JP2917427B2

JP2917427B2 - 図面読取装置

Info

Publication number: JP2917427B2
Application number: JP2156070A
Authority: JP
Inventors: 知幸栗田; 仁古郡
Original assignee: Meidensha Corp
Current assignee: Meidensha Corp
Priority date: 1990-06-14
Filing date: 1990-06-14
Publication date: 1999-07-12
Anticipated expiration: 2014-07-12
Also published as: JPH0452783A

Description

【発明の詳細な説明】 A.産業上の利用分野本発明は文字、線分、シンボル等が混在する書類や図
面から、文字データを検出してその文字の認識を行う図
面読取装置に関する。

B.発明の概要本発明は文字、線分、シンボルが混在する書類や図面
等の被写体をラスタスキャンして得られた黒白に対応す
る２値化画素データから文字データを抽出し、その文字
の認識を行う図面読取装置において、前記２値化画素データについて輪郭ベクトル化処理を
施す輪郭ベクトル化処理部と、文字候補の外接四角形デ
ータをツリー構造で登録する登録部と、該登録された文
字候補から文字列候補を抽出する文字列候補抽出部と、
該文字列候補から文字列を抽出する文字列抽出部と、前
記抽出された文字列内の文字候補と英数文字、記号の辞
書の文字との近似度合を表す評価値を求め、該評価値と
予め設定した評価値の最大値（しきい値）とを比較する
ことによって文字列の種類を判定する機能を有した文字
切り出し部とを設けたことにより、文字、線分、シンボルが混在する書類や図面から文字
を読み取って認識する場合、漢字と英数文字、記号とを
誤って認識することを防止するとともに、文字切り出し
の誤りを防止し、いかなる大きさ、書式の文字であって
も容易に且つ極めて正確に読み取ることができるように
し、且つ処理の簡単化を図ったものである。

C.従来の技術文字や図形等を読み取る場合、例えば、書類や図面等
の被写体をイメージスキャナ等の入力装置でラスタスキ
ャンして黒と白の２値画像データ（入力パターン）に変
換し、この２値画像データから対象物の文字データを抽
出し、対象物の認識処理を行っている。文字、図形等が
混在する図面等に含まれる文字を認識するには、まず文
字の部分と図形の部分を分け、さらに１文字分の情報ご
とに切り出して認識を行う必要がある。

D.発明が解決しようとする課題ここで図面に含まれる文字は、文章のものとは異なり
文字の大きさが一定ではなく、またその書式も定まって
いない。このため文字、線分、シンボル等が混在する書
類や図面に含まれる文字を、その書式や大きさにとらわ
れることなく抽出して認識することは困難であった。特
に文字幅のゆらぎが大きく、分離文字の多い手書き文章
等を認識することは極めて困難であった。またそれらの
処理に時間がかかるという欠点もあった。

さらに従来のように、仮定した文字幅、文字間隔に基
づいて文字列データから１文字分のデータを切り出す方
法においては、文字ピッチ、文字幅が一定である活字等
にはしばしば有用であるが、手書き文字等の場合は仮定
された文字幅、文字間隔に根拠が薄く誤った切り出しが
行われることがある。また図面の文字においては、英数
字列が大部分であるが、漢字文字列も少数混在している
場合もある。このような図面を英数字、漢字の区別なく
正しく認識しようとする文字切り出し部および文字認識
部において次のような誤りを生ずる。すなわち、第32図
（ａ）のように文字列から文字を切り出すときに誤って
数字の１と２と３と４を統合してしまう。また第32図
（ｂ）のように英字の「Ｒ」を漢字の「尺」と誤って認
識してしまう。

本発明は上記の点に鑑みてなされたものでその目的
は、文字の誤認識や誤切り出しを防いで書類や図面に含
まれる文字がいかなる大きさ、書式であっても容易に且
つ極めて正確に読み取ることができるとともに処理速度
を高速化した図面読取装置を提供することにある。

E.課題を解決するための手段本発明は、文字、線分、シンボルが混在する被写体を
ラスタスキャンして得られた黒白に対応する２値化画素
データから文字データを抽出し、該抽出された文字デー
タと文字辞書を参照、比較して文字を認識する図面読取
装置において、前記被写体をラスタスキャンして得られた黒白に対応
する２値化画素データに基づいて、互いに隣接した２個
の黒画素を結ぶベクトルを結合して成る輪郭ベクトルの
データを求めるとともに、該輪郭ベクトルに外接する外
接四角形データに基づいて文字候補として求める輪郭ベ
クトル化処理部と、前記輪郭ベクトル化処理部で求められた文字候補の外
接四角形データをツリー構造で登録する登録部と、所定の大きさに設定した文字列候補の核から検索範囲
を決定し、前記登録部に登録された文字候補のうち中心
座標が前記検索範囲内に存在する文字列を文字列候補と
して抽出する文字列候補抽出部と、前記文字列候補抽出部で抽出されたデータの中から、
文字列候補核の高さh_cと文字列候補内の互いに隣接する
文字候補間の距離ｄがｄ＜h_c×ｋ（ｋは定数）なる関係
にあるデータを文字列として抽出する文字列抽出部と、前記文字列抽出部で抽出された文字列内の近接する複
数の文字候補の水平方向への射影が重なっているとき
に、それら複数の文字候補を統合する高さ方向統合機能
と、該機能により統合された各文字候補と、英数文字お
よび記号の辞書とを比較して文字認識を行い、該複数の
認識結果に対応して、前記文字候補と辞書の文字との近
似度合を表す評価値を各々求める英数文字認識機能と、
前記英数文字および記号の辞書の文字、記号に各々対応
して、同一文字、記号についての複数のサンプルと辞書
の文字、記号との近似度合を表す評価値列のうち最大値
をしきい値として設定し、該設定されたしきい値と前記
英数文字認識機能で求められた評価値とを比較して、文
字列が英数文字列であるか否かを判定する文字列種類判
定機能と、該判定機能が英数文字列ではないと判定した
文字候補の幅と、前記h_c×ｋの大きさに等しい幅の仮定
文字幅との第１偏差が、前記文字候補の幅と近傍の文字
候補の幅と前記文字候補と近傍文字候補との距離を合わ
せた大きさと前記仮定文字幅との第２偏差よりも大き
く、且つ前記第２偏差が所定のしきい値よりも小さいと
きに前記文字候補とその近傍の文字候補を統合する幅方
向統合機能を有し、文字列から文字を切り出す文字切り
出し部とを備え、前記文字切り出し部で切り出された文字データに基づ
いて文字認識を行うことを特徴としている。

F.作用前記ベクトル化処理部によって外接四角形を求めると
文字、線分、シンボルが混在する被写体（書類や図面）
の中から文字候補のデータが得られる。この文字候補の
外接四角形データはツリー構造で登録部に登録される。
文字列候補抽出部は文字列候補核で決まる検索範囲で前
記登録部内のデータを検索し、中心座標が検索範囲内に
ある文字列を文字列候補として抽出する。前記外接四角
形データはツリー構造で登録されているので領域四角形
の近傍検索処理は軽減される。前記文字列候補の中で、
ｄ＜h_c×ｋ（ｄは隣接する文字候補間距離、h_cは文字列
候補核の高さ、ｋは定数）の関係が成立するデータが文
字列抽出部によって文字列として抽出される。すなわち
被写体の中に混在する線分やシンボルは除外され文字列
のデータのみが抽出される。次に文字切り出し部は前記
文字列から文字を切り出す。まず文字列内に高さ方向に
近接する複数の文字候補の水平方向への射影が重なって
いる場合は、それら文字候補の統合を行う。そして高さ
方向についての統合が行われた後、各文字候補と英数文
字、記号の辞書とが比較され文字認識が行われる。そし
て複数の認識結果に対応して評価値が求められる。この
ように求められた評価値は、予め設定されたしきい値と
比較され、文字列が英数文字列であるか否かの判定が行
われる。判定した結果文字列が英数文字列である場合は
幅方向統合は行わない。また文字列が英数文字ではない
場合は次のような幅方向統合が行われる。すなわち、例
えば文字候補の幅が仮定文字幅よりわずかに狭く、前記
文字候補の幅と該候補に隣接する候補の幅と前記文字候
補と隣接文字候補との距離を合わせた大きさと仮定文字
幅との差が大きいとする。この場合第１偏差が第２偏差
よりも小さいのでそれら文字候補の統合は行わない。ま
た例えば抽出された文字候補の幅が仮定文字幅よりも極
めて狭く、前記文字候補の幅と該候補に隣接する候補の
幅と前記文字候補と隣接文字候補との距離を合わせた大
きさと仮定文字幅との差が比較的小さいとする。この場
合第１偏差は第２偏差よりも大きくなるが、このとき第
２偏差が所定のしきい値よりも大きければそれら文字候
補の統合は行わず、しき値よりも小さいときのみ統合を
行う。そして前記横方向、高さ方向に統合された文字候
補を１個の文字として切り出す。これによって文字の大
きさや書式がいかなるものであっても文字として読み取
ることができる。

また英数文字と漢字の区別は確実に行われ、誤って認
識されることはない。さらに英数文字が誤って幅方向に
統合されることはない。

G.実施例以下、図面を参照しながら本発明の一実施例を説明す
る。まず本発明による図面読取装置は第１図のように輪
郭ベクトル化処理部１、登録部２、文字列候補抽出部
３、文字列抽出部４、文字切り出し部５および文字認識
部６を備えており、全体の処理の流れは第２図のように
示される。すなわちまずステップS₁において輪郭ベクト
ル化処理部１が前処理を行い、ステップS₂において登録
部２、文字列候補抽出部３、文字列抽出部４および文字
切り出し部５が文字切り出し処理を行い、ステップS₃に
おいて文字認識部６が文字認識処理を行う。前記輪郭ベ
クトル化処理部１が行う前処理は第３図のようなフロー
チャートで表される。すなわちステップS₁において画像
入力処理を行い、ステップS₂において輪郭ベクトル化処
理を行い、ステップS₃において要素分離処理を行う。こ
のうち前記画像入力処理および輪郭ベクトル化処理は例
えば特願昭63−78684の特許明細書に記載された輪郭検
出装置によって、次のようにして行う。

第４図は輪郭検出装置の構成を示す図であり、11は輪
郭抽出部である。この輪郭抽出部11は、第５図に示すよ
うに書類や図面等の被写体をラスタスキャンして得られ
た黒白に対応する２値化画素データを取り込んで、縦横
２画素×２画素の画素データをスキャンラインに沿って
順次取り出し、この画素データに基づいて輪郭検出用の
コマンド列を作成して後段の輪郭解析部12に出力する。
輪郭解析部12は前記コマンド列に基づいてテーブル格納
部13内の輪郭要素テーブル、輪郭管理テーブル及び輪郭
接続テーブルの記録を更新する。また、輪郭解析部12は
輪郭要素テーブルと輪郭管理テーブルを使用して１輪郭
画素系列を構成する各点のうち始点からみて極大となる
点を抽出する（巨視的処理部31）とともに、この処理で
抽出された連続する２点の間にある最大距離となる点を
設定したしきい値との関係からいくつか抽出し（微視的
処理部32）、この処理により抽出された点の輪郭ベクト
ルを輪郭ベクトル系列テーブル33に記載し、この輪郭ベ
クトルのうち短い（ショート）ベクトルをショートベク
トル除去部34で除去し、その記載を更新する。

ここで輪郭要素とは互いに隣接した２個の黒画素を結
ぶベクトルに相当するものであり、これを結合すること
によって輪郭が構成される。そして輪郭要素テーブルと
は、第６図に示すように輪郭要素とこれら輪郭要素群よ
りなる輪郭とに対して各々固有の符号を付すと共に、輪
郭要素毎に、その座標及び方向と輪郭要素が所属する輪
郭の符号と輪郭要素の前後に夫々接続されている他の輪
郭要素の符号とを記載するためのものである。また輪郭
管理テーブルとは第７図に示すように輪郭毎に先端及び
終端に位置する輪郭要素の符号を記載するためのもので
あり、輪郭接続テーブルとは、第８図に示すようにラス
タスキャン方向に並ぶ座標とその座標に前端または後端
が存在する未接続の輪郭要素の符号とその輪郭要素の未
接続端の前後端の区別とを対応させて記載するためのも
のである。また、輪郭ベクトル系列テーブルとは第９図
に示すように輪郭ベクトル系列毎に始点座標の符号を記
載するためのものである。

輪郭抽出部11より出力されるコマンド列は、そのとき
に取り出された２画素×２画素の画素データに係る画素
と輪郭画素との接続関係の情報、及び当該画素データの
黒白の配列パターンの情報を含む接続パターンコード
と、当該画素データのＸ座標を示す座標コードとを組み
合わせてなる。前記接続関係の一例を第10図に示すと、
同図（イ）の太枠で囲まれた２画素×２画素の画素デー
タを取り込んだときには、この画素データのＸ座標X_nに
位置する輪郭要素の前端が接続されているという情報に
なる。この例では、画素データの座標としては、紙面に
向かって右下に位置する画素P₁の座標をとっている。ま
た、同図（ロ）の太枠で囲まれた画素データを取り込ん
だときには、この画素データのＸ座標より一つ前の座標
X_n-1に位置する輪郭要素の後端が接続されているという
情報になる。なお第10図中○印を有する枠は黒画素を示
し、○印を有しない枠は白画素を示している。そして例
えば第10図（イ）の太枠に着目すると、この場合の接続
パターンコードは、上述の接続情報と太枠内に黒白の
配列パターンの情報とを含み、コマンド列は、この接続
パターンコードと画素P₁のＸ座標を示す座標コードとの
組み合わせとなる。なおこの座標コードについては輪郭
解析部12側にて、コマンド列の取り込みのタイミングに
同期して発生させることもできる。

このようにして得たコマンド列が輪郭解析部12に取り
込まれると次のような処理が行われる。今第11図の太枠
の画素データに関するコマンド列が取り込まれたとする
と、接点で示す輪郭要素Cjを輪郭要素テーブルに登録
し、その方向及び座標を記入すると共に、当該輪郭要素
Cjの前後に夫々接続されている他の輪郭要素の番号を接
続要素番号欄に記入する。この場合輪郭要素Cjは輪郭要
素Cjの前方に位置するので、輪郭要素Cjの欄に係る後方
接続欄にCiを記入し、輪郭要素Cjの欄に係る前方接続欄
にCiを記入する。更に輪郭要素Cjの所属する輪郭の番号
をこの例ではSiを輪郭番号欄に記入する。輪郭要素の方
向については例えば８連結の場合、第12図に示すように
上下，左右，斜めの方向に対応してa₁〜a₈が規定され、
また４連結の場合、上下，左右の４方向が規定される。
そして輪郭管理テーブルの輪郭番号Siについて、先端の
輪郭要素番号欄をCiからCjに更新すると共に、輪郭接続
テーブルにおける当該画素データのＸ座標について、未
接続の輪郭要素番号の前方接続の欄をCiからCjに更新す
る。ところで実際の処理においては、輪郭要素Ciに接続
されるべき輪郭要素は輪郭接続テーブルにより明らかに
されているため、輪郭要素テーブルの輪郭要素番号Cj欄
に係る前方接続欄のCjの記載は、輪郭接続テーブルを参
照して行われる。以上において所属輪郭番号は、ラスタ
スキャンの進行に伴って別々に発生した二つの輪郭が接
続されて一つの輪郭になった場合には一方が他方に統合
されて同一になる。

上記のような処理において、１輪郭画素列を構成する
各点のうち始点からみて極大となる点を抽出し、次に抽
出された接続する２点の間にある最大距離となる点を抽
出する。このように抽出された輪郭ベクトルをテーブル
に格納する。

上記のように画像入力処理および輪郭ベクトル化処理
によって、被写体の例えば「Ａ」という文字の入力画像
は第13図のような輪郭ベクトルで表される。

次に文字候補の抽出を行う要素分離処理（第３図のス
テップS₃）について説明する。まず前述した第９図の輪
郭ベクトル系列テーブルを使用してショートベクトルを
除去する。第14図はショートベクトル除去手段を説明す
るフローチャートであり、ステップS₁で第９図に示す輪
郭ベクトル系列テーブルから輪郭ベクトルの外接四角形
（第15図に示す）（x_min,y_min）、（X_max,Y_max）の算出
を行う。次にステップS₂でdx＝X_max−X_min,dy＝y_max−y
_minとしきい値DX_th,DY_thとを比較する。ステップS₃はス
テップS2の比較判断部で、このステップS₃で（dx＞D
X_th）∪（dy＞DY_th）を判断し、YESならステップS₄で輪
郭ベクトルとして外接四角形という情報を作成する。こ
の情報の１例を第16図に外接四角形情報テーブルとして
示す。前記ステップS₃でNOなら第９図に示す輪郭ベクト
ル系列テーブルからステップS₅で同一系列のベクトルを
削除して雑音（ノイズ）を除去する。

第15図は輪郭ベクトルの外接四角形を示す説明図であ
り、この図において、x_max,x_min,y_max,y_minは次のよう
になる。

x_max＝max（…,x_i,…） x_min＝min（…,x_i,…） y_max＝max（…,y_i,…） y_min＝min（…,y_i,…） dx＝x_max−x_min dy＝y_max−y_min （dx＜DX_th）∩（dy＜DY_th）但し、DX_th,DY_th:しきい値である。

上記のようにして求められた外接四角形情報（第13
図）に基づいて次のような条件で文字候補を抽出する。

条件 w_x＜しきい値且つw_y＜しきい値（w_xは外接四角形のｘ方向長さ、w_yは外接四角形のｙ方
向長さ）条件外周の輪郭ベクトルそして文字候補の外接四角形に完全包含される外周及
び内周の輪郭ベクトルは文字候補となった輪郭ベクトル
にリンク付けされる。

以上、第３図〜第16図のようにして前処理を行うが、
次に文字切り出し処理（第２図のステップS₂）について
説明する。

まずこの文字切り出し処理は、前記輪郭ベクトル処理
部１で求められた文字候補を対象に第17図のように水平
方向（ステップS₁），垂直方向（ステップS₂）および斜
め方向（ステップS₃）に行われる。各方向の処理は各々
同一の内容であり、第18図に示すように文字列候補抽出
処理（ステップS₁）を行った後、文字列抽出処理（ステ
ップS₂）を行った後、文字切り出し処理（ステップS₃）
を行う。

前記各ステップの処理は次のようにして行われる。ま
ず文字列候補抽出処理は第19図に示すように文字候補の
ツリー構造化処理（ステップS₁）を行った後、文字列候
補の範囲検索処理（ステップS₂）を行う。実際には第16
図のように得られた文字候補の外接四角形の中心座標を
基に空間的な２分割を繰り返す形式のツリー構造として
登録部（第１図の登録部２）に登録する。そして文字候
補のうち検索しようとする文字列の高さと同程度の高さ
をもつものを文字列候補の核として第20図（ａ）に示す
ような検索範囲に中心座標がある文字候補を前記登録部
２の文字候補ツリーから検索する。この検索は次のよう
な手順で第１図の文字列候補抽出部３が行う。

文字列核から右側に第20図（ｂ）のような探索範囲内
の他の文字候補の中心点を検索する。

前記で見つかった中心点のうち、中心核より最も遠
い距離にあるものを次の探索範囲の開始点とする。そし
ての中心点で見つからない場合は右側方向の探索終わ
り。

左側方向について前記，と同様に行う。

上記の検索で見つけられたものを文字列候補とする。
尚文字列候補の核となる大きさを大きなものから数段階
に分けて設定した検索を行うことにより、大きさの異な
る文字列に対しても対応がとれる。

次に文字列抽出部４は文字列候補の中から次の条件に
合うものを文字列として抽出する。すなわち第21図に示
すように文字列候補核の高さh_cと文字候補間距離ｄがｄ（i,j）＜h_c×定数 …（１）なる関係にあるとき、図示文字列候補内のi,jが文字列
となる。

次に文字切り出し部５は、第22図のような手順で前記
抽出された文字列から文字候補単位で文字の切り出しを
行う。まず次の第（２）式に示す条件に合致する場合に
はステップS₁のように高さ方向分離文字統合を行う。

min｛xsi,xsj｝ ≦（xsi or xsj or xei or xej） ≦max｛xei,xej｝ …（２）（但し、xs:外接四角形のｘ方向スタート座標 xe:外線四角形のｘ方向エンド座標）前記第（２）式は文字列内の文字候補i,jの幅が重な
っていることを示す条件式であり、実際の統合処理手順
は第24図のフローチャートに従って行う。例えば第23図
（ａ），（ｂ）のように高さ方向に文字候補i,jが分離
しているときに前記第（２）式の条件が成立すれば、該
文字候補i,jは図示（ｃ）の如く統合される。次に第22
図のステップS₂においては、前記高さ方向統合処理され
た文字候補と、英数文字、記号の辞書とが比較され、文
字認識が行われる。そして第25図（高さ方向統合処理後
の文字列）のような文字列データに対して、第26図に示
すように認識結果とその評価値のテーブルが作成され
る。第26図においてデータ番号は第25図の各文字候補C₁
〜C₅の番号であり、各データに対して辞書とのマッチン
グ度の良いものから順次並べられ、それら各認識結果に
ついての評価値もテーブル化されている。前記評価値
は、認識結果が辞書の文字にどれくらい近いかを数値で
示したもので、この評価値が小さいほど辞書の文字に似
ていることを意味する。次にステップS₃においては、予
め実験により第27図のように作成したしきい値テーブル
と、前記英数文字認識（ステップS₂）によって作成され
たデータテーブル（第26図）とを比較し、文字列の種類
を判定する。

ここで「Ａ」という文字データサンプルを漢字、英数
字を含めた辞書で認識させ正しく認識結果（第１位）が
得られたとき、すなわちＡという認識結果が得られたと
きの評価値をe_Aとする。しかしながら任意のＡという文
字を認識させたとき、その結果が正しくＡと認識された
としても評価値がe_Aとなるとは限らないので、数多くの
Ａという文字データサンプルに対して同じ実験を行う。
そのときの評価直列をE_AとすればE_A＝｛e_A0,e_A1…e_An｝
である。もし任意の文字を認識したときの結果が「Ａ」
であり、そのときの評価値がe_etcであるなら、e_etc＜ma
x｛E_A｝であればその結果は妥当であると言える。従っ
て第27図に示すしきい値テーブルのth_Aはth_A＝max
｛E_A｝と定義する。同種の実験を文字Ｂ〜Z,0〜9,記号
に対して繰り返し、しきい値テーブルの最大値E_thを、E
_th＝max｛th_A〜th_Z,t_h0〜t_h9, ｝と定義する。

前記文字列種類の判定は第28図のような手順で行う。
すなわちステップS₁では第26図テーブル中の第１位の認
識結果の評価値の文字列平均ｅ−meanと第27図のしきい
値テーブルの値の最大値E_thを比較する。その結果、ｅ−mean＞E_th …（３）なる式が成立した場合、E_thが前記実験により得られた
値であるため、少なくとも英数字文字列ではない（すな
わち漢字列である）ということが決定できる。また、ｅ
−mean≦E_thが成り立つ場合、判定する文字が残ってい
ることを条件（ステップS₂）としてステップS₃,S₄,S₅に
おいて個々の文字の認識結果が妥当であるか否かの判定
を第27図のしきい値テーブルを参照して行う。第27図の
しきい値テーブルはある文字の認識結果の第１位が
「Ａ」という文字コードを持つ文字であった場合、その
ときの認識の評価値はth_A以下の数値をとらなければな
らないことを示している。もしある文字の認識結果がそ
の結果に対応する評価値ｅに対して、ｅ＜（対応するしきい値テーブルの値） …（４）なる式が成り立たない場合は、認識結果の第２位以下に
対して第（４）式の条件を満たすものがあるかを調べ
る。このような判定を文字列の全文字候補に対して行
い、１文字でも第（４）式が成立しない場合は漢字文字
列と決定する。

次に第22図のステップS₄では、次の第（５）式，第
（６）式に示す条件にともに合致する場合には幅方向分
離文字統合を行う（漢字列のみ）。

（但し、：仮定文字幅 wi:文字候補ｉの幅 wij:文字候補i,jを包含する外接四角形の幅（すなわち
i,jの各幅とｉ−ｊ間距離とを合わせた大きさ）前記第（５）式は仮定文字幅と文字候補ｉの幅との差
が、仮定文字幅と文字候補i,jを含む幅（すなわちi,jの
各幅とｉ−ｊ間距離とを合わせた大きさ）との差より大
きいことを示している。第（６）式は仮定文字幅と文字
候補i,jを含む幅との差がしきい値より小さいことを示
している。本発明では第（５），（６）式がともに成立
したときに幅方向統合処理を行うがその処理フローは第
29図に従って実行される。例えば第30図（ａ），（ｂ）
のように幅方向に文字候補i,j,kが分離しているときに
前記第（５），（６）式の条件が成立すれば、それら文
字候補は統合される。第30図（ａ），（ｂ）の場合、統
合の条件としては、min｛ｆ（i,j）、ｆ（i,k）｝＝ｆ
（i,j）且つｆ（i,j）＜しきい値であれば文字候補i,j
を統合する。また、min｛ｆ（i,j）、ｆ（i,k）｝＝ｆ
（i,k）且つｆ（i,k）＜しきい値であれば文字候補i,j,
kを統合する。但しｆ（i,j）は仮定文字幅と文字候補i,jを含む外接四角形の幅との偏差であり、
ｆ（i,k）は仮定文字幅と文字候補i,jを含む外接四角形の幅との偏差である。
尚、幅方向統合の様子をまとめると第31図（ａ）〜
（ｅ）の如く示される。図中f_iは仮定文字幅と文字候補ｉの幅との偏差である。第31図（ｂ），
（ｅ）からわかるように文字候補ｊが仮定文字幅を超える位置に存在する場合であっても、前記偏差ｆ
（i,j）がしきい値より小さければ文字候補ｉと統合す
ることができる。このため従来統合が行えなかった例え
ば文字幅のゆらぎが大きい手書き文字であっても容易に
統合することができる。

上述した文字切り出し処理（第17図、第18図）の過程
では、文字候補が文字例として確定する毎に処理済マー
クがつき処理対象数が小さくなる。また第18図の各処理
では水平方向について説明したが、垂直方向については
x,y方向が逆になる。斜め方向については所定の傾き角
度を仮定し、その角度での座標変換処理が、文字列抽出
処理、文字切り出し処理（第18図のステップS₂,S₃）に
含まれる。

文字認識処理（第２図のステップS₃）は次のようにし
て行われる。文字認識部６は前記文字切り出し部５で切
り出された文字と、予め文字が登録された辞書と参照、
比較し、一文字ずつ認識する。

H.発明の効果以上のように本発明によれば輪郭ベクトル化処理部
と、登録部と、文字列候補抽出部と、文字列抽出部と、
文字切り出し部とを設けたので、文字、線分、シンボル
が混在する書類や図面から文字を読み取って認識する場
合、大きさや書式に限定条件を付けることなくいかなる
大きさ、書式の文字であっても容易に且つ正確に読み取
ることができる。特に文字切り出し部に英数文字認識機
能および文字列種類判定機能を設けたので、英数文字列
であるか否かを正確に判定することができる。このため
例えば英字の「Ｒ」を漢字の「尺」のように手書きでは
極めてまぎらわしくなる文字でも正確に認識することが
できる。また英数文字を誤って統合してしまうことは避
けられる。さらに文字切り出し部に幅方向統合機能を設
けたので、文字幅のゆらぎが大きい手書き文字であって
も容易に統合することができる。

また文字候補のデータはツリー構造で登録しておくの
で処理の高速化が図れる。

【図面の簡単な説明】

第１図〜第31図は本発明の一実施例を示し、第１図は全
体構成のブロック図、第２図は全体のフローチャート、
第３図は輪郭ベクトル化処理部のフローチャート、第４
図は輪郭検出装置のブロック図、第５図はラスタスキャ
ンの様子を示す説明図、第６図は輪郭要素テーブルを示
す説明図、第７図は輪郭管理テーブルを示す説明図、第
８図は輪郭接続テーブルを示す説明図、第９図は輪郭ベ
クトル系列テーブルを示す説明図、第10図（イ），
（ロ）は、各々画素データと輪郭要素との関係を示す説
明図、第11図は輪郭要素間の接続状態を示す説明図、第
12図は輪郭要素の方向を示す説明図、第13図は輪郭ベク
トル化処理の説明図、第14図はショートベクトル除去手
段のフローチャート、第15図は外接四角形の説明図、第
16図は外接四角形情報テーブルを示す説明図、第17図お
よび第18図はともに文字切り出し処理のフローチャー
ト、第19図は文字列候補抽出処理のフローチャート、第
20図（ａ），（ｂ）はともに文字列候補抽出処理の説明
図、第21図は文字列抽出処理の説明図、第22図は文字切
り出し処理のフローチャート、第23図（ａ），（ｂ），
（ｃ）は高さ方向分離文字統合処理の説明図、第24図は
高さ方向分離文字統合処理のフローチャート、第25図は
高さ方向統合処理後の文字列データの説明図、第26図は
認識結果データテーブルを示す説明図、第27図はしきい
値テーブルを示す説明図、第28図は文字列種類判定処理
のフローチャート、第29図は幅方向分離文字統合処理の
フローチャート、第30（ａ），（ｂ）は幅方向分離文字
統合処理の説明図、第31図（ａ），（ｂ），（Ｃ），
（ｄ），（ｅ）は各ケース毎の幅方向分離文字統合の様
子を示す説明図、第32図（ａ）は文字切り出しの誤りの
説明図、第32図（ｂ）は文字認識部の誤り説明図であ
る。１……輪郭ベクトル化処理部、２……登録部、３……文
字列候補抽出部、４……文字列抽出部、５……文字切り
出し部、６……文字認識部、11……輪郭抽出部、12……
輪郭解析部、13……テーブル格納部、31……巨視的処理
部、32……微視的処理部、33……輪郭ベクトル系列テー
ブル、34……ショートベクトル除去部。

Claims

(57)【特許請求の範囲】

【請求項１】文字、線分、シンボルが混在する被写体を
ラスタスキャンして得られた黒白に対応する２値化画素
データから文字データを抽出し、該抽出された文字デー
タと文字辞書を参照、比較して文字を認識する図面読取
装置において、前記被写体をラスタスキャンして得られた黒白に対応す
る２値化画素データに基づいて、互いに隣接した２個の
黒画素を結ぶベクトルを結合して成る輪郭ベクトルのデ
ータを求めるとともに、該輪郭ベクトルに外接する外接
四角形データに基づいて文字候補として求める輪郭ベク
トル化処理部と、前記輪郭ベクトル化処理部で求められた文字候補の外接
四角形データをツリー構造で登録する登録部と、所定の大きさに設定した文字列候補の核から検索範囲を
決定し、前記登録部に登録された文字候補のうち中心座
標が前記検索範囲内に存在する文字列を文字列候補とし
て抽出する文字列候補抽出部と、前記文字列候補抽出部で抽出されたデータの中から、文
字列候補核の高さh_cと文字列候補内の互いに隣接する文
字候補間の距離ｄがｄ＜h_c×ｋ（ｋは定数）なる関係に
あるデータを文字列として抽出する文字列抽出部と、前記文字列抽出部で抽出された文字列内の近接する複数
の文字候補の水平方向への射影が重なっているときに、
それら複数の文字候補を統合する高さ方向統合機能と、
該機能により統合された各文字候補と、英数文字および
記号の辞書とを比較して文字認識を行い、該複数の認識
結果に対応して、前記文字候補と辞書の文字との近似度
合を表す評価値を各々求める英数文字認識機能と、前記
英数文字および記号の辞書の文字、記号に各々対応し
て、同一文字、記号についての複数のサンプルと辞書の
文字、記号との近似度合を表す評価値列のうち最大値を
しきい値として設定し、該設定されたしきい値と前記英
数文字認識機能で求められた評価値とを比較して、文字
列が英数文字列であるか否かを判定する文字列種類判定
機能と、該判定機能が英数文字列ではないと判定した文
字候補の幅と、前記h_c×ｋの大きさに等しい幅の仮定文
字幅との第１偏差が、前記文字候補の幅と近傍の文字候
補の幅と前記文字候補と近傍文字候補との距離を合わせ
た大きさと前記仮定文字幅との第２偏差よりも大きく、
且つ前記第２偏差が所定のしきい値よりも小さいときに
前記文字候補とその近傍の文字候補を統合する幅方向統
合機能を有し、文字列から文字を切り出す文字切り出し
部とを備え、前記文字切り出し部で切り出された文字データに基づい
て文字認識を行うことを特徴とする図面読取装置。