【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像特徴領域分割装置および画像特徴量計算装置に関し、特に、細かな線の位置や文字と文字との間のわずかな平坦領域等も正確に特徴量として表現することができる画像特徴領域分割装置および画像特徴量計算装置に関する。

【０００２】

【従来の技術】画像中より、領域を分割する処理は、画像処理の基本となる処理である。 この画像領域分割処理の一例が、特開平７−２９６１７１号に開示されている。 特開平７−２９６１７１号公報に開示されている領域分割の方法は、入力画像の特徴量をソーベルフィルタ等を用いて計算し、その特徴量を分析することにより行なわれている。

【０００３】

【発明が解決しようとする課題】しかし、エッジや線の度合いを示す特徴量の計算には最低２画素以上の情報が必要である。 このため、従来の方法では、広域的な情報しか得られず正確なエッジの位置を検出できない。 特に文字と文字との間等のエッジ間のわずかな平坦領域の特徴量は、周りのエッジによりエッジ領域の特徴量と区別のできない値になってしまっていた。

【０００４】本発明は上述の課題を解決するためになされたもので、その目的は、細かな線の位置や文字と文字との間のわずかな平坦領域等も正確に特徴量として表現することができる画像特徴領域分割装置および画像特徴量計算装置を提供することである。

【０００５】本発明の他の目的は、特徴量の分解能に優れ、細かく正確に目的の特徴領域を他の領域と分割することができる画像特徴領域分割装置を提供することである。

【０００６】

【課題を解決するための手段】本発明のある局面に従う画像特徴領域分割装置は、入力画像を拡大するための拡大処理手段と、拡大処理手段に接続され、拡大された画像の特徴量を演算し、特徴量データを作成するための特徴量演算処理手段と、特徴量演算処理手段に接続され、
特徴量データの各画素をしきい値処理することにより、
各画素を特徴領域と非特徴領域とに分類し、分類データを作成するための特徴量分類処理手段と、特徴量分類処理手段に接続され、分類データのうち、特徴領域の領域膨張を行なうための領域膨張処理手段と、領域膨張処理手段に接続され、分類データのうち、領域膨張された特徴領域の領域縮退を行なうための領域縮退処理手段と、
領域縮退処理手段に接続され、分類データのサイズを縮小するための縮小処理手段とを含む。

【０００７】入力画像を拡大した後に、特徴量データを作成し、その特徴量データに基づいて、特徴領域の抽出が行なわれる。 このように、特徴量データの分解能が優れているため、細かく正確に目的の特徴領域を他の領域と分割することができる。

【０００８】特に、入力画像を拡大した後にエッジや線の特徴量の計算をすることにより、細かな線の位置や文字間のわずかな平坦領域等も、より正確に抽出することができる。

【０００９】また、特徴領域の膨張および縮退を行なうことにより、ノイズ成分を除去することが可能となる。

【００１０】本発明の他の局面に従う画像特徴領域分割装置は、入力画像を拡大するための拡大処理手段と、拡大処理手段に接続され、拡大された画像の特徴量を演算し、特徴量データを作成するための特徴量演算処理手段と、特徴量演算処理手段に接続され、特徴量データのサイズを縮小するための縮小処理手段と、縮小処理手段に接続され、特徴量データの各画素をしきい値処理することにより、各画素を特徴領域と非特徴領域とに分類し、
分類データを作成するための特徴量分類処理手段と、特徴量分類処理手段に接続され、分類データのうち、前記特徴領域の領域膨張を行なう領域膨張処理手段と、領域膨張処理手段に接続され、分類データのうち、領域膨張された特徴領域の領域縮退を行なうための領域縮退処理手段とを含む。

【００１１】入力画像を拡大した後に、特徴量データを作成し、その特徴量データに基づいて、特徴領域の抽出が行なわれる。 このように、特徴量データの分解能が優れているため、細かく正確に目的の特徴領域を他の領域と分割することができる。

【００１２】特に、入力画像を拡大した後にエッジや線の特徴量の計算をすることにより、細かな線の位置や文字間のわずかな平坦領域等も、より正確に抽出することができる。

【００１３】さらに、特徴領域の抽出は、縮小後の特徴量データに基づいて行なわれる。 このため、特徴領域にかかる処理時間を短縮することができる。

【００１４】さらにまた、特徴領域の膨張および縮退を行なうことにより、ノイズ成分を除去することが可能となる。

【００１５】好ましくは、特徴量演算処理手段は、演算オペレータを用いて特徴量を演算する。

【００１６】さらに好ましくは、縮小処理手段は、拡大処理手段での拡大倍率の逆数に基づいて、縮小処理を行なう。

【００１７】拡大処理手段での拡大倍率の逆数に基づいて縮小処理を行なうことにより、入力画像と同じ大きさの分類データを得ることができる。

【００１８】本発明のさらに他の局面に従う画像特徴量計算装置は、入力画像を拡大するための拡大処理手段と、拡大処理手段に接続され、拡大された画像の特徴量を演算し、特徴量データを作成するための特徴量演算処理手段とを含む。

【００１９】入力画像を拡大した後に、特徴量データが作成される。 このため、特徴量データは、入力画像を拡大せずに特徴量データを作成した場合に比べ、より詳細な特徴量を有している。 このため、この特徴量データを用いることにより、細かな線の位置や文字間のわずかな平坦領域等も、より正確に特徴量データで表現することが可能となる。

【００２０】本発明のさらに他の局面に従う画像特徴量計算装置は、入力画像を拡大するための拡大処理手段と、拡大処理手段に接続され、拡大された画像の特徴量を演算し、特徴量データを作成するための特徴量演算処理手段と、特徴量演算処理手段に接続され、特徴量データのサイズを縮小するための縮小処理手段とを含む。

【００２１】入力画像を拡大した後に、特徴量データが作成される。 このため、特徴量データは、入力画像を拡大せずに特徴量データを作成した場合に比べ、より詳細な特徴量を有している。 このため、この特徴量データを用いることにより、細かな線の位置や文字間のわずかな平坦領域等も、より正確に特徴量データで表現することが可能となる。

【００２２】また、縮小処理手段で特徴量データが縮小される。 このため、特徴量データを受取る装置のメモリが少なくてすむ。

【００２３】好ましくは、特徴量演算処理手段は、演算オペレータを用いて特徴量を演算する。

【００２４】さらに好ましくは、縮小処理手段は、拡大処理手段での拡大倍率の逆数に基づいて、縮小処理を行なう。

【００２５】拡大処理手段での拡大倍率の逆数に基づいて縮小処理を行なうことにより、入力画像と同じ大きさの特徴量データを得ることができる。

【００２６】

【発明の実施の形態】［第１の実施の形態］以下、実施の形態を説明するために用いられる特徴量データとは、
たとえば、画像中よりエッジを検出するために用いられるソーベルフィルタの出力値などの任意の特徴を表す数値データと定義する。

【００２７】図１を参照して、本発明の第１の実施の形態に係る画像特徴領域分割装置１０２について説明する。

【００２８】画像特徴領域分割装置１０２は、画像入力装置１０１から入力画像データを受取り、領域分割データ出力装置１０３に領域分割データを出力する。

【００２９】画像特徴領域分割装置１０２は、画像入力装置１０１から入力された入力画像データを格納する入力画像データバッファ１０４と、入力画像データバッファ１０４に接続され、入力画像データバッファ１０４から入力画像データを読込み、特徴量を抽出し、特徴量データを出力する特徴量抽出処理部１０５と、特徴量抽出処理部１０５に接続され、特徴量抽出処理部１０５より出力された特徴量データを格納する特徴量データバッファ１０６と、特徴量データバッファ１０６に接続され、
特徴量データバッファ１０６から特徴量データを読込み、特徴量データに基づき領域抽出を行ない、領域分割データを領域分割データ出力装置１０３に出力する領域抽出処理部１０７とを含む。

【００３０】入力画像データバッファ１０４および特徴量データバッファ１０６は、フラッシュメモリ、ハードディスク等のＲＡＭ（ランダムアクセスメモリ）によって実現される。 特徴量抽出処理部１０５および領域抽出処理部１０７は、それぞれ独立した回路によって実現される。 特徴量抽出処理部１０５および領域抽出処理部１
０７は、コンピュータ等の演算処理回路によって実現される仮想回路であってもよい。

【００３１】図２を参照して、図１に示す特徴量抽出処理部１０５は、入力画像データバッファ１０４に接続され、入力画像データバッファ１０４からデータを読込み、入力画像を拡大し、拡大画像データを出力する拡大処理部２０１と、拡大処理部２０１に接続され、拡大処理部２０１から出力された拡大画像データを格納する拡大画像データバッファ２０２と、拡大画像データバッファ２０２に接続され、拡大画像データバッファ２０２から拡大画像を読込み、特徴量を演算し、特徴量データを出力する特徴量演算処理部２０３とを含む。

【００３２】拡大画像データバッファ２０２は、フラッシュメモリ、ハードディスク等のＲＡＭによって実現される。 拡大処理部２０１および特徴量演算処理部２０３
は、それぞれ独立した回路によって実現される。 拡大処理部２０１および特徴量演算処理部２０３は、コンピュータ等の演算処理回路によって実現される仮想回路であってもよい。

【００３３】図３を参照して、図１の領域抽出処理部１
０７は、特徴量データバッファ１０６に接続され、特徴量データバッファ１０６から特徴量データを読込み、特徴量データをしきい値処理し、特徴領域および非特徴領域からなる分類データを出力する特徴量分類処理部３０
１と、特徴量分類処理部３０１および領域削除処理部３
０４（後述）に接続され、特徴量分類処理部３０１または領域削除処理部３０４から出力される分類データを格納する分類データバッファ３０２と、分類データバッファ３０２、領域膨張処理部３０６（後述）およびデータ縮小処理部３０５（後述）に接続され、分類データバッファ３０２から分類データを読込み、領域膨張処理部３
０６またはデータ縮小処理部３０５のいずれか一方に出力する分類データ決定判定処理部３０３と、分類データ決定判定処理部３０３に接続され、分類データ決定判定処理部３０３から分類データを受取り、特徴領域を所定のピクセルだけ膨張させ、領域膨張データを出力する領域膨張処理部３０６とを含む。

【００３４】領域抽出処理部１０７は、さらに、領域膨張処理部３０６に接続され、領域膨張処理部３０６から出力された領域膨張データを格納する領域膨張データバッファ３０７と、領域膨張データバッファ３０７から領域膨張データを読込み、特徴領域を所定のピクセルだけ縮退させ、領域縮退データを出力する領域縮退処理部３
０８と、領域縮退処理部３０８に接続され、領域縮退処理部３０８から出力される領域縮退データを格納する領域縮退データバッファ３０９と、領域縮退データバッファ３０９および分類データバッファ３０２に接続され、
領域縮退データバッファ３０９から領域縮退データを読込み、領域縮退データに基づいて、小さな面積の領域を削除した後、領域縮退データを分類データとして、分類データバッファ３０２に格納する領域削除処理部３０４
と、分類データ決定判定処理部３０３に接続され、分類データ決定判定処理部３０３から分類データを受取り、
分類データを縮小した後、分類データを領域分割データとして出力するデータ縮小処理部３０５とを含む。

【００３５】分類データバッファ３０２、領域膨張データバッファ３０７および領域縮退データバッファ３０９
は、フラッシュメモリ、ハードディスク等のＲＡＭによって実現される。

【００３６】特徴量分類処理部３０１、分類データ決定判定処理部３０３、領域膨張処理部３０６、領域縮退処理部３０８、領域削除処理部３０４およびデータ縮小処理部３０５は、それぞれ独立した回路によって実現される。 特徴量分類処理部３０１、分類データ決定判定処理部３０３、領域膨張処理部３０６、領域縮退処理部３０
８、領域削除処理部３０４およびデータ縮小処理部３０
５は、コンピュータ等の演算処理回路によって実現される仮想回路であってもよい。

【００３７】図４を参照して、第１の実施の形態に係る画像特徴領域分割装置１０２の処理について説明する。
ここでは図５に示すような画像の文字領域を抽出する場合を具体例に用いる。

【００３８】画像入力装置１０１は、入力画像を入力画像データバッファ１０４に格納する（ステップＳ４０
２；以下「ステップ」を省略する）。

【００３９】拡大処理部２０１は、入力画像を０次ホールド法を用いて拡大倍率３倍で拡大する（Ｓ４０３）。
０次ホールド法は周知の技術である。 このため、その詳細な説明はここでは繰返さない。 拡大倍率は１以上であればどのような倍率でもよい。 ここでは拡大手法として、０次ホールド法を用いたが、どのような拡大手法を用いてもかまわない。

【００４０】拡大処理部２０１は、拡大画像データを拡大画像データバッファ２０２に格納する（Ｓ４０４）。

【００４１】特徴量演算処理部２０３は、拡大画像データから、線画、エッジ、スクリーントーン等の特徴量の演算を行なう（Ｓ４０５）。

【００４２】ここでは、各ピクセルごとに、当該ピクセルおよびその８近傍のピクセルに対して、図６（ａ）〜
（ｄ）に示す４つの演算オペレータをそれぞれ用いて４
つの特徴量を計算し、その最大値に２５５／２２９６を掛けたものをそのピクセルの特徴量とする。 ここでは、
図７に示すような特徴量データが作成される。

【００４３】なお、演算オペレータでの計算値に２５５
／２２９６を掛けたのは特徴量を０〜２５５の値域に収めるためであるが、値域は任意の範囲でかまわない。 特徴量の計算はソーベルフィルタ等のいかなる方法を用いてもかまわない。

【００４４】特徴量演算処理部２０３は、特徴量データを特徴量データバッファ１０６に格納する（Ｓ４０
６）。

【００４５】特徴量分類処理部３０１は、特徴量データの値を用いて、特徴量データを特徴領域と非特徴領域とに分類する（Ｓ４０７）。 ここではしきい値１００を用い特徴量が１００以上の領域を特徴領域とし、特徴量が１００未満の領域を非特徴領域とする。 その結果、図８
に示すような分類データが作成される。

【００４６】特徴量分類処理部３０１は、分類データを分類データバッファ３０２に格納する（Ｓ４０８）。

【００４７】分類データ決定判定処理部３０３は、分類データバッファ３０２への分類データの書込回数が３回に達したか否かを判断する（Ｓ４０９）。

【００４８】分類データの書込回数が３回に達していれば（Ｓ４０９でＹＥＳ）、分類データ決定判定処理部３
０３は、分類データバッファ３０２の分類データが決定したとみなし、データ縮小処理部３０５に分類データを渡し、Ｓ４１５の処理を実行する。 分類データの書込回数が３回未満であれば（Ｓ４０９でＮＯ）、分類データバッファ３０２の分類データを領域膨張処理部３０６に渡し、Ｓ４１０以降の処理を実行する。

【００４９】なお、分類データ決定判定処理部３０３の動作切り替え基準は分類データバッファ３０２への書込回数が３回である必要はなく、自由に設定可能である。

【００５０】今、分類データバッファ３０２への分類データの書込回数は１回である。 このため、領域膨張処理部３０６は、分類データ決定判定処理部３０４から分類データを受取り、特徴領域を２ピクセルだけ膨張させ、
図９に示すような領域膨張データを作成する（Ｓ４１
０）。 ここで２ピクセル膨張させたのは細切れになった特徴領域を統合させるためである。

【００５１】領域膨張処理部３０６は、領域膨張データを領域膨張データバッファ３０７に格納する（Ｓ４１
１）。

【００５２】領域縮退処理部３０８は、領域膨張データバッファ３０７から領域膨張データを読込んで、特徴領域を０ピクセルだけ縮退させた領域縮退データを作成する（Ｓ４１２）。 すなわちこの例では実質的には領域縮退処理は行なわれない。

【００５３】領域縮退処理部３０８は、領域縮退データを領域縮退データバッファ３０９に格納する（Ｓ４１
３）。

【００５４】領域削除処理部３０４は、特徴領域の各小片内のピクセル数を４連結でカウントし、ピクセル数が１８００ピクセル以上の小片を特徴領域から外した図１
０に示すような分類データを作成する（Ｓ４１４）。 作成された分類データは、分類データバッファ３０２に書込まれる（Ｓ４０８）。

【００５５】文字は人間がオブジェクトとして捕らえるため、一文字ずつ間隔があいているのが普通である。 この処理（Ｓ４１４）は、特徴領域の文字の大きさとして不自然な大きさのピクセルからできている小片は文字ではないと判定するものである。

【００５６】次に、Ｓ４０９の判断が行なわれる際には、分類データバッファ３０２への分類データの書込回数は２回である。 このため、再び、Ｓ４１０以降の処理が実行される。

【００５７】領域膨張処理部３０６は、分類データ決定判定処理部３０３から図１０に示すような分類データを受取り、特徴領域を３０ピクセルだけ膨張させた領域膨張データを作成し、領域膨張データバッファ３０７に書込む（Ｓ４１０、Ｓ４１１）。

【００５８】領域縮退処理部３０８は、領域膨張データバッファ３０７から領域膨張データを読込み、特徴領域を３０ピクセルだけ縮退させ、図１１に示すような領域縮退データを作成する（Ｓ４１２）。 この２回目の膨張・縮退により文字列はある程度の大きさの小片になる。
繰り返し回数による膨張ピクセル数、縮退ピクセル数は自由に設定できる。

【００５９】領域縮退処理部３０８は、領域縮退データを領域縮退データバッファ３０９に格納する（Ｓ４１
３）。

【００６０】領域削除処理部３０４は、特徴領域の各小片内のピクセル数４連結でカウントしピクセル数が９０
０ピクセル以下の小片を特徴領域から外し、図１２に示すような分類データを作成する（Ｓ４１４）。 作成された分類データは、分類データバッファ３０２に書込まれる（Ｓ４０８）。

【００６１】削除する小片の条件は繰り返し回数によって自由に設定できる。 小片のピクセル数のカウントは８
連結でカウントしてもよい。

【００６２】ここで、分類データバッファ３０２への分類データの書込回数が３回に達しているので（Ｓ４０９
でＹＥＳ）、分類データ決定判定処理部３０３は、データ縮小処理部３０５に分類データを渡す。

【００６３】データ縮小処理部３０５は、分類データを１／３に縮小して図１３に示すような領域分割データを領域分割データ出力装置１０３に出力する。 縮小処理は拡大処理での拡大倍率の逆数に従い行なわれる（Ｓ４１
５）。

【００６４】また、縮小処理は３×３の画素データを１
画素データに変換するもので、３×３の画素データ内に特徴領域に指定されているものがあれば変換後の１画素データを特徴領域に指定し、他は非特徴領域とする。 なお、この縮小処理は任意の方式でもかまわない。

【００６５】以上説明したように、本実施の形態によると、入力画像を拡大した後に、特徴量を求め、特徴量に基づいて、特徴領域の抽出が行なわれる。 このように、
特徴量の分解能が優れているため、細かく正確に目的の特徴領域を他の領域と分割することができる。

【００６６】また、領域の膨張、縮退を段階的に行なっている。 このため、目的の特徴領域の決定条件を絞り込むことができる。

【００６７】［第２の実施の形態］図１４を参照して、
本発明の第２の実施の形態に係る画像特徴領域分割装置１１０は、図１を参照して説明した第１の実施の形態に係る画像特徴領域分割装置１０２の構成において、特徴量抽出処理部１０５の代わりに特徴量抽出処理部１０８
を用い、領域抽出処理部１０７の代わりに領域抽出処理部１０９を用いたものである。 その他の構成部品は第１
の実施の形態と同様である。 このため、その詳細な説明はここでは繰返さない。

【００６８】特徴量抽出処理部１０８は入力画像データバッファ１０４から入力画像データを読込み、特徴量を抽出し、特徴量データを出力する。 領域抽出処理部１０
９は特徴量データバッファ１０６から特徴量データを読込み、特徴量データに基づいて領域を抽出し、領域分割データを領域分割データ出力装置１０３に出力する。

【００６９】特徴量抽出処理部１０８および領域抽出処理部１０９は、それぞれ独立した回路によって実現される。 特徴量抽出処理部１０８および領域抽出処理部１０
９は、コンピュータ等の演算処理回路によって実現される仮想回路であってもよい。

【００７０】図１５を参照して、特徴量抽出処理部１０
８は、入力画像データバッファ１０４に接続された拡大処理部２０１と、拡大処理部２０１に接続された拡大画像データバッファ２０２と、拡大画像データバッファ２
０２に接続された特徴量演算処理部２０３と、特徴量演算処理部２０３に接続され、特徴量データを縮小して、
縮小後の特徴量データを特徴量データバッファ１０６に出力する縮小処理部６０４とを含む。

【００７１】拡大処理部２０１、拡大画像データバッファ２０２および特徴量演算処理部２０３は、図２を参照して説明したものと同様である。 このため、その詳細な説明はここでは繰返さない。

【００７２】縮小処理部６０４は、独立した回路によって実現される。 縮小処理部６０４は、コンピュータ等の演算処理回路によって実現される仮想回路であってもよい。

【００７３】図１６を参照して、図１４の領域抽出処理部１０９は、図３を参照して説明した領域抽出処理部１
０７の構成において、データ縮小処理部３０５を除いたものである。 このため、各構成部品の説明はここでは繰返さない。 分類データ決定判定処理部３０３の出力は、
データ縮小処理部３０５に接続される代わりに領域分割データ出力装置１０３に接続される。

【００７４】図１７を参照して、第２の実施の形態に係る画像特徴領域分割装置１１０の処理について説明する。 ここでは図５に示すような画像の文字領域を抽出する場合を具体例に用いる。

【００７５】Ｓ８０２〜Ｓ８０５までの処理は、図４のＳ４０２〜Ｓ４０５までの処理とそれぞれ同じである。
このため、その詳細な説明はここでは繰返さない。

【００７６】縮小処理部６０４は、特徴量データを１／
３に縮小する（Ｓ８０６）。 縮小方法は、縮小後１画素となる元の９画素のうち最大の画素値の値を縮小後の画素値に用いる。 この縮小方法は縮小後に細切れの特徴領域ができるのを防ぐ効果があるが、平均値操作法等の他の縮小方法でもかまわない。 なお、縮小処理は拡大処理の拡大倍率の逆数に従い行なわれる。 縮小された特徴量データは、特徴量データバッファ１０６に格納される（Ｓ８０７）。

【００７７】特徴量分類処理部３０１は、特徴量データの値を用いて、特徴量データを特徴領域と非特徴領域とに分類する（Ｓ８０８）。 ここではしきい値１００を用い特徴量が１００以上の領域を特徴領域とし、特徴量が１００未満の領域を非特徴領域とする。 その結果、図１
８に示すような分類データが作成される。

【００７８】特徴量分類処理部３０１は、分類データを分類データバッファ３０２に格納する。

【００７９】分類データ決定判定処理部３０３は、分類データバッファ３０２への分類データの書込回数が３回に達したか否かを判断する（Ｓ８１０）。

【００８０】分類データの書込回数が３回に達していれば（Ｓ８１０でＹＥＳ）、分類データ決定判定処理部３
０３は、分類データバッファ３０２の分類データが決定したとみなし、領域分割データ出力装置１０３に分類データを出力し、処理を終了する。 分類データの書込回数が３回未満であれば（Ｓ８１０でＮＯ）、分類データバッファ３０２の分類データを領域膨張処理部３０６に渡し、Ｓ８１１以降の処理を実行する。

【００８１】なお、分類データ決定判定処理部３０３の動作切り替え基準は分類データバッファ３０２への書込回数が３回である必要はなく、自由に設定可能である。

【００８２】今、分類データバッファ３０２への分類データの書込回数は１回である。 このため、領域膨張処理部３０６は、分類データ決定判定処理部３０３から分類データを受取り、特徴領域を０ピクセルだけ膨張させ、
領域膨張データを作成する（Ｓ８１２）。 すなわちこの例では実質的にはここで領域膨張処理を行なわない。

【００８３】領域膨張処理部３０６は、領域膨張データを領域膨張データバッファ３０７に格納する（Ｓ８１
２）。

【００８４】領域縮退処理部３０８は、領域膨張データバッファ３０７から領域膨張データを読込んで、特徴領域を０ピクセルだけ縮退させた領域縮退データを作成する（Ｓ８１３）。 すなわちこの例では実質的には領域縮退処理は行なわれない。

【００８５】領域縮退処理部３０８は、領域縮退データを領域縮退データバッファ３０９に格納する（Ｓ８１
４）。

【００８６】領域削除処理部３０４は、特徴領域の小片のピクセル数を４連結でカウントし、ピクセル数が２０
０ピクセル以上の小片を特徴領域から外した図１９に示すような分類データを作成する（Ｓ８１５）。

【００８７】作成された分類データは、分類データバッファ３０２に書込まれる（Ｓ８０９）。

【００８８】文字は人間がオブジェクトとして捕らえるため、一文字ずつ間隔があいているのが普通である。 この処理（Ｓ８１５）は、特徴領域の文字の大きさとして不自然な大きさのピクセルからできている小片は文字ではないと判定するものである。

【００８９】次に、Ｓ８１０の判断が行なわれる際には、分類データバッファ３０２への分類データの書込回数は２回である。 このため、再び、Ｓ８１１以降の処理が実行される。

【００９０】領域膨張処理部３０６は、分類データ決定判定処理部３０３から分類データを受取り、特徴領域を１０ピクセルだけ膨張させた領域膨張データを作成し、
領域膨張データに書込む（Ｓ８１１、Ｓ８１２）。

【００９１】領域縮退処理部３０８は、領域膨張データバッファ３０７から領域膨張データを読込み、特徴領域を１０ピクセルだけ縮退させ、図２０に示すような領域縮退データを作成する（Ｓ８１３）。 この２回目の膨張・縮退により文字列はある程度の大きさの小片になる。

【００９２】領域縮退処理部３０８は、領域縮退データを領域縮退データバッファ３０９に格納する（Ｓ８１
４）。

【００９３】領域削除処理部３０４は、特徴領域の小片のピクセル数４連結でカウントしピクセル数が１００ピクセル以下の小片を特徴領域から外し、図２１に示すようなデータを分類データとして作成する（Ｓ８１５）。
作成された分類データは、分類データバッファ３０２に書込まれる（Ｓ８０９）。

【００９４】削除する小片の条件は繰り返し回数によって自由に設定できる。 小片のピクセル数のカウントは８
連結でカウントしてもよい。

【００９５】ここで、分類データバッファ３０２への分類データの書込回数が３回に達しているので（Ｓ８１０
でＹＥＳ）、分類データが領域分割データとして領域分割データ出力装置１０３に出力される。

【００９６】以上説明したように、本実施の形態によると、入力画像を拡大した後に、特徴量を求め、特徴量に基づいて、特徴領域の抽出が行なわれる。 このように、
特徴量の分解能が優れているため、細かく正確に目的の特徴領域を他の領域と分割することができる。

【００９７】また、領域の膨張、縮退を段階的に行なっている。 このため、目的の特徴領域の決定条件を絞り込むことができる。

【００９８】さらに、特徴領域の抽出は、入力画像と同じサイズの特徴量データに基づいて行なわれる。 このため、第１の実施の形態に比べ、領域抽出処理部の実行処理が少なく、高速処理が可能である。 また、分類データを記憶するためのバッファの容量も少なくてすむ。

【００９９】［第３の実施の形態］図２２を参照して、
本発明の第３の実施の形態に係る画像特徴量計算装置９
０２について説明する。

【０１００】画像特徴量計算装置９０２は、画像入力装置１０１から入力画像を受取り、特徴量データ出力装置９０３に特徴量データを出力する。

【０１０１】画像特徴量計算装置９０２は、画像入力装置１０１に接続され、画像入力装置１０１から入力された画像データを格納する入力画像データバッファ１０４
と、入力画像データバッファ１０４に接続され、入力画像データバッファ１０４からデータを読込み、拡大画像データを出力する拡大処理部２０１と、拡大処理部２０
１に接続され、拡大処理部２０１から出力された拡大画像データを格納する拡大画像データバッファ２０２と、
拡大画像データバッファ２０２に接続され、拡大画像データバッファ２０２から拡大画像を読込み、特徴量データを特徴量データ出力装置９０３に出力する特徴量演算処理部２０３とを含む。

【０１０２】入力画像データバッファ１０４および拡大画像データバッファ２０２は、フラッシュメモリ、ハードディスク等のＲＡＭによって実現される。 拡大処理部２０１および特徴量演算処理部２０３は、それぞれ独立した回路によって実現される。 拡大処理部２０１および特徴量演算処理部２０３は、コンピュータ等の演算処理回路によって実現される仮想回路であってもよい。

【０１０３】図２３を参照して、第３の実施の形態に係る画像特徴量計算装置９０２の処理について説明する。

【０１０４】画像入力装置１０１から入力画像が入力画像データバッファ１０４に格納される（Ｓ１００２）。

【０１０５】拡大処理部２０１は、入力画像を０次ホールド法を用いて拡大倍率３倍で拡大する（Ｓ１００
３）。 拡大倍率は１以上であればどのような倍率でもよい。 ここでは拡大手法として、０次ホールド法を用いたが、どのような拡大手法を用いてもかまわない。

【０１０６】拡大処理部２０１は、拡大画像データを拡大画像データバッファ２０２に格納する（Ｓ１００
４）。

【０１０７】特徴量演算処理部２０３は、拡大画像データから、線画、エッジ、スクリーントーン等の特徴量の演算を行なう（Ｓ１００５）。

【０１０８】ここでは、各ピクセルごとに、当該ピクセルおよびその８近傍のピクセルに対して、図６（ａ）〜
（ｄ）に示す４つの演算オペレータをそれぞれ用いて特徴量を計算し、その最大値をそのピクセルの特徴量とする。

【０１０９】特徴量の計算はソーベルフィルタ等のいかなる方法を用いても良い。 特徴量演算処理部２０３は、
特徴量データを特徴量データ出力装置９０３に出力する（Ｓ１００６）。

【０１１０】以上説明したように、本実施の形態によると、入力画像を拡大処理した後に、特徴量が演算される。 このため、この特徴量を用いることにより、複雑な画像中のオブジェクトを抽出することができる。 また、
抽出されたオブジェクトの位置も正確である。

【０１１１】また、画像特徴量計算装置は高い解像度のデータを出力するため、出力結果から細かい特徴量の分析が可能である。

【０１１２】［第４の実施の形態］図２４を参照して、
本発明の第４の実施の形態に係る画像特徴量計算装置１
１０２について説明する。

【０１１３】画像特徴量計算装置１１０２は、画像入力装置１０１から入力画像を受取り、特徴量データ出力装置９０３に特徴量データを出力する。

【０１１４】画像特徴量計算装置１１０２は、第３の実施の形態に係る画像特徴量計算装置９０２のハードウェア構成に、縮小処理部６０４を加えたものである。 縮小処理部６０４は、図１５を参照して説明したものと同様である。 縮小処理部６０４は特徴量演算処理部２０３から出力された特徴量データを縮小した特徴量データを特徴量データ出力装置９０３に出力する。 それ以外の構成部品は、第３の実施の形態と同様である。 このため、その詳細な説明はここでは繰返さない図２５を参照して、
第４の実施の形態に係る画像特徴量計算装置１１０２の処理について説明する。

【０１１５】Ｓ１２０２〜Ｓ１２０５の処理は、図２３
を参照して説明したＳ１００２〜Ｓ１００５の処理とそれぞれ同様である。 このため、その詳細な説明はここでは繰返さない。

【０１１６】縮小処理部６０４において、平均値操作法を用いて特徴量データを１／３に縮小して特徴量データ出力装置９０３に出力する（Ｓ１２０６）。 平均値操作法は、周知の技術である。 このため、その詳細な説明はここでは繰返さない。 縮小処理は拡大処理での拡大倍率の逆数に従い行なわれる。 なお、縮小処理方法は平均値操作法以外の方法でもかまわない。 ここで縮小処理を行なうのは特徴量データのサイズを小さくするためである。

【０１１７】以上説明したように、本実施の形態によると、入力画像を拡大処理した後に、特徴量が演算される。 このため、この特徴量を用いることにより、複雑な画像中のオブジェクトを抽出することができる。 また、
抽出されたオブジェクトの位置も正確である。

【０１１８】また、画像特徴量計算装置より出力される特徴量データの解像度は、入力画像の解像度と同じである。 このため、特徴量データを受取る特徴量データ出力装置のメモリが少なくてすむ。

【０１１９】今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。 本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【０１２０】

【発明の効果】特徴量の分解能に優れ、細かく正確に目的の特徴領域を他の領域と分割することができる。

【０１２１】また、特徴領域の膨張、縮退を段階的に行なうことにより、目的とする特徴領域の決定条件を絞り込むことができる。

【０１２２】さらに、入力画像を拡大処理した後に、特徴量が演算される。 このため、この特徴量を用いることにより、複雑な画像中のオブジェクトを抽出することができる。 また、抽出されたオブジェクトの位置も正確である。

【図面の簡単な説明】

【図１】 第１の実施の形態に係る画像特徴領域分割装置のハードウェア構成を示すブロック図である。

【図２】 第１の実施の形態に係る画像特徴領域分割装置の特徴量抽出処理部のハードウェア構成を示すブロック図である。

【図３】 第１の実施の形態に係る画像特徴領域分割装置の領域抽出処理部のハードウェア構成を示すブロック図である。

【図４】 第１の実施の形態に係る画像特徴領域分割装置の処理のフローチャートである。

【図５】 第１および第２の実施の形態の入力画像を示す図である。

【図６】 第１および第２の実施の形態の画像特徴領域分割装置、ならびに第３および第４の実施の形態の画像特徴量計算装置で用いられる演算オペレータを示す図である。

【図７】 第１および第２の実施の形態の特徴量データを示す図である。

【図８】 第１の実施の形態の分類データを示す図である。

【図９】 第１の実施の形態の領域膨張データを示す図である。

【図１０】 第１の実施の形態の分類データを示す図である。

【図１１】 第１の実施の形態の領域縮退データを示す図である。

【図１２】 第１の実施の形態の分類データを示す図である。

【図１３】 第１の実施の形態の領域分割データを示す図である。

【図１４】 第２の実施の形態に係る画像特徴領域分割装置のハードウェア構成を示すブロック図である。

【図１５】 第２の実施の形態に係る画像特徴領域分割装置の特徴量抽出処理部のハードウェア構成を示すブロック図である。

【図１６】 第２の実施の形態に係る画像特徴領域分割装置の領域抽出処理部のハードウェア構成を示すブロック図である。

【図１７】 第２の実施の形態に係る画像特徴領域分割装置の処理のフローチャートである。

【図１８】 第２の実施の形態の分類データを示す図である。

【図１９】 第２の実施の形態の分類データを示す図である。

【図２０】 第２の実施の形態の領域縮退データを示す図である。

【図２１】 第２の実施の形態の分類データを示す図である。

【図２２】 第３の実施の形態に係る画像特徴量計算処理装置のハードウェア構成を示すブロック図である。

【図２３】 第３の実施の形態に係る画像特徴量計算処理装置の処理のフローチャートである。

【図２４】 第４の実施の形態に係る画像特徴量計算処理装置のハードウェア構成を示すブロック図である。

【図２５】 第４の実施の形態に係る画像特徴量計算処理装置の処理のフローチャートである。

【符号の説明】

１０１ 画像入力装置、１１０，１０２ 画像特徴領域分割装置、１０３ 領域分割データ出力装置、１０４
入力画像データバッファ、１０５，１０８ 特徴量抽出処理部、１０６ 特徴量データバッファ、１０７，１０
９ 領域抽出処理部、２０１ 拡大処理部、２０２ 拡大画像データバッファ、２０３ 特徴量演算処理部、３
０１ 特徴量分類処理部、３０２ 分類データバッファ、３０３分類データ決定判定処理部、３０４ 領域削除処理部、３０５ データ縮小処理部、３０６ 領域膨張処理部、３０７ 領域膨張データバッファ、３０８
領域縮退処理部、３０９ 領域縮退データバッファ、６
０４ 縮小処理部、９０２，１１０２ 画像特徴量計算装置、９０３ 特徴量データ出力装置。

フロントページの続き (72)発明者 岩崎 圭介 大阪府大阪市阿倍野区長池町22番22号 シ ャープ株式会社内 Ｆターム(参考） 5B029 BB02 CC29 EE16 EE17 EE18 5L096 BA17 EA02 FA01 FA03 FA06 JA11