Двухшаговая скелетизация бинарных изображений на основе модели Занга-Суена и порождающей маски
https://doi.org/10.21122/2309-4923-2021-1-62-69
Аннотация
Целью работы является предельное утоньшение и повышение устойчивости к контурному шуму скелетов бинарных объектов произвольной формы при сохранении высокой скорости скелетизации. Скелет представляет собой множество тонких линий, взаимное расположение, размеры и форма которых передает информацию о размере, форме и ориентации в пространстве соответствующей однородной области изображения. Для обеспечения устойчивости к контурному шуму каждая итерация алгоритмов скелетизации разделяется на несколько шагов. Благодаря относительно качественным скелетам и средней производительности широкую известность получил двухшаговый алгоритм Занга-Суена. Его недостатками являются размытие диагональных линий толщиной 2 пикселя и удаление областей размером 2х2 пикселей. Для их устранения в статье предложена математическая модель, дополняющая модель Занга-Суена порождающей маской и двумя логическими условиями оценки ее элементов.
Об авторах
Ц. МаБеларусь
Ма Цзюнь – аспирант кафедры инфокоммуникационных технологий
В. Ю. Цветков
Беларусь
Доктор технических наук, доцент, заведующий кафедрой инфокоммуникационных технологий
В. К. Конопелько
Беларусь
Доктор технических наук, профессор, профессор кафедры инфокоммуникационных технологий
Список литературы
1. Saha, P. K. A survey on skeletonization algorithms and their applications / P. K. Saha, G. Borgefors, G. Baja // Pattern Recognition Letters. – 2016. – Vol. 76. – P. 3–12.
2. Zhang, T. Y. A fast parallel algorithm for thinning digital patterns / T. Y. Zhang, C. Y. Suen // Comm. ACM. – 1984. – Vol. 27(3). – P. 236–239.
3. Harous, S. Handwritten Character-Based Parallel Thinning Algorithms: A Comparative Study / S. Harous, A. Elnagar // University of Sharjah Journal of Pure & Applied Sciences. – 2009. – Vol. 6(1). – P. 81–101.
4. Lu, H. E. A Comment on “A Fast Parallel Algorithm for Thinning Digital Patterns” / H. E. Lu, P.S.P. Wang // Communications of the ACM. – 1986. – Vol. 29(3). – P. 239–242.
5. Kocharyan, D. A Modified fingerprint image thinning algorithm / D. Kocharyan // American Journal of Software Engineering and Applications. – 2013. – Vol. 2(1). – P. 1–6.
6. Boudaoud, L. B. A new thinning algorithm for binary images / L. B. Boudaoud, A. Sider, A. Tari // 3rd International Conference on Control, Engineering & Information Technology. – 2015. – P. 1–6.
7. Boudaoud L. B. A modified ZS thinning algorithm by a hybrid approach / L. B. Boudaoud, B. Solaiman, A. Tari // The Visual Computer. – 2017. –P. 689–706.
8. Guo, Z. Parallel thinning with two-subiteration algorithms / Z. Guo, R. W. Hall // Communications of the ACM. – 1989. – Vol. 32(3). – P. 359–373.
9. Guo, Z. Fast fully parallel thinning algorithms / Z. Guo, R. W. Hall // CVGIP: Image Understanding. – 1992. – Vol. 55(3). – P. 317–328.
10. Zhang, Y. Y. A parallel thinning algorithm with two-subiteration that generates one-pixel-wide skeletons / Y. Y. Zhang, P. P. Wang // International Conference on Pattern Recognition, Vienna, Austria. – 1996. – Vol. 4. – P. 457–461.
11. Abdulla, W. H. A preprocessing algorithm for handwritten character recognition / W. H. Abdulla, A.O.M. Saleh, A. H. Morad // Pattern Recognition Letters. – 1988. – Vol. 7(1). – P. 13–18.
12. Sossa, J. H. An improved parallel algorithm for thinning digital patterns / J. H. Sossa // Pattern Recognition Letters. – 1989. – Vol. 10. – P. 77–80.
13. Tarabek, P. A Robust Parallel Thinning Algorithm for Pattern Recognition / P. Tarabek // 7th IEEE International Symposium on Applied Computational Intelligence and Informatics. – 2012. – P. 75–79.
14. Kwon, J.-S. An enhanced thinning algorithm using parallel processing / J.-S. Kwon, J. – W. Gi, E.-K. Kang // IEEE. – 2001. – P. 752–755.
15. Dong, J. An improved parallel thinning algorithm / J. Dong, W. Lin, C. Huang // Proceedings of the 2016 International Conference on Wavelet Analysis and Pattern Recognition, Jeju, South Korea. – 2016. – P. 162–167.
16. Chin, R. T. A one-pass thinning algorithm and its parallel implementation // R. T. Chin, H. K. Wan, D. L. Stover, R. D. Iverson // Computer Vision, Graphics, and Image Processing. – 1987. – Vol. 40. – P. 30–40.
17. Ма, Ц. Скелетизация изображений на основе комбинации однои двухподытерационных моделей // Ц. Ма, В. Ю. Цветков, В. К. Конопелько // Информатика. – 2020. – Т. 17, № 2. – С. 25–35.
18. Jang, B. K. One-pass parallel: analysis, properties, and quantitative evaluation / B. K. Jang, R. T. Chin // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1992. – Vol. 14. – P. 1129–1140.
19. Sebastian, T. B. Recognition of shapes by editing their shock graphs / T. B. Sebastian, P. N. Klein, B. B. Kimia // IEEE transactions on pattern analysis and machine intelligence. – 2004. – Vol. 26(5). – P. 550–571.
Дополнительные файлы
Для цитирования: Ма Ц., Цветков В.Ю., Конопелько В.К. Двухшаговая скелетизация бинарных изображений на основе модели Занга-Суена и порождающей маски. «Системный анализ и прикладная информатика». 2021;(1):62-69. https://doi.org/10.21122/2309-4923-2021-1-62-69
For citation: Ma J., Tsviatkou V.Y., Kanapelka V.K. Two-step skeletization of binary images based on the Zhang-Suen model and the producing mask. «System analysis and applied information science». 2021;(1):62-69. (In Russ.) https://doi.org/10.21122/2309-4923-2021-1-62-69
Обратные ссылки
- Обратные ссылки не определены.