特許 7562753 情報処理装置、及び制御方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-09-27

(45)【発行日】2024-10-07

(54)【発明の名称】情報処理装置、及び制御方法

(51)【国際特許分類】

   G06F 3/04883 20220101AFI20240930BHJP

   G06F 3/041 20060101ALI20240930BHJP

【ＦＩ】

G06F3/04883

G06F3/041 600

G06F3/041 595

【請求項の数】 9

(21)【出願番号】P 2023075081

(22)【出願日】2023-04-28

【審査請求日】2023-04-28

(73)【特許権者】

【識別番号】505205731

【氏名又は名称】レノボ・シンガポール・プライベート・リミテッド

(74)【代理人】

【識別番号】100161207

【弁理士】

【氏名又は名称】西澤 和純

(74)【代理人】

【識別番号】100169764

【弁理士】

【氏名又は名称】清水 雄一郎

(74)【代理人】

【識別番号】100175824

【弁理士】

【氏名又は名称】小林 淳一

(74)【代理人】

【識別番号】100206081

【弁理士】

【氏名又は名称】片岡 央

(72)【発明者】

【氏名】野村 良太

(72)【発明者】

【氏名】ヴ トラン ミン クオン

【審査官】相川 俊

(56)【参考文献】

【文献】中国特許出願公開第１０１６３９９４２（ＣＮ，Ａ）

【文献】特開２００３－１５７０７０（ＪＰ，Ａ）

【文献】米国特許第０５７９６８６７（ＵＳ，Ａ）

【文献】特表２０１４－５０８９９２（ＪＰ，Ａ）

【文献】中国特許出願公開第１０３４８８３３９（ＣＮ，Ａ）

【文献】中国特許出願公開第１１０９６８２４６（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ ３／０４８８３

Ｇ０６Ｆ ３／０４１

(57)【特許請求の範囲】

【請求項1】

第１の機械学習結果を用いて、漢字の文字を構成する基本パターンである文字要素を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する前記複合文字要素を特定して分類する第１分類処理部と、
前記手書きストロークを、前記手書きストロークの描画方向の変化に基づいて生じる頂点である角の部分で分割し、分割した部分ストロークを生成する分割処理部と、
前記第１の機械学習結果とは異なる第２の機械学習結果を用いて、前記所定数よりも多い複数の前記文字要素のうちから、前記部分ストロークに該当する前記文字要素を特定して分類する第２分類処理部と、
前記手書きストロークが前記角の部分を含むか否かに応じて、前記第１分類処理部による第１分類処理と、前記第２分類処理部による第２分類処理とを切り替えて実行させる分類制御部と、
分類された前記複合文字要素又は前記文字要素に対応するブラシ情報及び筆圧特性に基づいて、前記手書きストロークの形状を調整し、当該形状を調整した前記手書きストロークを表示部に表示するレンダリング処理部と
を備える情報処理装置。

【請求項2】

前記分類制御部は、
前記手書きストロークが前記角の部分を含む場合に、前記第１分類処理部に、前記第１の機械学習結果を用いた前記第１分類処理を実行させ、
前記手書きストロークが前記角の部分を含まない場合に、前記第２分類処理部に、前記第２の機械学習結果を用いた前記第２分類処理を実行させる
請求項１に記載の情報処理装置。

【請求項3】

前記分類制御部は、
前記第１分類処理部に、前記第１の機械学習結果を用いた前記第１分類処理を実行させた結果、前記第１分類処理の確信度が閾値未満である場合に、前記第２分類処理部に、前記第２の機械学習結果を用いた前記第２分類処理を実行させ、
前記レンダリング処理部は、前記第２分類処理を実行した場合に、前記第２分類処理により分類された前記文字要素に対応する前記ブラシ情報及び前記筆圧特性に基づいて、前記手書きストロークの形状を調整し、当該形状を調整した前記手書きストロークを前記表示部に表示する
請求項２に記載の情報処理装置。

【請求項4】

前記分類制御部は、
前記第１分類処理を実行させた結果、前記手書きストロークに含まれる前記角の部分の数と、分類された前記複合文字要素に含まれる前記角の部分の数とが一致しない場合に、前記第２分類処理部に、前記第２の機械学習結果を用いた前記第２分類処理を実行させる
請求項３に記載の情報処理装置。

【請求項5】

前記第１の機械学習結果は、予め選定された所定数の前記複合文字要素のそれぞれと、対応する前記手書きストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルであり、
前記第２の機械学習結果は、予め選定された前記部分ストローク用の前記文字要素と、対応する前記部分ストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルである
請求項１に記載の情報処理装置。

【請求項6】

前記文字要素又は前記複合文字要素と、当該文字要素又は当該複合文字要素におけるストローク位置と筆圧との関係を示す圧力カーブとを対応づけて記憶する筆圧特性記憶部を備え、
前記レンダリング処理部は、前記筆圧特性記憶部から、分類された前記文字要素又は前記複合文字要素に対応する前記圧力カーブを取得し、取得した前記圧力カーブに基づいて、前記手書きストロークの太さを調整する
請求項１に記載の情報処理装置。

【請求項7】

前記文字要素又は前記複合文字要素と、使用するブラシのサイズ、アスペクト比、及び角度とを含む前記ブラシ情報とを対応付けて記憶するブラシ情報記憶部を備え、
前記レンダリング処理部は、前記ブラシ情報記憶部から、分類された前記文字要素又は前記複合文字要素に対応する前記ブラシ情報を取得し、取得した前記ブラシ情報に基づいて、前記手書きストロークの形状を調整する
請求項１に記載の情報処理装置。

【請求項8】

前記表示部と、
前記表示部の画面上の検出面における操作媒体の接触及び接触位置を検出するタッチセンサ部と、
前記タッチセンサ部が検出した前記操作媒体の接触位置に基づいて、前記手書きストロークの入力を検出する入力処理部と
を備え、
前記入力処理部は、前記手書きストロークの入力を検出するとともに、前記操作媒体の接触位置の移動軌跡を、入力された前記手書きストロークとして、前記表示部に表示し、
前記レンダリング処理部は、前記入力された前記手書きストロークに置き換えて、形状を調整した前記手書きストロークを表示部に表示する
請求項１から請求項７のいずれか一項に記載の情報処理装置。

【請求項9】

第１の機械学習結果を用いて、漢字の文字を構成する基本パターンである文字要素を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する前記複合文字要素を特定して分類する第１分類処理部と、前記手書きストロークを、前記手書きストロークの描画方向の変化に基づいて生じる頂点である角の部分で分割し、分割した部分ストロークを生成する分割処理部と、前記第１の機械学習結果とは異なる第２の機械学習結果を用いて、前記所定数よりも多い複数の前記文字要素のうちから、前記部分ストロークに該当する前記文字要素を特定して分類する第２分類処理部と、を備える情報処理装置の制御方法であって、
分類制御部が、前記手書きストロークが前記角の部分を含むか否かに応じて、前記第１分類処理部による第１分類処理と、前記第２分類処理部による第２分類処理とを切り替えて実行させるステップと、
レンダリング処理部が、前記第１分類処理又は前記第２分類処理により分類された前記複合文字要素又は前記文字要素に対応するブラシ情報及び筆圧特性に基づいて、前記手書きストロークの形状を調整し、当該形状を調整した前記手書きストロークを表示部に表示するステップと
を含む制御方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、及び制御方法に関する。

【背景技術】

【0002】

近年、タブレット端末などの情報処理装置において、手書き文字入力が可能なものが普及している（例えば、特許文献１を参照）。このような従来の情報処理装置では、手書き入力した文字を認識し、所定のフォントに変換する技術が知られている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２１－４３８５１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

上述した従来の情報処理装置では、手書き入力した文字を、所定のフォントに変換することで、きれいな文字を表示することが可能である。しかしながら、従来の情報処理装置では、文字を所定のフォントに置き換えることで、利用者の筆跡が消失するとともに、手書きによる自由な文字の縦横比や大きなどの手書きの自由度が失われて、手書きの良さが消失する問題があった。一方で、従来の情報処理装置では、ペンで描いた文字を、ペンの筆圧などをもとに描画インクのレンダリング太さを調整し、表示することも可能である。しかし、そのような場合に、特に漢字のような複雑な文字でしばしば必要となる、トメ・ハネ・ハライのような、繊細なインク太さの調整が必要な描画は、紙に比べて表面が固く、滑りやすいタブレット端末では、非常に困難であった。すなわち、従来の情報処理装置では、手書きの良さを維持しつつ、きれいな文字を表示することが困難であった。

【0005】

本発明は、上記問題を解決すべくなされたもので、その目的は、手書き入力において、手書きの良さを維持しつつ、きれいな文字、特に漢字を表示することができる情報処理装置、及び制御方法を提供することにある。

【課題を解決するための手段】

【0006】

上記問題を解決するために、本発明の一態様は、第１の機械学習結果を用いて、漢字の文字を構成する基本パターンである文字要素を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する前記複合文字要素を特定して分類する第１分類処理部と、前記手書きストロークを、前記手書きストロークの描画方向の変化に基づいて生じる頂点である角の部分で分割し、分割した部分ストロークを生成する分割処理部と、前記第１の機械学習結果とは異なる第２の機械学習結果を用いて、前記所定数よりも多い複数の前記文字要素のうちから、前記部分ストロークに該当する前記文字要素を特定して分類する第２分類処理部と、前記手書きストロークが前記角の部分を含むか否かに応じて、前記第１分類処理部による第１分類処理と、前記第２分類処理部による第２分類処理とを切り替えて実行させる分類制御部と、分類された前記複合文字要素又は前記文字要素に対応するブラシ情報及び筆圧特性に基づいて、前記手書きストロークの形状を調整し、当該形状を調整した前記手書きストロークを表示部に表示するレンダリング処理部とを備える情報処理装置である。

【0007】

また、本発明の一態様は、上記の情報処理装置において、前記分類制御部は、前記手書きストロークが前記角の部分を含む場合に、前記第１分類処理部に、前記第１の機械学習結果を用いた前記第１分類処理を実行させ、前記手書きストロークが前記角の部分を含まない場合に、前記第２分類処理部に、前記第２の機械学習結果を用いた前記第２分類処理を実行させてもよい。

【0008】

また、本発明の一態様は、上記の情報処理装置において、前記分類制御部は、前記第１分類処理部に、前記第１の機械学習結果を用いた前記第１分類処理を実行させた結果、前記第１分類処理の確信度が閾値未満である場合に、前記第２分類処理部に、前記第２の機械学習結果を用いた前記第２分類処理を実行させ、前記レンダリング処理部は、前記第２分類処理を実行した場合に、前記第２分類処理により分類された前記文字要素に対応する前記ブラシ情報及び前記筆圧特性に基づいて、前記手書きストロークの形状を調整し、当該形状を調整した前記手書きストロークを前記表示部に表示してもよい。

【0009】

また、本発明の一態様は、上記の情報処理装置において、前記分類制御部は、前記第１分類処理を実行させた結果、前記手書きストロークに含まれる前記角の部分の数と、分類された前記複合文字要素に含まれる前記角の部分の数とが一致しない場合に、前記第２分類処理部に、前記第２の機械学習結果を用いた前記第２分類処理を実行させてもよい。

【0010】

また、本発明の一態様は、上記の情報処理装置において、前記第１の機械学習結果は、予め選定された所定数の前記複合文字要素のそれぞれと、対応する前記手書きストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルであり、前記第２の機械学習結果は、予め選定された前記部分ストローク用の前記文字要素と、対応する前記部分ストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルであってもよい。

【0011】

また、本発明の一態様は、上記の情報処理装置において、前記文字要素又は前記複合文字要素と、当該文字要素又は当該複合文字要素におけるストローク位置と筆圧との関係を示す圧力カーブとを対応づけて記憶する筆圧特性記憶部を備え、前記レンダリング処理部は、前記筆圧特性記憶部から、分類された前記文字要素又は前記複合文字要素に対応する前記圧力カーブを取得し、取得した前記圧力カーブに基づいて、前記手書きストロークの太さを調整してもよい。

【0012】

また、本発明の一態様は、上記の情報処理装置において、前記文字要素又は前記複合文字要素と、使用するブラシのサイズ、アスペクト比、及び角度とを含む前記ブラシ情報とを対応付けて記憶するブラシ情報記憶部を備え、前記レンダリング処理部は、前記ブラシ情報記憶部から、分類された前記文字要素又は前記複合文字要素に対応する前記ブラシ情報を取得し、取得した前記ブラシ情報に基づいて、前記手書きストロークの形状を調整してもよい。

【0013】

また、本発明の一態様は、上記の情報処理装置において、前記表示部と、前記表示部の画面上の検出面における操作媒体の接触及び接触位置を検出するタッチセンサ部と、
前記タッチセンサ部が検出した前記操作媒体の接触位置に基づいて、前記手書きストロークの入力を検出する入力処理部とを備え、前記入力処理部は、前記手書きストロークの入力を検出するとともに、前記操作媒体の接触位置の移動軌跡を、入力された前記手書きストロークとして、前記表示部に表示し、前記レンダリング処理部は、前記入力された前記手書きストロークに置き換えて、形状を調整した前記手書きストロークを表示部に表示してもよい。

【0014】

また、本発明の一態様は、第１の機械学習結果を用いて、漢字の文字を構成する基本パターンである文字要素を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する前記複合文字要素を特定して分類する第１分類処理部と、前記手書きストロークを、前記手書きストロークの描画方向の変化に基づいて生じる頂点である角の部分で分割し、分割した部分ストロークを生成する分割処理部と、前記第１の機械学習結果とは異なる第２の機械学習結果を用いて、前記所定数よりも多い複数の前記文字要素のうちから、前記部分ストロークに該当する前記文字要素を特定して分類する第２分類処理部と、を備える情報処理装置の制御方法であって、分類制御部が、前記手書きストロークが前記角の部分を含むか否かに応じて、前記第１分類処理部による第１分類処理と、前記第２分類処理部による第２分類処理とを切り替えて実行させるステップと、レンダリング処理部が、前記第１分類処理又は前記第２分類処理により分類された前記複合文字要素又は前記文字要素に対応するブラシ情報及び筆圧特性に基づいて、前記手書きストロークの形状を調整し、当該形状を調整した前記手書きストロークを表示部に表示するステップとを含む制御方法である。

【発明の効果】

【0015】

本発明の上記態様によれば、手書き入力において、手書きの良さを維持しつつ、きれいな文字（特に漢字）を表示することができる。

【図面の簡単な説明】

【0016】

【図1】本実施形態によるタブレット端末及び情報処理システムの一例を示す外観図である。

【図2】本実施形態によるタブレット端末及び情報処理システムの主要なハードウェア構成の一例を示す図である。

【図3】本実施形態によるタブレット端末及び情報処理システムの機能構成の一例を示すブロック図である。

【図4】本実施形態におけるブラシ情報記憶部のデータ例を示す図である。

【図5】本実施形態における文字要素の一例を示す図である。

【図6】本実施形態における筆圧特性記憶部のデータ例を示す図である。

【図7】本実施形態におけるタブレット端末の手書き入力処理の概要を示す図である。

【図8】本実施形態におけるタブレット端末の手書き入力処理の一例を示すフローチャートである。

【図9】本実施形態におけるタブレット端末の学習処理の一例を示す第１のフローチャートである。

【図10】本実施形態におけるタブレット端末の学習処理の一例を示す第２のフローチャートである。

【発明を実施するための形態】

【0017】

以下、本発明の一実施形態による情報処理装置、及び制御方法について、図面を参照して説明する。

【0018】

図１は、本実施形態によるタブレット端末１及び情報処理システム１００の一例を示す外観図である。
図１に示すように、情報処理システム１００は、タブレット端末１と、ペン３０とを備える。なお、本実施形態において、情報処理装置の一例として、タブレット端末１について説明する。

【0019】

タブレット端末１は、筐体ＣＳ１の片方の主面に、タッチスクリーン２０が設置されており、ペン３０を用いて、例えば、メモ帳、描画などのアプリケーションプログラムを実行させる。タブレット端末１は、ペン３０を用いて、手書き入力が可能である。なお、ペン３０は、手書き入力の際に、様々なタイプのブラシ（筆）を設定可能である。

【0020】

タッチスクリーン２０は、表示部２１と、タッチセンサ部２２とを備え、表示部２１は、表示画面ＤＦに各種情報を表示する。
タッチセンサ部２２は、表示部２１に重ねて配置されており、ペン３０が、表示部２１の表示画面ＤＦに接触することを検出するとともに、ペン３０の接触位置を検出する。
なお、タッチスクリーン２０、表示部２１、及びタッチセンサ部２２の詳細については、後述する。

【0021】

次に、図２を参照して、タブレット端末１及び情報処理システム１００の主要なハードウェア構成について説明する。
図２は、本実施形態によるタブレット端末１及び情報処理システム１００の主要なハードウェア構成の一例を示す図である。

【0022】

図２に示すように、情報処理システム１００は、タブレット端末１とペン３０とを備える。また、タブレット端末１は、プロセッサ１１と、メインメモリ１２と、フラッシュメモリ１３と、タッチスクリーン２０と、周辺デバイス２３と、オーディオシステム２４と、マイク２５と、スピーカ２６と、ベースバンドチップ２７と、無線部２８と、無線通信部２９とを備える。

【0023】

プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）を含むアプリケーションプロセッサである。プロセッサ１１は、タブレット端末１の全体を制御する。

【0024】

メインメモリ１２は、プロセッサ１１の実行プログラムの読み込み領域として、又は、実行プログラムの処理データを書き込む作業領域として利用される書き込み可能メモリである。メインメモリ１２は、例えば、複数個のＤＲＡＭ（Dynamic Random Access Memory）チップで構成される。この実行プログラムには、ＯＳ（Operating System：オペレーティングシステム）、周辺機器類をハードウェア操作するための各種デバイスドライバ、各種サービス／ユーティリティ、アプリケーションプログラム（アプリケーションソフトウェア）、等が含まれる。

【0025】

フラッシュメモリ１３は、例えば、フラッシュＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）であり、ＯＳ、各種ドライバ、各種サービス／ユーティリティ、アプリケーションプログラム（以下、アプリケーションということがある）、及び各種データを記憶する。

【0026】

表示部２１は、例えば、液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイであり、プロセッサ１１から出力された描画データ（表示データ）に基づく表示画面を表示する。表示部２１は、例えば、ペン３０の移動軌跡（描画軌跡）を表示可能である。

【0027】

タッチセンサ部２２は、表示部２１の画面上（表示画面ＤＦ上）におけるペン３０などの操作媒体の位置と、ペン３０の画面上への接触を検出する。タッチセンサ部２２は、表示部２１の画面上におけるペン３０の接触位置を検出する。

【0028】

周辺デバイス２３は、例えば、ＷＬＡＮ（Wireless Local Area Network）モジュール、ＧＰＳ（Global Positioning System）モジュール、及び加速度センサなどのセンサ類、等である。

【0029】

オーディオシステム２４は、例えば、オーディオＩＣ（Integrated Circuit）であり、音データの入力、記録、再生、出力を行う。オーディオシステム２４には、例えば、マイク２５と、スピーカ２６とが接続されている。オーディオシステム２４は、例えば、マイク２５が収音した音データを、プロセッサ１１又はベースバンドチップ２７に出力する。また、オーディオシステム２４は、例えば、プロセッサ１１又はベースバンドチップ２７から取得した音データを音信号に変換して、スピーカ２６に出力する。

【0030】

マイク２５は、タブレット端末１の周辺の音を収音する。マイク２５は、例えば、他の端末と音声融和する際に、利用者の音声等の音を収音する。
スピーカ２６は、タブレット端末１の外部に、各種音を出力する。スピーカ２６は、例えば、他の端末と音声融和する際に、他の端末から受信した音を出力（放音）する。

【0031】

ベースバンドチップ２７は、例えば、４Ｇ（第４世代移動通信システム）や５Ｇ（第４世代移動通信システム）などの無線通信を制御する専用ＩＣである。ベースバンドチップ２７は、例えば、無線部２８を用いて受信した音声データを、オーディオシステム２４を介して、スピーカ２６に出力させる。また、ベースバンドチップ２７は、例えば、マイク２５から収音した音データを、オーディオシステム２４を介して取得し、無線部２８を用いて、移動通信システムにより出力させる。また、ベースバンドチップ２７は、移動通信システムによるデータ通信の入出力データを、プロセッサ１１との間でデータ通信する。

【0032】

無線部２８は、移動通信システムによる無線通信を行うための、アンテナを含む無線通信デバイスである。
無線通信部２９は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）モジュールであり、ペン３０との間で無線通信を行う。無線通信部２９は、例えば、ペン３０が検出したセンサ情報（接触圧力やペン３０の角度、等）を、ペン３０から受信する。

【0033】

ペン３０は、ペン形状の操作媒体であり、例えば、タッチペン、スタイラスペンなどである。ペン３０は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信により、タブレット端末１と通信可能である。ペン３０は、無線通信部３１と、センサ部３２と、メモリ３３と、ＭＣＵ３４とを備える。

【0034】

無線通信部３１は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）モジュールであり、タブレット端末１とペン３０との間で無線通信を行う。無線通信部３１は、例えば、センサ部３２が検出したセンサ情報、等をタブレット端末１に送信する。
センサ部３２は、ペン３０の接触圧力（筆圧）、ペン３０の角度、等のセンサ情報を検出する。

【0035】

メモリ３３は、例えば、ＲＡＭなどで構成され、ペン３０の制御プログラムの一部やＭＣＵ３４の処理データを記憶する。なお、メモリ３３は、ＲＡＭの他に、フラッシュメモリやＲＯＭなどを含んでいてもよい。

【0036】

ＭＣＵ（Micro Controller Unit）３４は、ＣＰＵ、ＲＯＭやＲＡＭなどのメモリ、Ｉ／Ｏ関連などを備え、ペン３０を統括的に制御する。ＭＣＵ３４は、無線通信部３１を介したタブレット端末１との間でデータ通信を制御する。ＭＣＵ３４は、例えば、センサ部３２が検出したセンサ情報を、無線通信部３１を介して、タブレット端末１に送信する。

【0037】

次に、図３を参照して、本実施形態による情報処理システム１００の機能構成について説明する。
図３は、本実施形態によるタブレット端末１及び情報処理システム１００の機能構成の一例を示すブロック図である。

【0038】

図３に示すように、情報処理システム１００は、タブレット端末１とペン３０とを備え、タブレット端末１は、制御部１０と、タッチスクリーン２０と、記憶部４０とを備える。

【0039】

タッチスクリーン２０は、表示部２１と、タッチセンサ部２２とを備える。
タッチセンサ部２２は、表示部２１の画面上の検出面における操作媒体（ペン３０）の接触及び接触位置を検出する。タッチセンサ部２２は、例えば、ペン入力として、表示部２１の画面上におけるペン３０の接触位置を検出する。タッチセンサ部２２は、ペン３０の接触位置として、例えば、表示部２１の表示画面ＤＦ上の２次元座標を示す接触位置情報を検出する。タッチセンサ部２２は、接触位置情報を制御部１０に出力する。

【0040】

記憶部４０は、例えば、メインメモリ１２又はフラッシュメモリ１３により実現される記憶部であり、ブラシ情報記憶部４１と、筆圧特性記憶部４２と、ＣＣＥ分類情報記憶部４３と、ＳＣＥ分類情報記憶部４４と、手書きストローク記憶部４５と、部分ストローク記憶部４６と、学習データ記憶部４７とを備える。

【0041】

ブラシ情報記憶部４１は、例えば、メインメモリ１２により実現される記憶部であり、漢字の文字を分割した基本部品（漢字の文字を構成する基本パターン）である文字要素（ＣＥ：Character Element）に対応するブラシ情報を記憶する。ここで、図４を参照して、ブラシ情報記憶部４１のデータ例について説明する。なお、文字要素には、角の部分がない単純な文字要素であり、１つの文字要素（ＣＥ）で構成されるシンプル文字要素（ＳＣＥ：Simple Character Element）と、角の部分を含む複雑な形状であり、複数の文字要素（ＣＥ）を含む複合文字要素（ＣＣＥ：Complex Character Element）とが含まれる。

【0042】

図４は、本実施形態におけるブラシ情報記憶部４１のデータ例を示す図である。
図４に示すように、ブラシ情報記憶部４１は、ＣＥＩＤ（文字要素ＩＤ）と、ブラシサイズと、アスペクト比と、標準ブラシ角と、標準ストローク角度とを対応付けて記憶する。

【0043】

ＣＥＩＤは、文字要素を識別する文字要素識別情報である。また、ブラシサイズは、ブラシの大きさを示している。また、アスペクト比は、ブラシの縦横比であり横：縦の比を示している。また、標準ブラシ角は、当該文字要素の標準（基準）のブラシ角度を示し、標準ストローク角度は、当該文字要素のストロークの標準（基準）の角度を示している。

【0044】

例えば、図４に示す例では、ＣＥＩＤが“ＳＣＥ００１”の文字要素のブラシサイズが、“Ｒ１”であり、アスペクト比が“ＸＸ１：ＹＹ１”であることを示している。また、当該文字要素の標準ブラシ角が、“α１”であり、標準ストローク角度が“β１”であることを示している。なお、“ＳＣＥ００１”は、シンプル文字要素である。

【0045】

また、例えば、ＣＥＩＤが“ＣＣＥ００１”の文字要素のブラシサイズが、“Ｒ２”であり、アスペクト比が“ＸＸ２：ＹＹ２”であることを示している。また、当該文字要素の標準ブラシ角が、“α２”であり、標準ストローク角度が“β２”であることを示している。なお、“ＣＣＥ００１”は、複合文字要素である。

【0046】

ここで、図５を参照して、文字要素について説明する。
図５は、本実施形態における文字要素の一例を示す図である。図５では、漢字の「永」という文字を構成する文字要素について説明する。

【0047】

図５に示すように、漢字の「永」という文字は、文字要素ＣＥ１～文字要素ＣＥ８に分解される。文字要素ＣＥ１～文字要素ＣＥ８には、トメ、ハネ、ハライ、等が含まれており、文字要素ＣＥ１～文字要素ＣＥ８のそれぞれは、上述した図４に示すように、対応するブラシ情報が定義される。なお、文字要素ＣＥ１～文字要素ＣＥ８は、シンプル文字要素である。シンプル文字要素は、単純なパターンでバリエーションが比較的少ないため、機械学習による分類モデルの生成は容易であるが、認識率（ヒット率）が低い傾向にある。

【0048】

また、漢字の「永」において、複数のシンプル文字要素を組み合わせた複合文字要素は、図５に示すような複合文字要素ＣＣＥ１、及び複合文字要素ＣＣＥ２、等である。複合文字要素は、複雑なパターンでバリエーションが多いため、機械学習による全てのバリエーションに対する分類モデルを生成することは、困難であるが、認識率（ヒット率）が高い傾向にある。

【0049】

本実施形態では、複合文字要素ＣＣＥ１及び複合文字要素ＣＣＥ２のような、予め選定された所定数の複合文字要素を定義し、定義した文字要素ごとに、レンダリング（描画）することで、漢字の文字の手書き入力において、きれいな文字の描画を実現する。
また、本実施形態では、複合文字要素で対応できない部分に対して、様々な漢字文字から決定した、上述した文字要素ＣＥ１～文字要素ＣＥ８を含む複数のシンプル文字要素を定義し、定義したシンプル文字要素ごとに、レンダリング（描画）することで、漢字の文字の手書き入力において、きれいな文字を実現する。
なお、ここでの「きれいな文字」とは、例えば、好みのフォントに似たレンダリングがされた文字のことである。

【0050】

図３の説明に戻り、筆圧特性記憶部４２は、例えば、メインメモリ１２により実現される記憶部であり、文字要素（シンプル文字要素又は複合文字要素）におけるストローク位置と筆圧との関係を示す圧力カーブ（筆圧特性）を記憶する。筆圧特性記憶部４２は、例えば、文字要素の識別情報と、筆圧特性とを対応付けて記憶する。ここで、図６を参照して、筆圧特性記憶部４２のデータ例について説明する。

【0051】

図６は、本実施形態における筆圧特性記憶部４２のデータ例を示す図である。
図６に示すように、筆圧特性記憶部４２は、ＣＥＩＤと、筆圧特性とを対応付けて記憶する。

【0052】

例えば、図６に示す例では、ＣＥＩＤが“ＳＣＥ００１”に対応する筆圧特性は、波形Ｗ１のような圧力カーブであることを示している。なお、波形Ｗ１を示すグラフの横軸は、ストローク位置を示し、縦軸は、筆圧（圧力）を示している。圧力カーブにおいて、筆圧が高い程、レンダリングの際のストロークの線が太くなり、筆圧が低い程、レンダリングの際のストロークの線が細くなることを示している。

【0053】

ＣＥＩＤが“ＳＣＥ００１”に対応する筆圧特性（波形Ｗ１）では、ストローク位置が進むにしたがってストロークの線が太くなり、最後に急激に細くなる文字要素（図５に示す文字要素ＣＥ１）を示している。

【0054】

また、例えば、ＣＥＩＤが“ＳＣＥ００２”に対応する筆圧特性は、波形Ｗ２のような圧力カーブであることを示している。ＣＥＩＤが“ＳＣＥ００２”に対応する筆圧特性（波形Ｗ２）では、ストローク位置が進むにしたがってストロークの線が一旦細くなった後に、再び太くなる文字要素（図５に示す文字要素ＣＥ２）を示している。

【0055】

再び、図３の説明に戻り、ＣＣＥ分類情報記憶部４３は、例えば、メインメモリ１２により実現される記憶部であり、複合文字要素を分類するための情報を記憶する。ＣＣＥ分類情報記憶部４３は、例えば、機械学習により生成された学習済みモデルであり、後述する手書きストロークを、予め選定された所定数の複合文字要素のうちのいずれかに分類するためのＣＣＥ分類モデルを記憶する。ＣＣＥ分類情報記憶部４３は、モデル記憶部の一例である。

【0056】

ＳＣＥ分類情報記憶部４４は、例えば、メインメモリ１２により実現される記憶部であり、シンプル文字要素を分類するための情報を記憶する。ＳＣＥ分類情報記憶部４４は、例えば、機械学習により生成された学習済みモデルであり、後述する部分ストロークを、複合文字要素の所定数より多い複数のシンプル文字要素のうちのいずれかに分類するためのＳＣＥ分類モデルを記憶する。ＳＣＥ分類情報記憶部４４は、モデル記憶部の一例である。

【0057】

手書きストローク記憶部４５は、例えば、メインメモリ１２により実現される記憶部であり、ペン３０を用いてタッチセンサ部２２により検出された手書きストロークデータを記憶する。手書きストローク記憶部４５は、例えば、漢字文字を手書き入力する際のタッチセンサ部２２による時系列の検出点の集合データを、手書きストロークとして記憶する。

【0058】

部分ストローク記憶部４６は、例えば、メインメモリ１２により実現される記憶部であり、手書きストロークから生成された部分ストロークのデータを記憶する。部分ストロークの詳細については後述する。

【0059】

学習データ記憶部４７は、例えば、メインメモリ１２により実現される記憶部であり、上述した分類モデル（ＣＣＥ分類モデル、及びＳＣＥ分類モデル）を生成するための学習データを記憶する。学習データ記憶部４７は、ＳＣＥ分類モデルを生成する場合に、予め指定した文字を利用者が手書きした文字の部分ストロークと、シンプル文字要素とを対応付けた学習データを記憶する。また、学習データ記憶部４７は、ＣＣＥ分類モデルを生成する場合に、予め指定した文字を利用者が手書きした文字の手書きストロークと、複合文字要素とを対応付けた学習データを記憶する。

【0060】

制御部１０は、例えば、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部であり、ＯＳ（例えば、Ａｎｄｒｏｉｄ（登録商標）など）に基づく各種処理を実行する。制御部１０は、入力処理部１０１と、ＣＣＥ分類処理部１０２と、分割処理部１０３と、ＳＣＥ分類処理部１０４と、分類制御部１０５と、レンダリング処理部１０６と、表示処理部１０７と、学習処理部１０８とを備える。

【0061】

入力処理部１０１は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。入力処理部１０１は、例えば、タッチセンサ部２２による入力を制御するデバイスドライバであり、タッチセンサ部２２の入力によって、表示部２１の画面上（表示画面ＤＦ上）におけるペン３０の位置や接触を検出する。
なお、入力処理部１０１は、例えば、ペン３０から、接触圧力（筆圧）やペン３０の角度情報を取得してもよい。

【0062】

入力処理部１０１は、タッチセンサ部２２が検出した操作媒体（例えば、ペン３０）の接触位置に基づいて、手書きストロークの入力を検出する。すなわち、入力処理部１０１は、検出したペン３０の接触位置情報（位置座標）を、手書きストロークとして、手書きストローク記憶部４５に記憶させる。

【0063】

なお、手書きストローク、或いは、単に、ストロークとは、ペン３０の接触（タッチ）からペン３０の接触が離れる（アップ）までのペン先の軌跡の検出点の集合データを示し、当該ペン先の軌跡を表示部２１の画面上（表示画面ＤＦ上）に表示したものを含めてもよい。

【0064】

また、入力処理部１０１は、手書きストロークの入力を検出するとともに、操作媒体の接触位置の移動軌跡を、入力された手書きストロークとして、表示部２１に表示する。入力処理部は、後述する表示処理部１０７を介して、入力された手書きストロークを表示部２１に表示させる。

【0065】

ＣＣＥ分類処理部１０２（第１分類処理部の一例）は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。ＣＣＥ分類処理部１０２は、ＣＣＥ分類モデル（第１の機械学習結果）を用いて、漢字の文字を構成する基本パターンである文字要素を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する複合文字要素を特定して分類する。

【0066】

ここで、ＣＣＥ分類モデルは、予め選定された所定数の複合文字要素のそれぞれと、対応する手書きストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルである。
ＣＣＥ分類処理部１０２は、ＣＣＥ分類情報記憶部４３が記憶するＣＣＥ分類モデルを用いて、手書きストロークを、複合文字要素に分類する。

【0067】

具体的に、図７のステップＳ１１に示すように、ＣＣＥ分類処理部１０２は、ＣＣＥ分類モデルＭＤ１を用いて、例えば、手書きストロークＳＴ１を、複合文字要素ＣＣＥ１に分類する。

【0068】

分割処理部１０３は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。分割処理部１０３は、利用者によって入力された手書きストロークを角の部分で分割し、分割した部分ストロークを生成する。分割処理部１０３は、入力処理部１０１によって手書きストローク記憶部４５に記憶された手書きストロークを部分ストロークに分割する。

【0069】

具体的に、図７のステップＳ１２に示すように、分割処理部１０３は、２つの角を持つ手書きストロークＳＴ１を、角の部分で分割し、部分ストロークＳＳ１、部分ストロークＳＳ２、及び部分ストロークＳＳ３を生成する。
分割処理部１０３は、分割した部分ストロークを、部分ストローク記憶部４６に記憶させる。

【0070】

ＳＣＥ分類処理部１０４（第２分類処理部の一例）は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。ＳＣＥ分類処理部１０４は、分割処理部１０３が分割した部分ストロークを、漢字の文字を構成する基本パターンである複数のシンプル文字要素のうちのいずれかに分類する。

【0071】

すなわち、ＳＣＥ分類処理部１０４は、ＣＣＥ分類モデルとは異なるＳＣＥ分類モデル（第２の機械学習結果）を用いて、複合文字要素の所定数よりも多い複数の文字要素（シンプル文字要素）のうちから、部分ストロークに該当するシンプル文字要素を特定して分類する。

【0072】

ここで、ＳＣＥ分類モデルは、予め選定された部分ストローク用の文字要素と、対応する部分ストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルである。
ＳＣＥ分類処理部１０４は、ＳＣＥ分類情報記憶部４４が記憶するＳＣＥ分類モデルを用いて、部分ストロークを、シンプル文字要素に分類する。

【0073】

具体的に、図７のステップＳ１３に示すように、ＳＣＥ分類処理部１０４は、ＳＣＥ分類モデルＭＤ２を用いて、例えば、部分ストロークＳＳ１を、文字要素ＣＥ２に分類し、部分ストロークＳＳ２を、文字要素ＣＥ３に分類する。また、ＳＣＥ分類処理部１０４は、ＳＣＥ分類モデルＭＤ２を用いて、例えば、部分ストロークＳＳ３を、文字要素ＣＥ４に分類する。

【0074】

分類制御部１０５は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。分類制御部１０５は、手書きストロークが角の部分を含むか否かに応じて、ＣＣＥ分類処理部１０２によるＣＣＥ分類処理（第１分類処理）と、ＳＣＥ分類処理部１０４によるＳＣＥ分類処理（第２分類処理）とを切り替えて実行させる。

【0075】

分類制御部１０５は、例えば、手書きストロークが角の部分を含む場合に、ＣＣＥ分類処理部１０２に、ＣＣＥ分類モデルを用いたＣＣＥ分類処理を実行させる、また、分類制御部１０５は、例えば、手書きストロークが角の部分を含まない場合に、ＳＣＥ分類処理部１０４に、ＳＣＥ分類モデルを用いたＳＣＥ分類処理を実行させる。

【0076】

また、分類制御部１０５は、例えば、ＣＣＥ分類処理部１０２に、ＣＣＥ分類モデルを用いたＣＣＥ分類処理を実行させた結果、ＣＣＥ分類処理の確信度が閾値未満である場合に、ＳＣＥ分類処理部１０４に、ＳＣＥ分類モデルを用いたＳＣＥ分類処理を実行させる。

【0077】

また、さらに、分類制御部１０５は、ＣＣＥ分類処理を実行させた結果、手書きストロークに含まれる角の部分の数と、分類された複合文字要素に含まれる角の部分の数とが一致しない場合に、ＳＣＥ分類処理部１０４に、ＳＣＥ分類モデルを用いたＳＣＥ分類処理を実行させる。

【0078】

また、分類制御部１０５は、ＣＣＥ分類処理の確信度が閾値以上、且つ、手書きストロークに含まれる角の部分の数と、分類された複合文字要素に含まれる角の部分の数とが一致する場合に、レンダリング処理部１０６に、分類した複合文字要素を用いた手書きストロークの調整を実行させて、手書きストロークを表示部２１に表示させる。

【0079】

また、分類制御部１０５は、ＳＣＥ分類処理を実行させた結果、ＳＣＥ分類処理の確信度が閾値未満である場合に、レンダリング処理部１０６に、文字要素を用いない一般的な手法で、手書きストロークを表示部２１に表示させる。

【0080】

また、分類制御部１０５は、ＳＣＥ分類処理の確信度が閾値以上である場合に、レンダリング処理部１０６に、分類したシンプル文字要素を用いた手書きストロークの調整を実行させて、手書きストロークを表示部２１に表示させる。

【0081】

レンダリング処理部１０６は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。レンダリング処理部１０６は、ＣＣＥ分類処理部１０２又はＳＣＥ分類処理部１０４が分類した文字要素（複合文字要素又はシンプル文字要素）に対応するブラシ情報及び筆圧特性に基づいて、部分ストロークの形状を調整して、手書きストロークを表示部２１に表示する。

【0082】

レンダリング処理部１０６は、例えば、筆圧特性記憶部４２から、分類された文字要素（シンプル文字要素）又は複合文字要素に対応する圧力カーブを取得し、取得した圧力カーブに基づいて、手書きストロークの太さを調整する。
また、レンダリング処理部１０６は、例えば、ブラシ情報記憶部４１から、分類された文字要素（シンプル文字要素）又は複合文字要素に対応するブラシ情報を取得し、取得したブラシ情報に基づいて、手書きストロークの形状を調整する。

【0083】

なお、レンダリング処理部１０６は、ＳＣＥ分類処理を実行した場合に、ＳＣＥ分類処理により分類された文字要素（シンプル文字要素）に対応するブラシ情報及び筆圧特性に基づいて、手書きストロークの形状を調整し、当該形状を調整した手書きストロークを表示部２１に表示する。

【0084】

レンダリング処理部１０６は、ＳＣＥ分類処理によりシンプル文字要素が正常に分類された場合に、ブラシの角度、及び線の太さを調整した部分ストロークを再結合して、調整された手書きストロークを生成する。
また、レンダリング処理部１０６は、調整された手書きストロークを、後述する表示処理部１０７を介して、表示部２１に表示させる。

【0085】

具体的に、図７のステップＳ１４に示すように、レンダリング処理部１０６は、シンプル文字要素が正常に分類された場合に、部分ストロークＳＳ１、部分ストロークＳＳ２、及び部分ストロークＳＳ３を調整し、再結合してレンダリング後の手書きストロークＣＳＴ１を生成する。また、レンダリング処理部１０６は、複合文字要素が正常に分類された場合に、手書きストロークＳＴ１を調整し、レンダリング後の手書きストロークＣＳＴ１を生成する。
レンダリング処理部１０６は、入力された手書きストロークに置き換えて、形状を調整した手書きストロークを表示部２１に表示する。

【0086】

表示処理部１０７は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。表示処理部１０７は、タッチセンサ部２２が検出したペン３０の接触位置に基づいて、ペン３０が画面上に接触して移動した画面上の移動軌跡を、表示部２１に表示させる。

【0087】

また、表示処理部１０７は、入力された手書きストロークを一旦、表示部２１に表示させた後に、入力された手書きストロークに置き換えて、形状を調整した手書きストロークを表示部２１に表示させる。

【0088】

学習処理部１０８は、プロセッサ１１がメインメモリ１２又はフラッシュメモリ１３が記憶するプログラムを実行することで実現される機能部である。学習処理部１０８は、学習データ記憶部４７が記憶する学習データに学習処理を実行して、分類モデルを生成する。

【0089】

ここで、学習データには、ＳＣＥ分類モデルを生成する学習データと、ＣＣＥ分類モデルを生成する学習データとが含まれる。
ＳＣＥ分類モデルを生成する学習データは、予め指定した文字を利用者が手書きした文字の部分ストロークと、シンプル文字要素とを対応付けたもので、シンプル文字要素を含む複数の文字を、複数回手書き入力された手書きストロークに基づいて生成されている。

【0090】

この場合、学習処理部１０８は、学習データ記憶部４７が記憶する当該学習データに学習処理を実行して、ＳＣＥ分類モデルを生成する。学習処理部１０８は、生成したＳＣＥ分類モデル（第２の機械学習結果）をＳＣＥ分類情報記憶部４４に記憶させる。

【0091】

また、ＣＣＥ分類モデルを生成する学習データは、予め指定した文字を利用者が手書きした文字の手書きストロークと、複合文字要素とを対応付けたもので、複合文字要素を含む複数の文字を、複数回手書き入力させて生成されている。

【0092】

この場合、学習処理部１０８は、学習データ記憶部４７が記憶する当該学習データに学習処理を実行して、ＣＣＥ分類モデルを生成する。学習処理部１０８は、生成したＣＣＥ分類モデル（第１の機械学習結果）をＣＣＥ分類情報記憶部４３に記憶させる。

【0093】

次に、図面を参照して、本実施形態によるタブレット端末１の動作について説明する。
図７は、本実施形態におけるタブレット端末１の手書き入力処理の概要を示す図である。

【0094】

図７に示すように、タブレット端末１は、まず、ＣＣＥ分類モデルＭＤ１を用いて、入力された手書きストロークを、複合文字要素に分類する（ステップＳ１１）。タブレット端末１のＣＣＥ分類処理部１０２は、ＣＣＥ分類情報記憶部４３が記憶するＣＣＥ分類モデルＭＤ１を用いて、手書きストロークを、複合文字要素に分類するＣＣＥ分類処理を実行する。

【0095】

タブレット端末１は、ＣＣＥ分類処理部１０２は、ＣＣＥ分類処理により、手書きストロークを、複合文字要素に正常に分類できた場合に、処理をステップＳ１４に進めて、分類した複合文字要素に基づく手書きストロークの形状の調整を行って、表示部２１に表示する。

【0096】

また、タブレット端末１は、ＣＣＥ分類処理により、手書きストロークを、複合文字要素に正常に分類できなかった場合に、処理をステップＳ１２に進めて、手書きストロークを角の部分で分割して、部分ストロークを生成する。タブレット端末１の分割処理部１０３は、手書きストロークを分割して、部分ストロークを生成する。

【0097】

次に、タブレット端末１は、ＳＣＥ分類モデルＭＤ２を用いて、分割した部分ストロークを、シンプル文字要素に分類する（ステップＳ１３）。タブレット端末１のＳＣＥ分類処理部１０４は、ＳＣＥ分類情報記憶部４４が記憶するＳＣＥ分類モデルＭＤ２を用いて、部分ストロークを、シンプル文字要素に分類するＳＣＥ分類処理を実行する。

【0098】

タブレット端末１は、ＳＣＥ分類処理により、部分ストロークを、シンプル文字要素に分類した場合に、処理をステップＳ１４に進めて、分類したシンプル文字要素に基づく手書きストロークの形状の調整を行って、表示部２１に表示する。

【0099】

次に、図８を参照して、図７に示すタブレット端末１の手書き入力処理の詳細な処理について説明する。
図８は、本実施形態におけるタブレット端末１の手書き入力処理の一例を示すフローチャートである。

【0100】

図８に示すように、タブレット端末１は、まず、手書きストロークを検出したか否かを判定する（ステップＳ１０１）。タブレット端末１の入力処理部１０１は、タッチセンサ部２２により、手書きストロークを検出したか否かを判定する。入力処理部１０１は、手書きストロークを検出した場合（ステップＳ１０１：ＹＥＳ）に、処理をステップＳ１０２に進める。また、入力処理部１０１は、手書きストロークを検出していない場合（ステップＳ１０１：ＮＯ）に、処理をステップＳ１０１に戻す。

【0101】

ステップＳ１０２において、入力処理部１０１は、手書きストロークを一旦、表示部２１に表示する。このときに使用するレンダリングは、従来の筆圧に応じた太さ、又は筆圧に関係なく一様の太さなどで行われる。すなわち、入力処理部１０１は、表示処理部１０７を介して、検出した手書きストロークを表示部２１に表示させる。なお、入力処理部１０１は、手書きストロークを手書きストローク記憶部４５に記憶させる。

【0102】

次に、入力処理部１０１は、ペン３０が表示部２１の画面から離れたか否かを判定する（ステップＳ１０３）。すなわち、入力処理部１０１は、一筆書きの手書きストロークの入力が終了したか否かを判定する。入力処理部１０１は、ペン３０が表示部２１の画面から離れた（手書きストロークの入力が終了した）場合（ステップＳ１０３：ＹＥＳ）に、処理をステップＳ１０４に進める。また、入力処理部１０１は、ペン３０が表示部２１の画面から離れていない（手書きストロークの入力が終了していない）場合（ステップＳ１０３：ＮＯ）に、処理をステップＳ１０２に戻す。

【0103】

ステップＳ１０４において、タブレット端末１の分類制御部１０５は、手書きストロークが角の部分を含むか否かを判定する。分類制御部１０５は、手書きストロークが角の部分を含む場合（ステップＳ１０４：ＹＥＳ）に、処理をステップＳ１０５に進める。また、分類制御部１０５は、手書きストロークが角の部分を含まない場合（ステップＳ１０４：ＮＯ）に、処理をステップＳ１０９に進める。

【0104】

ステップＳ１０５において、タブレット端末１のＣＣＥ分類処理部１０２は、手書きストロークをＣＣＥ分類モデルにより、対応する複合文字要素に分類する。ＣＣＥ分類処理部１０２は、ＣＣＥ分類情報記憶部４３が記憶するＣＣＥ分類モデルを用いて、手書きストロークを、複合文字要素に分類するＣＣＥ分類処理を実行する（図７のステップＳ１１を参照）。

【0105】

次に、分類制御部１０５は、ＣＣＥ分類処理の確信度（Confidence Level）が閾値以上であるか否かを判定する（ステップＳ１０６）。分類制御部１０５は、ＣＣＥ分類処理の確信度が閾値以上である場合（ステップＳ１０６：ＹＥＳ）に、処理をステップＳ１０７に進める。また、分類制御部１０５は、ＣＣＥ分類処理の確信度が閾値未満である場合（ステップＳ１０６：ＮＯ）に、処理をステップＳ１０９に進める。

【0106】

ステップＳ１０７において、分類制御部１０５は、手書きストロークの角の部分の数と、分類した複合文字要素の角の部分の数とが一致するか否かを判定する。分類制御部１０５は、手書きストロークの角の部分の数と、分類した複合文字要素の角の部分の数とが一致する場合（ステップＳ１０７：ＹＥＳ）に、処理をステップＳ１０８に進める。また、分類制御部１０５は、手書きストロークの角の部分の数と、分類した複合文字要素の角の部分の数とが一致しない場合（ステップＳ１０７：ＮＯ）に、処理をステップＳ１０９に進める。

【0107】

ステップＳ１０８において、タブレット端末１のレンダリング処理部１０６は、分類した複合文字要素又は文字要素（シンプル文字要素）に対応したブラシ情報及び筆圧特性に基づいて手書きストロークの形状を調整して、表示部２１に表示する。レンダリング処理部１０６は、表示処理部１０７を介して、形状を調整した手書きストロークを表示部２１に表示させる。ステップＳ１０８の処理後に、レンダリング処理部１０６は、処理をステップＳ１０１に戻す。

【0108】

また、ステップＳ１０９において、タブレット端末１の分割処理部１０３は、手書きストロークを角の部分で分割して、部分ストロークを生成する。分割処理部１０３は、例えば、図７に示すステップＳ１２のように、手書きストロークを分割して、部分ストロークを生成する。分割処理部１０３は、生成した部分ストロークを、部分ストローク記憶部４６に記憶させる。

【0109】

次に、タブレット端末１のＳＣＥ分類処理部１０４は、部分ストロークを、ＳＣＥ分類モデルにより、対応する文字要素（シンプル文字要素）に分類する（ステップＳ１１０）。ＳＣＥ分類処理部１０４は、部分ストローク記憶部４６が記憶する部分ストロークを、ＳＣＥ分類情報記憶部４４が記憶するＳＣＥ分類モデルを用いて、シンプル文字要素に分類する（図７のステップＳ１３を参照）。

【0110】

次に、分類制御部１０５は、ＳＣＥ分類処理の確信度が閾値以上であるか否かを判定する（ステップＳ１１１）。分類制御部１０５は、ＳＣＥ分類処理の確信度が閾値以上である場合（ステップＳ１１１：ＹＥＳ）に、処理をステップＳ１０８に進める。また、分類制御部１０５は、ＳＣＥ分類処理の確信度が閾値未満である場合（ステップＳ１１１：ＮＯ）に、処理をステップＳ１１２に進める。

【0111】

ステップＳ１１２において、レンダリング処理部１０６は、手書きストロークを一般的な描画処理により、表示部２１に表示する。レンダリング処理部１０６は、例えば、ペン３０から取得した接触圧力（筆圧）及びペン３０の角度に応じて、手書きストロークの太さを調整して、表示部２１に表示するようにしてもよい。ステップＳ１２の処理後に、レンダリング処理部１０６は、処理をステップＳ１０１に戻す。

【0112】

なお、上述した図８に示す例では、ステップＳ１０６及びステップＳ１０７の判定処理を行う例を説明したが、ステップＳ１０６及びステップＳ１０７のどちらか一方の判定処理を省略してもよい。

【0113】

次に、図９及び図１０を参照して、タブレット端末１の学習処理について説明する。
図９は、本実施形態におけるタブレット端末１の学習処理の一例を示す第１のフローチャートである。図９では、ＣＣＥ分類モデルの学習処理について説明する。

【0114】

図９に示すように、タブレット端末１の学習処理部１０８は、特定の文字の手書きストロークを複数回、複数ユーザ分取得する（ステップＳ２０１）。学習処理部１０８は、入力処理部１０１を介して、特定の文字の手書きストロークを複数回、複数ユーザ分取得する。なお、特定の文字は、予め定められた所定数の複合文字要素を学習可能な複数の文字が望ましい。

【0115】

次に、学習処理部１０８は、各手書きストロークと、対応する複合文字要素をラベリングして学習データとする（ステップＳ２０２）。学習処理部１０８は、手書きストロークと複合文字要素のラベリングとを対応付けた学習データを、学習データ記憶部４７に記憶させる。

【0116】

次に、学習処理部１０８は、学習データを用いて、機械学習し、手書きストロークから複合文字要素を分類するＣＣＥ分類モデルを生成する（ステップＳ２０３）。学習処理部１０８は、学習データ記憶部４７が記憶する上述した学習データを用いて、機械学習処理を実行し、第１の機械学習結果として、ＣＣＥ分類モデルを生成する。

【0117】

次に、学習処理部１０８は、第１の機械学習結果であるＣＣＥ分類モデルを、ＣＣＥ分類情報記憶部４３に記憶させる（ステップＳ２０４）。ステップＳ２０４の処理後に、学習処理部１０８は、学習処理を終了する。

【0118】

また、図１０は、本実施形態におけるタブレット端末１の学習処理の一例を示す第２のフローチャートである。図１０では、ＳＣＥ分類モデルの学習処理について説明する。

【0119】

図１０に示すように、タブレット端末１の学習処理部１０８は、特定の文字の手書きストロークを複数回、複数ユーザ分取得する（ステップＳ３０１）。学習処理部１０８は、入力処理部１０１を介して、特定の文字の手書きストロークを複数回、複数ユーザ分取得する。なお、特定の文字は、予め定められた複数のシンプル文字要素を学習可能な複数の文字が望ましい。

【0120】

次に、学習処理部１０８は、各手書きストロークを分割して部分ストロークを生成し、対応するシンプル文字要素をラベリングして学習データとする（ステップＳ３０２）。学習処理部１０８は、部分ストロークとシンプル文字要素のラベリングとを対応付けた学習データを、学習データ記憶部４７に記憶させる。

【0121】

次に、学習処理部１０８は、学習データをも用いて、機械学習し、部分ストロークからシンプル文字要素を分類するＳＣＥ分類モデルを生成する（ステップＳ３０３）。学習処理部１０８は、学習データ記憶部４７が記憶する学習データを用いて、機械学習処理を実行し、第２の機械学習結果として、ＳＣＥ分類モデルを生成する。

【0122】

次に、学習処理部１０８は、第２の機械学習結果であるＳＣＥ分類モデルを、ＳＣＥ分類情報記憶部４４に記憶させる（ステップＳ３０４）。ステップＳ３０４の処理後に、学習処理部１０８は、学習処理を終了する。

【0123】

以上説明したように、本実施形態によるタブレット端末１（情報処理装置）は、ＣＣＥ分類処理部１０２（第１分類処理部）と、分割処理部１０３と、ＳＣＥ分類処理部１０４（第２分類処理部）と、分類制御部１０５と、レンダリング処理部１０６とを備える。ＣＣＥ分類処理部１０２は、ＣＣＥ分類モデル（第１の機械学習結果）を用いて、漢字の文字を構成する基本パターンである文字要素を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する複合文字要素を特定して分類する。分割処理部１０３は、手書きストロークを角の部分で分割し、分割した部分ストロークを生成する。ＳＣＥ分類処理部１０４（第２分類処理部）は、ＣＣＥ分類モデルとは異なるＳＣＥ分類モデル（第２の機械学習結果）を用いて、所定数よりも多い複数の文字要素のうちから、部分ストロークに該当する文字要素（例えば、シンプル文字要素）を特定して分類する。分類制御部１０５は、手書きストロークが角の部分を含むか否かに応じて、ＣＣＥ分類処理部１０２によるＣＣＥ分類処理（第１分類処理）と、ＳＣＥ分類処理部１０４によるＳＣＥ分類処理（第２分類処理）とを切り替えて実行させる。レンダリング処理部１０６は、分類された複合文字要素又は文字要素（例えば、シンプル文字要素）に対応するブラシ情報及び筆圧特性に基づいて、手書きストロークの形状を調整し、当該形状を調整した手書きストロークを表示部２１に表示する。

【0124】

これにより、本実施形態によるタブレット端末１は、手書きストローク又は部分ストロークを、複合文字要素又は文字要素（シンプル文字要素）に分類し、複合文字要素又は文字要素（シンプル文字要素）に対応するブラシ情報及び筆圧特性に基づいて、手書きストロークの形状を調整するため、手書き入力において、手書きの良さを維持しつつ、きれいな文字（特に漢字）を表示することができる。

【0125】

なお、本実施形態によるタブレット端末１では、手書きストロークをベースに、複合文字要素又は文字要素（シンプル文字要素）に対応して手書きストロークの形状を調整するため、手書きストロークの大きさや位置を維持したままきれいな文字を表示することができる。本実施形態によるタブレット端末１は、単純に、所定のフォントに置き換える従来技術とは異なり、利用者の筆跡が消失することはなく、手書きによる自由な文字の縦横比や大きなどの手書きの自由度が失われることがない。

【0126】

また、本実施形態のような文字要素を用いる方式は、複合文字要素又はシンプル文字要素への分類処理を如何に正確に実行できるかに、きれいな文字（漢字の文字）を表示品質が依存する。複合文字要素は、高精度に分類し易いが、バリエーションが多く、全ての複合文字要素を分類するための分類モデルを生成することは困難である。また、シンプル文字要素は、ほぼ全てのバリエーションを学習して、分類モデルを生成することができるが、分類精度が低い傾向がある。

【0127】

そのため、本実施形態によるタブレット端末１では、所定数に限定して、複合文字要素の分類モデル（ＣＣＥ分類モデル）を生成し、複合文字要素の分類モデル（ＣＣＥ分類モデル）と、シンプル文字要素の分類モデル（ＳＣＥ分類モデル）とを、組み合わせて（切り替えて）使用することで、文字要素（複合文字要素又はシンプル文字要素）を高精度で分類することができる。これにより、本実施形態によるタブレット端末１は、文字要素（複合文字要素又はシンプル文字要素）を正確に実行できるため、よりきれいな文字（漢字の文字）を表示することができる。

【0128】

また、本実施形態では、分類制御部１０５は、手書きストロークが角の部分を含む場合に、ＣＣＥ分類処理部１０２に、ＣＣＥ分類モデルを用いたＣＣＥ分類処理を実行させる。また、分類制御部１０５は、手書きストロークが角の部分を含まない場合に、ＳＣＥ分類処理部１０４に、ＳＣＥ分類モデルを用いたＳＣＥ分類処理を実行させる。

【0129】

これにより、本実施形態によるタブレット端末１は、ＣＣＥ分類モデルを用いたＣＣＥ分類処理と、ＳＣＥ分類モデルを用いたＳＣＥ分類処理とを適切に切り替えて使用することができ、さらにきれいな文字（漢字の文字）を表示することができる。

【0130】

また、本実施形態では、分類制御部１０５は、ＣＣＥ分類処理部１０２に、ＣＣＥ分類モデルを用いたＣＣＥ分類処理を実行させた結果、ＣＣＥ分類処理の確信度が閾値未満である場合に、ＳＣＥ分類処理部１０４に、ＳＣＥ分類モデルを用いたＳＣＥ分類処理を実行させる。レンダリング処理部１０６は、ＳＣＥ分類処理を実行した場合に、ＳＣＥ分類処理により分類された文字要素（シンプル文字要素）に対応するブラシ情報及び筆圧特性に基づいて、手書きストロークの形状を調整し、当該形状を調整した手書きストロークを表示部２１に表示する。

【0131】

これにより、本実施形態によるタブレット端末１は、ＣＣＥ分類処理による複合文字要素の分類が適切にできなかった場合に、ＳＣＥ分類処理による文字要素（シンプル文字要素）の分類を用いて、手書きストロークの形状を適切に調整することができ、手書きの良さを維持しつつ、きれいな文字を表示することができる。

【0132】

また、本実施形態では、分類制御部１０５は、ＣＣＥ分類処理を実行させた結果、手書きストロークに含まれる角の部分の数と、分類された複合文字要素に含まれる角の部分の数とが一致しない場合に、ＳＣＥ分類処理部１０４に、ＳＣＥ分類モデルを用いたＳＣＥ分類処理を実行させる。

【0133】

これにより、本実施形態によるタブレット端末１は、ＣＣＥ分類処理による複合文字要素の分類が適切にできなかった場合に、ＳＣＥ分類処理による文字要素（シンプル文字要素）の分類を用いて、手書きストロークの形状を適切に調整することができる。

【0134】

また、本実施形態では、ＣＣＥ分類モデルは、予め選定された所定数の複合文字要素のそれぞれと、対応する手書きストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルである。ＳＣＥ分類モデルは、予め選定された部分ストローク用の文字要素（シンプル文字要素）と、対応する部分ストロークとを対応付けた学習データに、学習処理を実行して生成された分類モデルである。

【0135】

これにより、本実施形態によるタブレット端末１は、現実的な計算量で、ＣＣＥ分類モデルと、ＳＣＥ分類モデルとを適切に生成することができ、ＣＣＥ分類モデルと、ＳＣＥ分類モデルとを切り替えて使用することで、文字要素の分類精度を向上させることができる。

【0136】

また、本実施形態によるタブレット端末１は、文字要素（シンプル文字要素）又は複合文字要素と、当該文字要素（シンプル文字要素）又は当該複合文字要素におけるストローク位置と筆圧との関係を示す圧力カーブとを対応づけて記憶する筆圧特性記憶部４２を備える。レンダリング処理部１０６は、筆圧特性記憶部４２から、分類された文字要素（シンプル文字要素）又は複合文字要素に対応する圧力カーブを取得し、取得した圧力カーブに基づいて、手書きストロークの太さを調整する。

【0137】

これにより、本実施形態によるタブレット端末１は、文字要素（シンプル文字要素）又は複合文字要素に対応する圧力カーブにより、ストローク位置に応じて手書きストロークの太さ（例えば、ストロークの途中での太さの変化）を適切に調整することができ、手書きの良さを維持しつつ、きれいな文字を表示することができる。

【0138】

また、本実施形態によるタブレット端末１は、文字要素（シンプル文字要素）又は複合文字要素と、使用するブラシのサイズ、アスペクト比、及び角度とを含むブラシ情報とを対応付けて記憶するブラシ情報記憶部４１を備える。レンダリング処理部１０６は、ブラシ情報記憶部４１から、分類された文字要素（シンプル文字要素）又は複合文字要素に対応するブラシ情報を取得し、取得したブラシ情報に基づいて、手書きストロークの形状を調整する。

【0139】

これにより、本実施形態によるタブレット端末１は、文字要素（シンプル文字要素）又は複合文字要素に対応するブラシ情報により、文字要素（シンプル文字要素）又は複合文字要素に応じて、ブラシを変更して、手書きストロークの形状（例えば、書き始めや終わりの角、トメ、ハネなどの形状）を適切に調整することができ、手書きの良さを維持しつつ、きれいな文字を表示することができる。

【0140】

また、本実施形態によるタブレット端末１は、表示部２１と、タッチセンサ部２２と、入力処理部１０１とを備える。タッチセンサ部２２は、表示部２１の画面上（表示画面ＤＦ上）の検出面における操作媒体（例えば、ペン３０）の接触及び接触位置を検出する。入力処理部１０１は、タッチセンサ部２２が検出した操作媒体（例えば、ペン３０）の接触位置に基づいて、手書きストロークの入力を検出する。また、入力処理部１０１は、手書きストロークの入力を検出するとともに、操作媒体（例えば、ペン３０）の接触位置の移動軌跡を、入力された手書きストロークとして、表示部２１に表示する。レンダリング処理部１０６は、入力された手書きストロークに置き換えて、形状を調整した手書きストロークを表示部２１に表示する。

【0141】

これにより、本実施形態によるタブレット端末１は、入力された手書きストロークを一旦、表示することで、表示を確認しながら手書き入力が可能になり、手書き入力し易くするとともに、調整した部分ストロークに基づく手書きストロークに置き換えることで、きれいな文字を表示することができる。

【0142】

また、本実施形態による制御方法は、ＣＣＥ分類処理部１０２と、分割処理部１０３と、ＳＣＥ分類処理部１０４と、を備えるタブレット端末１の制御方法であって、分類制御ステップと、レンダリング処理ステップとを含む。なお、ＣＣＥ分類処理部１０２は、ＣＣＥ分類モデルを用いて、漢字の文字を構成する基本パターンである文字要素（シンプル文字要素）を複合した複合文字要素であって、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する複合文字要素を特定して分類する。分割処理部１０３は、手書きストロークを角の部分で分割し、分割した部分ストロークを生成する。ＳＣＥ分類処理部１０４は、ＣＣＥ分類モデルとは異なるＳＣＥ分類モデルを用いて、所定数よりも多い複数の文字要素（シンプル文字要素）のうちから、部分ストロークに該当する文字要素（シンプル文字要素）を特定して分類する。分類制御ステップにおいて、分類制御部１０５が、手書きストロークが角の部分を含むか否かに応じて、ＣＣＥ分類処理部１０２によるＣＣＥ分類処理と、ＳＣＥ分類処理部１０４によるＳＣＥ分類処理とを切り替えて実行させる。レンダリング処理ステップにおいて、レンダリング処理部１０６が、分類された複合文字要素又は文字要素（シンプル文字要素）に対応するブラシ情報及び筆圧特性に基づいて、手書きストロークの形状を調整し、当該形状を調整した手書きストロークを表示部２１に表示する。

【0143】

これにより、本実施形態による制御方法は、上述したタブレット端末１と同様の効果を奏し、手書き入力において、手書きの良さを維持しつつ、きれいな文字（特に漢字）を表示することができる。

【0144】

なお、本発明は、上記の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。
例えば、上記の実施形態において、情報処理装置が、タブレット端末１である例を説明したが、これに限定されるものではない。情報処理装置は、例えば、スマートフォンやタブレットモードを備えるノートブック型パーソナルコンピュータなどであってもよい。

【0145】

また、上記の実施形態において、使用するＯＳの一例として、Ａｎｄｒｏｉｄ（登録商標）を用いる例を説明したが、これに限定されるものではなく、例えば、ｉＯＳ（登録商標）などの他のＯＳに適用してもよい。

【0146】

また、上記の実施形態において、ＣＣＥ分類処理部１０２、分割処理部１０３、ＳＣＥ分類処理部１０４、分類制御部１０５、及びレンダリング処理部１０６の処理は、アプリケーションプログラムにより実現されてもよいし、一部をデバイスドライバなどにより実現されてもよい。

【0147】

また、情報処理装置が、ノートブック型パーソナルコンピュータである場合に、ＣＣＥ分類処理部１０２、分割処理部１０３、ＳＣＥ分類処理部１０４、分類制御部１０５、及びレンダリング処理部１０６の処理の一部を、エンベデットコントローラが行うようにしてもよい。

【0148】

また、上記の各実施形態において、タブレット端末１が、学習処理部１０８を備える例を説明したが、これに限定されるものではなく、例えば、タブレット端末１が学習処理部１０８を備えない形態であってもよい。この場合、例えば、タブレット端末１に接続可能なサーバ装置などの外部装置が、学習処理部１０８を備えてもよい。

【0149】

なお、上述したタブレット端末１が備える各構成は、内部に、コンピュータシステムを有している。そして、上述したタブレット端末１が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述したタブレット端末１が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

【0150】

また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ－ＲＯＭ等の非一過性の記録媒体であってもよい。

【0151】

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後にタブレット端末１が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【0152】

また、上述した機能の一部又は全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

【符号の説明】

【0153】

１ タブレット端末
１０ 制御部
１１ プロセッサ
１２ メインメモリ
１３ フラッシュメモリ
２０ タッチスクリーン
２１ 表示部
２２ タッチセンサ部
２３ 周辺デバイス
２４ オーディオシステム
２５ マイク
２６ スピーカ
２７ ベースバンドチップ
２８ 無線部
２９、３１ 無線通信部
３０ ペン
３２ センサ部
３３ メモリ
３４ ＭＣＵ
４０ 記憶部
４１ ブラシ情報記憶部
４２ 筆圧特性記憶部
４３ ＣＣＥ分類情報記憶部
４４ ＳＣＥ分類情報記憶部
４５ 手書きストローク記憶部
４６ 部分ストローク記憶部
４７ 学習データ記憶部
１００ 情報処理システム
１０１ 入力処理部
１０２ ＣＣＥ分類処理部
１０３ 分割処理部
１０４ ＳＣＥ分類処理部
１０５ 分類制御部
１０６ レンダリング処理部
１０７ 表示処理部
１０８ 学習処理部

【要約】

【課題】手書き入力において、手書きの良さを維持しつつ、きれいな文字を表示する。
【解決手段】情報処理装置は、第１の機械学習結果を用いて、予め選定された所定数の複合文字要素のうちから、入力された手書きストロークに該当する複合文字要素を分類する第１分類処理部と、手書きストロークを角の部分で分割した部分ストロークを生成する分割処理部と、第２の機械学習結果を用いて、複数の部分ストロークに対応した文字要素のうちから、部分ストロークに該当する文字要素を分類する第２分類処理部と、手書きストロークが角の部分を含むか否かに応じて、第１分類処理部による第１分類処理と、第２分類処理部による第２分類処理とを切り替えて実行させる分類制御部と、複合文字要素又は文字要素に対応するブラシ情報及び筆圧特性に基づいて、手書きストロークの形状を調整し、表示部に表示するレンダリング処理部とを備える。
【選択図】図３

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】