JP2960468B2 - 濃淡画像の2値化方法及び装置 - Google Patents
濃淡画像の2値化方法及び装置Info
- Publication number
- JP2960468B2 JP2960468B2 JP2067114A JP6711490A JP2960468B2 JP 2960468 B2 JP2960468 B2 JP 2960468B2 JP 2067114 A JP2067114 A JP 2067114A JP 6711490 A JP6711490 A JP 6711490A JP 2960468 B2 JP2960468 B2 JP 2960468B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- brightness
- threshold
- gray
- difference
- 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 - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Character Input (AREA)
- Image Input (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、濃淡画像処理に係り、特に複雑な背景や明
るさむらなどを有する画像に対しても適用可能な濃淡画
像の処理方法及び装置に関する。
るさむらなどを有する画像に対しても適用可能な濃淡画
像の処理方法及び装置に関する。
画像処理装置を用いて文字などを認識する場合、一般
には、テレビカメラなどで撮影した画像データをあるし
きい値レベルで‘0'と‘1'の2値データに圧縮して処理
することが多い。たとえば、文字を‘1'、背景を‘0'の
レベルに2値化し、その‘1'のデータについて認識処理
を行う。
には、テレビカメラなどで撮影した画像データをあるし
きい値レベルで‘0'と‘1'の2値データに圧縮して処理
することが多い。たとえば、文字を‘1'、背景を‘0'の
レベルに2値化し、その‘1'のデータについて認識処理
を行う。
ところで、白紙に黒く書かれた文字を認識する場合の
ように、かなり鮮明な画像を対象とするときは、上述の
しきい値レベルは予め簡単に決定することが可能(たと
えば、平均濃度をしきい値とする)である。しかし、更
に難しいアプリケーシヨンに対応するためには、上述の
ように単純な2値化処理では良好な結果が得られないこ
とが多い。このアプリケーシヨンの例を示すと、次のよ
うなものが揚げられる。
ように、かなり鮮明な画像を対象とするときは、上述の
しきい値レベルは予め簡単に決定することが可能(たと
えば、平均濃度をしきい値とする)である。しかし、更
に難しいアプリケーシヨンに対応するためには、上述の
ように単純な2値化処理では良好な結果が得られないこ
とが多い。このアプリケーシヨンの例を示すと、次のよ
うなものが揚げられる。
(1)柄のあるダンボールの箱から文字を抽出する。
(2)屋外の看板等から文字を抽出する。
(3)プリント基板上から文字を抽出する。
このような対象は、文字の背景が複雑かつ、明るさの
変動が激しいため単純な2値化処理では文字の抽出はで
きない。そこで、これらの対象でも良好に文字等を抽出
する2値化の手法を考案する必要があるが、その従来例
として、たとえば、「情景画像中からの文字抽出法の検
討」(情報処理学会全国大会講演論文集;'86.3;大谷
著)に記載の方法が提案されている。
変動が激しいため単純な2値化処理では文字の抽出はで
きない。そこで、これらの対象でも良好に文字等を抽出
する2値化の手法を考案する必要があるが、その従来例
として、たとえば、「情景画像中からの文字抽出法の検
討」(情報処理学会全国大会講演論文集;'86.3;大谷
著)に記載の方法が提案されている。
これは、第2図のように、テレビカメラなどから入力
した濃淡画像140の1画面を複数のサブブロツク141に分
割し、このブロツク内で最適な2値化のしきい値レベル
θijを決める(第2図(2))。このときのしきい値θ
ijは、サブブロツク141内で白黒2つのクラスに分離す
る2クラス問題としてとらえ、最もクラス間分散が最大
となる値としている。更に、サブブロツク141間の連続
性を保つために、第2図(3)に示すようにθijを用い
て画素ごとの補間を行い、この結果のしきい値θx,y、
すなわち各画素ごとのしきい値θx,yを決定し、入力画
像を2値化する方法である。
した濃淡画像140の1画面を複数のサブブロツク141に分
割し、このブロツク内で最適な2値化のしきい値レベル
θijを決める(第2図(2))。このときのしきい値θ
ijは、サブブロツク141内で白黒2つのクラスに分離す
る2クラス問題としてとらえ、最もクラス間分散が最大
となる値としている。更に、サブブロツク141間の連続
性を保つために、第2図(3)に示すようにθijを用い
て画素ごとの補間を行い、この結果のしきい値θx,y、
すなわち各画素ごとのしきい値θx,yを決定し、入力画
像を2値化する方法である。
上記従来技術の問題点は、前者では、サブブロツク内
のしきい値θijの決定のために濃度ヒストグラム(各濃
度レベルの頻度をサブブロツク内で求める)を用いて、
2次元の画像データを1次元のデータに変換しているた
め、明るさの位置情報を考慮できず、最適なしきい値が
決定できない。
のしきい値θijの決定のために濃度ヒストグラム(各濃
度レベルの頻度をサブブロツク内で求める)を用いて、
2次元の画像データを1次元のデータに変換しているた
め、明るさの位置情報を考慮できず、最適なしきい値が
決定できない。
又、θx,yを求めるための処理時間が膨大であり、リ
アルタイムでの文字抽出ができないなどがあげられる。
アルタイムでの文字抽出ができないなどがあげられる。
ところで、入力画像に対し微分処理したような場合
は、エツジでないところはほぼ‘0'、エツジの部分はエ
ツジの強さに見合つた値の濃淡画像となるが、このよう
な画像を2値化する場合にも上記手法では最適なエツジ
抽出ができない。
は、エツジでないところはほぼ‘0'、エツジの部分はエ
ツジの強さに見合つた値の濃淡画像となるが、このよう
な画像を2値化する場合にも上記手法では最適なエツジ
抽出ができない。
本発明は、このような従来の欠点に鑑み、複雑あるい
は明るさのむらなどを有する画像に対してでも、高速か
つ鮮明な2値画像を作成することにある。
は明るさのむらなどを有する画像に対してでも、高速か
つ鮮明な2値画像を作成することにある。
本発明の基本的処理は、前述した微分画像のような目
的以外の領域は濃度が‘0'となる画像の2値化手法であ
るため、この対象について説明し、通常の濃淡画像の2
値化手法については後述する。
的以外の領域は濃度が‘0'となる画像の2値化手法であ
るため、この対象について説明し、通常の濃淡画像の2
値化手法については後述する。
第1図(1)に入力画像説明を簡単にするためにA−
A′を結ぶ一次元の画像を(2)に示す。この画像を微
分(微分値の絶対値を求めている)処理したときの画像
を(3)に示す。
A′を結ぶ一次元の画像を(2)に示す。この画像を微
分(微分値の絶対値を求めている)処理したときの画像
を(3)に示す。
エツジでないところはほぼ‘0'の値を示し、エツジの
部分にのみエツジの強さに見合つたある濃度値を示して
いる。このとき、明るさにむらなどがあると、エツジの
強さが部分部分で異なつてくるためある固定のしきい値
を設定しても全てのエツジを良好に抽出できない。たと
えばしきい値を上げすぎるとエツジ強度が小さい部分を
抽出できないし、逆に高すぎるとエツジ強度が強い部分
がかなり太く抽出されてしまう。
部分にのみエツジの強さに見合つたある濃度値を示して
いる。このとき、明るさにむらなどがあると、エツジの
強さが部分部分で異なつてくるためある固定のしきい値
を設定しても全てのエツジを良好に抽出できない。たと
えばしきい値を上げすぎるとエツジ強度が小さい部分を
抽出できないし、逆に高すぎるとエツジ強度が強い部分
がかなり太く抽出されてしまう。
このため、本発明は抽出したい領域(画素)の中間濃
度を通る曲面を理想的なしきい値と考え、この面を作成
する手段を設け、このしきい値面より大きな濃度値をと
る領域を抽出することで良好な2値画像を得るようにし
たものである。
度を通る曲面を理想的なしきい値と考え、この面を作成
する手段を設け、このしきい値面より大きな濃度値をと
る領域を抽出することで良好な2値画像を得るようにし
たものである。
前記しきい値面は、抽出したい領域(画素)の濃度の
中間値を通る面であるが、これは2次元平面であるため
高速にしかも正確に求めることは困難である。
中間値を通る面であるが、これは2次元平面であるため
高速にしかも正確に求めることは困難である。
そこで、上記しきい値面を模擬的に高速に求める手段
をとつている。すなわち、抽出したいエツジの画素の濃
度の中間値を通る面を作成するために、2値化対象の画
像、ここでは微分画像の濃度を1/n(通常nは2をと
る)にした画像Hを作成する。この画像のピーク濃度値
は各エツジの濃度の中間値(nが2のとき)を示すの
で、このH画像を更に濃度の膨張処理を数回実行し、こ
れを更に平滑化処理することで理想的なしきい値面に類
似した画像を作成できる。そして、元の微分画像としき
い値画像を比較し、濃度値がしきい値画像より大きな部
分を取り出せば良好な2値画像を作成できる。
をとつている。すなわち、抽出したいエツジの画素の濃
度の中間値を通る面を作成するために、2値化対象の画
像、ここでは微分画像の濃度を1/n(通常nは2をと
る)にした画像Hを作成する。この画像のピーク濃度値
は各エツジの濃度の中間値(nが2のとき)を示すの
で、このH画像を更に濃度の膨張処理を数回実行し、こ
れを更に平滑化処理することで理想的なしきい値面に類
似した画像を作成できる。そして、元の微分画像としき
い値画像を比較し、濃度値がしきい値画像より大きな部
分を取り出せば良好な2値画像を作成できる。
以下、本発明の実施例を図を用いて詳細に説明する。
第1図は処理の流れを示すもので、(1)は入力画像
Fであり、このうちA−A′の1ラインの情報を横軸に
位置、縦軸に明るさ(濃度)として示したのが(2)の
FAである。この入力画像に対し微分処理(出力は絶対
値)すると、(3)のG画像が作成される。この画像は
エツジ以外はほぼ‘0'の値、エツジ位置ではエツジの強
度に見合つた値を示す。この画像に対する2値化しきい
値を作成するわけであるが、理想的には、各エツジの強
度(コントラスト)の中間濃度を通る曲線TCを作成すれ
ば良い。しかしながら、実際には入力画像は2次元平面
であるため、曲線TCでなく曲面を作成する必要がある。
これはかなり困難であるため、一次元で言えば曲線TCに
類似したしきい値曲線を作成する。
Fであり、このうちA−A′の1ラインの情報を横軸に
位置、縦軸に明るさ(濃度)として示したのが(2)の
FAである。この入力画像に対し微分処理(出力は絶対
値)すると、(3)のG画像が作成される。この画像は
エツジ以外はほぼ‘0'の値、エツジ位置ではエツジの強
度に見合つた値を示す。この画像に対する2値化しきい
値を作成するわけであるが、理想的には、各エツジの強
度(コントラスト)の中間濃度を通る曲線TCを作成すれ
ば良い。しかしながら、実際には入力画像は2次元平面
であるため、曲線TCでなく曲面を作成する必要がある。
これはかなり困難であるため、一次元で言えば曲線TCに
類似したしきい値曲線を作成する。
具体的には、微分画像Gの各画素の濃度を1/2にした
画像GHを(4)のように作成する。この画像GHのコント
ラストのピーク値は元の微分画像のコントラストの中間
値を示しているが、これを更に濃度の膨張処理を数回行
うと(5)のGHX画像となる。これに対し、更に平滑化
処理を実施すると(6)のように理想的なしきい値に類
似した画像Cを作成できる。そして、元の微分画像Gと
作成したしきい値画像Cとで比較し、微分画像の濃度が
しきい値画像よりも大きい画素のみを抽出する2値化を
行うことで鮮明な2値画像を作成できる。
画像GHを(4)のように作成する。この画像GHのコント
ラストのピーク値は元の微分画像のコントラストの中間
値を示しているが、これを更に濃度の膨張処理を数回行
うと(5)のGHX画像となる。これに対し、更に平滑化
処理を実施すると(6)のように理想的なしきい値に類
似した画像Cを作成できる。そして、元の微分画像Gと
作成したしきい値画像Cとで比較し、微分画像の濃度が
しきい値画像よりも大きい画素のみを抽出する2値化を
行うことで鮮明な2値画像を作成できる。
ここで、濃淡の膨張処理はいわゆる局所最大値フイル
タと称されるもので2次元平面では第3図のように入力
画像fの3×3画素の濃度f1,f2…f9の中から最大値を
とり、その値をFとして出力する処理で下記で示され
る。
タと称されるもので2次元平面では第3図のように入力
画像fの3×3画素の濃度f1,f2…f9の中から最大値を
とり、その値をFとして出力する処理で下記で示され
る。
F(i,j)=max〔f(i+u,j+v)〕 (u,v)=−1,0,+1 また、平滑化処理には、たとえば3×3画素の濃度の
平均値を出力するものがある。
平均値を出力するものがある。
第4図に本発明の一構成を示す。テレビカメラ10,A/D
変換器11,画像メモリ12,微分回路13,画像スケーリング
回路14,局所最大値フイルタ回路15,平滑化回路16,画像
間演算回路17,2値化回路18,CPU19,D/A変換器20,モニタ2
1からなつている。
変換器11,画像メモリ12,微分回路13,画像スケーリング
回路14,局所最大値フイルタ回路15,平滑化回路16,画像
間演算回路17,2値化回路18,CPU19,D/A変換器20,モニタ2
1からなつている。
このような構成において、テレビカメラ10などによつ
て撮影された画像信号はA/D変換器11によつて例えば128
階級の濃度データに変換されて画像メモリ12に記憶され
る。ここで、画像メモリ12は、たとえば256×256画素の
濃淡メモリがk枚G1〜Gk備つており、必要に応じて2値
画像メモリがl枚B1〜Bl備つている。
て撮影された画像信号はA/D変換器11によつて例えば128
階級の濃度データに変換されて画像メモリ12に記憶され
る。ここで、画像メモリ12は、たとえば256×256画素の
濃淡メモリがk枚G1〜Gk備つており、必要に応じて2値
画像メモリがl枚B1〜Bl備つている。
入力した画像をG1の画像メモリに格納したとして、以
下処理手順にしたがい詳述する。
下処理手順にしたがい詳述する。
まず、G1の画像に対し微分回路13で微分処理し、G2画
像メモリに格納する。この画像が2値化処理の対象画像
である。この画像G2に対し、画像スケーリング回路14で
明るさを1/nした画像を作成しG3に格納する。通常この
nは2をとるが、対象画像の性質に合せ3や4をとる場
合もある(もちろん、実数値たとえば1.5などの場合も
ある)。このG3画像に対し、局所最大値フイルタ回路15
で濃淡の膨張処理を行いG4に格納する。この局所最大値
フイルタ回路は通常3×3画素の濃度の最大値をとるた
め、1回の処理では膨張の量が少ないため、G4の画像に
対し数回膨張処理を繰り返しG4に再び格納する。この繰
り返し回数は、エツジの幅分が広がる程度(5回程度)
にする。更に、膨張した画像G4に対し、平滑化回路16で
平滑化し、なめらかな曲面を作成する。これも数回実行
し、G5に格納する。
像メモリに格納する。この画像が2値化処理の対象画像
である。この画像G2に対し、画像スケーリング回路14で
明るさを1/nした画像を作成しG3に格納する。通常この
nは2をとるが、対象画像の性質に合せ3や4をとる場
合もある(もちろん、実数値たとえば1.5などの場合も
ある)。このG3画像に対し、局所最大値フイルタ回路15
で濃淡の膨張処理を行いG4に格納する。この局所最大値
フイルタ回路は通常3×3画素の濃度の最大値をとるた
め、1回の処理では膨張の量が少ないため、G4の画像に
対し数回膨張処理を繰り返しG4に再び格納する。この繰
り返し回数は、エツジの幅分が広がる程度(5回程度)
にする。更に、膨張した画像G4に対し、平滑化回路16で
平滑化し、なめらかな曲面を作成する。これも数回実行
し、G5に格納する。
このG5の画像がしきい値画像であり、この画像と元の
微分画像Gの画素毎の濃度を比較して2値化する。具体
的処理としては、第1図(7)のように微分画像Gから
しきい値画像G5の濃度を減算する処理を画像間演算回路
17で実行する。ここで得られる画像はしきい値画像より
も大きな濃度をもつ微分画像の情報となるので、これに
対しノイズを除く効果を持たせるためにあるしきい値th
を設定(2〜3階調程度)して2値化回路18で2値化す
る。以上の処理で明るさの中間値をしきい値とした2値
画像が得られる。
微分画像Gの画素毎の濃度を比較して2値化する。具体
的処理としては、第1図(7)のように微分画像Gから
しきい値画像G5の濃度を減算する処理を画像間演算回路
17で実行する。ここで得られる画像はしきい値画像より
も大きな濃度をもつ微分画像の情報となるので、これに
対しノイズを除く効果を持たせるためにあるしきい値th
を設定(2〜3階調程度)して2値化回路18で2値化す
る。以上の処理で明るさの中間値をしきい値とした2値
画像が得られる。
ところで、第5図(1)のような微分画像にノイズ的
に明るい部分があると上記一連の処理だけでは不具合が
生じる。すなわち、第5図(2)のように明るさの1/2
の画像を作り、局所最大値フイルタで膨張するとノイズ
の影響で前記しきい値画像は第5図(3)のように高い
レベルになつてしまい、結果的にノイズ周辺の部分を抽
出できなくなつてしまう。そこで、明るさの1/2(1/nで
もよい)の画像を作成した後に、ノイズを減らす平滑化
処理を数回行つた後、局所最大値フイルタで膨張し、以
下同様な処理を行うようにする。このようにすることで
ノイズによるしきい値の変動を防止することができる。
に明るい部分があると上記一連の処理だけでは不具合が
生じる。すなわち、第5図(2)のように明るさの1/2
の画像を作り、局所最大値フイルタで膨張するとノイズ
の影響で前記しきい値画像は第5図(3)のように高い
レベルになつてしまい、結果的にノイズ周辺の部分を抽
出できなくなつてしまう。そこで、明るさの1/2(1/nで
もよい)の画像を作成した後に、ノイズを減らす平滑化
処理を数回行つた後、局所最大値フイルタで膨張し、以
下同様な処理を行うようにする。このようにすることで
ノイズによるしきい値の変動を防止することができる。
ノイズが少ないときは前述したように平滑化処理を施
さなくても良好に抽出できるため、処理時間を考慮して
平滑化の有無を決定すればよい。なお、このノイズ対策
は、2値化対象画像(ここでは微分画像)を数回平滑化
処理してこれに対して1/nのスケーリング処理をしても
同様な効果がある。
さなくても良好に抽出できるため、処理時間を考慮して
平滑化の有無を決定すればよい。なお、このノイズ対策
は、2値化対象画像(ここでは微分画像)を数回平滑化
処理してこれに対して1/nのスケーリング処理をしても
同様な効果がある。
以上述べた手法は、nをどの値にするか、上記のよう
に明るさの1/nの画像を作成して平滑化するか、あるい
は、平滑化してから1/nの画像を作成するかなど、色々
な方法がある。
に明るさの1/nの画像を作成して平滑化するか、あるい
は、平滑化してから1/nの画像を作成するかなど、色々
な方法がある。
このうち、ある対象に最も適した方法を決定するため
に 全ての前処理の結果を表示し、使用者が最も最適と
思う前処理を採用する。
に 全ての前処理の結果を表示し、使用者が最も最適と
思う前処理を採用する。
文字認識などにおいては、前処理の結果を認識さ
せ、最も認識率の高い前処理を採用する。
せ、最も認識率の高い前処理を採用する。
使用者があらかじめ抽出したい領域を指定してお
き、この情報と最も類似する前処理結果となる前処理を
採用する。
き、この情報と最も類似する前処理結果となる前処理を
採用する。
などの方法がある。
以上、本実施例は、抽出したい画素はある濃度値を有
し、それ以外はほぼ‘0'の値である対象のときに良好に
2値化しきい値を決めることができる手法である(以下
ハーフコントラスト2値化法と称する)。したがつて、
通常の濃淡画像のように抽出したい領域以外もある濃度
値を有している対象には適用できない。そこで、これら
にも適用できる手法を以下に本発明の他の実施例とし
て、説明する。第6図(1)(2)に通常の濃淡画像と
して文字を含む対象を示す。
し、それ以外はほぼ‘0'の値である対象のときに良好に
2値化しきい値を決めることができる手法である(以下
ハーフコントラスト2値化法と称する)。したがつて、
通常の濃淡画像のように抽出したい領域以外もある濃度
値を有している対象には適用できない。そこで、これら
にも適用できる手法を以下に本発明の他の実施例とし
て、説明する。第6図(1)(2)に通常の濃淡画像と
して文字を含む対象を示す。
通常の濃淡画像を前述の実施例における手法で2値化
するためには文字の背景の濃度を‘0'レベルに変換して
やれば、文字のコントラストのみが残るため前述のハー
フコントラスト手法が適用できる。このため、特開昭63
−153682号の手法を用いて変換する。この手法は入力画
像から背景画像を作成し、これを入力画像から差し引く
ことで抽出したい濃度情報(例えば文字画像なら文字の
コントラスト画像)だけの画像を作成するものである。
この結果、文字部はそのコントラストに見合つた濃度
に、それ以外の背景はほぼ‘0'になる画像を作成でき、
前述までに述べてきた微分画像と同様な画像を作成でき
るため、本発明の2値化法が有効となる。この背景除去
処理について簡単に説明しておく。第6図(1)は入力
画像を示し、このうちの一ラインA−A′の濃度情報を
第6図(2)に示す。図は黒い文字を抽出することにつ
いて示している。背景画像を作成するために前述した局
所最大値フイルタを用いて明るさの膨張処理を数回行う
と、第6図(3)のように文字部の凹部が周囲の明るさ
で埋まる。この画像に対し局所最小値フイルタで更に膨
張処理と同様に数回収縮処理すると第6図(4)のよう
に背景画像が作成できる。ここで局所最小値フイルタ処
理は局所最大値フイルタの逆の処理で局所領域の濃度f
(x,y)の最小値を出力F(x,y)とするもので以下の式
で表わされる。
するためには文字の背景の濃度を‘0'レベルに変換して
やれば、文字のコントラストのみが残るため前述のハー
フコントラスト手法が適用できる。このため、特開昭63
−153682号の手法を用いて変換する。この手法は入力画
像から背景画像を作成し、これを入力画像から差し引く
ことで抽出したい濃度情報(例えば文字画像なら文字の
コントラスト画像)だけの画像を作成するものである。
この結果、文字部はそのコントラストに見合つた濃度
に、それ以外の背景はほぼ‘0'になる画像を作成でき、
前述までに述べてきた微分画像と同様な画像を作成でき
るため、本発明の2値化法が有効となる。この背景除去
処理について簡単に説明しておく。第6図(1)は入力
画像を示し、このうちの一ラインA−A′の濃度情報を
第6図(2)に示す。図は黒い文字を抽出することにつ
いて示している。背景画像を作成するために前述した局
所最大値フイルタを用いて明るさの膨張処理を数回行う
と、第6図(3)のように文字部の凹部が周囲の明るさ
で埋まる。この画像に対し局所最小値フイルタで更に膨
張処理と同様に数回収縮処理すると第6図(4)のよう
に背景画像が作成できる。ここで局所最小値フイルタ処
理は局所最大値フイルタの逆の処理で局所領域の濃度f
(x,y)の最小値を出力F(x,y)とするもので以下の式
で表わされる。
F(i,j)=min〔f(i+u,j+v)〕 (u,v)=−1,0,+1 背景画像を作成したら、元の入力画像と該背景画像と
の明るさの差を求めると第6図(5)のように背景濃度
を‘0'にしたコントラスト画像が作成できる。この手法
を背景差分法と称す。
の明るさの差を求めると第6図(5)のように背景濃度
を‘0'にしたコントラスト画像が作成できる。この手法
を背景差分法と称す。
この画像は背景の明るさむらを除去できるが文字のコ
ントラストの違いまでは補正できないため、固定のしき
い値では2値化できない。したがつて、この画像につい
て前述のハーフコントラスト2値化法を適用すれば良好
な2値画像を作成できる。
ントラストの違いまでは補正できないため、固定のしき
い値では2値化できない。したがつて、この画像につい
て前述のハーフコントラスト2値化法を適用すれば良好
な2値画像を作成できる。
上記処理は黒色文字について説明したが、白色の場合
は入力画像の反転処理を行つてから上記背景差分法を適
用するとか、局所最小値フイルタ,局所最大値フイルタ
の順に文字部の凸部を削る処理を行えば同様な効果があ
る。
は入力画像の反転処理を行つてから上記背景差分法を適
用するとか、局所最小値フイルタ,局所最大値フイルタ
の順に文字部の凸部を削る処理を行えば同様な効果があ
る。
なお、背景差分法を実行するためには第4図の構成に
局所最小値フイルタ回路を追加すれば容易に実現でき
る。
局所最小値フイルタ回路を追加すれば容易に実現でき
る。
本発明のように、抽出したい領域の濃度がある値を有
し、それ以外はほぼ‘0'の濃度となる画像に対し、明る
さを1/nにした画像からしきい値画像を作成することで
各画素毎に最適な2値化しきい値を設定できるため鮮明
な2値画像を作成できる。
し、それ以外はほぼ‘0'の濃度となる画像に対し、明る
さを1/nにした画像からしきい値画像を作成することで
各画素毎に最適な2値化しきい値を設定できるため鮮明
な2値画像を作成できる。
第1図は本発明の実施例の流れを示す図、第2図は従来
例の説明図、第3図は局所最大値フイルタを説明する
図、第4図は本発明の一構成例を示す図、第5図はノイ
ズが発生した場合の不具合を示す図、第6図は入力画像
からコントラスト画像を作成する流れを示す図である。 13……微分回路、14……画像スケーリング回路、15……
局所最大値フイルタ回路、16……平滑化回路、17……画
像間演算回路、18……2値化回路、19……CPU。
例の説明図、第3図は局所最大値フイルタを説明する
図、第4図は本発明の一構成例を示す図、第5図はノイ
ズが発生した場合の不具合を示す図、第6図は入力画像
からコントラスト画像を作成する流れを示す図である。 13……微分回路、14……画像スケーリング回路、15……
局所最大値フイルタ回路、16……平滑化回路、17……画
像間演算回路、18……2値化回路、19……CPU。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭62−198966(JP,A) 特開 昭61−214078(JP,A) 特開 昭63−292284(JP,A) 特開 平1−244587(JP,A) 特開 平1−287783(JP,A) (58)調査した分野(Int.Cl.6,DB名) G06K 9/00 - 9/82 G06T 1/00 G06T 5/00
Claims (5)
- 【請求項1】2次元画像を走査することによって得られ
る濃淡画像の2値化方法において、 前記2値化の対象である濃淡画像を1/n(nは2以上の
整数)の明るさにし、 前記1/n(nは2以上の整数)の明るさとした画像を膨
張処理し、 前記膨張処理された画像に対し平滑化処理を施して、し
きい値画像を作成し、 前記2値化の対象である濃淡画像と前記しきい値画像と
の画素毎の明るさの差を求め、 前記求めた差分画像を所定のしきい値で2値化すること
を特徴とする濃淡画像の2値化方法。 - 【請求項2】2次元画像を走査することによって得られ
る濃淡画像の2値化方法において、 前記2値化の対象である濃淡画像に対して平滑化処理を
施し、 前記平滑化処理された画像を1/n(nは2以上の整数)
の明るさにし、 前記1/n(nは2以上の整数)の明るさとした画像を膨
張処理し、 前記膨張処理された画像に対し平滑化処理を施してしき
い値画像を作成し、 前記2値化の対象である濃淡画像と前記しきい値画像と
の画素毎の明るさの差を求め、 当該求めた差分画像を所定のしきい値で2値化すること
を特徴とする濃淡画像の2値化方法。 - 【請求項3】2次元画像を走査することによって得られ
る濃淡画像の2値化方法において、 前記2値化の対象である濃淡画像を1/n(nは2以上の
整数)の明るさにし、 前記1/n(nは2以上の整数)の明るさとした画像に対
して平滑化処理を施し、 前記平滑化処理された画像を膨張処理し、 前記膨張処理された画像に対し平滑化処理を施して、し
きい値画像を作成し、 前記2値化の対象である濃淡画像と前記しきい値画像と
の画素毎の明るさの差を求め、 前記求めた差分画像を所定のしきい値で2値化すること
を特徴とする濃淡画像の2値化方法。 - 【請求項4】特許請求の範囲第1項において、 前記2値化の対象である濃淡画像は、当該濃淡画像と背
景画像との画素毎の差分を求めた背景差分画像であるこ
とを特徴とする濃淡画像の2値化方法。 - 【請求項5】TVカメラ等から入力される濃淡画像を保持
する濃淡画像メモリと、 前記濃淡画像メモリに保持された濃淡画像に対してその
明るさを1/n(nは2以上の整数)にする画像スケーリ
ング回路と、 前記スケーリング回路によって得られた画像に対して膨
張処理を行う膨張回路と、 前記膨張回路によって膨張された画像の平滑化処理を行
う平滑化回路と、 前記平滑化回路によって得られた画像と前記濃淡画像と
の差分演算を行う画像間演算回路と、 前記画像間演算回路によって得られた差分画像を所定の
しきい値で2値に変換する2値化回路とからなることを
特徴とする濃淡画像の2値化装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2067114A JP2960468B2 (ja) | 1990-03-19 | 1990-03-19 | 濃淡画像の2値化方法及び装置 |
TW079110679A TW197509B (ja) | 1990-01-31 | 1990-12-19 | |
US07/646,388 US5243668A (en) | 1990-01-31 | 1991-01-28 | Method and unit for binary processing in image processing unit and method and unit for recognizing characters |
DE4102587A DE4102587C2 (de) | 1990-01-31 | 1991-01-29 | Verfahren und Vorrichtung zur binären Bildverarbeitung |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2067114A JP2960468B2 (ja) | 1990-03-19 | 1990-03-19 | 濃淡画像の2値化方法及び装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH03268086A JPH03268086A (ja) | 1991-11-28 |
JP2960468B2 true JP2960468B2 (ja) | 1999-10-06 |
Family
ID=13335550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2067114A Expired - Fee Related JP2960468B2 (ja) | 1990-01-31 | 1990-03-19 | 濃淡画像の2値化方法及び装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2960468B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6295371B1 (en) * | 1998-10-22 | 2001-09-25 | Xerox Corporation | Method and apparatus for image processing employing image segmentation using tokenization |
US8306336B2 (en) * | 2006-05-17 | 2012-11-06 | Qualcomm Incorporated | Line or text-based image processing tools |
-
1990
- 1990-03-19 JP JP2067114A patent/JP2960468B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH03268086A (ja) | 1991-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raghunandan et al. | Riesz fractional based model for enhancing license plate detection and recognition | |
Gatos et al. | Automatic table detection in document images | |
Gllavata et al. | A robust algorithm for text detection in images | |
Parker et al. | An approach to license plate recognition | |
US9042649B2 (en) | Color document image segmentation and binarization using automatic inpainting | |
Alginahi | Preprocessing techniques in character recognition | |
US8422783B2 (en) | Methods and systems for region-based up-scaling | |
CN111401372A (zh) | 一种扫描文档图文信息提取与鉴别的方法 | |
US6671395B1 (en) | Document image processing with stroke preservation and background suppression | |
Kumar et al. | NESP: Nonlinear enhancement and selection of plane for optimal segmentation and recognition of scene word images | |
US7130085B2 (en) | Half-tone dot elimination method and system thereof | |
JP2960468B2 (ja) | 濃淡画像の2値化方法及び装置 | |
JP3636936B2 (ja) | 濃淡画像の2値化方法および濃淡画像の2値化プログラムを記録した記録媒体 | |
JPH0565911B2 (ja) | ||
Nomura et al. | A new method for degraded color image binarization based on adaptive lightning on grayscale versions | |
JP6377214B2 (ja) | テキスト検出方法および装置 | |
Boiangiu et al. | Methods of bitonal image conversion for modern and classic documents | |
Cherala et al. | Palm leaf manuscript/color document image enhancement by using improved adaptive binarization method | |
Dinh et al. | Korean text detection and binarization in color signboards | |
Koshy et al. | Preprocessing Techniques for High Quality Text Extraction from Text Images | |
JP3462727B2 (ja) | 文字列2値化装置 | |
Kim et al. | Detection of moving edges based on the concept of entropy and cross-entropy | |
Konya et al. | Adaptive methods for robust document image understanding | |
Boiangiu et al. | Bitonal image creation for automatic content conversion | |
Zhang et al. | Using Gaussian Kernels to Remove Uneven Shading from a Document Image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070730 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 10 |
|
LAPS | Cancellation because of no payment of annual fees |