施例と異なるところは濃淡画像の正規化処理３とサン
プル点の局所特徴値の抽出４との間に文字の位置・大き
さの検出90とサンプル点の算出91を実行することにあ
る。 濃淡画像から正規処理された正規化画像、あるいはシ
エーディングがない場合におけるテレビカメラ１から入
力された原画像は、文字の位置・大きさが検出され、こ
の検出データを基に観察領域のサンプル点を計算し、こ
のサンプル点の座標を中心に局所濃淡特徴値Σｆ・Ｇを
求め、この特徴値から文字線のON,OFFを全てのサンプル
点で判定し、この結果から認識する。 ここで、文字位置，大きさの検出方法は、たとえば、
第16図のように、濃淡画像100からＸ軸の濃淡の投影分
布（濃淡データの累積）（ａ）図とＹ軸の濃淡投影分布
（ｂ）図を抽出し、文字を囲む矩形領域（第17図）を求
め、この矩形領域111からサンプル点110を決定すればよ
い。また、文字の背景が一様でない場合は、第18図のよ
うに、文字領域についての濃度頻度分布（ａ）図を求め
て、これにより２値化しきい値を決定して２値化する
（第18図（ｂ））。この２値化画像より１文字を切り出
して文字の矩形領域を決めることができる。この場合、
多少２値画像は第19図のように変形する場合があるが矩
形領域としてはほとんど変化しないことが多い。 このように予め従来法による文字抽出結果の２値パタ
ーンを求め、このパターンを用いてサンプル点の座標を
計算し、前述した局所濃淡特徴値を求めることができ
る。 なお、上記実施例では、局所濃淡特徴値Σｆ・Ｇがサ
ンプル点だけのデータを判定基準に用いていたが、これ
に限定されるものではない。たとえば、サンプル点の周
囲の数データの中から最適な値を選択し、この値を基に
して判定してもよい。すなわち、文字の位置・大きさが
変わると、そのサンプル点を求める精度により、多少、
本来注目すべき点よりずれる場合が発生する。このよう
な場合には、設定したサンプル点の周囲、たとえば３×
３画素の領域についてそれぞれΣｆ・Ｇを求めその最大
値を判定基準に用いてもよい。 また、文字の大きさに応じて、フイルタＧの大きさも
変える。たとえば文字が大きいときは、４×７×や５×
９画素のフイルタを用いると、より誤判断を減少でき
る。当然フイルタの係数は文字の線幅に合つた濃度変化
となるように設定するのが好ましい。 また、積和演算する場合のフイルタ形状及び係数は実
際の文字線の濃度変化に合わせるのが好ましいが、特に
図で示した値及び形状に限定されるものではない。 〔発明の効果〕 本発明によれば、濃淡画像のままで認識するので、入
力した濃淡画像の明るさ変化やむらの発生による誤認識
を防止でき、さらに簡単な処理方法で実現できるため認
識装置の小型化が図れる。
法及び装置に係り、特にテレビカメラ等から入力した濃
淡画像を２値化などの量子化処理をせずに認識する方法
及び装置に関する。 〔従来の技術〕 文字認識技術は他のパターン認識技術と比較して最も
早くから実用的普及を見た技術であるが、この技術を一
般の産業応用分野に適用すると種々の問題が生じる。す
なわち、一般に使用されているOCRでは、紙に記録され
た文字，記号を読取対象とするのに対し、産業応用では
種々の材料上に印刷あるいは打刻されていることが多い
ため、印刷むらや照明条件などにより明るさむらが頻繁
に発生する。 ところで、一般の文字認識手法は、第20図に示すよう
に、文字等の対象155をテレビカメラ１から入力し、こ
れをA/D変換器２で６〜８ビツト程度に量子化し、濃淡
画像メモリ（図示せず）へ書き込む。この画像メモリに
対し、テレビカメラ１のノイズや量子化時のノイズ等を
除去する前処理150を経て、データ量を圧縮するための
２値化処理151を行う。この２値化処理151は、濃淡のデ
ータをあるしきい値で‘0'と‘1'の２値に変換するもの
である。 次に、得られた２値画像から１文字を切り出し152、
この切り出されたパターンについて、たとえば凹凸の位
置や、端点の数などの特徴量を特徴量抽出処理153で求
め、これと予め記憶している標準パターンのデータと比
較し、最も一致しているパターンを結果として出力する
認識処理154の手順となる。この一連の処理のうち、２
値化処理151は、第21図に示すように、きわめて鮮明な
入力画像（濃淡）（１）図であれば、（１）−（ａ）図
のように、濃淡ヒストグラムも双峰性のパターンとなり
文字を抽出する２値化のしきい値は容易に求めることが
できる。 次に、背景に対して文字線（輪郭）が明瞭に判別でき
る場合の具体例を説明する。第22図は、比較的単純な文
字パターン（７セグメント文字）の認識方法の一例であ
る。２値画像170（ａ図）に対し、特定位置に観察領域
１〜７（ｂ図）を設け、この各領域に文字線（ここでは
白い線）が存在するか否かを調べる。第17図の場合、文
字線がある場合（ON）は、1,3,4,5,7、文字線がない場
合（OFF）は2,6となる。このようなON,OFFのパターンは
‘2'だけであるので結果的に‘2'と認識できる。このO
N,OFFの判定は、局所的な観察領域に線、すなわちここ
では、白（２値のうち“1"の値）がどの程度含まれるか
を求めることにより実行できる。 また、背景と文字部の濃度差があつて明瞭に判別でき
る濃淡画像の場合、たとえば、第23図（ａ）に示すよう
に、濃淡画像180で文字が明るく（濃度が高く）背景が
暗い場合には、観察領域の濃度ヒストグラムを求める処
理を行う。ここで、（ｂ ）図は文字線がない観察領域
の濃度ヒストグラムを、（ｃ）図は文字線がある場合を
同様に表す。この濃度ヒストグラムを、たとえば第22図
に示す観察領域１〜７について求める。そして、各観察
領域における濃度の特徴、たとえば （１）濃度分布に谷があるか否か（山が二つあるか）。 （２）濃度の総和，平均濃度，分散値 などから認識することができる。 〔発明が解決しようとする問題点〕 しかしながら、前者では観察領域“1"の画素を計数す
るために、カケやノイズに敏感に反応して２値化処理に
失敗すると、誤つた判定がなされるという問題がある。
また、後者では、照明が暗くなると文字のコントラスト
が低下し、第21図（１）（ｂ）のようにしきい値を求め
にくくなり、一方第21図（２）のように、明るさにむら
があると、第21図（２）（ａ）のように濃度ヒストグラ
ムも山，谷がはつきりしなくなり、これも２値化のしき
い値を決めにくくする原因となる。特に、産業応用の場
合は、対象に対する照明条件が変動し、明るさ分布が大
きく上下するため、２値化する場合のしきい値が決めに
くく、また２値化すると、線のカケや太りが発生しやす
く文字認識時に誤認識を発生しやすくなる。 このように、従来の文字認識をはじめとするパターン
認識の手法は、あくまでも濃淡画像から２値画像へ変換
して認識するため、文字やパターンのカケ，太りなどに
対して認識できない場合が多く、たとえ認識できる装置
であっても、ソフトウエア及びハードウエアの物量がか
なり大きくなるという問題があつた。 本発明の目的は、濃淡画像の明度変化、むら発生等に
よる誤認識を防止するパターン認識方法を提供すること
にある。 本発明の他の目的は、上記問題点を解決し、産業応用
での文字認識の場合でも安定した認識結果を出力する装
置を提供することにある。 〔問題点を解決するための手段〕 上記の目的を達成するため、第１の発明に係る濃淡画
像からのパターン認識方法は、処理対象の濃淡画像を該
濃淡画像の濃度から背景画像の濃度を減算することによ
り正規化処理し、この正規化処理された画像から濃度分
布を抽出することにより認識対象の矩形領域を求め、こ
の矩形領域に対して複数のサンプル点を定め、そのサン
プル点それぞれの近傍の局所濃淡特徴値を抽出し、この
複数の局所濃淡特徴値を用いて予め定めた認識手順によ
りパターンを認識するにあたり、正規化処理は、処理対
象の濃淡画像の隣接する複数の画素を順次抽出し、この
抽出した画素群の中で輝度が最小の画素の輝度をその画
素群の中心位置の画素に埋め込む局所最小値フイルタ処
理を複数回施した後、この局所最小値フイルタ処理され
た濃淡画像の隣接する複数の画素を順次抽出し、この抽
出した画素群の中で輝度が最大の画素の輝度をその画素
群の中心位置の画素に埋め込む局所最大値フイルタ処理
を複数回施して背景画像を得ることを特徴とする。 また、第２の発明に係る濃淡画像からのパターン認識
装置は、数階調の明るさ変化を有する濃淡画像メモリ
と、処理対象の濃淡画像を該濃淡画像の濃度から背景画
像の濃度を減算することにより正規化処理する濃淡画像
正規化回路と、得られた正規化画像から濃度分布を抽出
することにより認識対象の矩形領域を求め、この矩形領
域に対して複数のサンプル点を定め、そのサンプル点そ
れぞれの近傍の局所濃淡特徴値を抽出する抽出回路と、
この抽出した局所濃淡特徴値を用いて予め定めた認識手
順によりパターンを認識する認識回路とを具備してな
り、濃淡画像正規化回路は、処理対象の濃淡画像の隣接
する複数の画素を順次抽出し、この抽出した画素群の中
で輝度が最小の画素の輝度をその画素群の中心位置の画
素に埋め込む局所最小値フイルタ処理を複数回施した
後、この局所最小値フイルタ処理された濃淡画像の隣接
する複数の画素を順次抽出し、この抽出した画素群の中
で輝度が最大の画素の輝度をその画素群の中心位置の画
素に埋め込む局所最大値フイルタ処理を複数回施して背
景画像を得ることを特徴とする。 （作用） 上記の構成によると、正規化画像から局所濃淡特徴値
を抽出することにより、濃淡画像を一定のコントラスト
にすることができる。すなわち、文字線がない場合は暗
い濃度の分布だけであるが、文字線がある場合は暗い濃
度の分布と明るい濃度の分布が現れる。したがつて、２
値画像ではカスレやノイズが発生すると“1"の数は大き
く増減するが、濃淡画像では、カスレても中間の濃度の
値として画素は残るので２値画像のように認識誤りは生
じなくなる。 〔実施例〕 以下、本発明の実施例を図を用いて説明する。 第３図は、第22図（ａ）の観察領域内の１水平ライン
において、文字線がある場合の明るさ変化の状態をfC、
文字線がない場合（背景）を同様にfBとして示す。この
分布に対し、フイルタＧ（G1＝G5＜G2＝G4＜G3）を用い
て、Σｆ・Ｇの積和演算を実行する。このとき、観察領
域の中心（図中矢印で示す）の値は、フイルタによつて
文字線がある場合とない場合ではかなり大きく差を見る
ことができる。これは文字線がある場合の明るさ変化に
合わせたフイルタにすることによつて、文字線がある場
合はΣｆ・Ｇは大きな値に、ない場合は小さな値となる
ためである。 ところで、産業応用では、対象に対する照明条件はか
なり変動するため、第３図の明るさ分布もかなり上下す
る。このことは、前述したΣｆ・Ｇが大きく変動するこ
とを意味し、文字線がある場合とない場合の判定しきい
値が決められないことになる。 第１図は本発明に係るパターン認識方法の基本構成を
示すもので、テレビカメラ１からA/D変換器２を介して
得られた画像を一旦、濃淡画像の正規化処理３を施し、
この画像に対してサンプル点のΣｆ・Ｇなどの局所濃淡
特徴値を抽出４し認識する。 第４図は、前記ハターン認識方法を実現するための装
置構成を示すもので、６〜8bit程度の階調をもつ画像メ
モリ211と、包絡面画像を作成するための局所最大値フ
イルタ回路212及び局所最小値フイルタ回路213と、ヒス
トグラム処理回路214と、Σｆ・Ｇを求める積和演算回
路215,差分画像を求めるための画像間演算回路216であ
る。なお、217は種々の回路を起動させたり、Σｆ・Ｇ
の値により認識処理をするためのCPUである。 以下、画像の正規化、及び局所濃淡特徴値の抽出につ
いて説明する。 （ｉ）濃淡画像の正規化 第２図は、第１図に示す正規化処理を文字が明るく、
背景が暗い場合に適用する構成を示す。 ここで濃淡画像の具体的処理について述べる。なお、
説明を簡単にするため一次元の画像を示す。 第５図（１）は処理対象の濃淡画像（以下、入力画像
という）であり、このうちＡ−Ａ′の１ラインだけを横
軸に位置、縦軸に明るさとして表わしたのが第５図
（２）のg1である。ここで、文字部を抽出したいとする
と、通常しきい値THで、これより明るい部分を‘0'、暗
い部分を‘1'とする２値化をおこなえば、文字を背景と
分離できる。しかしながら、このTHは絶対的な値である
ため、入力画像の明るさが変動するとTHを決めるのが難
しくなる。 そこで、入力画像の明るさのうち、たとえば、第６図
のように３画素G1，G2，G3の明るさのうち最大の値をそ
の中心にうめる処理（以下、局所最大値フイルタ処理と
称す）をおこなうと、第５図（３）のように、明るい部
分が膨張した画像g1 (1)となる。これをｎ回繰り返すと
図（４）のように文字の暗い部分が埋め込まれた画像g1
(n)が得られる。これと、もとの入力画像g1の差分をと
ると図（５）のような明るさが０レベルを基準として文
字部が鮮明になる。 この処理画像は、抽出したい領域と背景との差が現れ
るため、画面の明るさが変化しても、相対的な差である
上述の差は変化しない。このため、この画像から文字を
抽出する２値化しきい値は複雑な演算を用いなくても容
易に、たとえば図（５）のＴＨ′に設定することができ
る。 ところで、実際の画像では、背景の明るさが平坦でな
く、明るさの傾きをもつていることが多い。このような
画像に対し、第５図と同様に前述の局所最大値フイルタ
だけの処理をおこなうと、傾きのある背景部分まで０以
上の明るさとして強調されてくる。また、文字だけを抽
出したいとすると細い凹部だけを抽出する処理にする
が、太い凹部があつた場合では、該部が強調されてしま
う。このため、更に局所最小値フイルタ処理（局所最大
値フイルタの逆で、第６図のG1，G2，G3のうち最小の明
るさを埋込む処理）をｍ回施して入力画像と差分をとる
と抽出したい領域を良好に強調することができる。 なお、前述では、フイルタ処理等の説明を一次元でお
こなつたが、実際の画像は２次元であるため、フイルタ
処理は、第７図に示すように３×３画素G1，G2……G9の
中から最大値又は最小値を取り出しＧとして埋込む処理
となる。 濃淡画像の２次元処理は、第８図に示すように原画像
の２次元画像データから前述の手法を用いて包絡面画像
（背景画像）を作成する。すなわち、原画像６に対
し、まず局所最小値フイルタ処理回路７により最小値フ
イルタ処理をｎ回繰り返し、次にこの画像に対して局所
最大値フイルタ処理回路において最大値フイルタ処理を
ｍ回繰り返して作成する。その後、画像間演算回路９に
より原画像と包絡線画像の差分を求める。その結
果、第８図に示すような明るい‘0'を基準とした正規
化画像が作成される。（以下、min−max差分法と称す） 前述の処理法によれば、照明変化などが生じても常に
一定のコントラストにすることが可能である。また、文
字の種類には黒文字、白文字というように背景より明る
い場合と暗い場合があるが、このような場合でも局所フ
イルタ処理手順を換えることにより、常に文字が明る
く、背景を暗くすることができる。 なお、ノイズが少ない場合には、文字線部の最大値を
一定の明るさに変換する方法も適用できる。 （ii）サンプル点の局所濃淡特徴値の抽出 第９図には、min−max差分法で得られた画像の明るさ
分布の例を示す。この例は文字線がある場合であり、コ
ントラスト（背景と文字線との濃度差の最大値）10から
30まで示したものである。一方、第９図の中心点（画素
位置３）に第10図に示すフイルタＧを合わせてΣｆ・Ｇ
の積和演算を実行すると、その値は第11図に示すよう
に、コントラストが高くなるとΣｆ・Ｇも大きくなる
（●印の曲線で示す）。 ところで、通常、文字の背景はmin−max差分法でほと
んど“0"となるのが、ノイズを考慮して全ての画素が２
レベルのコントラストがあるとすると、○印で示すよう
に約280の値になる。この値は多少上下するがこの程度
の値と考えてよい。この図より、文字線がある場合とな
い場合は、コントラストが５以上あれば容易に判別する
ことが可能であることがわかる（たとえば、Σｆ・Ｇが
500以上がON）。 上記実施例では、文字線を横切る１ラインを取り出し
て処理したものであるが、実際上、フイルタは第12図及
び第13図に示すように大きさを広げたものが有効であ
る。たとえば、第22図（ｂ）の観察領域の形に合わせて
フイルタを選択する場合、観察領域2,3,5,6（縦線）に
は第12図に示す横長のフイルタ、観察領域1,4,7（横
線）には、第13図に示す縦長のフイルタを使用する。こ
のように幅を持たせることにより、１ライン欠けたり、
ノイズが発生したりしても、フイルタの形状に似た濃度
変化があれば、大きな値が出力されるので安定した判定
が可能となる。 大きさを広げたフイルタを用いれば、第14図（ａ）の
ようにカスレ（Ａ部分）やノイズ（Ｂ部分）が発生して
いる画像にも対処できる。すなわち、Ａ部分では第14図
（ｂ）が得られ、ON状態となり、またＢ部分では第14図
（ｃ）が得られ、OFF状態と判別できる。 なお、min−max差分法を用いた画像に対してサンプル
点の局所濃淡特徴値としては次の値も考えられる。 （１）前述した濃度の総和，平均，分散値。 （２）予め設定したしきい値（たとえば第14図の文字矩
形領域80内を最適に２値化するしきい値）よりも明るい
画素の濃度の平均値と、暗い画像の濃度の平均値との
差。 次に、文字の位置あるいは大きさが変化する場合につ
いて説明する。 第15図は、本発明の他の実施例を示すもので、前述の
実施例と異なるところは濃淡画像の正規化処理３とサン
プル点の局所特徴値の抽出４との間に文字の位置・大き
さの検出90とサンプル点の算出91を実行することにあ
る。 濃淡画像から正規処理された正規化画像、あるいはシ
エーディングがない場合におけるテレビカメラ１から入
力された原画像は、文字の位置・大きさが検出され、こ
の検出データを基に観察領域のサンプル点を計算し、こ
のサンプル点の座標を中心に局所濃淡特徴値Σｆ・Ｇを
求め、この特徴値から文字線のON,OFFを全てのサンプル
点で判定し、この結果から認識する。 ここで、文字位置，大きさの検出方法は、たとえば、
第16図のように、濃淡画像100からＸ軸の濃淡の投影分
布（濃淡データの累積）（ａ）図とＹ軸の濃淡投影分布
（ｂ）図を抽出し、文字を囲む矩形領域（第17図）を求
め、この矩形領域111からサンプル点110を決定すればよ
い。また、文字の背景が一様でない場合は、第18図のよ
うに、文字領域についての濃度頻度分布（ａ）図を求め
て、これにより２値化しきい値を決定して２値化する
（第18図（ｂ））。この２値化画像より１文字を切り出
して文字の矩形領域を決めることができる。この場合、
多少２値画像は第19図のように変形する場合があるが矩
形領域としてはほとんど変化しないことが多い。 このように予め従来法による文字抽出結果の２値パタ
ーンを求め、このパターンを用いてサンプル点の座標を
計算し、前述した局所濃淡特徴値を求めることができ
る。 なお、上記実施例では、局所濃淡特徴値Σｆ・Ｇがサ
ンプル点だけのデータを判定基準に用いていたが、これ
に限定されるものではない。たとえば、サンプル点の周
囲の数データの中から最適な値を選択し、この値を基に
して判定してもよい。すなわち、文字の位置・大きさが
変わると、そのサンプル点を求める精度により、多少、
本来注目すべき点よりずれる場合が発生する。このよう
な場合には、設定したサンプル点の周囲、たとえば３×
３画素の領域についてそれぞれΣｆ・Ｇを求めその最大
値を判定基準に用いてもよい。 また、文字の大きさに応じて、フイルタＧの大きさも
変える。たとえば文字が大きいときは、４×７×や５×
９画素のフイルタを用いると、より誤判断を減少でき
る。当然フイルタの係数は文字の線幅に合つた濃度変化
となるように設定するのが好ましい。 また、積和演算する場合のフイルタ形状及び係数は実
際の文字線の濃度変化に合わせるのが好ましいが、特に
図で示した値及び形状に限定されるものではない。 〔発明の効果〕 本発明によれば、濃淡画像のままで認識するので、入
力した濃淡画像の明るさ変化やむらの発生による誤認識
を防止でき、さらに簡単な処理方法で実現できるため認
識装置の小型化が図れる。
【図面の簡単な説明】
第１図は第１の発明の実施例を示す構成図、第２図は濃
淡画像の正規化処理を示す図、第３図はサンプル点の局
所濃淡特徴値の抽出を説明する図、第４図は第２図の発
明の装置構成図、第５図は画像処理を説明する図、第６
図は局所最大値、最小値フイルタを説明する図、第７図
は２次元画像処理に用いられるフイルタを説明する図、
第８図は濃淡画像の正規化処理を３次元表示した図、第
９図は文字線の明るさ変化を示す図、第10図はフイルタ
の具体例を示す図、第11図は第９図，第10図で積和演算
した結果を示す図、第12図，第13図は他のフイルタを示
す図、第14図は文字のウスレ，ノイズのある濃淡画像の
処理を説明する図、第15図は本発明の他の実施例を示す
図、第16図は文字位置の検出方法を示す図、第17図は文
字の矩形領域からサンプル点を求める図、第18図，第19
図は背景が複雑な場合の文字位置の検出方法を示す図、
第20図は従来の文字認識方法の構成図、第21図は文字を
２値化する方法を示す図、第22図は簡単な文字認識方法
を示す図、第23図は濃淡画像から直接文字を認識する場
合の問題点を説明する図である。
淡画像の正規化処理を示す図、第３図はサンプル点の局
所濃淡特徴値の抽出を説明する図、第４図は第２図の発
明の装置構成図、第５図は画像処理を説明する図、第６
図は局所最大値、最小値フイルタを説明する図、第７図
は２次元画像処理に用いられるフイルタを説明する図、
第８図は濃淡画像の正規化処理を３次元表示した図、第
９図は文字線の明るさ変化を示す図、第10図はフイルタ
の具体例を示す図、第11図は第９図，第10図で積和演算
した結果を示す図、第12図，第13図は他のフイルタを示
す図、第14図は文字のウスレ，ノイズのある濃淡画像の
処理を説明する図、第15図は本発明の他の実施例を示す
図、第16図は文字位置の検出方法を示す図、第17図は文
字の矩形領域からサンプル点を求める図、第18図，第19
図は背景が複雑な場合の文字位置の検出方法を示す図、
第20図は従来の文字認識方法の構成図、第21図は文字を
２値化する方法を示す図、第22図は簡単な文字認識方法
を示す図、第23図は濃淡画像から直接文字を認識する場
合の問題点を説明する図である。
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 高藤 政雄
日立市久慈町4026番地 株式会社日立製
作所日立研究所内
(72)発明者 太田 秀夫
日立市大みか町５丁目２番１号 株式会
社日立製作所大みか工場内
(56)参考文献 特開 昭61−48079（ＪＰ，Ａ)
特開 昭60−3074（ＪＰ，Ａ)
特開 昭59−206992（ＪＰ，Ａ)
特開 昭61−128390（ＪＰ，Ａ)
特開 昭61−175862（ＪＰ，Ａ)
特公 昭62−3475（ＪＰ，Ｂ２)
Claims (1)
- (57)【特許請求の範囲】 １．処理対象の濃淡画像を該濃淡画像の濃度から背景画
像の濃度を減算することにより正規化処理し、該正規化
処理された画像から濃度分布を抽出することにより認識
対象の矩形領域を求め、該矩形領域に対して複数のサン
プル点を定め、該サンプル点それぞれの近傍の局所濃淡
特徴値を抽出し、この複数の局所濃淡特徴値を用いて予
め定めた認識手順によりパターンを認識するにあたり、
前記正規化処理は、前記処理対象の濃淡画像の隣接する
複数の画素を順次抽出し、該抽出した画素群の中で輝度
が最小の画素の輝度を当該画素群の中心位置の画素に埋
め込む局所最小値フイルタ処理を複数回施した後、該局
所最小値フイルタ処理された濃淡画像の隣接する複数の
画素を順次抽出し、該抽出した画素群の中で輝度が最大
の画素の輝度を当該画素群の中心位置の画素に埋め込む
局所最大値フイルタ処理を複数回施して前記背景画像を
得ることを特徴とする濃淡画像からのパターン認識方
法。 ２．前記局所濃淡特徴値を、前記サンプル点における局
所フイルタ処理による積和演算処理で求まる濃度値とす
ることを特徴とする特許請求の範囲第１項に記載の濃淡
画像からのパターン認識方法。 ３．前記局所濃淡特徴値を、前記サンプル点近傍におけ
る濃度の総和、平均、分散値とすることを特徴とする特
許請求の範囲第１項に記載の濃淡画像からのパターン認
識方法。 ４．前記局所濃淡特徴値を、予め設定したしきい値より
明るい画素の濃度の平均値と、暗い画素の濃度の平均値
をサンプル点近傍で求め、その差とすることを特徴とす
る特許請求の範囲第１項に記載の濃淡画像からのパター
ン認識方法。 ５．前記局所濃淡特徴値を、サンプル点の近傍について
それぞれ求め、その最大値をそのサンプル点の局所濃淡
特徴値とすることを特徴とする特許請求の範囲第２項に
記載の濃淡画像からのパターン認識方法。 ６．前記積和演算するための局所フイルタの係数を前記
認識対象の文字線の明るさの変化に類似したものとする
ことを特徴とする特許請求の範囲第２項に記載の濃淡画
像からのパターン認識方法。 ７．数階調の明るさ変化を有する濃淡画像メモリと、処
理対象の濃淡画像を該濃淡画像の濃度から背景画像の濃
度を減算することにより正規化処理する濃淡画像正規化
回路と、得られた正規化画像から濃度分布を抽出するこ
とにより認識対象の矩形領域を求め、該矩形領域に対し
て複数のサンプル点を定め、該サンプル点それぞれの近
傍の局所濃淡特徴値を抽出する抽出回路と、該抽出した
局所濃淡特徴値を用いて予め定めた認識手順によりパタ
ーンを認識する認識回路とを具備してなり、前記濃淡画
像正規化回路は、前記処理対象の濃淡画像の隣接する複
数の画素を順次抽出し、該抽出した画素群の中で輝度が
最小の画素の輝度を当該画素群の中心位置の画素に埋め
込む局所最小値フイルタ処理を複数回施した後、該局所
最小値フイルタ処理された濃淡画像の隣接する複数の画
素を順次抽出し、該抽出した画素群の中で輝度が最大の
画素の輝度を当該画素群の中心位置の画素に埋め込む局
所最大値フイルタ処理を複数回施して前記背景画像を得
ることを特徴とする濃淡画像からのパターン認識装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62097134A JP2696211B2 (ja) | 1987-04-20 | 1987-04-20 | 濃淡画像からのパターン認識方法及び装置 |
| DE3851173T DE3851173T2 (de) | 1987-04-20 | 1988-04-18 | Verfahren und Gerät zur Erkennung von Halbtonbildmustern. |
| EP88106158A EP0287995B1 (en) | 1987-04-20 | 1988-04-18 | Method and apparatus for recognizing pattern of halftone image |
| US07/183,689 US4941192A (en) | 1987-04-20 | 1988-04-19 | Method and apparatus for recognizing pattern of gray level image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62097134A JP2696211B2 (ja) | 1987-04-20 | 1987-04-20 | 濃淡画像からのパターン認識方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63262778A JPS63262778A (ja) | 1988-10-31 |
| JP2696211B2 true JP2696211B2 (ja) | 1998-01-14 |
Family
ID=14184097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62097134A Expired - Lifetime JP2696211B2 (ja) | 1987-04-20 | 1987-04-20 | 濃淡画像からのパターン認識方法及び装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US4941192A (ja) |
| EP (1) | EP0287995B1 (ja) |
| JP (1) | JP2696211B2 (ja) |
| DE (1) | DE3851173T2 (ja) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5042078A (en) * | 1987-06-19 | 1991-08-20 | Fuji Photo Film Co., Ltd. | Method of effecting gradation and color correction of a composite image |
| US5247587A (en) * | 1988-07-15 | 1993-09-21 | Honda Giken Kogyo Kabushiki Kaisha | Peak data extracting device and a rotary motion recurrence formula computing device |
| FR2638872B1 (fr) * | 1988-11-08 | 1994-05-27 | Labo Electronique Physique | Methode numerique et systeme de traitement d'image infra-rouge |
| JPH07106839B2 (ja) * | 1989-03-20 | 1995-11-15 | 株式会社日立製作所 | エレベーター制御システム |
| JPH04501625A (ja) * | 1989-08-28 | 1992-03-19 | イーストマン・コダック・カンパニー | 重なり平面近似に基づく輝度及び色光度のデジタルイメージノイズ減少 |
| EP0440786A1 (en) * | 1989-08-28 | 1991-08-14 | Eastman Kodak Company | A computer based digital image noise reduction method based on overlapping planar approximation |
| JPH03172294A (ja) * | 1989-11-28 | 1991-07-25 | Mitsubishi Electric Corp | エレベーターの防犯装置 |
| US5048109A (en) * | 1989-12-08 | 1991-09-10 | Xerox Corporation | Detection of highlighted regions |
| JP2523222B2 (ja) * | 1989-12-08 | 1996-08-07 | ゼロックス コーポレーション | 画像縮小／拡大方法及び装置 |
| US5202933A (en) * | 1989-12-08 | 1993-04-13 | Xerox Corporation | Segmentation of text and graphics |
| US5129014A (en) * | 1989-12-08 | 1992-07-07 | Xerox Corporation | Image registration |
| US5065437A (en) * | 1989-12-08 | 1991-11-12 | Xerox Corporation | Identification and segmentation of finely textured and solid regions of binary images |
| US5187753A (en) * | 1989-12-08 | 1993-02-16 | Xerox Corporation | Method and apparatus for identification and correction of document skew |
| US5131049A (en) * | 1989-12-08 | 1992-07-14 | Xerox Corporation | Identification, characterization, and segmentation of halftone or stippled regions of binary images by growing a seed to a clipping mask |
| US5272764A (en) * | 1989-12-08 | 1993-12-21 | Xerox Corporation | Detection of highlighted regions |
| US5144566A (en) * | 1990-06-14 | 1992-09-01 | Comar, Inc. | Method for determining the quality of print using pixel intensity level frequency distributions |
| JPH0467275A (ja) * | 1990-07-06 | 1992-03-03 | Matsushita Electric Ind Co Ltd | 認識方法及び認識装置 |
| US5193122A (en) * | 1990-12-03 | 1993-03-09 | Xerox Corporation | High speed halftone detection technique |
| KR930002973A (ko) * | 1991-07-17 | 1993-02-23 | 다니이 아끼오 | 패턴인식장치 |
| US5381241A (en) * | 1991-08-13 | 1995-01-10 | Sharp Corporation | Method for discriminating between figure and text areas of an image |
| US5332968A (en) * | 1992-04-21 | 1994-07-26 | University Of South Florida | Magnetic resonance imaging color composites |
| US5335293A (en) * | 1992-06-16 | 1994-08-02 | Key Technology, Inc. | Product inspection method and apparatus |
| JPH0683964A (ja) * | 1992-08-31 | 1994-03-25 | Takayama:Kk | 画像照合方法 |
| US5835621A (en) * | 1992-09-15 | 1998-11-10 | Gaston A. Vandermeerssche | Abrasion analyzer and testing method |
| AU6167694A (en) * | 1993-01-27 | 1994-08-15 | United Parcel Service Of America, Inc. | Method and apparatus for thresholding images |
| JPH06348905A (ja) * | 1993-06-02 | 1994-12-22 | Nec Corp | Ｘ線フィルム上の文字認識方法 |
| US5570298A (en) * | 1994-05-25 | 1996-10-29 | Matsushita Electric Industrial Co., Ltd. | Dot pattern-examining apparatus |
| GB2317007B (en) * | 1996-09-04 | 2000-07-26 | Spectrum Tech Ltd | Contrast determining apparatus and methods |
| JP3413589B2 (ja) * | 1998-03-09 | 2003-06-03 | 富士写真フイルム株式会社 | 画像処理方法および装置 |
| US6850644B1 (en) | 1999-10-01 | 2005-02-01 | Samsung Electronics Co., Ltd. | Method for analyzing texture of digital image |
| KR100788642B1 (ko) * | 1999-10-01 | 2007-12-26 | 삼성전자주식회사 | 디지털 영상 텍스쳐 분석 방법 |
| US7123768B2 (en) * | 2000-04-26 | 2006-10-17 | Minolta Co., Ltd. | Apparatus and method for detecting a pattern |
| CN1316429C (zh) * | 2004-01-20 | 2007-05-16 | 原相科技股份有限公司 | 数字影像处理方法 |
| US20060050983A1 (en) * | 2004-09-08 | 2006-03-09 | Everest Vit, Inc. | Method and apparatus for enhancing the contrast and clarity of an image captured by a remote viewing device |
| JP4909216B2 (ja) * | 2006-09-13 | 2012-04-04 | 株式会社キーエンス | 文字切り出し装置、方法およびプログラム |
| JP5124050B1 (ja) * | 2012-03-01 | 2013-01-23 | シャープ株式会社 | 映像表示装置およびテレビ受信装置 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1170234A (en) * | 1965-11-12 | 1969-11-12 | Nat Res Dev | Improvements in or relating to Electronic Systems and Apparatus for Recognising Printed Characters. |
| JPS5213733A (en) * | 1975-07-24 | 1977-02-02 | Tech Res & Dev Inst Of Japan Def Agency | Pattern characteristic sampling method |
| US4301443A (en) * | 1979-09-10 | 1981-11-17 | Environmental Research Institute Of Michigan | Bit enable circuitry for an image analyzer system |
| US4335427A (en) * | 1980-04-21 | 1982-06-15 | Technicare Corporation | Method of selecting a preferred difference image |
| DE3379611D1 (en) * | 1982-04-15 | 1989-05-18 | Toshiba Kk | Pattern features extracting apparatus and method and pattern recognition system |
| US4747148A (en) * | 1983-04-11 | 1988-05-24 | Kabushiki Kaisha Komatsu Seisakusho | Method of identifying objects |
| US4783838A (en) * | 1984-12-26 | 1988-11-08 | Konishiroku Photo Industry Co., Ltd. | Image processing method and apparatus therefor |
| JPS61175862A (ja) * | 1985-01-31 | 1986-08-07 | Fujitsu Ltd | 画像処理装置 |
| JPS6249482A (ja) * | 1985-08-28 | 1987-03-04 | Hitachi Seiko Ltd | 画像前処理装置 |
| EP0217118A3 (de) * | 1985-09-30 | 1990-03-28 | Siemens Aktiengesellschaft | Verfahren zur automatischen Trennung von Nutz- und Störinformation in Mikroskopbildern, insbesondere von Wafer-Oberflächen, zum Zwecke einer automatischen Erkennung von Wafer Kennzeichnungen |
| US4700400A (en) * | 1985-10-10 | 1987-10-13 | The Palantir Corporation | Feature extraction technique for use in a pattern recognition system |
| US4823194A (en) * | 1986-08-01 | 1989-04-18 | Hitachi, Ltd. | Method for processing gray scale images and an apparatus thereof |
-
1987
- 1987-04-20 JP JP62097134A patent/JP2696211B2/ja not_active Expired - Lifetime
-
1988
- 1988-04-18 DE DE3851173T patent/DE3851173T2/de not_active Expired - Lifetime
- 1988-04-18 EP EP88106158A patent/EP0287995B1/en not_active Expired - Lifetime
- 1988-04-19 US US07/183,689 patent/US4941192A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS63262778A (ja) | 1988-10-31 |
| EP0287995A3 (en) | 1991-05-29 |
| EP0287995A2 (en) | 1988-10-26 |
| DE3851173T2 (de) | 1994-12-15 |
| DE3851173D1 (de) | 1994-09-29 |
| US4941192A (en) | 1990-07-10 |
| EP0287995B1 (en) | 1994-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2696211B2 (ja) | 濃淡画像からのパターン認識方法及び装置 | |
| US4823194A (en) | Method for processing gray scale images and an apparatus thereof | |
| JP3251918B2 (ja) | 光学式文字認識システムにおける２値化方法 | |
| CN113688838B (zh) | 红色笔迹提取方法、***、可读存储介质及计算机设备 | |
| JPH041866A (ja) | 画像処理方法およびその装置 | |
| JP3416058B2 (ja) | 濃淡画像の文字抽出方法及びそのプログラムを記録した記録媒体 | |
| JP3906221B2 (ja) | 画像処理方法及び画像処理装置 | |
| JP3909604B2 (ja) | 画像処理装置および画像処理方法 | |
| US20050232472A1 (en) | Method and apparatus of processing a skin print image | |
| Boiangiu et al. | Methods of bitonal image conversion for modern and classic documents | |
| JP3150762B2 (ja) | グラディエントベクトルの抽出方式及び文字認識用特徴抽出方式 | |
| JPH10285399A (ja) | 画像の二値化方法 | |
| JPH0624014B2 (ja) | 濃淡画像の処理方法 | |
| Thillou et al. | Robust thresholding based on wavelets and thinning algorithms for degraded camera images | |
| JP4230960B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| JP2002183713A (ja) | 画像処理方法およびその装置 | |
| JP2001291056A (ja) | 文書画像認識装置及び記録媒体 | |
| Peng et al. | BGA void detection in X-ray images based on a new blob detector | |
| JP2960468B2 (ja) | 濃淡画像の２値化方法及び装置 | |
| JP2956151B2 (ja) | 画像処理方法及びその装置 | |
| JP4230962B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| JPH06261210A (ja) | しきい値決定方法 | |
| JPS6232583A (ja) | 濃淡画像の処理方法 | |
| JP2006513480A (ja) | 線状構造を含む画像の二値化の方法 | |
| JPH0644404A (ja) | 印刷物の検査装置 |