JPH04291479A - 罫線認識方法及び表処理方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書や帳票の２値画像
における罫線の認識と表の処理に関する。

【０００２】

【従来の技術】一般に文字認識装置において文書あるい
は帳票を処理する場合、その画像を文字領域、イメージ
領域（写真、図等）、表領域に分割し、それぞれの領域
に別の処理を行なうことが多い。

【０００３】従来、表領域の処理に関しては、表領域の
２値画像より黒画素の連結する矩形を求め、一定以上の
長さの矩形を罫線として認識している。そして、認識し
た罫線で囲まれた領域を表の一つの枠として認識し、枠
内の画像を切り出し、この画像より文字を切り出し認識
している。このような処理方法の例は、本願出願人によ
る特願平１−３１４５１９号、特願平１−３１２８６８
号、特願平２−１３４８７６号及び特願平２−１３４８
７８号等の特許願に添付の明細書及び図面に述べられて
いる。

【０００４】

【発明が解決しようとする課題】従来の方法によれば、
一定以上の長さの矩形でないと罫線として認識されない
ため、点線のような実線でない罫線が一本でも表に含ま
れていると、表の枠の認識を正常に行なうことができず
、その結果、表内文字認識のエラーが起こるという問題
があった。しかし近年、非実線の罫線を含む表が頻繁に
用いられるため、その正常な処理に対する要求が高まっ
ている。

【０００５】したがって本発明の目的は、点線のような
非実線の罫線を含んだ表に対しても正確な処理を可能に
するための罫線認識方法及び表処理方法を提供すること
にある。

【０００６】

【課題を解決するための手段】請求項１の発明によれば
、２値画像において、主走査方向または副走査方向の各
ラインの黒ランと白ランを抽出し、それぞれのランの長
さについてのヒストグラムを求める。そして、このヒス
トグラムのピーク部分の値が一定値を越えるときは、そ
のピーク部分に対応した長さを持つ黒ラン及び白ランの
連続範囲を罫線候補として抽出し、罫線候補にライン間
で連結したものを統合する処理を施すことによって、主
走査方向または副走査方向の罫線を認識する。

【０００７】請求項２の発明によれば、前記ヒストグラ
ムに基づく方法によって罫線候補を抽出するとともに、
黒ランの長さの閾値処理によって一定長以上の長さの黒
ランも罫線候補として抽出し、罫線を認識する。

【０００８】請求項３の発明によれば、文書もしくは帳
票の表領域の２値画像において、請求項２記載の方法に
よって主走査方向及び副走査方向の罫線を認識し、罫線
の情報より表の枠領域を認識して、枠領域内の文字を切
り出し文字認識する。

【０００９】

【作用】点線もしくは破線、あるいは鎖線の罫線の場合
、ほぼ一定の長さの黒ランと白ランが連続するので、そ
れぞれの長さでランのヒストグラムはピークを示す。 また有効な一定長以上の罫線であれば、そのヒストグラ
ムのピーク値は一定値を越える。したがって、請求項１
の発明によれば、点線もしくは破線あるいは鎖線のよう
な非実線の罫線を正しく認識することができる。また、
黒ランの閾値処理による罫線認識を加えた請求項２の発
明によれば、非実線と実線の両方の罫線を認識すること
ができる。

【００１０】また、請求項３の発明によれば、実線の罫
線のみからなる表、非実線の罫線のみからなる表、実線
と非実線の罫線が混在した表のいずれについても、罫線
によって囲まれた枠領域の認識、枠領域の文字切り出し
と文字認識を正常に行なうことができる。

【００１１】

【実施例】図１は本発明の一実施例に係る処理装置のブ
ロック図、図２は処理のフローチャート、図３から図６
は罫線認識の説明のための図である。

【００１２】２値画像入力部１において、スキャナ等に
より文書画像の２値データを入力し２値イメージメモリ
２に格納する（処理ステップ１００）。表領域認識部３
において、２値イメージメモリ２内のイメージデータに
対して表領域を自動的に認識するか、あるいはマウス等
を用いて人手により領域指定をすることによって表領域
を認識し、表領域のイメージデータを切り出して表領域
イメージメモリ４に格納する（処理ステップ１０２）。

【００１３】次に、表領域イメージデータに対し、罫線
の候補を抽出するための処理（処理ステップ１０４〜処
理ステップ１１１）を、主走査方向及び副走査方向のそ
れぞれについて予め決められた固定ライン数（数ライン
）単位に実行する。この処理の詳細は次の通りである。

【００１４】ラン抽出部５において、表領域イメージデ
ータの注目する１ラインより黒ランと白ランを抽出し、
抽出したランの情報（例えば始点及び終点の座標、始点
の座標と長さ等）を黒ランメモリ６ｂと白ランメモリ６
ｗに格納する（処理ステップ１０４）。

【００１５】ヒストグラム計算部７において、黒ランメ
モリ６ｂ及び白ランメモリ６ｗより注目ラインのラン情
報を読み込み、黒ランと白ランにそれぞれについての長
さ（ランレングス）についてのヒストグラムの計算を行
ない、その結果をヒストグラムメモリ８に格納する（処
理ステップ１０６）。

【００１６】罫線候補抽出部９において、ヒストグラム
メモリ８内の黒ランと白ランのヒストグラムデータとラ
ンメモリ６ｂ，６ｗ内の情報を参照し、注目ライン上の
ランより罫線を構成する可能性のあるランを選び、選択
したランの連続範囲を罫線候補として抽出し、その情報
（例えば始点と終点の座標、始点と長さ等）を罫線候補
メモリ１０に格納する（処理ステップ１０８）。すなわ
ち、図３に示すような黒ランのヒストグラムと図４に示
すような白ランのヒストグラムが得られた場合、それぞ
れのピーク部分で一定値を越えたヒストグラム値を持つ
長さ（斜線部分）のランを選択し、その連続範囲を罫線
候補とする。

【００１７】このような罫線候補の抽出アルゴリズムの
根拠は、点線もしくは破線、あるいは鎖線の罫線では、
特定の長さの黒ランと白ランが連続し、それぞれの長さ
でランヒストグラムがピークを示し、また有効な一定長
以上の罫線であれば、そのピーク値が一定値を越えると
いうことである。したがって、図６に示した罫線Ａの場
合、連続した数ラインの各ライン上の黒ランと白ランの
連続した範囲Ｂが罫線候補としてそれぞれ抽出される。

【００１８】次にラン閾値処理部１１において、黒ラン
メモリ６ｂを参照し、注目ライン上の一定の閾値以上の
長さの黒ランを罫線候補として抽出し、その情報を罫線
候補メモリ１０に格納する（処理ステップ１１０）。こ
の処理で実線の罫線を構成する黒ランを抽出することが
できる。図５の例では、長さが閾値を越える黒ランＤは
実線の罫線候補として抽出されるが、短い黒ランＤは候
補とはならない。

【００１９】以上の罫線候補抽出の処理ループ（処理ス
テップ１０４〜１１０）が固定ライン数単位分について
終わると、この処理ループを処理ステップ１１１で抜け
出る。そして、罫線抽出部１２において、罫線候補メモ
リ１０内の情報を参照し、固定ライン数単位内の罫線候
補について、ライン間の連結性をチェックし、連結した
罫線候補を統合する処理を行ない、この処理後の統合さ
れた罫線候補または統合させないままの罫線候補を罫線
として認識し、その情報（罫線の矩形の対角頂点の座標
など）を罫線メモリ１３に格納する（処理ステップ１１
２）。図６の例では、連続する３ラインより抽出された
罫線候補は連結しているので、それを統合した矩形が一
本の罫線Ｂとして認識されることになる。

【００２０】以上説明した固定ライン数単位の罫線認識
処理ループ（処理ステップ１０４〜１１４）を主走査方
向及び副走査方向について繰り返し、これを表領域全体
について終了すると、このループを抜け出て表内の文字
認識のための処理に進む。

【００２１】まず枠認識部１４において、罫線メモリ１
３内の罫線情報を参照し、認識された罫線により囲まれ
た枠を認識し、各枠の座標（対角２頂点の座標など）を
枠座標メモリ１５に格納する（処理ステップ１１６）。 次に枠領域抽出部１６において、枠座標メモリ１５内の
情報を参照することにより、各枠領域のイメージデータ
を表領域イメージメモリ４内の表領域イメージデータよ
り切り出して枠イメージメモリ１７に格納する（処理ス
テップ１１８）。行切り出し部１８において、枠領域イ
メージメモリ１７内のデータより、例えば主走査方向の
射影を利用する方法によって行（文字列）のイメージデ
ータを切り出し、それを行イメージメモリ１９に格納す
る（処理ステップ１２０）。次に文字切り出し部２０に
おいて、この行イメージデータより、例えば副走査方向
の射影を利用する方法によって文字のイメージデータを
切り出して文字認識部２１に渡す（処理ステップ１２２
）。文字認識部２１においては、この文字イメージデー
タに対して、例えば特徴抽出と認識辞書とのマッチング
によって文字認識を行ない、その結果を出力する（処理
ステップ１２４，１２６）。

【００２２】

【発明の効果】以上説明した如く、本発明によれば、黒
ラン及び白ランを抽出して、その長さのヒストグラムを
計算し、このヒストグラムに基づいて選択した罫線を構
成する可能性の高いランの連続範囲を罫線候補として抽
出し、その連結したものを統合する処理を行なって罫線
を認識する方法によって、点線や破線あるいは鎖線のよ
うな非実線の罫線を認識することが可能であり、また黒
ランの長さの閾値処理によって一定長以上の黒線を罫線
候補として抽出し、その連結したものを統合して罫線と
して認識する方法を組み合わせることにより、実線の罫
線と非実線の罫線の両方を認識することが可能であり、
また、このような方法により非実線の罫線が用いられた
表についても、その枠領域を正常に抽出して文字認識を
行なうことが可能であり、処理可能な表の範囲が大幅に
拡張される。

【図面の簡単な説明】

【図１】本発明の一実施例に係る処理装置のブロック図
である。

【図２】処理の概略フローチャートである。

【図３】黒ランの長さのヒストグラムの一例を示すグラ
フである。

【図４】白ランの長さのヒストグラムの一例を示すグラ
フである。

【図５】閾値処理による罫線候補抽出の説明図である。

【図６】ヒストグラムによる罫線候補の抽出とその統合
による罫線認識の説明図である。

【符号の説明】

１　　　　２値画像入力部　　　　　　　　　　　　　
　　　２　　　　２値イメージメモリ ３　　　　表領域認識部　　　　　　　　　　　　　　
　　　　４　　　　表領域イメージメモリ ５　　　　ラン抽出部　　　　　　　　　　　　　　　
　　　　　６ｂ　　黒ランメモリ ６ｗ　　白ランメモリ　　　　　　　　　　　　　　　
　　　７　　　　ヒストグラム計算部 ８　　　　ヒストグラムメモリ　　　　　　　　　　　
　９　　　　罫線候補抽出部 １０　　　　罫線候補メモリ　　　　　　　　　　　　
　　１１　　　　ラン閾値処理部 １２　　　　罫線抽出部　　　　　　　　　　　　　　
　　　　１３　　　　罫線メモリ １４　　　　枠認識部　　　　　　　　　　　　　　　
　　　　　１５　　　　枠座標メモリ １６　　　　枠領域抽出部　　　　　　　　　　　　　
　　　１７　　　　枠イメージメモリ １８　　　　行切り出し部　　　　　　　　　　　　　
　　　１９　　　　行イメージメモリ ２０　　　　文字切り出し部　　　　　　　　　　　　
　　２１　　　　文字認識部

Claims (3)

【特許請求の範囲】
1. 【請求項１】　　２値画像において、主走査方向または
   副走査方向の各ラインの黒ランと白ランを抽出し、それ
   ぞれのランの長さについてのヒストグラムを求め、この
   ヒストグラムのピーク部分の値が一定値を越えるときは
   、そのピーク部分に対応した長さを持つ黒ラン及び白ラ
   ンの連続範囲を罫線候補として抽出し、この罫線候補に
   ライン間で連結したものを統合する処理を施すことを特
   徴とする罫線認識方法。
2. 【請求項２】　　抽出した黒ランの長さの閾値処理を行
   なって、一定長以上の長さの黒ランも罫線候補として抽
   出することを特徴とする請求項１記載の罫線認識方法。
3. 【請求項３】　　文書もしくは帳票の表領域の２値画像
   において、請求項２記載の罫線認識方法によって主走査
   方向及び副走査方向の罫線を認識し、罫線の情報より表
   の枠領域を認識して、枠領域内の文字を切り出し文字認
   識することを特徴とする表処理方法。