著者

原 正一郎

雑誌

情報処理学会研究報告人文科学とコンピュータ(CH)

巻号頁・発行日

vol.2002, no.73(2002-CH-055), pp.51-56, 2002-07-26

---

本稿では、古文書OCRの前処理として必須である、つづき文字を切り出す手法について提案する。提案する方法では、まず簡単なフィルタ処理(色に基づき文字の候補となるピクセルを抽出するカラーフィルタ、ゴマ塩雑音などの除去フィルタ、カラー画像を白黒階調さらに2値化するフィルタ)により、雑音の少ない良好な2値画像を作成する。次に周辺分布からページごとの平均文字サイズ、縦書き・横書きに関するレイアウト情報を抽出する。文字はこれらの情報に基づいてピクセルから組み立てる。つまり隣接するピクセルを集めて文字のセグメントを生成し、次いで近傍のセグメントを集めて文字あるいはつづき文字を生成する。つづき文字の切り出しは文字輪郭上の相対する凹部分を結ぶ線に沿って行う。本法の特徴は、適切な凹部分を画像の多重解像度解析に基づいて発見するところにある。