特許 7467999 スキャンシステム、プログラム、およびスキャンシステムのスキャンデータ生成方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-04-08

(45)【発行日】2024-04-16

(54)【発明の名称】スキャンシステム、プログラム、およびスキャンシステムのスキャンデータ生成方法

(51)【国際特許分類】

   H04N 1/00 20060101AFI20240409BHJP

   G06T 7/00 20170101ALI20240409BHJP

   G10L 13/00 20060101ALI20240409BHJP

【ＦＩ】

H04N1/00 350

H04N1/00 L

G06T7/00 300D

G10L13/00 100K

【請求項の数】 9

(21)【出願番号】P 2020040699

(22)【出願日】2020-03-10

(65)【公開番号】P2021145160

(43)【公開日】2021-09-24

【審査請求日】2023-01-19

(73)【特許権者】

【識別番号】000002369

【氏名又は名称】セイコーエプソン株式会社

(74)【代理人】

【識別番号】100179475

【弁理士】

【氏名又は名称】仲井 智至

(74)【代理人】

【識別番号】100216253

【弁理士】

【氏名又は名称】松岡 宏紀

(74)【代理人】

【識別番号】100225901

【弁理士】

【氏名又は名称】今村 真之

(72)【発明者】

【氏名】大室 誠

【審査官】豊田 好一

(56)【参考文献】

【文献】特開平０８－２７９０２０（ＪＰ，Ａ）

【文献】特開平０９－１３８８０２（ＪＰ，Ａ）

【文献】特開２００２－３０４６２９（ＪＰ，Ａ）

【文献】国際公開第２００８／１５２８０５（ＷＯ，Ａ１）

【文献】特開２００３－０８７４４７（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／０２８６０５８（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１９／００６５４４９（ＵＳ，Ａ１）

【文献】特開２０１９－０５９０２２（ＪＰ，Ａ）

【文献】特開２０２１－０８７１４６（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｎ １／００

Ｇ０６Ｖ ３０／００

Ｇ０６Ｔ ７／００

Ｇ１０Ｌ １３／００

(57)【特許請求の範囲】

【請求項1】

原稿をスキャンしてスキャンデータを生成する生成部と、
前記スキャンデータを画像認識する画像認識部と、
前記画像認識部の認識結果に含まれる第１要素に対応する言葉であって、前記原稿に含
まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー
回路から発音させる発音部と、を備え、
前記発音部は、前記第１要素に対応する写真・絵・図対応言葉を、スピーカー回路から
発音させた後に、ユーザー操作に応じて、前記画像認識部の認識結果に含まれ前記第１要
素と異なる第２要素に対応する写真・絵・図対応言葉を、スピーカー回路から発音させる
ことを特徴とするスキャンシステム。

【請求項2】

前記発音部は、ユーザーが第１操作を行ったされたことに応じて前記第１要素に対応す
る写真・絵・図対応言葉を、スピーカー回路から発音させ、その後に再びユーザーが前記
第１操作を行ったされたことに応じて前記第２要素に対応する写真・絵・図対応言葉を、
スピーカー回路から発音させることを特徴とする請求項１に記載のスキャンシステム。

【請求項3】

第１キーを備え、
前記第１操作は前記第１キーを操作することであることを特徴とする請求項２に記載のス
キャンシステム。

【請求項4】

生成部は、第２要素に対応する写真・絵・図対応言葉をスピーカー回路から発音させた後
にユーザーによって第２操作が行われたことに応じて本スキャンを行うことを特徴とする
請求項１ないし３のいずれか１項に記載のスキャンシステム。

【請求項5】

前記原稿に前記第１要素が含まれず前記第２要素が含まれる場合に、前記第１要素に対応
する写真・絵・図対応言葉を、スピーカー回路から発音させずに、前記第２要素に対応す
る写真・絵・図対応言葉を、スピーカー回路から発音させることを特徴とする請求項１な
いし４のいずれか１項に記載のスキャンシステム。

【請求項6】

前記第１要素と前記第２要素とのそれぞれを予め設定する設定画面を備えることを特徴
とする請求項１ないし５のいずれか１項に記載のスキャンシステム。

【請求項7】

原稿をスキャンしてスキャンデータを生成する生成部と、
前記スキャンデータを画像認識する画像認識部と、
前記画像認識部の認識結果に含まれる第１要素に対応する言葉であって、前記原稿に含
まれている文字に対応する言葉ではなく、前記原稿に含まれているコードに対応する言葉
でもない文字・コード非対応言葉を、スピーカー回路から発音させる発音部と、を備え、
前記発音部は、前記第１要素に対応する文字・コード非対応言葉を、スピーカー回路か
ら発音させた後に、ユーザー操作に応じて、前記画像認識部の認識結果に含まれ前記第１
要素と異なる第２要素に対応する文字・コード非対応言葉を、スピーカー回路から発音さ
せることを特徴とするスキャンシステム。

【請求項8】

スキャンシステムに、
原稿をスキャンしてスキャンデータを生成するステップと、
前記スキャンデータを画像認識するステップと、
前記画像認識の認識結果に含まれる第１要素に対応する言葉であって、前記原稿に含ま
れている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回
路から発音させるステップと、
前記第１要素に対応する写真・絵・図対応言葉を、スピーカー回路から発音させた後に
、ユーザー操作に応じて、前記画像認識の認識結果に含まれ前記第１要素と異なる第２要
素に対応する写真・絵・図対応言葉を、スピーカー回路から発音させるステップと、を実
行させるためのプログラム。

【請求項9】

原稿をスキャンしてスキャンデータを生成するステップと、
前記スキャンデータを画像認識するステップと、
前記画像認識の認識結果に含まれる第１要素に対応する言葉であって、前記原稿に含ま
れている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回
路から発音させるステップと、
前記第１要素に対応する文字・コード非対応言葉を、スピーカー回路から発音させた後
に、ユーザー操作に応じて、前記画像認識の認識結果に含まれ前記第１要素と異なる第２
要素に対応する文字・コード非対応言葉を、スピーカー回路から発音させるステップと、
を実行することを特徴とするスキャンシステムのスキャンデータ生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、スキャンシステム、プログラム、およびスキャンシステムのスキャンデータ生成方法に関するものである。

【背景技術】

【0002】

特許文献１には、視覚障害を持つユーザーが複写する原稿の内容を把握できるように、原稿を光学的に読み取り、原稿に含まれている文字を発音させる複写装置が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００６－１６３２８８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１の技術では、文字が含まれていない原稿を読み取った場合に、内容を把握できない。

【課題を解決するための手段】

【0005】

本発明のスキャンシステムは、原稿をスキャンしてスキャンデータを生成する生成部と、スキャンデータを画像認識する画像認識部と、画像認識部の認識結果に対応する言葉であって、原稿に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路から発音させる発音部と、を備える。

【0006】

本発明のプログラムは、スキャンシステムに、原稿をスキャンしてスキャンデータを生成するステップと、スキャンデータを画像認識するステップと、画像認識の認識結果に対応する言葉であって、原稿に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路から発音させるステップと、を実行させる。

【0007】

本発明のスキャンシステムのスキャンデータ生成方法は、原稿をスキャンしてスキャンデータを生成するステップと、スキャンデータを画像認識するステップと、画像認識の認識結果に対応する言葉であって、原稿に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路から発音させるステップと、を実行する。

【0008】

本発明のスキャンシステムは、原稿をスキャンしてスキャンデータを生成する生成部と、スキャンデータを画像認識する画像認識部と、画像認識部の認識結果に対応する言葉であって、原稿に含まれている文字に対応する言葉ではなく、原稿に含まれているコードに対応する言葉でもない文字・コード非対応言葉を、スピーカー回路から発音させる発音部と、を備える。

【図面の簡単な説明】

【0009】

【図1】複合機のハードウェア構成を示すブロック図である。

【図2】画像テンプレート記憶領域の説明図である。

【図3】複合機の機能構成を示すブロック図である。

【図4】第１設定画面の表示例を示す図である。

【図5】第２設定画面の表示例を示す図である。

【図6】第３設定画面の表示例を示す図である。

【図7】原稿の一例を示す図である。

【図8】スキャン処理の流れを示すフローチャートである。

【図9】図８に続く、スキャン処理の流れを示すフローチャートである。

【図10】図９に続く、スキャン処理の流れを示すフローチャートである。

【図11】図１０に続く、スキャン処理の流れを示すフローチャートである。

【発明を実施するための形態】

【0010】

以下、一実施形態に係るスキャンシステム、プログラム、およびスキャンシステムのスキャンデータ生成方法について、添付図面を参照して説明する。図１は、複合機１のハードウェア構成を示すブロック図である。複合機１は、「スキャンシステム」の一例である。

【0011】

複合機１は、ハードウェア構成として、ＣＰＵ（Central Processing Unit）１１と、ＲＡＭ（Random Access Memory）１２と、ＲＯＭ（Read Only Memory）１３と、操作パネル１４と、印刷機構１５と、画像読取機構１６と、スピーカー回路１７と、通信インターフェース１８と、を備え、これらはバス１９を介して接続される。

【0012】

ＣＰＵ１１は、ＲＯＭ１３に記憶されている各種プログラムをＲＡＭ１２に展開することにより、複合機１内の各部を制御する。なお、ＣＰＵ１１に代わるプロセッサーとして、ＡＳＩＣ（Application Specific Integrated Circuit）等のハードウェア回路を用いてもよい。また、プロセッサーは、１以上のＣＰＵとＡＳＩＣ等のハードウェア回路が協働して動作する構成でもよい。

【0013】

ＲＯＭ１３は、不揮発性の記憶媒体であり、各種プログラムおよび各種データを記憶する。例えば、ＲＯＭ１３は、制御プログラム１３ａを記憶する。制御プログラム１３ａは、複合機１が各種処理を実行するためのファームウェアである。ＣＰＵ１１は、この制御プログラム１３ａに基づいて、後述するスキャン処理（図８、図９参照）をはじめ、コピー処理や印刷処理等を実行する。また、本実施形態に係る複合機１は、スキャン処理において、視覚障害を持つユーザーがスキャンしようとする原稿５０の内容を把握できるように、原稿５０の読み上げ機能を有している。この原稿５０の読み上げ機能は、ＣＰＵ１１が、原稿５０（図７参照）をスキャンしたスキャンデータを画像認識し、その画像認識結果に対応する言葉を、スピーカー回路１７から発音させることにより実現される。

【0014】

なお、「画像認識結果に対応する言葉」とは、スキャンデータを画像認識することにより得られる言葉を指す。また、「画像認識」とは、スキャンデータの中の画像が何を示しているのかを自動的に認識する処理を指す。例えば、スキャンデータに対し、画像マッチング処理や光学的文字認識処理を行うことを指し、ＡＩを用いてもよい。例えば、ＣＰＵ１１は、スキャンデータに対し、画像マッチング処理を行うことにより、スキャンデータに含まれる画像のなかから、予め記憶されている画像テンプレートに対応する画像を抽出し、抽出した画像を示す言葉を、スピーカー回路１７から発音させる。また、ＣＰＵ１１は、スキャンデータに対し、光学的文字認識処理を行うことにより、スキャンデータに含まれる文字に対応する言葉をスピーカー回路１７から発音させる。

【0015】

また、ＣＰＵ１１は、制御プログラム１３ａに基づいて、原稿５０の読み上げに関する各種設定を受け付ける。以下、原稿５０の読み上げに関する各種設定を、「読み上げ設定」と称する。読み上げ設定については、図４等を参照して後述する。

【0016】

ＲＯＭ１３は、画像テンプレート記憶領域１３ｂと、文字データ記憶領域１３ｃと、宛先記憶領域１３ｄと、設定値記憶領域１３ｅと、を有する。画像テンプレート記憶領域１３ｂは、「記憶部」の一例である。

【0017】

画像テンプレート記憶領域１３ｂは、画像マッチング処理に用いられる画像テンプレートと、言葉と、を関連付けて記憶する。画像テンプレートは、「画像データ」の一例である。図２は、画像テンプレート記憶領域１３ｂの説明図である。画像テンプレート記憶領域１３ｂは、画像テンプレートに関連づける言葉として、「画像を示す言葉」と「画像の分類を示す言葉」とを記憶する。「画像の分類を示す言葉」とは、画像が示すものを規定の分類にしたがって仕分けした場合の分類を示す言葉であり、「画像を示す言葉」の上位概念となる言葉である。なお、「画像を示す言葉」および「画像の分類を示す言葉」は、「文字・コード非対応言葉」を含み、「文字・コード非対応言葉」は、「写真・絵・図対応言葉」を含む。

【0018】

例えば、「画像を示す言葉」は、人物の名前を示す言葉を含む。画像テンプレート記憶領域１３ｂは、人物ごとに、人物の顔の画像テンプレートと、人物の名前を示す言葉と、を関連付けて記憶する。図２において、「画像テンプレートＡ」および「画像テンプレートＢ」は、人物の顔の画像テンプレートである。また、「山田 太郎」および「鈴木 花子」は、人物の名前を示す言葉である。人物の名前を示す言葉には、「画像の分類を示す言葉」として、例えば「人物」という言葉が関連付けられる。

【0019】

また、「画像を示す言葉」は、グラフの種類を示す言葉を含む。画像テンプレート記憶領域１３ｂは、グラフの種類ごとに、グラフの画像テンプレートと、グラフの種類を示す言葉と、を関連付けて記憶する。図２において、「画像テンプレートＣ」および「画像テンプレートＤ」は、グラフの画像テンプレートである。また、「折れ線グラフ」および「棒グラフ」は、グラフの種類を示す言葉である。グラフの種類を示す言葉には、「画像の分類を示す言葉」として、例えば「グラフ」という言葉が関連付けられる。なお、グラフの種類を示す言葉としては、同図に示す「折れ線グラフ」や「棒グラフ」以外に、「円グラフ」、「帯グラフ」および「レーダーチャート」などを画像テンプレート記憶領域１３ｂに記憶してもよい。

【0020】

また、画像テンプレート記憶領域１３ｂは、「画像を示す言葉」として、人物の名前を示す言葉やグラフの種類を示す言葉以外にも、「レーザープリンター」や「柴犬」などの一般名称を記憶する。図２において、「画像テンプレートＥ」は、レーザープリンターの画像テンプレートであり、「画像テンプレートＦ」は、柴犬の画像テンプレートである。例えば、「レーザープリンター」という言葉には、「画像の分類を示す言葉」として、例えば「電化製品」という言葉が関連付けられる。なお、「画像の分類を示す言葉」として、「レーザープリンター」という言葉に、「プリンター」、「電化製品」および「電子機器」など、複数の言葉を関連付けてもよい。また、「柴犬」という言葉には、「画像の分類を示す言葉」として、例えば「犬」という言葉が関連付けられる。なお、「画像の分類を示す言葉」として、「柴犬」という言葉に、「犬」および「動物」など、複数の言葉を関連付けてもよい。

【0021】

文字データ記憶領域１３ｃは、光学的文字認識処理に用いられる文字データを記憶する。ＣＰＵ１１は、光学的文字認識処理により、文字データ記憶領域１３ｃに記憶されている文字データに該当する文字を抽出し、抽出した文字を「画像認識結果に対応する言葉」として、スピーカー回路１７から発音させる。

【0022】

宛先記憶領域１３ｄは、原稿５０をスキャンしたスキャンデータの宛先を記憶する。本実施形態では、スキャンデータの宛先として、外部装置内の特定の記憶領域のアドレスを記憶する。外部装置内の特定の記憶領域は、「特定の宛先」の一例である。外部装置としては、ＰＣ（Personal Computer）、サーバーおよびプリンターなどが用いられる。

【0023】

設定値記憶領域１３ｅは、上記の「読み上げ設定」の設定値を記憶する。以下、「読み上げ設定」の設定値を「読み上げ設定値」と称する。

【0024】

操作パネル１４は、タッチパネル１４ａと、プレスキャンボタン１４ｂと、本スキャンボタン１４ｃと、キャンセルボタン１４ｄと、を有する。

【0025】

タッチパネル１４ａは、ユーザーに各種情報を提示すると共に、ユーザーから各種操作を受け付ける。例えば、タッチパネル１４ａは、後述する読み上げ設定画面ＤＡ（図４等参照）を表示し、ユーザーによる読み上げ設定を受け付ける。また、プレスキャンボタン１４ｂは、スキャン処理において、ユーザーがプレスキャンを指示するためのボタンである。「プレスキャン」とは、複合機１が原稿５０の読み上げを行うための原稿５０のスキャン動作を指す。また、本スキャンボタン１４ｃは、スキャン処理において、ユーザーが本スキャンを指示するためのボタンである。「本スキャン」とは、スキャン処理において最終的にスキャンデータを得るための原稿５０のスキャン動作を指す。

【0026】

このように、プレスキャンと本スキャンは、どちらも同じ原稿５０のスキャン動作を指すものであるが、その目的が異なる。本実施形態において、プレスキャンは第１の解像度でスキャンし、本スキャンは第１の解像度より高解像度の第２の解像度でスキャンするものとする。以下、プレスキャンにより得られたスキャンデータを「プレスキャンデータ」、本スキャンにより得られたスキャンデータを「本スキャンデータ」と称する。なお、本スキャンボタン１４ｃの操作は、「特定の操作」の一例である。また、プレスキャンデータは、「第１のスキャンデータ」の一例であり、本スキャンデータは、「第２のスキャンデータ」の一例である。

【0027】

キャンセルボタン１４ｄは、ユーザーがスキャン処理（図８、図９参照）の取り消しを指示するためのボタンである。

【0028】

印刷機構１５は、印刷用紙等の印刷媒体に印刷を行う。また、画像読取機構１６は、原稿５０を読み取る。画像読取機構１６は、シートフィード方式でもよいしフラットベッド方式でもよい。画像読取機構１６は、原稿５０が原稿台にセットされたことや原稿台から取り除かれたことを検出可能である。

【0029】

ＣＰＵ１１は、印刷機構１５を動作させることにより印刷処理を実行する。また、ＣＰＵ１１は、画像読取機構１６を動作させることによりスキャン処理を実行する。また、複合機１は、印刷機構１５および画像読取機構１６を動作させることによりコピー処理を実行する。

【0030】

スピーカー回路１７は、言葉を発音する。ＣＰＵ１１は、プレスキャンデータの認識結果に対応する言葉を音声変換し、変換した音声データをスピーカー回路１７に入力する。スピーカー回路１７は、入力された音声データに基づいて音声出力することにより、言葉を発音する。

【0031】

通信インターフェース１８は、インターネット等のネットワークを介して外部装置（図示省略）と通信する。ＣＰＵ１１は、本スキャンボタン１４ｃの操作により、ユーザーから本スキャンが指示されると、通信インターフェース１８を介して外部装置に本スキャンデータを送信する。

【0032】

次に、図３を参照し、複合機１の機能構成について説明する。複合機１は、機能構成として、生成部１１０と、画像認識部１２０と、発音部１３０と、送信部１４０と、を備える。これらの機能は、ＣＰＵ１１が、制御プログラム１３ａを実行することにより実現される。

【0033】

生成部１１０は、画像読取機構１６により原稿５０をスキャンすることによりスキャンデータを生成する。生成部１１０は、ユーザーによるプレスキャンの指示にしたがってプレスキャンデータを生成し、本スキャンの指示にしたがって本スキャンデータを生成する。

【0034】

画像認識部１２０は、生成部１１０により生成されたプレスキャンデータを画像認識する。画像認識部１２０は、画像マッチング処理により、人物の顔、グラフの種類および画像の分類を認識する。また、画像認識部１２０は、光学的文字認識処理により、文字を認識する。

【0035】

発音部１３０は、画像認識部１２０の認識結果に対応する言葉を、スピーカー回路１７から発音させる。例えば、発音部１３０は、画像認識部１２０で認識された文字に対応する言葉を、スピーカー回路１７から発音させる。

【0036】

また、発音部１３０は、画像認識部１２０の認識結果に対応する言葉であって、原稿５０に含まれている文字に対応する言葉ではなく、原稿５０に含まれているコードに対応する言葉でもない文字・コード非対応言葉を、スピーカー回路１７から発音させる。ここで、「原稿５０に含まれている文字」とは、原稿５０を目視したときにユーザーが認識可能な文字だけでなく、ユーザーが認識不可能な文字、例えば隠し文字を含むものである。また、「原稿５０に含まれているコード」とは、バーコード、二次元コードおよびカラーコードなどを含むものである。また、「コードに対応する言葉」とは、例えばバーコードの場合、「バーコード」という言葉ではなく、バーコードにコード化情報として含まれている言葉を指す。

【0037】

また、発音部１３０は、画像認識部１２０の認識結果に対応する言葉であって、原稿５０に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路１７から発音させる。ここで、「写真」とは、カメラで撮影された画像を指す。また、「絵」とは、絵画など、物の形象や情景を描いた画像を指す。また、「図」とは、地図、図形および図面など、物の形や状態を描いた画像を指す。

【0038】

例えば、発音部１３０は、画像テンプレート記憶領域１３ｂを参照し、画像認識部１２０で顔が認識された人物の名前を示す言葉を、文字・コード非対応言葉のうちの写真・絵・図対応言葉として、スピーカー回路１７から発音させる。また、発音部１３０は、画像認識部１２０で認識されたグラフの種類を示す言葉、および画像の分類を示す言葉を、文字・コード非対応言葉のうちの写真・絵・図対応言葉として、スピーカー回路１７から発音させる。

【0039】

送信部１４０は、発音部１３０による発音終了後の一定時間内に、本スキャンボタン１４ｃが操作されたとき、生成部１１０により生成された本スキャンデータを、特定の宛先に送信する。送信部１４０は、宛先記憶領域１３ｄに記憶されている宛先に、本スキャンデータを送信する。

【0040】

次に、図４ないし図６を参照し、読み上げ設定画面ＤＡについて説明する。上記のとおり、読み上げ設定画面ＤＡは、読み上げ設定を行うための画面である。本実施形態に係る複合機１は、３段階で読み上げ設定を行うことができる。以下、第１段階の読み上げ設定を「第１読み上げ設定」、第２段階の読み上げ設定を「第２読み上げ設定」、第３段階の読み上げ設定を「第３読み上げ設定」と称する。なお、以下の読み上げ設定画面ＤＡの操作は、視覚障害を持たない健常者が行うことを想定しているが、複合機１が読み上げ設定画面ＤＡに表示されている情報を読み上げることにより、視覚障害者による操作を可能としてもよい。

【0041】

複合機１は、後述するスキャン処理において、最初にプレスキャンボタン１４ｂが操作されたとき、第１読み上げ設定にしたがって言葉を発音する。また、複合機１は、後述するスキャン処理において、２回目にプレスキャンボタン１４ｂが操作されたとき、第２読み上げ設定にしたがって言葉を発音する。また、複合機１は、後述するスキャン処理において、３回目にプレスキャンボタン１４ｂが操作されたとき、第３読み上げ設定にしたがって言葉を発音する。なお、本実施形態において複合機１は、最初にプレスキャンボタン１４ｂが操作されたとき、第１読み上げ設定に該当する文字や画像が原稿５０に含まれない場合、第２読み上げ設定にしたがって言葉を発音する。詳細については、スキャン処理（図８ないし図１１）にて説明する。

【0042】

図４は、第１読み上げ設定を行うための第１読み上げ設定画面ＤＡ１の表示例を示す図である。第１読み上げ設定画面ＤＡ１には、画像選択肢群２１と、文字選択肢群２２と、第１画面移行ボタン３１と、第１設定終了ボタン３２と、が表示される。

【0043】

画像選択肢群２１は、「画像分類」、「人物」および「グラフ」の３つの選択肢のいずれか１以上、または「全ての画像」の選択肢を選択可能となっている。また、文字選択肢群２２は、「文字サイズ大」、「飾り付き文字」、「色付き文字」および「日付」の選択肢のいずれか１以上、または「全ての文字」の選択肢を選択可能となっている。

【0044】

例えば、複合機１は、画像選択肢群２１の「画像分類」の選択肢が選択されると、画像認識部１２０で認識された画像の分類を示す言葉を発音する。すなわち、複合機１は、画像選択肢群２１の「画像分類」の選択肢が選択されると、画像テンプレート記憶領域１３ｂにおいて、画像認識部１２０で認識された画像の画像テンプレートに関連付けられた「画像の分類を示す言葉」を発音する。

【0045】

また、複合機１は、画像選択肢群２１の「人物」の選択肢が選択されると、画像認識部１２０で顔が認識された人物の名前を示す言葉を発音する。画像選択肢群２１の「人物」の選択肢が選択された場合、複合機１は、画像テンプレート記憶領域１３ｂにおける「画像の分類を示す言葉」を発音しない。

【0046】

同様に、複合機１は、画像選択肢群２１の「グラフ」の選択肢が選択されると、画像認識部１２０で認識されたグラフの種類を示す言葉を発音する。画像選択肢群２１の「グラフ」の選択肢が選択された場合、複合機１は、画像テンプレート記憶領域１３ｂにおける「画像の分類を示す言葉」を発音しない。

【0047】

また、複合機１は、画像選択肢群２１の「全ての画像」の選択肢が選択されると、画像認識部１２０で認識された全ての画像を示す言葉、すなわち画像テンプレート記憶領域１３ｂにおいて、画像認識部１２０で認識された全ての画像の画像テンプレートに関連付けられた「画像を示す言葉」を発音する。画像選択肢群２１の「全ての画像」の選択肢が選択された場合、複合機１は、画像テンプレート記憶領域１３ｂにおける「画像の分類を示す言葉」を発音しない。

【0048】

また、複合機１は、文字選択肢群２２の「文字サイズ大」の選択肢が選択されると、画像認識部１２０で認識された文字のうち、文字サイズが大きい文字を発音する。また、複合機１は、文字選択肢群２２の「飾り付き文字」の選択肢が選択されると、画像認識部１２０で認識された文字のうち、飾り付きの文字を発音する。

【0049】

また、複合機１は、文字選択肢群２２の「色付き文字」の選択肢が選択されると、画像認識部１２０で認識された文字のうち、色付きの文字を発音する。また、複合機１は、文字選択肢群２２の「日付」の選択肢が選択されると、画像認識部１２０で認識された文字のうち、日付を示す文字を発音する。

【0050】

また、複合機１は、文字選択肢群２２の「全ての文字」の選択肢が選択されると、画像認識部１２０で認識された全ての文字に対応する言葉、すなわち光学的文字認識処理により認識された全ての文字に対応する言葉を発音する。

【0051】

なお、「文字サイズが大きい文字」とは、画像認識部１２０で認識された文字の大きさが閾値以上の文字を指す。若しくは、画像認識部１２０で認識された複数種類の文字の大きさのうち、最も大きい文字など、画像認識部１２０で認識された文字のなかで相対的に大きい文字を「文字サイズが大きい文字」としてもよい。

【0052】

また、「飾り付きの文字」とは、下線付き文字や網掛け文字など、文字装飾された文字を指す。また、「色付きの文字」とは、黒色または白色以外の色の文字を指す。例えば、「白色以外の色の文字」は、下地が白色の場合は、黒色以外の文字を指し、下地が黒色の場合は白色以外の色の文字を指す。また、「日付を示す文字」とは、数字と「年」または「年度」の組み合わせ、年号と数字と「年」の組み合わせ、１桁または２桁の数字と「月」の組み合わせ、１桁または２桁の数字と「日」の組み合わせ、などを指す。

【0053】

なお、本実施形態では、第１読み上げ設定画面ＤＡ１において、画像選択肢群２１の「画像分類」の選択肢と、文字選択肢群２２の「文字サイズ大」の選択肢とが選択されたものとする。

【0054】

複合機１は、第１読み上げ設定画面ＤＡ１において、第１画面移行ボタン３１が選択されると、第２読み上げ設定画面ＤＡ２（図５参照）を表示する。また、複合機１は、第１設定終了ボタン３２が選択されると、それまで読み上げ設定画面ＤＡにおいて設定された読み上げ設定値を設定値記憶領域１３ｅに記憶させ、読み上げ設定を終了する。

【0055】

図５は、第２読み上げ設定を行うための第２読み上げ設定画面ＤＡ２の表示例を示す図である。第２読み上げ設定画面ＤＡ２には、画像選択肢群２１と、文字選択肢群２２と、第２画面移行ボタン３３と、第３画面移行ボタン３４と、第２設定終了ボタン３５と、が表示される。第２読み上げ設定画面ＤＡ２の画像選択肢群２１および文字選択肢群２２に含まれる選択肢は、第１読み上げ設定画面ＤＡ１と同様である。また、同図に示すように、本実施形態では、第２読み上げ設定画面ＤＡ２において、画像選択肢群２１の「人物」の選択肢と、文字選択肢群２２の「飾り付き文字」の選択肢とが選択されたものとする。

【0056】

複合機１は、第２読み上げ設定画面ＤＡ２において、第２画面移行ボタン３３が選択されると、第１読み上げ設定画面ＤＡ１を表示する。また、複合機１は、第３画面移行ボタン３４が選択されると、第３読み上げ設定画面ＤＡ３（図６参照）を表示する。また、複合機１は、第２設定終了ボタン３５が選択されると、それまで読み上げ設定画面ＤＡにおいて設定された読み上げ設定値を設定値記憶領域１３ｅに記憶させ、読み上げ設定を終了する。

【0057】

図６は、第３読み上げ設定を行うための第３読み上げ設定画面ＤＡ３の表示例を示す図である。第３読み上げ設定画面ＤＡ３には、画像選択肢群２１と、文字選択肢群２２と、第４画面移行ボタン３６と、第３設定終了ボタン３７と、が表示される。第３読み上げ設定画面ＤＡ３の画像選択肢群２１および文字選択肢群２２に含まれる選択肢は、第１読み上げ設定画面ＤＡ１と同様である。また、同図に示すように、本実施形態では、第３読み上げ設定画面ＤＡ３において、画像選択肢群２１の「グラフ」の選択肢と、文字選択肢群２２の「日付」の選択肢とが選択されたものとする。

【0058】

複合機１は、第３読み上げ設定画面ＤＡ３において、第４画面移行ボタン３６が選択されると、第２読み上げ設定画面ＤＡ２を表示する。また、複合機１は、第３設定終了ボタン３７が選択されると、それまで読み上げ設定画面ＤＡにおいて設定された読み上げ設定値を設定値記憶領域１３ｅに記憶させ、読み上げ設定を終了する。

【0059】

次に、図７を参照し、図４ないし図６に示した読み上げ設定画面ＤＡの設定に基づいて発音される言葉について説明する。図７は、原稿５０の一例を示す図である。同図に示す原稿５０は、人の顔を示す顔画像６１と、レーザープリンターの外観を示す第１プリンター画像６２と、インクジェットプリンターの外観を示す第２プリンター画像６３と、レーザープリンターの月別印刷枚数のグラフを示す第１グラフ画像６４と、インクジェットプリンターの月別印刷枚数のグラフを示す第２グラフ画像６５と、を含む。また、原稿５０は、表題を示す表題文字列７１と、説明文を示す説明文文字列７２と、項目名「レーザープリンター」を示す第１項目名文字列７３と、項目名「インクジェットプリンター」を示す第２項目名文字列７４と、を含む。

【0060】

複合機１は、図４ないし図６に示した読み上げ設定画面ＤＡに基づく読み上げ設定値が設定値記憶領域１３ｅに記憶されている場合であって、図７に示す原稿５０をスキャンした場合、以下のように言葉を発音する。なお、以下の示す例では、文字の読み上げであるか画像の読み上げであるかをユーザーが区別できるように、複合機１は、画像認識部１２０で認識された文字や画像を示す言葉の前に、「文字」または「画像」と発音するものとする。

【0061】

複合機１は、スキャン処理において、最初にプレスキャンボタン１４ｂが操作されたとき、第１読み上げ設定画面ＤＡ１（図４参照）の画像選択肢群２１の選択結果に基づいて、顔画像６１、第１プリンター画像６２、第２プリンター画像６３、第１グラフ画像６４および第２グラフ画像６５の画像分類を示す言葉を発音する。例えば、複合機１は、「画像、人物。画像、電化製品。画像、電化製品。画像、グラフ。画像、グラフ。」などと発音する。

【0062】

また、複合機１は、スキャン処理において、最初にプレスキャンボタン１４ｂが操作されたとき、第１読み上げ設定画面ＤＡ１（図４参照）の文字選択肢群２２の選択結果に基づいて、文字サイズが大きい表題文字列７１を発音する。例えば、複合機１は、「文字、プリンターの使用状況のお知らせ。」などと発音する。

【0063】

また、複合機１は、スキャン処理において、２回目にプレスキャンボタン１４ｂが操作されたとき、第２読み上げ設定画面ＤＡ２（図５参照）の画像選択肢群２１の選択結果に基づいて、顔画像６１の人物の名前を示す言葉を発音する。例えば、複合機１は、画像テンプレート記憶領域１３ｂにおいて、顔画像６１の人物の顔を示す画像テンプレートと、人物の名前を示す言葉である「山田 太郎」とが関連づけて記憶されている場合（図２参照）、「画像、山田 太郎。」などと発音する。

【0064】

また、複合機１は、スキャン処理において、２回目にプレスキャンボタン１４ｂが操作されたとき、第２読み上げ設定画面ＤＡ２（図５参照）の文字選択肢群２２の選択結果に基づいて、飾り付きの文字である第１項目名文字列７３および第２項目名文字列７４を発音する。例えば、複合機１は、「文字、レーザープリンター。文字、インクジェットプリンター。」などと発音する。

【0065】

また、複合機１は、スキャン処理において、３回目にプレスキャンボタン１４ｂが操作されたとき、第３読み上げ設定画面ＤＡ３（図６参照）の画像選択肢群２１の選択結果に基づいて、第１グラフ画像６４および第２グラフ画像６５のグラフの種類を示す言葉を発音する。例えば、複合機１は、「画像、折れ線グラフ。画像、折れ線グラフ。」などと発音する。なお、複合機１は、グラフの種類と共に、第１グラフ画像６４および第２グラフ画像６５に含まれる文字を発音してもよい。例えば、複合機１は、第１グラフ画像６４に基づいて、「画像、折れ線グラフ。レーザープリンター。横軸、１月、６月、１２月。縦軸、印刷枚数。」などと発音してもよい。また、複合機１は、グラフの種類と共に、グラフの要点を発音してもよい。例えば、複合機１は、第２グラフ画像６５に基づいて、「画像、折れ線グラフ。印刷枚数のピークは８月。」などと発音してもよい。

【0066】

また、複合機１は、スキャン処理において、３回目にプレスキャンボタン１４ｂが操作されたとき、第３読み上げ設定画面ＤＡ３（図６参照）の文字選択肢群２２の選択結果に基づいて、日付を示す文字を含む説明文文字列７２を発音する。例えば、複合機１は、「文字、２０１９年度におけるプリンターの月別印刷枚数は以下のとおりです。」などと発音する。なお、複合機１は、日付を示す文字のみを発音してもよい。例えば、複合機１は、「文字、２０１９年度。」などと発音してもよい。

【0067】

次に、図８ないし図１１のフローチャートを参照し、スキャン処理の流れを説明する。複合機１は、原稿５０が画像読取機構１６の原稿台にセットされたことを検出したことに応じて、図８のフローチャートを開始する。まず、プレスキャンボタン１４ｂの操作が検出されるまで、プレスキャンボタン１４ｂの操作を定期的に監視する。以下に示すスキャン処理は、プレスキャンボタン１４ｂの操作以降の処理を指すものである。なお、複合機１は、スキャン処理の前に、第１読み上げ設定、第２読み上げ設定および第３読み上げ設定の設定値を、設定値記憶領域１３ｅに記憶しているものとする。また、複合機１は、本スキャンデータの宛先を、宛先記憶領域１３ｄに記憶しているものとする。

【0068】

Ｓ０１において、複合機１は、プレスキャンボタン１４ｂが操作されたか否かを判断する。複合機１は、プレスキャンボタン１４ｂが操作されたと判断した場合、Ｓ０２に進む。また、複合機１は、プレスキャンボタン１４ｂが操作されていないと判断した場合、Ｓ０１を繰り返す。

【0069】

Ｓ０２において、複合機１は、画像読取機構１６により原稿５０をスキャンし、読み取った結果としての画像データであるプレスキャンデータを生成する。

【0070】

Ｓ０３において、複合機１は、Ｓ０２で生成されたプレスキャンデータを画像認識する。これによって、原稿中にどのような画像が含まれているのかを認識し、各読み上げ設定に該当する文字や画像のリストを作成する。

【0071】

Ｓ０４において、複合機１は、各読み上げ設定に該当する文字や画像のリストに基づいて、原稿５０に、第１読み上げ設定に該当する文字や画像が含まれるか否かを判断する。複合機１は、原稿５０に、第１読み上げ設定に該当する文字や画像が含まれると判断した場合、Ｓ０５に進む。また、複合機１は、原稿５０に、第１読み上げ設定に該当する文字や画像が含まれないと判断した場合、図１０のＳ２１に進む。

【0072】

Ｓ０５において、複合機１は、第１読み上げ設定に該当する文字や画像に対応する言葉を発音する。

【0073】

図９のＳ１１において、複合機１は、プレスキャンボタン１４ｂが再操作されたか否かを判断する。複合機１は、スキャン処理の開始後、２回目以降のプレスキャンボタン１４ｂの操作を、「プレスキャンボタン１４ｂの再操作」と判断する。複合機１は、プレスキャンボタン１４ｂが再操作されたと判断した場合、図１０のＳ２１に進む。また、複合機１は、プレスキャンボタン１４ｂが再操作されていないと判断した場合、Ｓ１２に進む。なお、複合機１は、プレスキャンボタン１４ｂが再操作された場合、すなわちスキャン処理において２回目以降のプレスキャンボタン１４ｂの操作に対しては、原稿５０のスキャンを行わないものとする。

【0074】

Ｓ１２において、複合機１は、本スキャンボタン１４ｃが操作されたか否かを判断する。複合機１は、本スキャンボタン１４ｃが操作されたと判断した場合、Ｓ１３に進む。また、複合機１は、本スキャンボタン１４ｃが操作されていないと判断した場合、Ｓ１５に進む。

【0075】

Ｓ１３において、複合機１は、画像読取機構１６により原稿５０を本スキャンし、本スキャンデータを生成する。本スキャンデータは、図８のＳ０２で生成したプレスキャンより高解像度のスキャンデータである。なお、複合機１は、本スキャンボタン１４ｃが操作される前に、読み取り解像度の設定など各種設定が行われた場合、その設定をＳ１３における本スキャンデータの生成に反映し、特に設定が行われていない場合にはデフォルトの設定を本スキャンデータの生成に反映する。

【0076】

Ｓ１４において、複合機１は、特定の宛先に、Ｓ１３で生成した本スキャンデータを送信する。このとき複合機１は、ユーザーから宛先が指定されている場合には指定されている宛先に、本スキャンデータを送信する。また、複合機１は、特に宛先が指定されていない場合には、デフォルトの宛先に送信する。この宛先がプリンターであれば、送信先のプリンターで印刷が行われることになる。

【0077】

Ｓ１５において、複合機１は、キャンセルボタン１４ｄが操作されたか否かを判断する。複合機１は、キャンセルボタン１４ｄが操作されたと判断した場合、スキャン処理を終了する。また、複合機１は、キャンセルボタン１４ｄが操作されていないと判断した場合、Ｓ１６に進む。

【0078】

Ｓ１６において、複合機１は、発音終了後、一定時間が経過したかを判断する。ここで、「発音終了」とは、図８のＳ０５における発音の終了を指す。複合機１は、発音終了後、一定時間が経過したと判断した場合、スキャン処理を終了する。また、複合機１は、発音終了後、一定時間が経過していないと判断した場合、Ｓ１１に戻る。

【0079】

図１０のＳ２１において、複合機１は、各読み上げ設定に該当する文字や画像のリストに基づいて、原稿５０に、第２読み上げ設定に該当する文字や画像が含まれるか否かを判断する。複合機１は、原稿５０に、第２読み上げ設定に該当する文字や画像が含まれると判断した場合、Ｓ２２に進む。また、複合機１は、原稿５０に、第２読み上げ設定に該当する文字や画像が含まれないと判断した場合、図１１のＳ３１に進む。

【0080】

Ｓ２２において、複合機１は、第２読み上げ設定に該当する文字や画像に対応する言葉を発音する。

【0081】

Ｓ２３において、複合機１は、プレスキャンボタン１４ｂが再操作されたか否かを判断する。複合機１は、プレスキャンボタン１４ｂが再操作されたと判断した場合、図１１のＳ３１に進む。また、複合機１は、プレスキャンボタン１４ｂが再操作されていないと判断した場合、Ｓ２４に進む。

【0082】

Ｓ２４において、複合機１は、本スキャンボタン１４ｃが操作されたか否かを判断する。複合機１は、本スキャンボタン１４ｃが操作されたと判断した場合、Ｓ２５に進む。また、複合機１は、本スキャンボタン１４ｃが操作されていないと判断した場合、Ｓ２７に進む。

【0083】

Ｓ２５において、複合機１は、画像読取機構１６により原稿５０を本スキャンし、本スキャンデータを生成する。その他、本工程は、図９のＳ１３と同様である。

【0084】

Ｓ２６において、複合機１は、特定の宛先に、Ｓ２５で生成した本スキャンデータを送信する。その他、本工程は、図９のＳ１４と同様である。

【0085】

Ｓ２７において、複合機１は、キャンセルボタン１４ｄが操作されたか否かを判断する。複合機１は、キャンセルボタン１４ｄが操作されたと判断した場合、スキャン処理を終了する。また、複合機１は、キャンセルボタン１４ｄが操作されていないと判断した場合、Ｓ２８に進む。

【0086】

Ｓ２８において、複合機１は、発音終了後、一定時間が経過したかを判断する。ここで、「発音終了」とは、Ｓ２２における発音の終了を指す。複合機１は、発音終了後、一定時間が経過したと判断した場合、スキャン処理を終了する。また、複合機１は、発音終了後、一定時間が経過していないと判断した場合、Ｓ２３に戻る。

【0087】

図１１のＳ３１において、複合機１は、各読み上げ設定に該当する文字や画像のリストに基づいて、原稿５０に、第３読み上げ設定に該当する文字や画像が含まれるか否かを判断する。複合機１は、原稿５０に、第３読み上げ設定に該当する文字や画像が含まれると判断した場合、Ｓ３２に進む。また、複合機１は、原稿５０に、第３読み上げ設定に該当する文字や画像が含まれないと判断した場合、Ｓ３３に進む。

【0088】

Ｓ３２において、複合機１は、第３読み上げ設定に該当する文字や画像に対応する言葉を発音する。

【0089】

Ｓ３３において、複合機１は、プレスキャンボタン１４ｂが再操作されたか否かを判断する。複合機１は、プレスキャンボタン１４ｂが再操作されたと判断した場合、図８のＳ０４に進む。また、複合機１は、プレスキャンボタン１４ｂが再操作されていないと判断した場合、Ｓ３４に進む。

【0090】

Ｓ３４において、複合機１は、本スキャンボタン１４ｃが操作されたか否かを判断する。複合機１は、本スキャンボタン１４ｃが操作されたと判断した場合、Ｓ３５に進む。また、複合機１は、本スキャンボタン１４ｃが操作されていないと判断した場合、Ｓ３７に進む。

【0091】

Ｓ３５において、複合機１は、画像読取機構１６により原稿５０を本スキャンし、本スキャンデータを生成する。その他、本工程は、図９のＳ１３と同様である。

【0092】

Ｓ３６において、複合機１は、特定の宛先に、Ｓ３５で生成した本スキャンデータを送信する。その他、本工程は、図９のＳ１４と同様である。

【0093】

Ｓ３７において、複合機１は、キャンセルボタン１４ｄが操作されたか否かを判断する。複合機１は、キャンセルボタン１４ｄが操作されたと判断した場合、スキャン処理を終了する。また、複合機１は、キャンセルボタン１４ｄが操作されていないと判断した場合、Ｓ３８に進む。

【0094】

Ｓ３８において、複合機１は、発音終了後、一定時間が経過したかを判断する。ここで、「発音終了」とは、Ｓ３２が実行された場合、Ｓ３２における発音の終了を指し、Ｓ３２が実行されていない場合、最後にプレスキャンボタン１４ｂが操作されたときを指す。複合機１は、発音終了後、一定時間が経過したと判断した場合、スキャン処理を終了する。また、複合機１は、発音終了後、一定時間が経過していないと判断した場合、Ｓ３３に戻る。

【0095】

以上説明したとおり、本実施形態に係る複合機１は、原稿５０をスキャンしたスキャンデータを画像認識し、その認識結果に対応する言葉を、スピーカー回路１７から発音させることができる。

【0096】

また、複合機１は、画像認識結果に対応する言葉であって、原稿５０に含まれている様々な内容についても、スピーカー回路１７から発音させることができる。このため、複合機１を操作するユーザーは、原稿５０に含まれる文字以外の情報を把握することができる。また、ユーザーは、原稿５０に含まれる情報を把握した上で、本スキャンを指示することができるため、所望しない原稿５０を誤ってスキャンしてしまうなどのスキャンミスを軽減することができる。特に原稿５０が写真や絵のみであって文字が書かれていないような場合に効果が大きい。

【0097】

また、複合機１は、発音処理における発音終了後の一定時間内に、本スキャンボタン１４ｃが操作されたとき、本スキャンデータを生成し、生成した本スキャンデータを特定の宛先に送信することができる。すなわち、ユーザーは、本スキャンボタン１４ｃを操作するだけの簡単な操作で、本スキャンデータを特定の宛先に送信することができる。

【0098】

なお、上記の実施形態によらず、以下の変形例を採用可能である。
［変形例１］
上記の実施形態において複合機１は、スキャン処理内で原稿５０の読み上げを行ったが、コピー処理内で原稿５０の読み上げを行ってもよい。この場合、複合機１は、本スキャン指示に代えて、コピー指示を受け付けたときに、原稿５０をコピーすればよい。

【0099】

［変形例２］
原稿５０内のどの画像をどのように読み上げるのか、読み上げ設定をどの分類で設定できるのか、は上記の実施形態に限られない。例えば、文字を含まないロゴマークを「ＡＢＣ社のロゴマーク」等のように読み上げてもよい。

【0100】

［変形例３］
原稿５０内に同一の読み上げ設定に該当する文字や画像が複数含まれている場合には、それらに対応する言葉をどのような順番で読み上げるかは、ユーザーが理解しやすい範囲で適宜設計することができる。例えば、横書きの原稿５０であると判断された場合には、左上から右下に向かって順に読み上げ、縦書きの原稿５０であると判断された場合には、右上から左下に向かって順に読み上げるようにしてもよい。

【0101】

［変形例４］
上記の実施形態において複合機１は、本スキャン指示を受け付けたときに、原稿５０を本スキャンしたが、本スキャンを省略してもよい。この場合、複合機１は、スキャン指示を受け付けたときにスキャン処理を開始して本スキャンデータを生成し、生成した本スキャンデータに基づいて画像認識し、送信指示を受け付けたときに、生成した本スキャンデータを特定の宛先に送信すればよい。

【0102】

［変形例５］
上記の実施形態において複合機１は、発音終了後の一定時間内に、本スキャン指示を受け付けたとき、本スキャンデータを生成し、生成した本スキャンデータを特定の宛先に送信したが、発音処理における発音中にも本スキャン指示を受け付け可能としてもよい。すなわち、複合機１は、発音処理における発音中に本スキャン指示を受け付けた場合も、本スキャンデータを生成し、生成した本スキャンデータを特定の宛先に送信してもよい。

【0103】

［変形例６］
上記の実施形態において複合機１は、外部装置内の特定の記憶領域に本スキャンデータを送信したが、ＰＣのメールアドレスを、本スキャンデータの送信先としてもよい。ＰＣのメールアドレスは、「特定の宛先」の一例である。
また、さらなる変形例として、複合機１に着脱可能な外部記憶媒体や、複合機１を操作しているユーザーが所持するスマートフォン等の情報処理端末を、「特定の宛先」としてもよい。

【0104】

［変形例７］
上記の実施形態において複合機１は、２回目のプレスキャンボタン指示を受け付けたとき、第２読み上げ設定に該当する文字や画像に対応する言葉を発音したが、第１読み上げ設定に該当する文字や画像に対応する言葉を含めて発音してもよい。すなわち、複合機１は、２回目のプレスキャンボタン指示を受け付けたとき、第１読み上げ設定および第２読み上げ設定に該当する文字や画像に対応する言葉を発音し、３回目のプレスキャンボタン指示を受け付けたとき、第１読み上げ設定、第２読み上げ設定および第３読み上げ設定に該当する文字や画像に対応する言葉を発音してもよい。但し、画像選択肢群２１において「全ての画像」が選択された場合、他の画像選択肢に該当する言葉であって、重複する言葉の発音を省略することが好ましい。同様に、文字選択肢群２２において「全ての文字」が選択された場合、他の文字選択肢に該当する言葉であって、重複する言葉の発音を省略することが好ましい。

【0105】

［変形例８］
また、複合機１は、原稿５０に、第１読み上げ設定に該当する文字や画像が含まれないと判断した場合、すなわち図８のＳ０４：Ｎｏの場合、図１０のＳ２１に進んだが、その旨のメッセージを発音した後、Ｓ２１６に進んでもよい。同様に、複合機１は、図１０のＳ２１：Ｎｏの場合、原稿５０に、第２読み上げ設定に該当する文字や画像が含まれない旨のメッセージを発音してもよいし、図１１のＳ３１：Ｎｏの場合、原稿５０に、第３読み上げ設定に該当する文字や画像が含まれない旨のメッセージを発音してもよい。

【0106】

［変形例９］
上記の実施形態では、スキャン処理の途中でキャンセルボタン１４ｄが操作されたとき、スキャン処理を終了したが、画像読取機構１６の原稿台から原稿５０が取り除かれたとき、スキャン処理を終了してもよい。

【0107】

［変形例１０］
上記の実施形態では、複合機１は、原稿５０が画像読取機構１６の原稿台にセットされたことを検出した状態で、プレスキャンボタン１４ｂが押されることで次の処理に進んだが、複合機１は、原稿５０が画像読取機構１６の原稿台にセットされたことを検出した状態で、プレスキャンボタン１４ｂが押されることなく、本スキャンボタン１４ｃが操作されたと判断した場合に、Ｓ１３に進むようにしてもよい。

【0108】

［変形例１１］
上記の実施形態では、スキャンシステムとして複合機１を例示したが、複合機１とサーバーとによりスキャンシステムを実現してもよい。この場合、図３に示した機能のうち、画像認識部１２０をサーバーに設け、それ以外の機能を複合機１に設ければよい。また、サーバーに代えて、スマートフォンなどの情報処理端末を用いてもよい。すなわち、複合機１と情報処理端末とにより、スキャンシステムを実現してもよい。

【0109】

［変形例１２］
スキャンシステムは、複合機１の以外の電子機器でもよい。電子機器としては、スキャナー、コピー機、プロジェクター、書画カメラ、カメラ付き情報処理端末などを用いてもよい。例えば、スキャンシステムとしてプロジェクターを用いた場合、投影する原稿５０の読み上げを行えばよい。また、スキャンシステムとして書画カメラおよびカメラ付き情報処理端末を用いた場合、カメラで原稿５０を撮影し、撮影した画像データを、スキャンデータの代わりに用いればよい。
その他、発明の要旨を逸脱しない範囲で、適宜変更が可能である。

【0110】

［付記］
以下、スキャンシステム、プログラム、およびスキャンシステムのスキャンデータ生成方法について付記する。
スキャンシステムは、原稿５０をスキャンしてスキャンデータを生成する生成部１１０と、スキャンデータを画像認識する画像認識部１２０と、画像認識部１２０の認識結果に対応する言葉であって、原稿５０に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路１７から発音させる発音部１３０と、を備える。

【0111】

プログラムは、スキャンシステムに、原稿５０をスキャンしてスキャンデータを生成するステップと、スキャンデータを画像認識するステップと、画像認識の認識結果に対応する言葉であって、原稿５０に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路１７から発音させるステップと、を実行させる。

【0112】

スキャンシステムのスキャンデータ生成方法は、原稿５０をスキャンしてスキャンデータを生成するステップと、スキャンデータを画像認識するステップと、画像認識の認識結果に対応する言葉であって、原稿５０に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路１７から発音させるステップと、を実行する。

【0113】

この構成によれば、スキャンシステムは、画像認識結果に対応する言葉であって、原稿５０に含まれている写真、絵および図のいずれかに対応する写真・絵・図対応言葉を、スピーカー回路１７から発音させることができる。

【0114】

上記のスキャンシステムにおいて、原稿５０に、人物の顔が含まれている場合、画像認識部１２０は、人物の顔を認識し、発音部１３０は、人物ごとに、顔の画像データと、名前を示す言葉とが関連付けて記憶された画像テンプレート記憶領域１３ｂを参照し、画像認識部１２０で顔が認識された人物の名前を示す言葉を、写真・絵・図対応言葉として、スピーカー回路１７から発音させることが好ましい。

【0115】

この構成によれば、スキャンシステムは、画像認識部１２０で顔が認識された人物の名前を示す言葉を、写真・絵・図対応言葉として、スピーカー回路１７から発音させることができる。

【0116】

上記のスキャンシステムにおいて、原稿５０に、グラフが含まれている場合、画像認識部１２０は、グラフの種類を認識し、発音部１３０は、グラフの種類ごとに、グラフの画像データと、グラフの種類を示す言葉とが関連付けて記憶された画像テンプレート記憶領域１３ｂを参照し、画像認識部１２０で認識されたグラフの種類を示す言葉を、写真・絵・図対応言葉として、スピーカー回路１７から発音させることが好ましい。

【0117】

この構成によれば、スキャンシステムは、画像認識部１２０で認識されたグラフの種類を示す言葉を、写真・絵・図対応言葉として、スピーカー回路１７から発音させることができる。

【0118】

上記のスキャンシステムにおいて、原稿５０に、画像が含まれている場合、画像認識部１２０は、画像の分類を認識し、発音部１３０は、画像ごとに、画像データと、画像の分類を示す言葉とが関連付けて記憶された画像テンプレート記憶領域１３ｂを参照し、画像認識部１２０で認識された画像の分類を示す言葉を、写真・絵・図対応言葉として、スピーカー回路１７から発音させることが好ましい。

【0119】

この構成によれば、スキャンシステムは、画像認識部１２０で認識された画像の分類を示す言葉を、写真・絵・図対応言葉として、スピーカー回路１７から発音させることができる。

【0120】

上記のスキャンシステムにおいて、原稿５０に、文字が含まれている場合、画像認識部１２０は、光学的文字認識処理により文字を認識し、発音部１３０は、画像認識部１２０で認識された文字に対応する言葉を、スピーカー回路１７からさらに発音させることが好ましい。

【0121】

この構成によれば、スキャンシステムは、光学的文字認識処理により認識された文字に対応する言葉を、スピーカー回路１７から発音させることができる。

【0122】

上記のスキャンシステムにおいて、生成部１１０は、第１のスキャンデータおよび第２のスキャンデータを生成し、画像認識部１２０は、第１のスキャンデータを画像認識し、発音部１３０による発音中、または発音部１３０による発音終了後の一定時間内に、特定の操作が行われたとき、第２のスキャンデータを、特定の宛先に送信する送信部１４０をさらに備えることが好ましい。

【0123】

この構成によれば、スキャンシステムは、発音部１３０による発音中、または発音部１３０による発音終了後の一定時間内に、特定の操作が行われたとき、第２のスキャンデータを、特定の宛先に送信することができる。

【0124】

スキャンシステムは、原稿５０をスキャンしてスキャンデータを生成する生成部１１０と、スキャンデータを画像認識する画像認識部１２０と、画像認識部１２０の認識結果に対応する言葉であって、原稿５０に含まれている文字に対応する言葉ではなく、原稿５０に含まれているコードに対応する言葉でもない文字・コード非対応言葉を、スピーカー回路１７から発音させる発音部１３０と、を備える。

【0125】

この構成によれば、スキャンシステムは、画像認識結果に対応する言葉であって、原稿５０に含まれている文字に対応する言葉ではなく、原稿５０に含まれているコードに対応する言葉でもない文字・コード非対応言葉を、スピーカー回路１７から発音させることができる。

【符号の説明】

【0126】

１…複合機、１１０…生成部、１２０…画像認識部、１３０…発音部、１４０…送信部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】