JP7034730B2 - スキャン画像に関連する情報を設定するための装置、方法、およびプログラム - Google Patents

Description

本発明は、スキャンして得られたスキャン画像に関連する情報を設定する技術に関する。

従来、紙文書をスキャンして得られた画像データ（以下、スキャン画像データという）に対して文字認識処理（以下、ＯＣＲ処理という）を行い、認識された文字を、その紙文書の電子ファイルのファイル名として使用する技術がある。

特許文献１には、帳票のスキャン画像データにおける所定の場所をＯＣＲ処理し、得られた文字をファイル名としたファイルを作成する技術が開示されている。

特開昭６２－０５１８６６号公報

紙文書である帳票には、記載事項の位置および記載欄（記載領域）の大きさが予め決められている様式のものの他に、記載事項の位置が予め決められておらず同じ様式であっても記載欄が拡大可能でその大きさに応じて記載事項の位置が変わるものがある。例えば、帳票の一種である見積書には、商品の種類に応じて記載領域が下方向へ拡大する表と、表の記載領域の大きさに応じて記載位置が変わる記載事項とを含む帳票がある。特許文献１では、ＯＣＲ処理を行う場所（領域）が予め決められている。記載事項の位置が予め決められておらず記載欄の大きさに応じて変わる様な見積書のスキャン画像データにて所定の場所をＯＣＲ処理し、得られた文字をファイル名としたファイルを作成すると、意図しない文字を含んだファイル名となる可能性があった。すなわち、ＯＣＲ処理を行う領域を適切に特定することができない可能性があった。また、帳票に限らず、同じ様式であっても記載事項の位置が予め決められておらず記載欄の大きさに応じて変わる様な紙文書であれば、ＯＣＲ処理を行う領域を適切に特定することができない可能性があった。

本発明は、上記の課題に鑑み為されたものであり、スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、ＯＣＲ処理を行う領域を適切に特定することを目的としている。

本発明の一態様に係る装置は、表を含む文書をスキャンして得られたスキャン画像データに情報を設定するための装置であって、新たなスキャン画像データ内において文字列および表と推認される文字列領域および表領域それぞれに関する領域情報を抽出する抽出手段と、前記抽出手段により前記新たなスキャン画像データにおいて抽出された前記領域情報と、過去のスキャン画像データそれぞれにおいて抽出された領域情報とを比較することにより、前記新たなスキャン画像データにおいて抽出された前記領域情報に類似する領域情報が抽出された過去のスキャン画像データを判定する判定手段と、前記類似する領域情報が抽出されたと前記判定手段で判定された過去のスキャン画像データに対して情報を設定する際に用いた文字列領域と、前記類似する領域情報が抽出されたと前記判定手段で判定された過去のスキャン画像データにおいて抽出された表領域と、の間の距離に基づいて、前記新たなスキャン画像データから抽出された文字列領域のうち処理対象となる対象領域を検出する検出手段と、前記対象領域の文字認識処理を行う認識手段と、前記文字認識処理の結果得られた文字を用いて前記新たなスキャン画像データに情報を設定する設定手段と有することを特徴とする。

本発明によれば、スキャン画像に対してＯＣＲ処理を行って得られた文字列を用いてファイル名等の設定を行う場面において、ＯＣＲ処理を行う領域を適切に特定することができる。

画像処理システムの全体構成を示す図である。 ＭＦＰのハードウェア構成図である。 ファイルサーバのハードウェア構成図である。 ＭＦＰのソフトウェア構成図である。 文字列領域情報の保存までの全体的な制御の流れを示すフローチャートである。 スキャン設定画面の一例を示す図である。 画像処理の流れを示すフローチャートである。 スキャン処理対象の文書及びプレビュー画面の一例を示す図である。 ファイル名生成処理の詳細を示すフローチャートである。 アップロード設定画面の一例を示す図である。 ファイル名使用文字列領域を導出するフローチャートである。 スキャン処理対象の文書及びプレビュー画面の他例を示す図である。 実施形態２のファイル名使用文字列領域を導出するフローチャートである。 距離導出処理の詳細を示すフローチャートである。 スキャン処理対象の文書及びプレビュー画面の他例を示す図である。 ファイル名リスト表示の一例を示す図である。

以下、本発明を実施するための形態について図面を用いて説明する。なお、以下の実施の形態は特許請求の範囲に係る発明を限定するものでなく、また実施の形態で説明されている特徴の組み合わせの全てが発明の解決手段に必須のものとは限らない。

［実施形態１］
＜画像処理システムの構成＞
図１は、本実施形態に係る画像処理システムの全体構成を示す図である。画像処理システムは、ＭＦＰ１１０とファイルサーバ１２０とで構成され、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を介して互いに通信可能に接続されている。

ＭＦＰ（Ｍｕｌｔｉ Ｆｕｎｃｔｉｏｎ Ｐｒｉｎｔｅｒ）１１０は、スキャナやプリンタといった複数の機能を有する複合機であり、画像処理装置の一例である。ファイルサーバ１２０は、電子化された文書ファイルを保存・管理する外部サーバの一例である。本実施形態の画像処理システムは、ＭＦＰ１１０とファイルサーバ１２０とからなる構成としているがこれに限定されない。例えば、ＭＦＰ１１０がファイルサーバ１２０の役割も兼ね備えてもよい。また、ＬＡＮに代えてインターネットなどを介した接続形態であってもよい。また、ＭＦＰ１１０は、ＰＳＴＮ（Ｐｕｂｌｉｃ Ｓｗｉｔｃｈｅｄ Ｔｅｌｅｐｈｏｎｅ Ｎｅｔｗｏｒｋｓ）に接続され、ファクシミリ装置（不図示）との間で画像データをファクシミリ通信することができる。

＜ＭＦＰのハードウェア構成＞
図２は、ＭＦＰ１１０のハードウェア構成図である。ＭＦＰ１１０は、制御部２１０、操作部２２０、プリンタ部２２１、スキャナ部２２２、モデム２２３で構成される。制御部２１０は、以下の各部２１１～２１９で構成され、ＭＦＰ１１０全体の動作を制御する。ＣＰＵ２１１は、ＲＯＭ２１２に記憶された制御プログラムを読み出して、読取／印刷／通信などＭＦＰ１１０が有する各種機能を実行・制御する。ＲＡＭ２１３は、ＣＰＵ２１１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。なお、本実施形態では１つのＣＰＵ２１１が１つのメモリ（ＲＡＭ２１３またはＨＤＤ２１４）を用いて後述のフローチャートに示す各処理を行うものとするが、他の態様であっても構わない。例えば、複数のＣＰＵや複数のＲＡＭまたはＨＤＤを協働させて各処理を行ってもよい。ＨＤＤ２１４は、画像データや各種プログラムを記憶する大容量記憶部である。操作部Ｉ／Ｆ２１５は、操作部２２０と制御部２１０を接続するインタフェースである。操作部２２０には、タッチパネル機能を有する液晶表示部やキーボードなどが備えられており、ユーザによる操作／入力／指示を受け付ける受付部としての役割を担う。これらユーザによる操作などは液晶パネルに対するタッチによって受け付けてもよいし、ユーザによるキーボードやボタンなどの操作によって受け付けてもよい。プリンタ部Ｉ／Ｆ２１６は、プリンタ部２２１と制御部２１０を接続するインタフェースである。印刷用の画像データはプリンタ部Ｉ／Ｆ２１６を介して制御部２１０からプリンタ部２２１へ転送され、記録媒体上に印刷される。スキャナ部Ｉ／Ｆ２１７は、スキャナ部２２２と制御部２１０を接続するインタフェースである。スキャナ部２２２は、不図示の原稿台やＡＤＦ（Ａｕｔｏ Ｄｏｃｕｍｅｎｔ Ｆｅｅｄｅｒ）にセットされた原稿を読み取って画像データを生成し、スキャナ部Ｉ／Ｆ２１７を介して制御部２１０に入力する。ＭＦＰ１１０は、スキャナ部２２２で生成された画像データをプリンタ部２２１から印刷出力（コピー）するほか、ファイル送信またはメール送信することができる。モデムＩ／Ｆ２１８は、モデム２２３と制御部２１０を接続するインタフェースである。モデム２２３は、ＰＳＴＮ上のファクシミリ装置との間で画像データをファクシミリ通信する。ネットワークＩ／Ｆ２１９は、制御部２１０（ＭＦＰ１１０）をＬＡＮに接続するインタフェースである。ＭＦＰ１１０は、ネットワークＩ／Ｆ２１９を用いてＬＡＮ上の外部装置（ファイルサーバ１２０など）に画像データや情報を送信したり、各種情報を受信したりする。

＜ファイルサーバのハードウェア構成＞
図３は、ファイルサーバ１２０のハードウェア構成図である。ファイルサーバ１２０は、ＣＰＵ３１１、ＲＯＭ３１２、ＲＡＭ３１３、ＨＤＤ３１４及びネットワークＩ／Ｆ３１５で構成される。ＣＰＵ３１１は、ＲＯＭ３１２に記憶された制御プログラムを読み出して各種処理を行うことで、ファイルサーバ１２０全体の動作を制御する。ＲＡＭ３１３は、ＣＰＵ３１１の主メモリ、ワークエリアなどの一時記憶領域として用いられる。ＨＤＤ３１４は、画像データや各種プログラムを記憶する大容量記憶部である。ネットワークＩ／Ｆ３１５は、ファイルサーバ１２０をＬＡＮに接続するインタフェースである。ファイルサーバ１２０は、ネットワークＩ／Ｆ３１５を用いてＬＡＮ上の他の装置（例えばＭＦＰ１１０）との間で各種情報を送受信する。

＜ＭＦＰのソフトウェア構成＞
図４は、ＭＦＰ１１０のソフトウェア構成の一例を示す図である。ＭＦＰ１１０は、ネイティブ機能モジュール４１０とアディショナル機能モジュール４２０とを有する。ネイティブ機能モジュール４１０に含まれる各部はＭＦＰ１１０に標準的に備えられたものであるのに対し、アディショナル機能モジュール４２０の各部はＭＦＰ１１０に追加インストールされたアプリケーションである。アディショナル機能モジュール４２０は、Ｊａｖａ（登録商標）をベースとしたアプリケーションであり、ＭＦＰ１１０への機能追加を容易に実現できる。なお、ＭＦＰ１１０には図示しない他のアディショナル機能モジュール（追加アプリケーション）がインストールされていても良い。

ネイティブ機能モジュール４１０は、スキャン実行部４１１および画像データ保存部４１２を有する。アディショナル機能モジュール４２０は、スキャン指示部４２１、メタデータ生成部４２２、画像解析部４２３、アップロード実行部４２４、ファイル生成部４２５、表示制御部４２６、および帳票情報保持部４２７を有する。

表示制御部４２６は、ＭＦＰ１１０の操作部２２０のタッチパネル機能を有する液晶表示部に、ユーザによる操作や入力、指示などを受け付けるためのＵＩ（ユーザインターフェース）画面を表示する。表示するＵＩ画面の詳細については後述する。

スキャン指示部４２１は、表示制御部４２６を介して入力されるユーザ指示に従い、該ユーザ指示に含まれるスキャン設定や転送設定の情報とともに、スキャン実行部４１１にスキャン処理を要求する。

スキャン実行部４１１は、スキャン指示部４２１からのスキャン設定を含んだスキャン要求を受け取る。スキャン実行部４１１は、スキャナ部Ｉ／Ｆ２１７を介してスキャナ部２２２で、原稿上の画像を読み取ることでスキャン画像データを生成する。スキャン実行部４１１は生成したスキャン画像データを画像データ保存部４１２に送る。このとき、スキャン実行部４１１は、保存したスキャン画像データを一意に示すスキャン画像識別子をスキャン指示部４２１に送る。

画像データ保存部４１２は、スキャン実行部４１１から受け取ったスキャン画像データをＨＤＤ２１４に保存する。

スキャン指示部４２１は、スキャン実行部４１１から受け取ったスキャン画像識別子に対応するスキャン画像データを画像データ保存部４１２から取得する。スキャン指示部４２１は、取得したスキャン画像データのメタデータの生成をメタデータ生成部４２２に要求する。メタデータは、スキャン画像データに関連する情報であり、例としては、スキャン画像データに付与されるファイル名が挙げられる。以下、本実施形態では、メタデータが、ファイル名である場合を例に説明する。

メタデータ生成部４２２は、スキャン画像データの解析指示を画像解析部４２３に送る。画像解析部４２３は、メタデータ生成部４２２からの解析指示に基づき、スキャン画像データに対して画像解析（レイアウト解析処理やＯＣＲ処理（文字列認識処理））を行う。画像解析部４２３は、スキャン画像データを画像解析して得られる領域情報を解析結果として、メタデータ生成部４２２に送る。表１には、領域情報の一例が示されている。領域情報は、スキャン画像データに含まれる文字列領域や表領域などの各領域について、領域を識別するための番号と、領域のＸ座標、Ｙ座標、幅、および高さと、領域の種類とを示す情報を含む。ここで、文字列領域とは、画像解析によってテキストが検出された領域であり、表領域とは、画像解析によって表が検出された領域である。なお、画像データからテキストや表を検出する方法については広く知られているため、説明を省略する。また、表１には、説明の簡単のため、スキャン画像データ内の一部の領域のみが記載されている。

画像解析部４２３は、今回の画像解析で得られた領域情報と、以前（過去）の画像解析で得られた各領域情報のそれぞれとを比較する。なお、以前の画像解析で得られた各領域情報は、帳票情報保持部４２７によって保持される。また、帳票情報保持部４２７が保持する各領域情報には、後述するステップＳ５０８のファイル名生成処理においてユーザがファイル名として選択した文字列領域を特定するための選択情報が付加される。以降、領域情報に選択情報を付加した情報を帳票情報と呼ぶ。画像解析部４２３は、上記比較により、今回の画像解析で得られた領域情報と類似する領域情報を帳票情報保持部４２７が保持していると判断した場合、更に、類似する領域情報（以下、類似領域情報と呼ぶ）に選択情報が付加されているかを判定する。類似領域情報に選択情報が付加されていると判定した場合、画像解析部４２３は、選択情報と該選択情報で示される文字列領域（以下、選択文字領域と呼ぶ）をＯＣＲ処理して得られる文字列とを、画像解析の解析結果に含ませてメタデータ生成部４２２に送る。詳細は後述する。なお、画像解析の解析結果は、メタデータ生成部４２２を介して、表示制御部４２６にも送られる。

また、メタデータ生成部４２２は、ＵＩ画面を介して入力されるユーザ指示と、画像解析部４２３の解析結果に基づいて、メタデータ（本実施形態ではファイル名）を生成する。メタデータ生成部４２２は、スキャン画像識別子および生成したメタデータをアップロード実行部４２４に送る。そして、メタデータ生成部４２２は、アップロード実行部４２４に対して、ファイルサーバ１２０へのスキャン画像データのアップロードを指示する。

さらに、メタデータ生成部４２２は、表示制御部４２６に表示指示を送る。表示制御部４２６は、メタデータ生成部４２２からの表示指示に基づき、ＭＦＰ１１０の操作部２２０のタッチパネル機能を有する液晶表示部にＵＩ画面（例えば図８（ｂ））を表示する。前記ＵＩ画面は、ファイル名を生成するための操作、入力、および指示を受け付けるための画面である。また、表示制御部４２６は、メタデータ生成部４２２からの表示指示に基づき、スキャン画像データのプレビュー画像をＵＩ画面に表示する。

アップロード実行部４２４は、表示制御部４２６にＵＩ画面の表示指示を送る。表示制御部４２６は、フォルダパス設定およびアップロードの操作、入力、及び指示をユーザから受け付けるためのＵＩ画面（例えば、図１０）を表示する。このとき表示されるＵＩ画面の詳細については後述する。また、アップロード実行部４２４は、ユーザからのアップロード指示を受け、該指示に従って、ファイル生成部４２５にスキャン画像識別子が示すスキャン画像データのファイル生成を指示する。

ファイル生成部４２５は、指示されたスキャン画像識別子に対応するスキャン画像データを画像データ保存部４１２から取得し、ファイルサーバ１２０に送信するファイルを生成する。

アップロード実行部４２４は、設定したフォルダパス設定と、メタデータ生成部４２２により生成されたファイル名とを用いてファイルサーバ１２０に接続し、ファイル生成部４２５により生成されたファイルを送信する。アップロード実行部４２４は、アップロードが完了すると、アップロードが完了したことを表示制御部４２６に通知する。表示制御部４２６は、アップロード実行部４２４から通知を受けて、表示内容を更新する。アップロード実行部４２４は、ＳＭＢ（Ｓｅｒｖｅｒ Ｍｅｓｓａｇｅ Ｂｌｏｃｋ）クライアント機能を有している。これにより、ＳＭＢサーバ機能を有するファイルサーバ１２０に対してＳＭＢを用いてファイル及びフォルダ操作を行う。ＳＭＢの他に、ＷｅｂＤＡＶ（Ｄｉｓｔｒｉｂｕｔｅｄ Ａｕｔｈｏｒｉｎｇ ａｎｄ Ｖｅｒｓｉｏｎｉｎｇ ｐｒｏｔｏｃｏｌ ｆｏｒ ｔｈｅ ＷＷＷ）を使用可能である。また、ＦＴＰ（Ｆｉｌｅ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）、ＳＭＴＰ（Ｓｉｍｐｌｅ Ｍａｉｌ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）等も使用可能である。また、それ以外にファイル送信目的以外のＳＯＡＰやＲＥＳＴ（Ｒｅｐｒｅｓｅｎｔａｔｉｏｎａｌ Ｓｔａｔｅ Ｔｒａｎｓｆｅｒ）等も使用可能である。

＜全体の処理のフローチャート＞
図５は、文字列領域情報の保存までの全体的な制御の流れを示すフローチャートである。この一連の処理は、ＭＦＰ１１０のＣＰＵ２１１がＨＤＤ２１４に記憶された制御プログラムを実行することにより実現される。以下、詳しく説明する。

ここでは、図５のフローチャートに基づき、類似する２つの文書に対し、文字列領域情報の保存までの一連の処理を行う場合について説明する。実施１回目では、帳票情報保持部４２７が帳票情報（類似する文書の情報）を１つも保持していない状態であり、一方の文書に対して一連の処理を行う場合について説明する。

続いて、実施２回目では、実施１回目でスキャン処理対象の文書の帳票情報を帳票情報保持部４２７が保持した状態であって、実施１回目のスキャン処理対象の文書に類似する他方の文書に対して一連の処理を行う場合について説明する。なお、本実施形態では、スキャン処理対象の文書に表が１つのみ存在する場合について説明する。複数の表が存在する場合については、後述の実施形態２にて説明する。

まず、実施１回目について説明する。

ステップＳ５０１では、スキャン指示部４２１は、表示制御部４２６にスキャン設定画面の表示を指示する。表示制御部４２６は、スキャン処理における各種設定を行うためのスキャン設定画面を操作部２２０に表示する。

図６は、スキャン設定画面６００の一例を示す図である。図６のスキャン設定画面６００には、５つの設定ボタン６０１～６０５が存在する。［カラー設定］ボタン６０１は、原稿をスキャンする際のカラーまたはモノクロを設定するためのボタンである。［解像度設定］ボタン６０２は、原稿をスキャンする際の解像度を設定するためのボタンである。［両面読み取り設定］ボタン６０３は、原稿の両面をスキャンしたい場合に用いる設定ボタンである。［原稿混載設定］ボタン６０４は、サイズが異なる原稿をまとめてスキャンしたい場合に用いる設定ボタンである。［画像形式設定］ボタン６０５は、スキャン画像データの保存形式を指定する際に用いる設定ボタンである。これら設定ボタン６０１～６０５を用いた設定時には、ＭＦＰ１１０においてサポートされている範囲で設定可能な候補（候補肢）が表示され、ユーザは表示された候補から望むものを選択する。なお、上述の設定ボタンは一例であって、これらすべての設定項目が存在しなくても良いし、これら以外の設定項目が存在しても良い。ユーザは、このようなスキャン設定画面６００を介してスキャン処理についても詳細な設定を行う。［キャンセル］ボタン６２０は、スキャン設定を中止する場合に用いるボタンである。［スキャン開始］ボタン６２１は、原稿台等にセットした原稿に対するスキャン処理の開始を指示するためのボタンである。

ステップＳ５０２では、スキャン指示部４２１は、［スキャン開始］ボタン６２１が押下されたか、または［キャンセル］ボタン６２０が押下されたかを判定する。［スキャン開始］ボタン６２１が押下されたと判定すると、スキャン指示部４２１は、各スキャン設定ボタン６０１乃至６０５で選択された設定項目の設定でスキャン実行部４１１に対してスキャン処理を行わせる。［キャンセル］ボタン６２０が押下されたと判定すると、処理を終了する。

ステップＳ５０３では、スキャン実行部４１１は、スキャナ部２２２にスキャン指示を出し、原稿をスキャンする。スキャンして生成されたスキャン画像データは、画像データ保存部４１２に保存され、対応するスキャン画像識別子がスキャン指示部４２１に通知される。

ステップＳ５０４では、スキャン指示部４２１は、スキャン画像識別子に対応するスキャン画像データを画像データ保存部４１２から取得する。

ステップＳ５０５では、メタデータ生成部４２２は、画像データ保存部４１２から取得されたスキャン画像データの解析指示を画像解析部４２３に送る。画像解析部４２３は、スキャン画像データの解析を行う。例えば、スキャン画像のヒストグラムを抽出したり、画素の塊を抽出したりするなどして、文字列領域や表領域など、スキャン画像中におけるレイアウトを解析する。この解析によって、スキャン画像全体における文字列領域が抽出される。文字列領域は、文字列と推認される領域（画像領域）である。表領域は、表と推認される領域（画像領域）である。文字列領域は、一文字の領域も含むものである。なお、レイアウト解析処理にはレイアウトしやすいようにスキャン画像の傾きを補正したり、方向を検知して回転したりする処理を含むようにしてもよい。その後、文字列領域に対して文字認識処理（ＯＣＲ：Optical Character Recognition）処理）を行うことで、文字列領域（画像領域）に含まれている文字（テキストデータ）が抽出される。文字認識処理は、例えば文字列領域に含まれている画素群と、予め登録されている辞書とをマッチング処理することで、文字（テキストデータ）を認識する処理である。この文字認識処理は、処理に時間を要する場合がある。このため、本実施形態においては、レイアウト解析によって抽出された文字列領域に逐次的に文字認識処理を行わずに、ユーザが所望する文字列領域に対して文字認識処理を行うことで、処理の高速化を図っている。画像解析部４２３によって解析された文字列領域の情報（以下、文字列領域情報という）は、メタデータ生成部４２２に渡される。

ここで、ステップＳ５０５の画像解析処理の詳細について、図７を用いて説明する。図７は、画像解析部４２３による画像解析処理（ステップＳ５０５）の詳細を示すフローチャートである。以下、図７のフローに沿って説明する。

ステップＳ７０１では、画像解析部４２３は、ファイル生成部４２５から受け取ったスキャン画像データを解析できる形態にして読み込む。

ステップＳ７０２では、画像解析部４２３は、読み込んだスキャン画像データをその後の領域判定や文字列解析を行い易い状態に補正する。具体的には、スキャン画像データに対し、画像信号の二値化やスキャン時にずれた原稿の傾きの修正、原稿が正立する方向への回転などを行って、解析処理を行い易い状態に補正する。

ステップＳ７０３では、画像解析部４２３は、ステップＳ７０２で補正したスキャン画像データの内容を解析して、文字列領域および表領域を判定する。例えば、画像解析部４２３は、補正されたスキャン画像（二値画像）に対しエッジ抽出などを行って、当該画像内の文字列領域および表領域を特定する。すなわち、一続きの文字列と推認される塊（単位領域）と表と推認される塊（単位領域）を特定する。文字列領域および表領域に関し、座標、幅方向（横方向）および高さ方向（縦方向）の大きさがそれぞれ特定される。文字列領域の幅方向（横方向）とは、文書の文章方向に沿う方向を示している。文字列領域の高さ方向（縦方向）とは、文書の文章方向に沿う方向と交わる方向、例えば直交する方向を示している。また、原稿にて文章方向が横書きであるか縦書きであるかを特定する。これはスキャン画像（二値画像）に対し縦と横の射影をとって、この射影の分散の低いほうを行方向と判定する方法があり、これを用いることができる。以下の表２は、ある見積書のスキャン画像の一部に対して画像解析処理を行った結果の一例を示している。

ステップＳ７０４では、画像解析部４２３は、ステップＳ７０３で判定した文字列領域および表領域を元に、帳票情報保持部４２７から類似する帳票情報を取得して、事前にファイル名を生成する。

ここで、ステップＳ７０４のファイル名リスト生成処理の詳細について、図１１を用いて説明する。図１１は、画像解析部４２３によるファイル名リスト生成処理（ステップＳ７０４）の詳細を示すフローチャートである。

ステップＳ１１０１では、画像解析部４２３は、ステップＳ７０３で取得した文字列領域が帳票情報保持部４２７に保持される帳票情報と類似するかを判定する。スキャン画像データの文字列領域が帳票情報保持部４２７に保持される帳票情報と所定の割合以上で重複している場合には、帳票情報保持部４２７に保持される帳票情報と類似しており、類似する帳票情報ありと判定し、ステップＳ１１０２に進む。他方、スキャン画像データの文字列領域が帳票情報保持部４２７に保持される帳票情報と所定の割合未満しか重複していない場合には、類似する帳票情報なしと判定し、本フローは終了する。なお、ステップＳ１１０１では、帳票情報保持部４２７に保持されている全ての帳票情報に対して類似判定が行われる。類似判定の判定基準である所定の割合は、ユーザにより設定変更可能な数値である。類似判定に関し領域に応じて重み付けをすることも可能である。実施１回目では、帳票情報保持部４２７が帳票情報を１つも保持していないため、ファイル名リスト生成処理が終了となる。ステップＳ１１０２以降の処理に関しては、実施２回目で説明する。

表２は、レイアウト解析処理によって解析された文字列領域情報の一例を示している。

上記の表２において、［番号］は、特定された各文字列領域を一意に示す番号である。この例では１から１３までの通し番号が、認識した順番に付けられている。座標は詳細につき後述するプレビュー表示領域８１０の左上を原点（０，０）として右方向にＸ軸、下方向にＹ軸をとるものとする。［領域］の［Ｘ座標］は、特定された各文字列領域の左上隅のＸ座標を示している。［領域］の［Ｙ座標］は、特定された各文字列領域の左上隅のＹ座標を示している。以後、文字列領域に対して“座標”と言う場合は、特に断らない限り、文字列領域の左上隅の位置座標のことを意味するものとする。［領域］の［幅］は、特定された各文字列領域の左辺から右辺までの距離を示している。［領域］の［高さ］は、特定された各文字列領域の上辺から下辺までの距離を示している。本実施形態では、［Ｘ座標］、［Ｙ座標］、［幅］および［高さ］はいずれもピクセルで示すが、ポイントやインチ等で示してもよい。

図５のフローチャートに戻る。

ステップＳ５０６では、メタデータ生成部４２２は、画像解析部４２３で解析されてスキャン画像から抽出された各文字列領域情報（画像解析データ）を取得する。文字列領域情報は、例えばＣＳＶやＸＭＬのフォーマットで取得されるものとするが、他のフォーマットで取得されるものであっても構わない。また、ＨＤＤ２１４に一旦保存した上で、所定のタイミングで取得されるものでもよい。

ステップＳ５０７では、メタデータ生成部４２２は、表示制御部４２６にプレビュー画面の表示を指示する。表示制御部４２６は、スキャン指示部４２１から受け取ったスキャン画像データを用いて操作部２２０のタッチパネル上にプレビュー画面を表示する。ユーザは、プレビュー画面を介して、スキャン画像データのファイル名を設定することができる。

図８（ａ）は、スキャン処理対象の文書の一例を示す図である。図８（ｂ）は、図８（ａ）に示す文書（原稿）に対しスキャン処理を行った場合のプレビュー画面の一例を示す図であり、図８（ｃ）は、後述のプレビュー表示領域８１０に表示されるスキャン画像を下方へスクロールした場合の一例を示す図である。ユーザは、プレビュー画面８００を介してアップロード実行部４２４に実行させる、ファイルサーバ１２０に送信するためのファイル名設定を複数のボタン８０２～８０３を介して実行する。［ファイル名リスト表示］ボタン８０２は、ファイル名入力欄８０１に設定するファイル名選択リストを表示する。ファイル名選択リストは、実施２回目以降の処理で表示される。今回の画像解析で得られた領域情報と類似する領域情報が帳票情報保持部４２７に保持されていると判断し、さらに、類似する領域情報に選択情報が付加されている場合に、ファイル名選択リストが生成される。ファイル名選択リストは、類似する領域情報の選択情報を基に、今回の画像解析で得られた領域情報から抽出されたファイル名で構成される。すなわち、［ファイル名リスト表示］ボタン８０２が押下されると、ユーザにより選択可能な候補と成り得る、全てのファイル名（以下、候補ファイル名と呼ぶ）で構成されるファイル名選択リストが表示される。表３は、ファイル名選択リストの一例を示している。この例は、表２に示される領域情報と類似する領域情報が帳票情報保持部４２７に保持され、類似する領域情報に選択情報が付加されている場合を示している。帳票情報保持部４２７には、表２の番号１（見積書）、表２の番号３（Ｒ１２－３４５６）、表２の番号１３（川崎株式会社）に対応する文字列領域の文字列で構成されるファイル名のスキャン画像データが保持されている。さらに、帳票情報保持部４２７には、表２の番号１（見積書）、表２の番号３（Ｒ１２－３４５６）、表２の番号８（品川株式会社）に対応する文字列領域の文字列で構成されるファイル名のスキャン画像データが保持されている。このような状態で、表２に示される文字列領域情報を含むスキャン画像データに対しファイル名リスト生成処理が行われる。これにより、「見積書＿Ｒ１２－３４５６＿川崎株式会社」の候補ファイル名と、「見積書＿Ｒ１２－３４５６＿品川株式会社」の候補ファイル名とで構成されるファイル名選択リストが生成される。

候補ファイル名は、ファイル名を構成する項目と、項目毎の区切り文字とを１つ以上組み合わせたフォーマットで構成される。ファイル名を構成する項目は、後述のＯＣＲ処理内容とも関連する。

ボタン８０３は、ファイル名のフォーマットなどを設定するためのボタンである。なお、上述した各種ボタンの種類、各文字列領域の表示や選択の態様は一例にすぎず、これに限定されない。例えば、ファイル名入力欄８０１に表示された文字列を修正・変更したり、ファイル名を確定したりするためのボタンがあってもよい。

プレビュー画面８００において、画面中央にあるプレビュー表示領域８１０内には、スキャン画像と共にその表示状態を変更するための複数のボタン８１１～８１４も表示される。ボタン８１１及び８１２はスキャン画像の全体を表示しきれないときに現れるボタンで、表示領域を縦方向にスクロールするためのボタンである。ＭＦＰ１１０が備えるタッチパネルは通常それほど大きくはない。そこで、例えば、スキャン画像がＡ４縦・横書きの原稿を読み取ったものである場合は、スキャン画像の幅方向（短手方向）全体がプレビュー表示領域８１０にちょうど収まるように上詰めで縮小表示されるよう初期設定される。つまり、初期設定においては、Ａ４縦のスキャン画像の下部は、プレビュー表示領域８１０内に表示されないことになる。このようなとき、「↓」のボタン８１２を押下すると下に表示領域がスクロールし、下部を表示させることができる。また、「↑」のボタン８１１を押下すると上に表示領域がスクロールし、上部を再び表示させることができる。

さらに、スキャン画像が例えばＡ４横やＡ３などの場合には、表示領域を横方向にスクロールするためのボタンをさらに設ければよい。ボタン８１３及び８１４は、表示領域を拡大・縮小するためのボタンであり、「＋」のボタン８１３を押下するとズームインし、「－」のボタン８１４を押下するとズームアウトする。これらボタン操作による動作を、プレビュー画面上でスワイプやピンチアウト／ピンチインといったユーザの指による操作で実現してもよい。また、プレビュー表示領域８１０には、ステップＳ５０５の画像解析処理によって特定された文字列領域が、上述の文字列領域情報に基づき、ユーザに選択可能で識別可能な態様（例えば、囲み線）にて表示される。ユーザがユーザに識別可能な態様でプレビュー表示領域８１０に表示された文字列領域の中から任意の文字列領域を選択（例えば指でタッチ）する。この選択操作に伴い、そこに含まれる文字列がファイル名入力欄８０１に表示、すなわち自動入力され、ファイル名を構成する文字列の一部となる。［戻る］ボタン８３０は、プレビュー表示を中止する場合に用いるボタンである。［次へ］ボタン８３１は、読み込まれたスキャン画像データのアップロード先を設定する画面に移行するためのボタンである。

ファイル名文字列設定領域８１５乃至８２７は前記画像解析部４２３がスキャン画像データを解析した文字列領域情報に従って、プレビュー表示領域８１０に表示される。文字列領域情報は、表２に示すようにスキャン画像データ上の位置を示している。よって、文字列領域情報は、プレビュー表示領域８１０に表示しているスキャン画像データのスクロール位置や拡大縮小が反映された位置に表示される。この文字列領域がユーザによりタッチされると、ユーザによりタッチされた文字列領域にある文字列がファイル名入力欄８０１に入力される。斜線で示される領域は、文字列として認識された領域を示し、矩形の形状をなしている。網掛で示される領域は、ユーザにより既にタッチされて、ファイル名として選択された領域を示している。これら各ボタン８１１～８１４および各領域８１５～８２７を用いた設定項目はここに記載した設定項目が存在しなくても良いし、これら以外の設定項目が存在しても良い。

ステップＳ５０８では、ファイル生成部４２５は、ユーザからの入力指示に基づいてスキャン画像に対するファイル名を生成する。

ここで、ステップＳ５０８のファイル名生成処理の詳細について、図９を用いて説明する。図９は、ファイル名生成処理（ステップＳ５０８）の詳細を示すフローチャートである。以下、図９のフローに沿って説明する。

ステップＳ９０１では、タッチパネル上に表示されたプレビュー画面８００へのユーザによるタッチ操作の有無が監視される。タッチ操作が検出されるとステップＳ９０２へ進む。続くステップＳ９０２では、タッチ操作の内容によって処理の切り分けがなされる。タッチ操作の内容が、ボタンが押下されたことを検知した場合には、ステップＳ９１１へ進む。ステップＳ９１１では、押下されたボタンの種類によって処理の切り分けがなされる。［ファイル名リスト表示］ボタン８０２以外のボタンが押下されたことを検知した場合には、本フローが終了し、［ファイル名リスト表示］ボタン８０２が押下されたことを検知した場合には、ステップＳ９１２へ進む。ステップＳ９１２以降の処理に関しては、実施２回目で説明する。

他方、ボタン押下以外の操作がなされたことを検知した場合には、ステップＳ９０３へ進む。

ステップＳ９０３では、タッチ操作がなされたタッチパネル上の位置座標（ｘ，ｙ）が取得される。続くステップＳ９０４では、タッチ操作された位置座標が、ユーザに選択可能で識別可能な態様にて表示された何れかの文字列領域と重なるかどうかが判定される。例えば、タッチ操作された位置座標が、ユーザに選択可能で識別可能な態様にてプレビュー表示領域８１０に表示された各文字列領域の内側（文字列領域の四隅を表す位置座標で特定される矩形の内側）に含まれるかどうかで判定する。タッチ操作された位置座標がユーザに選択可能で識別可能な態様にて表示された何れかの文字列領域と重なっている場合は、ステップＳ９０５へ進む。他方、重なっていない場合は、ステップＳ９０１に戻る。

ステップＳ９０５では、タッチ操作された位置座標と重なっている文字列領域の文字列が取得される。文字列の取得は、タッチ操作によって選択された文字列領域（以下、選択文字列領域と呼ぶ）に対するＯＣＲ処理を画像解析部４２３で行って、文字列を抽出することで取得される。そして、ステップＳ９０６では、ファイル名入力欄８０１に現在表示中のファイル名が取得される。続くステップＳ９０７では、取得したファイル名の中身が“空”であるかを判定する。ここで、ファイル名が“空”とは、ファイル名入力欄８０１内に何らの文字列も表示されていない空欄状態を意味する。取得したファイル名が“空”であった場合は、ステップＳ９０９に進む。他方、“空”でなかった場合は、ステップＳ９０８に進む。

ステップＳ９０８では、ステップＳ９０６で取得したファイル名の末尾に、所定の区切り文字を追加する処理がなされる。所定の区切り文字として、ここでは、アンダーバーを例に説明するが、これに限定されるものではない。例えばハイフンなどアンダーバー以外の記号・文字でも構わないし、さらにはスペースのような実体を伴わないものでも構わない。

ステップＳ９０９では、ステップＳ９０５で取得した文字列（選択文字列領域から抽出した文字列）が、ファイル名の構成要素として設定される。この際、既に設定された文字列が存在している場合は、その末尾に追加される。そして、ステップＳ９１０では、現時点で設定されている文字列が、ファイル名入力欄８０１に表示（自動入力）される。ユーザがプレビュー画面に表示される文字列領域をタッチ操作している間は、上述のステップＳ９０１～Ｓ９１０の処理が繰り返し行われる。

以上が、ファイル名生成処理の内容である。このような処理によって、ユーザに選択された複数の文字列領域の間に区切り文字を挿入して、スキャン画像のファイル名が生成される。

図８（ｂ）は、ステップＳ５０８でファイル名が生成された後のプレビュー画面８００の状態を示している。この例では、「見積書」、「Ｒ１２―３４５６」、「川崎株式会社」に対応する文字列領域が順次選択されたことで、「見積書＿Ｒ１２―３４５６＿川崎株式会社」の文字列が、ファイル名入力欄８０１に表示（設定）されている。プレビュー表示領域８１０には、ユーザのタッチ操作によりファイル名に使用された文字列を示す領域８１５、８２１、８２７が矩形の形状で表示される。そして、所望するファイル名が生成されてユーザが［次へ］ボタン８３１を押下すると、ステップＳ９０１、Ｓ９０２、Ｓ９１１を経て、本フローを終了する。

図５のフローチャートに戻る。

ステップＳ５０９では、メタデータ生成部４２２により、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［次へ］ボタン８３１の押下が検出された場合は、ファイル名入力欄８０１に表示中のファイル名（ファイル名として設定された文字列）の情報がアップロード実行部４２４へ送られ、ステップＳ５１０へ進む。［戻る］ボタン８３０の押下が検出された場合は、ステップＳ５０１（スキャン設定画面の表示）へ戻る。［次へ］ボタン８３１および［戻る］ボタン８３０以外の操作が検出された場合には、ステップＳ５０８（ファイル名の生成）へ戻る。

ステップＳ５１０では、メタデータ生成部４２２は、ファイル名入力欄８０１に設定されたファイル名を取得する。メタデータ生成部４２２は、取得したファイル名とスキャン画像識別子とをアップロード実行部４２４へ渡す。

ステップＳ５１１では、アップロード実行部４２４は、表示制御部４２６にスキャン画像データの送信先を設定するためのＵＩ画面（以下、アップロード設定画面と呼ぶ）の表示を指示する。表示制御部４２６は、データ送信処理における各種設定を行うためのアップロード設定画面を操作部２２０に表示する。ユーザは、このアップロード設定画面を介して、ファイルサーバ１２０へのアップロードに関する詳細設定を行う。

図１０は、アップロード設定画面１０００の一例を示す図である。ユーザは、［フォルダパス］入力欄１００１に、ファイルサーバ１２０へ送信する際のフォルダパスを入力する。図１０の例では、“＼＼Server1＼Share＼ScanData”がフォルダパスとして入力されている。フォルダパスの入力方法としては、例えば［フォルダパス］入力欄１００１へのタップ操作に応じてキーボード画面のサブウインドウ（不図示）を表示し、ユーザに、当該キーボード画面を介してパス名を入力して設定できるようにしてもよい。あるいは、アドレス帳参照画面（不図示）を表示し、ＭＦＰ１１０のＨＤＤ２１４に保存されたアドレス帳データからユーザがアドレスを選択することで設定できるようにしてもよい。［戻る］ボタン１０２０は、アップロードに関する詳細設定を中止する場合に用いるボタンである。［アップロード］ボタン１０２１は、［フォルダパス］入力欄１００１で設定したフォルダパスへのアップロードを指示するためのボタンである。

ステップＳ５１２では、アップロード実行部４２４により、ステップＳ５０９と同様、ユーザによるボタン操作の内容によって処理の切り分けがなされる。［アップロード］ボタン１０２１の押下が検出された場合は、ステップＳ５１３へ進む。他方、［戻る］ボタン１０２０の押下が検出された場合は、ステップＳ５０７（プレビュー画面の表示）へ戻る。

ステップＳ５１３では、アップロード実行部４２４は、ファイルサーバ設定を取得して、ファイルサーバ設定と、ステップＳ５１１で取得したフォルダパスと、ステップＳ５１０で取得したファイル名とをメタデータ生成部４２２へ渡す。その際、［フォルダパス］入力欄１００１に入力されたパス名、ステップＳ５０８で生成されたファイル名、ファイルサーバ設定は、ファイルサーバ１２０にスキャン画像データを格納するために必要な情報である。例えば、ホスト名、フォルダパスの起点、ログイン用のユーザ名およびパスワードなどの情報を含む。

ステップＳ５１４では、メタデータ生成部４２２は、アップロード実行部４２４から受け取った情報に基づきスキャン画像データの格納先パスを生成する。例えば、ファイルサーバ設定（ファイルサーバ１２０のホスト名、フォルダパスの起点）にフォルダパスを加えて生成される。これにより、例えば“＼＼Server01＼Share＼ScanData”といった格納先パスが生成される。

ステップＳ５１５では、アップロード実行部４２４は、ファイルサーバ１２０に対するアクセスを実行する。この際、ファイルサーバ設定に含まれるユーザ名とパスワードをファイルサーバ１２０に送信する。ユーザ名とパスワードを受け取ったファイルサーバ１２０では、認証処理が実行される。

ステップＳ５１６では、アップロード実行部４２４により、ファイルサーバ１２０での認証結果に従って処理の切り分けがなされる。すなわち、ファイルサーバ１２０から認証成功の通知を受信した場合は、ステップＳ５１７に進む。他方、認証失敗の通知を受信した場合は、本処理を終了する。

ステップＳ５１７では、アップロード実行部４２４により、ステップＳ５１４で生成された格納先パスが示すフォルダにスキャン画像データが送信されて、ファイルサーバ１２０内に格納される。

ステップＳ５１８では、画像解析部４２３により、ステップＳ５０６で取得された文字列領域情報とステップＳ５０８で取得選択された文字列領域情報（選択情報）とが帳票情報保持部４２７に保持される。

表４は、保持される文字列領域情報および選択された文字列領域情報の一例を示している。

帳票番号は、帳票情報保持部４２７に保持される帳票情報ごとに一意に割り当てられる番号である。ここでは１種類目の帳票であるため１となる。また、帳票情報保持部４２７は、選択情報を保持している。選択情報の番号は、ステップＳ５０８の処理においてユーザにより選択された文字列領域の順番を表している。

以上が、文字列領域情報の保存までの全体的な制御の内容である。なお、本実施形態では、ステップＳ５０３～Ｓ５０８の処理を、スキャン処理の実行によって生成された１ページ分のスキャン画像データに対して行うことを想定している。例えば、プレビュー表示領域８１０内に次のページの画像解析を行うためのボタンを設け、その解析によって得られた次ページのプレビュー表示を行って、次ページ以降の文字列領域からファイル名を構成する文字列を設定できるようにしてもよい。

次に実施２回目について説明する。実施２回目においては、図８（ａ）に示される文書と類似する図１２（ａ）の文書、および、図１２（ｂ）にてプレビュー表示領域１２１０に表示されるスキャン画像を用いて説明をする。すなわち、実施２回目のスキャン処理で得られた新たなスキャン画像データは、過去のスキャン画像データと類似すると判定されるデータであるとする。前記新たなスキャン画像データは、表の大きさおよび表の近傍に存在する文字列領域の位置が前記過去のスキャン画像データと異なるものとする。さらに、前記過去のスキャン画像データに設定した情報は、当該過去のスキャン画像データの表の近傍に存在する文字列領域の文字に基づいて設定されたものとする。

実施１回目との差異は、図１１に示されるステップＳ１１０２～Ｓ１１１４の処理と図９に示されるステップＳ９１２～Ｓ９１４の処理とが行われることである。実施１回目と同様の処理については、説明を適宜省略する。また、実施２回目では、スキャン処理と、ステップＳ５０１～Ｓ５０５、ステップＳ７０１～ステップＳ７０３までの処理とが実行済みであることを前提とする。また、帳票情報保持部４２７は、図８（ｂ）および図８（ｃ）にてプレビュー表示領域８１０に示されるスキャン画像をファイル名入力欄８０１に入力された「見積書＿Ｒ１２－３４５６＿川崎株式会社」のファイル名で保持していることを前提とする。

表５は、図１２（ａ）に示される文書に対しスキャン処理を行いステップＳ７０３において、画像解析部４２３がステップＳ７０２で補正した画像データの内容を解析することにより得た文字列領域の一例を示している。番号１０で示される表は、図１２（ｂ）に示される表１２２４に対応し、実施１回目で得られた表と比較すると行が１つ増加した分、領域の高さ方向にて大きくなっている。

ステップＳ１１０１では、画像解析部４２３は、画像データ保存部４１２に保存されたスキャン画像データと類似する帳票情報が、帳票情報保持部４２７に保持されており、類似する帳票情報があると判定する。類似する帳票情報があるとの判定結果により、ステップＳ１１０２に進む。

ステップＳ１１０２では、画像解析部４２３は、帳票情報保持部４２７に保持されている帳票情報にて、画像データ保存部４１２に保存されたスキャン画像データと類似するものの中から、対象となる１つの帳票情報を特定する。

ステップＳ１１０３では、画像解析部４２３は、ステップＳ１１０２で特定された対象の帳票情報から、全ての選択文字列領域を取得する。

ステップＳ１１０４では、画像解析部４２３は、ステップＳ１１０３で取得された全ての選択文字列領域の中から、対象となる１つの選択文字列領域を特定する。

ステップＳ１１０５では、画像解析部４２３は、座標系（ｘ、ｙ）にて、ステップＳ１１０４で特定された対象の選択文字列領域の上に表があるか無いか（存在するか存在しないか）を判定する。画像解析部４２３が対象の選択文字列領域の上に表があると判定した場合には、ステップＳ１１０６に進む。他方、画像解析部４２３が対象の選択文字列領域の上に表が無いと判定した場合、ステップＳ１１０８に進む。

ここで、座標系（ｘ、ｙ）にて、対象の選択文字列領域の上に「表」があるか無いかの判定手順について、表４に示される文字列領域情報を用いて説明する。領域の座標は、文書の左上を原点（０，０）としているので、数字が小さい方が上にあると判断する。例えば、「表」と、「見積書」、「Ｒ１２－３４５６」および「川崎株式会社」との関係について説明する。

「見積書」は、表４にて番号１に該当し、領域のＹ座標が２４であり、領域の高さが３０であることから、Ｙ座標にて２４～５４の位置座標に存在することになる。これに対し、「表」は、表４にて番号１０に該当し、領域のＹ座標が１９０であり、領域の高さが１２０であることから、Ｙ座標にて１９０～３１０の範囲に存在することになる。「見積書」と「表」の位置座標を比べると、「見積書」の位置座標が「表」の位置座標よりも小さいことから、番号１（見積書）の上には番号１０（表）が無いと判断される。

「Ｒ１２－３４５６」は、表４にて番号３に該当し、領域のＹ座標が９９であり、領域の高さが２２であることから、Ｙ座標にて９９～１２１の範囲に存在することになる。「Ｒ１２－３４５６」と「表」の位置座標を比べると、「Ｒ１２－３４５６」の位置座標が「表」の位置座標よりも小さいことから、番号１（見積書）と同様、番号３（Ｒ１２－３４５６）の上には番号１０（表）が無いと判断される。

「川崎株式会社」は、表４にて番号１３に該当し、領域のＹ座標が３５９であり、領域の高さが３０であることから、Ｙ座標にて３５９～３８９の範囲に存在することになる。「川崎株式会社」と「表」の位置座標を比べると、番号１３（川崎株式会社）の位置座標が番号１０（表）の位置座標よりも大きいことから、番号１３（川崎株式会社）の上には番号１０（表）があると判断される。画像解析部４２３は、選択文字列領域の上に表が有ると判断した場合には、ステップＳ１１０６へ進み、ステップＳ１１０６にて、表との距離を導出することになる。他方、画像解析部４２３は、選択文字列領域の上に表が無いと判断した場合には、ステップＳ１１０８へ進み、ステップＳ１１０８にてファイル名使用文字列領域を特定することになる。

ステップＳ１１０６では、画像解析部４２３は、対象の選択文字列領域と表との距離を導出する。例では、番号１０の表はＹ座標にて１９０～３１０の範囲に存在し、番号１３の選択文字列領域はＹ座標にて３５９～３８９の範囲に存在するので、番号１０の表と番号１３の選択文字列領域（川崎株式会社）の距離は、４９（＝３５９－３１０）となる。

ステップＳ１１０７では、ステップＳ１１０６で導出された距離、ステップＳ１１０４で特定された対象の選択文字列領域、スキャン画像データの表に基づき、スキャン画像データにてファイル名として使用する選択文字列領域が特定される。すなわち、ファイル名使用文字列領域が特定される。これにより、新たなスキャン画像データにて、新たなスキャン画像データに類似すると判定された過去のスキャン画像データにおける、表と、選択情報が付された文字列領域との位置座標の関係と似ているまたは同じ関係となる選択文字列領域が特定される。本実施形態では、表４の番号１３および番号１０の文字列領域間の距離、表４の番号１３の選択文字列領域の位置座標、表５の番号１０の文字列領域（表）に基づき、表５にて該当する文字列領域が特定される。表４の番号１３と同じＸ座標（２３６）、高さ方向の大きさ（３０）であり、表５の番号１０（表）の下端のＹ座標３４０（＝１９０＋１５０）から距離（４９）の位置（３８９）にある、表５の番号１３の文字列領域が該当することになる。仮に、上述の距離を使用せずに、類似の過去のスキャン画像データの表下方の選択文字列領域と同じ位置の文字列領域をスキャン画像データから抽出すると、表５の番号１２の文字列領域が該当することになりユーザが意図しない文字列が抽出されることになる。

ステップＳ１１０８では、画像解析部４２３は、対象の選択文字列領域に基づきスキャン画像データの文字列領域のうち該当する文字列領域をファイル名使用文字列領域に特定する。すなわち、画像解析部４２３は、ステップＳ１１０４で特定された選択文字列領域をＲＡＭ２１３の記憶領域に保持する。

ステップＳ１１０９では、画像解析部４２３は、全ての選択文字列領域を処理したか否かを判定する。未処理の選択文字列領域があり、画像解析部４２３が全ての選択文字列領域を処理していないと判定した場合には、ステップＳ１１０４に戻り、ステップＳ１１０４～Ｓ１１０８の処理が行われる。画像解析部４２３が全ての選択文字列領域を処理したと判定した場合には、ステップＳ１１１０に進む。

ステップＳ１１０９までの処理により、特定された対象の帳票情報、類似すると判定された過去のスキャン画像データに含まれる表、新たなスキャン画像データに含まれる表に基づいて、対象領域が検出される。対象領域は、新たなスキャン画像データから抽出された文字列領域のうち処理対象となる領域である。

ステップＳ１１１０では、画像解析部４２３は、前記対象領域である、ＲＡＭ２１３の記憶領域に保持された選択文字列領域に対しＯＣＲ処理を行って、ファイル名使用文字列領域の文字列を取得し、ファイル名を生成する。なお、ファイル名は、過去のスキャン画像データの選択情報と同じ順番でファイル名使用文字列領域の文字列を取得することで生成される。

ステップＳ１１１１では、画像解析部４２３は、ＲＡＭ２１３の記憶領域に保持されたファイル名選択リストがステップＳ１１１０で生成されたファイル名と重複するかを判定する。画像解析部４２３が重複すると判定した場合、ステップＳ１１１２に進み、ステップＳ１１１２にて、画像解析部４２３は、重複するファイル名をファイル名選択リストの先頭へ移動する。これに対し、画像解析部４２３が重複しないと判定した場合、ステップＳ１１１３へ進み、ステップＳ１１１３にて、画像解析部４２３は、ステップＳ１１１０で生成されたファイル名をＲＡＭ２１３の記憶領域に保持されたファイル名選択リストへ追加する。

本実施形態では、画像処理を行い抽出した文字列を画像データ格納先であるフォルダ名やファイル名に付加する情報として使用したが、それ以外の目的で使用することもできる。例えば、文字列に対応する電話番号を特定して画像データをその電話番号に対してファクス送信したり、メールアドレスを特定してメール送信したりすることもできる。

また、上記では、表と表下方の選択文字列領域の距離に基づきファイル名選択文字列領域を特定する手法について説明した。距離の代わりに表と表下方の選択文字列領域の間にある文字列領域の数量に基づきファイル名選択文字列領域を特定する手法とすることも可能である。

また、上記では、ファイル名選択文字列領域が座標系（ｘ、ｙ）で表の外側にある場合について説明した。ファイル名選択文字列領域が座標系（ｘ、ｙ）で表の中にある場合、座標位置ではなく、表の中の項目位置からファイル名選択文字列領域を特定する手法とすることも可能である。

ここで、ファイル名生成処理Ｓ５０８の詳細を示す図９のフローにおいて、実施１回目との差異について説明する。具体的には、「ファイル名リスト表示」ボタンの押下により表示されるファイル名選択リストから候補ファイル名をファイル名として選択する場合について説明する。帳票情報保持部４２７が、実施２回目で得られたスキャン画像データと類似する帳票情報を保持することを前提とする。

ステップＳ９１１では、押下されたボタンの種類によって処理の切り分けがなされる。［ファイル名リスト表示］ボタン８０２が押下されたことを検知した場合、ステップＳ９１２へ進む。ステップＳ９１２では、表示制御部４２６は、画像解析部４２３によって類似すると判定された帳票情報を元に作成された候補ファイル名をファイル名選択リストとして表示する。なお、帳票情報保持部が、スキャン画像データと類似する帳票情報を保持していない場合には、「ファイル名リスト表示」ボタン８０２を押下しても、ファイル名選択リストは表示されない。ファイル名選択リストの表示方法としては、例えば、プルダウンにより複数の候補ファイル名の選択肢を一覧表示する方法などが挙げられる。また、帳票情報保持部４２７に保持されるファイルのうち、スキャン画像データと最も類似する候補ファイル名をプルダウンで表示される複数の候補ファイル名の先頭に移動したり、さらに、強調表示したりすることが可能である。例えば、図１６に示すように、最も類似する対象の候補ファイル名を斜線で装飾表示する領域１６０２と、それ以外の候補ファイル名を無装飾表示する領域１６０３とを含むファイル名選択リスト１６０１をプルダウンで表示する手法が挙げられる。また、他の候補ファイル名と比べて対象の候補ファイル名のみを大きいフォントや太字や赤色で表示する手法が挙げられる。

ステップＳ９１３では、ファイル名選択リストから候補ファイル名がユーザにより選択されたかを判定する。候補ファイル名の選択が検知された場合、ステップＳ９１４へ進む。他方、候補ファイル名の選択が検知されなかった場合、本フローを終了する。

ステップＳ９１４では、タッチ操作された位置座標と重なっている候補ファイル名の文字列が取得される。そして、ステップＳ９１０に進み、ステップＳ９１０では、現時点で設定された文字列が、ファイル名入力欄８０１に表示（自動入力）される。

このように、過去のスキャン画像データのうち、類似するスキャン画像データのファイル名として選択された文字列領域情報を利用して、候補ファイル名を生成する。そのため、プレビュー画面にて、文字列を選択する手間を省くことができる。記載事項の位置が予め決められておらず同じ様式であっても記載欄が拡大可能でその大きさに応じて記載事項の位置が変わる様な文書であっても、このスキャン画像データに対してＯＣＲ処理を行う領域を適切に特定し、この情報を確実に取得することができる。これにより、類似するスキャン画像データに対して、同じ規則でファイル名を容易に設定できる。

［実施形態２］
次に、本発明の実施形態２について説明する。実施形態１では１つの表が記載された文書を処理する場合について説明したが、本実施形態では２つ以上の表が記載された文書を処理する場合について説明する。本実施形態と実施形態１との差は、表と文字列領域の距離を導出する処理（ステップＳ１１０６）、およびプレビュー画面である。ステップＳ１１０６の処理の詳細について、図１３および図１４に示されるフローチャートを用いて説明する。図１３および図１４に示されるフローチャートと図１１に示されるフローチャートとの差は、ステップＳ１３０１～Ｓ１３０６の処理が行われることである。また、プレビュー画面について、図１５に示されるプレビュー画面を用いて説明する。その他の構成について、実施形態１と同様であるものは説明を適宜省略する。なお、本実施形態では、帳票情報保持部４２７は、表６に示されるような文字列領域の情報を保存しているものとする。

表７は、図１５（ａ）に示される文書に対しスキャン処理を行いステップＳ７０３において、画像解析部４２３がステップＳ７０２で補正した画像データの内容を解析することにより得た文字列領域の一例を示している。番号１０で示される表は、図１５（ｂ）に示される表１４２５に対応し、番号１１で示される表は、図１５（ｂ）に示される表１４２４に対応する。

図１４は、図１３におけるステップＳ１３０１の距離導出処理の詳細を示すフローチャートである。以下、図１４のフローに沿って説明する。

ステップＳ１３０２において、画像解析部４２３は、対象の帳票情報から全ての表領域情報を取得する。表６に示される例では、番号１０と番号１１のそれぞれに該当する表領域情報を取得する。各表領域情報には、表領域のＸ座標およびＹ座標と、表領域の幅方向および高さ方向の大きさとが含まれる。番号１０に該当する表に関し、領域のＸ座標およびＹ座標が３７および１９０であり、幅方向および高さ方向の大きさが１１０および１２０である表領域情報を取得する。番号１１に該当する表に関し、領域のＸ座標およびＹ座標が１５７および１９０であり、幅方向および高さ方向の大きさが３６０および１２０である表領域情報を取得する。

ステップＳ１３０３において、画像解析部４２３は、対象の表領域を１つ特定する。表６に示される例では、番号１０または番号１１に該当する表を特定する。

ステップＳ１３０４において、画像解析部４２３は、ステップＳ１１０４で特定された対象の選択文字列領域と、ステップＳ１３０３で特定された対象の表領域との距離を導出する。ここで、ステップＳ１１０４において番号１４に該当する選択文字列領域を特定し、ステップＳ１３０３において番号１０に該当する表領域を特定した場合について説明する。番号１４の選択文字列領域はＹ座標にて３５９～３８９の範囲となり、番号１０の表領域はＹ座標にて１９０～３１０の範囲となる。よって、Ｙ軸方向の距離は、４９（＝３５９－３１０）となる。また、Ｘ座標に関し、番号１４の選択文字列領域では２３６となり、番号１０の表領域は３７となる、よって、Ｘ軸方向の距離は、１９９（＝２３６－３７となる。

ステップＳ１３０５において、画像解析部４２３は、対象の帳票情報にて全ての表領域を処理したか否かを判定する。未処理の表領域があり、画像解析部４２３が全ての表領域を処理していないと判定した場合には、ステップＳ１３０３に戻り、ステップＳ１３０３～Ｓ１３０５の処理が行われる。画像解析部４２３が全ての表領域を処理したと判定した場合には、ステップＳ１３０６に進む。

ステップＳ１３０６において、画像解析部４２３は、ステップＳ１３０４で導出した距離が最も短い表、すなわち選択文字列領域と最も近い表を距離導出対象の表に特定する。表６に示される例では、ステップＳ１３０４で導出された、番号１４の選択文字列領域と番号１０の表領域との距離と、ステップＳ１３０４で導出された、番号１４の選択文字列領域と番号１１の表領域との距離とが比較される。番号１４の選択文字列領域と番号１０の表との距離は、Ｘ軸方向にて１９９となり、Ｙ軸方向にて４９となる。これに対し、番号１４の選択文字列領域と番号１１の表との距離は、Ｘ軸方向にて７９となり、Ｙ軸方向にて４９となる。番号１０の表の場合と番号１１の表の場合とで距離を比較すると、Ｙ軸方向では両者は同じ距離となり、Ｘ軸方向では番号１０の表の場合と比べて番号１１の表の場合の方が短い距離となる。よって、番号１０の表ではなく、番号１１の表を距離導出対象の表に特定する。これにより、ステップＳ１３０６で特定された表は、ステップＳ１１０７にてファイル名使用文字列領域を特定する際に用いられる。

以上説明したように、表などの記載欄を複数含む場合でも、実施形態１と同様、記載欄の大きさに応じて記載事項の位置が変わる様な文書のスキャン画像データに対してＯＣＲ処理を行う領域を適切に特定し、この情報を確実に取得することができる。これにより、類似するスキャン画像データに対して、同じ規則でファイル名を容易に設定できる。

［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し、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。

１１０ ＭＦＰ
４２１ スキャン指示部
４２２ メタデータ生成部
４２３ 画像解析部
４２５ ファイル生成部
４２６ 表示制御部
４２７ 帳票情報保持部

Claims (14)

1. 表を含む文書をスキャンして得られたスキャン画像データに情報を設定するための装置であって、
   新たなスキャン画像データ内において文字列および表と推認される文字列領域および表領域それぞれに関する領域情報を抽出する抽出手段と、
   前記抽出手段により前記新たなスキャン画像データにおいて抽出された前記領域情報と、過去のスキャン画像データそれぞれにおいて抽出された領域情報とを比較することにより、前記新たなスキャン画像データにおいて抽出された前記領域情報に類似する領域情報が抽出された過去のスキャン画像データを判定する判定手段と、
   前記類似する領域情報が抽出されたと前記判定手段で判定された過去のスキャン画像データに対して情報を設定する際に用いた文字列領域と、前記類似する領域情報が抽出されたと前記判定手段で判定された過去のスキャン画像データにおいて抽出された表領域と、の間の距離に基づいて、前記新たなスキャン画像データから抽出された文字列領域のうち処理対象となる対象領域を検出する検出手段と、
   前記対象領域の文字認識処理を行う認識手段と、
   前記文字認識処理の結果得られた文字を用いて前記新たなスキャン画像データに情報を設定する設定手段と
   有することを特徴とする装置。
2. 前記検出手段は、前記新たなスキャン画像データと、前記類似する領域情報が抽出されたと判定された過去のスキャン画像データとにおいて、表領域の大きさおよび表領域の近傍に存在する文字列領域の位置が異なり、且つ、前記類似する領域情報が抽出されたと判定された過去のスキャン画像データに設定した情報が、当該類似する領域情報が抽出されたと判定された過去のスキャン画像データの表領域の近傍に存在する文字列領域の文字に基づいて設定されたものである場合に、前記新たなスキャン画像データの表領域の近傍に存在する文字列領域のうち、前記類似すると判定された過去のスキャン画像データにおける表領域と当該過去のスキャン画像データに対して設定された情報を得る際に用いた文字列領域との関係に対応する文字列領域を、前記対象領域として検出する
   ことを特徴とする請求項１に記載の装置。
3. 前記新たなスキャン画像データの表領域と文字列領域の位置座標を取得する取得手段を有し、
   前記検出手段は、前記取得された表領域と文字列領域の位置座標に基づき、前記新たなスキャン画像データの表領域の近傍に存在する文字列領域のうち、前記類似する領域情報が抽出されたと判定された過去のスキャン画像データにおける表領域と当該過去のスキャン画像データに対して設定された情報を得る際に用いた文字列領域との関係に対応する文字列領域を前記対象領域として検出する
   ことを特徴とする請求項２に記載の装置。
4. 前記検出手段は、前記取得された文字列領域の位置座標が、前記取得された表領域の位置座標よりも下方である場合に、前記新たなスキャン画像データの表領域の近傍に存在する文字列領域のうち、前記類似する領域情報が抽出されたと判定された過去のスキャン画像データにおける表領域と当該過去のスキャン画像データに対して設定された情報を得る際に用いた文字列領域との関係に対応する文字列領域を前記対象領域として検出する
   ことを特徴とする請求項３に記載の装置。
5. 前記検出手段は、前記新たなスキャン画像データの表領域の近傍に存在する文字列領域のうち、前記新たなスキャン画像データの表領域との距離が、前記類似する領域情報が抽出されたと判定された過去のスキャン画像データにおける表領域と当該過去のスキャン画像データに対して設定された情報を得る際に用いた文字列領域との距離と同じになる位置座標の文字列領域を前記対象領域として検出する
   ことを特徴とする請求項４に記載の装置。
6. 前記新たなスキャン画像データのスキャン画像とともに、前記対象領域を表示手段に表示する表示制御手段を有することを特徴とする請求項１から５の何れか一項に記載の装置。
7. 前記表示制御手段は、前記情報を表示手段に表示することを特徴とする請求項６に記載の装置。
8. 前記情報が複数ある場合、
   前記表示制御手段は、前記新たなスキャン画像データと最も類似すると判定された過去のスキャン画像データに対応して生成された前記情報を強調表示することを特徴とする請求項７に記載の装置。
9. 前記表示制御手段は、前記新たなスキャン画像データと最も類似すると判定された過去のスキャン画像データに対応して生成された前記情報を、前記複数の情報を一覧表示するリストの先頭へ移動して表示することを特徴とする請求項８に記載の装置。
10. 前記文書は、前記表領域を複数含み、
    前記検出手段は、前記複数の表領域のうち、当該表領域の近傍に存在する文字列領域と最も近い表領域に基づいて、前記対象領域を検出することを特徴とする請求項１から９の何れか一項に記載の装置。
11. 前記過去のスキャン画像データを保持する保持手段をさらに有することを特徴とする請求項１から１０の何れか一項に記載の装置。
12. 前記文書は帳票であり、
    前記情報は、前記スキャン画像データに付与されるファイル名であることを特徴とする請求項１から１１の何れか一項に記載の装置。
13. 表を含む文書をスキャンして得られたスキャン画像データに情報を設定するための方法であって、
    新たなスキャン画像データ内において文字列および表と推認される文字列領域および表領域それぞれに関する領域情報を抽出する抽出ステップと、
    前記抽出ステップにて前記新たなスキャン画像データにおいて抽出された前記領域情報と、過去のスキャン画像データそれぞれにおいて抽出された領域情報とを比較することにより、前記新たなスキャン画像データにおいて抽出された前記領域情報に類似する領域情報が抽出された過去のスキャン画像データを判定する判定ステップと、
    前記類似する領域情報が抽出されたと前記判定ステップで判定された過去のスキャン画像データに対して情報を設定する際に用いた文字列領域と、前記類似する領域情報が抽出されたと前記判定ステップで判定された過去のスキャン画像データにおいて抽出された表領域と、の間の距離に基づいて、前記新たなスキャン画像データから抽出された文字列領域のうち処理対象となる対象領域を検出するステップと、
    前記対象領域の文字認識処理を行うステップと、
    前記文字認識処理の結果得られた文字を用いて前記新たなスキャン画像データに情報を設定するステップと
    を有することを特徴とする方法。
14. コンピュータを、請求項１から１２の何れか一項に記載の装置の各手段として機能させるためのプログラム。

Images