Esqueletización

Tópicos Especiales en Procesamiento Gráfico

Esqueletización
Carranza Athó, Fredy Tópicos Especiales en Procesamiento Gráfico Escuela Académico Profesional de Informática Universidad Nacional de Trujillo Trujillo Perú 2006
Resumen. La esqueletización pretende obtener de la imagen, un patrón continuo que contenga la menor cantidad datos posibles, pero que siga aun conteniendo un rastro del objeto original. Para ello existen algoritmos que operan de manera general eliminando los píxeles bajo reglas pre definidas, y deteniéndose cuando no haya mas cambios que hacer. Hay que tener en cuenta que el tiempo de procesamiento es alto en muchas ocasiones, pero ello generalmente depende del tipo de algoritmo y del tamaño de la foto.

1.

Introducción

Simplificar la forma de un objeto, o reducir la cantidad de datos que éste contiene siempre ha sido un tema de interés en el campo del procesamiento de imágenes. Para ello es necesario contar con técnicas adecuadas que nos faciliten el poder reducir los datos de los objetos. Unas de las técnicas más utilizadas para lograr este objetivo, es la esqueletización de las imágenes. Obtener el esqueleto de una imagen significara encontrar un patrón a partir de la forma del objeto, el cual contendrá menor datos pero conservará la continuidad y la menor cantidad menor de píxeles posible. Obtener un esqueleto, es un proceso iterativo y puede que demande mucho tiempo de procesamiento ya que generalmente todos los algoritmos, requieren muchos recorridos por toda la imagen. Existen a su vez algoritmos que provienen de estructuras matemáticas complejas y otros de cálculos lógicos; pero los cuales finalmente producen tener una nueva imagen con menos datos. 2. Definición

La esqueletización es un proceso de quitar de un patrón la mayor cantidad de píxeles posibles sin afectar la forma general del patrón. En otras palabras, después que los píxeles hayan sido quitados, el patrón debe ser reconocido. El esqueleto obtenido debe tener las siguientes tres propiedades. • • • Tan delgado como sea posible Conectado Centrado

Cuando estas características son alcanzadas el algoritmo debe detenerse. A continuación un patrón y su esqueleto.

Figura 1. Un patrón en forma de T, y su respectivo esqueleto.
1

el esqueleto de una imagen será tratado como la primera definición que dimos. El esqueleto es un imagen binaria que simplemente muestra el esqueleto de por sí. 3. Vor(Ω) = p i ∈Ω U ∂V( pi ) 2 . TÉCNICAS EMPLEADAS En las presentes descripciones. 3. p j )} Donde d2 denota la distancia entre dos puntos. deben estar sombreados de color negro. Figura 2. p ∈ E | ∀j ≠ i : d 2 ( p. mientras que el fondo debe ser blanco. así pues las siguientes referencias a un esqueleto serán como se mencionó. el polígono Voronoi de pi se define como el conjunto de todos los puntos que se encuentran mas cerca de pi que ningún otro sitio pj: V(i) = {p . Finalmente. mientras que MAT es una imagen de niveles de gris. tenemos un conjunto de puntos Ω = {pi } también llamados sitios en el plano E. El esqueleto de un rectángulo definido en términos de círculos bi tangenciales. lo que se suele representar no por celdas sino por puntos de manera discreta. El conjunto de los límites ∂V(pI ) de todos V (pi ) es llamado diagrama de Voronoi (VD) o teselacion de Voronoi Vor(Ω).1. la región poligonal convexa V(i) que contiene solo el sitio pi. Un diagrama de Voronoi es una estructura geométrica que representa información de proximidad acerca de un conjunto de puntos u objetos es decir. se asumirá que los objetos dentro de las imágenes. pero fue hasta mucho después en 1908 que estos diagramas fueron escritos por Georgy Voronoi. El término Transformación de eje medio (MAT) y Esqueletización son comúnmente usados de manera indistinguible. De una manera más formal. el diagrama de Voronoi de un conjunto de objetos geométricos es una partición del espacio en celdas cada una de la cuales contiene una colindancia con sus puntos más cercanos.Esqueletización Tópicos Especiales en Procesamiento Gráfico Otra manera de pensar sobre los esqueletos es como el lugar donde convergen los centros de círculos bi tangenciales que entran de manera completa dentro de la región considerada. Diagrama de Voronoi Los diagramas de Voronoi fueron por primera vez discutidos por Peter Lejeune-Dirichlet en 1850. donde cada punto del esqueleto tiene una intensidad la cual representa su distancia a los límites del objeto original. de ahí su nombre. pi ) ≤ d 2 ( p.

Suen El algoritmo de Zhang Suen. Veamos un ejemplo: Figura 5.1. p2. el diagrama de Voronoi contiene celdas o polígonos de Voronoi los cuales. habrá que contar cuantas veces se repite el patrón 0. para los cuales se cumple siempre que los puntos dentro de los polígonos adyacentes a éste.2. p8. sino solamente los puntos de los bordes de la imagen. La técnica que utiliza este algoritmo es la de los ocho vecinos. son los más cercanos que hay. p6. p5. p7. De estas condiciones define que el punto sea borrado de la imagen o no. de manera tal que los píxeles cubiertos por la máscara son analizados por ciertas condiciones básicas. se repite en la secuencia de puntos de la matriz. Algoritmo de Zhang .1 en p1. es la variación de un algoritmo antiguo como el algoritmo de Hilditch y al igual que ese requiere de una cierta máscara y el paso de ella a través de toda la imagen. los puntos que se deben considerar para producir un esqueleto. p3. p4. deben ser no todos los píxeles. Así y solamente así se conseguirá que el esqueleto se forme de una manera correcta Si se siguen los pasos indicados. de manera horaria. Para ello debemos considerar una máscara de 3x3 y de preferencia numeraremos los píxeles internos de la siguiente manera. Las condiciones que se mencionaron inicialmente. Tenemos la función A(p). p1. ya que el diagrama de Voronoi estirará sus aristas hasta fuera de los bordes. el diagrama de Voronoi solo necesitará ser intersectado con la imagen a la cual se le esta extrayendo el esqueleto. encierran los puntos pi. que representa la cantidad de veces que el patrón 0. Figura 3.Esqueletización Tópicos Especiales en Procesamiento Gráfico En palabras sencillas. Y además se cuenta con la función B(p). Diagrama de Voronoi En el caso que se utiliza una imagen. En este algoritmo se utilizan dos subiteraciones. requieren la definición de dos funciones básicas. En otras palabras. cada una de ellas se encarga de eliminar píxeles de zonas determinadas de la máscara. Esqueleto de una imagen binarizada a través del diagrama de Voronoi 3. tomados desde el punto p2 hasta p2 mismo. 3 .

El siguiente ejemplo aclara mejor las cosas. 2 <= B(p0) <= 6 A(p0) = 1 p1. se ve que como B(p0) = 7. El siguiente ejemplo permitirá concebir con mayor claridad las funciones.p3.p7=0 p1. 2 <= B(p0) <= 6 A(p0) = 1 p1. entonces p0 es un píxel punto final. el punto es un punto aislado. y segundo que esta cantidad sea menor o igual que seis. se observa que si se elimina el píxel p0. A(p0)=1 Una vez. si es que cumple las siguientes condiciones: Para la primera subiteración 1. se debe pasar la mascara por toda la imagen. En el tercer cuadro. P8 P7 P6 P1 P0 P5 B(p1)=1 P2 P3 P4 P8 P7 P6 P1 P0 P5 B(P1)=0 P2 P3 P4 P8 P7 P6 P1 P0 P5 B(p1)=7 P2 P3 P4 En la figura podemos apreciar. En el siguiente cuadro. es cualquier píxel que tiene como vecino un píxel del color del objeto. es necesario comprender el significado de las mencionan. sea mayor o igual que dos.p5=0 p3. 6. el esqueleto quedaría desconectado. y el píxel central debajo de la máscara será cambiado al color del fondo.p7=0 Para entender mejor el algoritmo.p5. sea eliminado. A(p0)=2 P2 P3 P4 B(p0)=2 . el cual representa a una clase de ruido. que si B(p0) = 1. Condición 1: 2 <= B(p1) <= 6 condiciones que se Esta condición combina dos subcondiciones. La segunda condición. P8 P7 P6 P1 P0 P5 4 P8 P7 P6 P1 P0 P5 P2 P3 P4 P2 P3 P4 P8 P7 P6 P1 P0 P5 P2 P3 P4 . 4. 2. y además es un punto del esqueleto.p5. De hecho. Un píxel punto final. Condición 2: A(p1)=1 Esta condición representa una prueba de conectividad. pero este algoritmo no encarga de eliminarlo. el cual no este aislado. se observa que como B(p0) = 0. 3. p0 no es un píxel de borde.Esqueletización Tópicos Especiales en Procesamiento Gráfico que se define como el número de píxeles 1 alrededor del píxel central. 7.p7=0 Para la segunda subiteración 5. primero que la cantidad de vecinos diferentes de cero de p0. por lo tanto no debe ser borrado. determinadas las funciones mencionadas. 8. P8 P7 P6 P1 P0 P5 P2 P3 P4 P8 P7 P6 P1 P0 P5 B(p0)=2. asegura que ese píxel sea un píxel en el borde. La primera condición asegura que ningún píxel punto final.p3. por lo tanto no debe ser eliminado. si se considera las figuras siguientes donde A(p0) > 1.

y para la segunda los de los bordes noreste y la esquina suroeste. 5 .Esqueletización Tópicos Especiales en Procesamiento Gráfico A(p1)=2 Condición 3.2. en caso contrario Donde A y B. para la primera iteración. A continuación veremos el pseudocódigo del algoritmo. en dos simples expresiones booleanas. La expresión resultante fue la siguiente: 4. color( X ) = Negro V( X )  Falso . y transformar dichas reglas en expresiones lógicas. propuso a su vez combinar las dos expresiones anteriores en una sola. A( X ) = 1 ∧ 2 ≤ B( X ) ≤ 6 edge  Falso . 5. como: Verdadero . de manera que el tratamiento de los patrones y las máscaras fuese en forma de ecuaciones. o borde. Norte P1 P0 P5 Sur Oeste P8 P7 P6 P2 P3 P4 Este 3. Algoritmo de Holt El algoritmo de Holt nació en el año 1987. el algoritmo de Zhang Suen. Las expresiones se definen como: Para la primera iteración: V(C) ∧ (~ edge(C) ∨ ( V(E) ∧ V(S) ∧ ( V( N) ∨ V(O)))) Para la segunda iteración: V(C) ∧ (~ edge(C) ∨ ( V(O) ∧ V( N) ∧ ( V(S) ∨ V(E)))) Donde la función V. color( X ) = Falso Y edge. Holt. 6: A(p1)=2 A(p1)=3 Por éstas condiciones se asegura que los puntos a borrar pertenezcan al borde sur este y en la esquina noroeste. y surgió para modificar las reglas que imponía el algoritmo de Zhang Suen. de manera que solo se produzca una sola iteración en el recorrido de la imagen. cuatro para cada una de las dos subiteraciones.2.3. son las funciones definidas por el algoritmo de Zhang Suen. Así pues Holt propuso resumir las ocho reglas. y mencionadas en el apartado 3. IMPLEMENTACIÓN El algoritmo a implementar es el algoritmo 3. validando así que dichos puntos no pertenecerán al esqueleto. se define como: Verdadero . 4.

no debe borrar los píxeles. y en la segunda son los píxeles del oeste norte.2) == 255 o W(3.1) == 255 si W(1.1) == 255 marcar el píxel i. Como se puede apreciar.2) == 255 o W(2.2) == 255 si W(2.j) es un punto de color negro 0 llenar en W. De manera didáctica se presenta una imagen.3) == 255 o W(3. sino que debe marcarlos. a la primera iteración los píxeles a eliminarse con los de la parte este y sur. todos los vecinos del píxel si hay algún píxel blanco en W si fB(W)>= 2 y fB(W) <= 6 si fA(W) == 1 si W(1.w si I(i.w para j = 1+ w:nc .2) == 255 o W(2.3) == 255 o W(2.3) == 255 o W(3. y finalmente acaba resultando en el esqueleto.2) == 255 o W(2.2) == 255 o W(2. el resultado no será el esperado.j como candidato a ser borrado fin si fin si fin si fin si fin si fin si fin para fin para borrar todos los pixeles marcados para i = 1 + w:nf .w para j = 1+ w:nc .Esqueletización Tópicos Especiales en Procesamiento Gráfico Entrada: Imagen I Salida: Esqueleto hacer para i = 1 + w:nf .w si I(i. todos los vecinos del píxel si hay algún píxel blanco en W si fB(W)>= 2 y fB(W) <= 6 si fA(W) == 1 si W(1. ya que si se cambian los colores de los píxeles a medida de cómo avanza el algoritmo. donde el algoritmo ha hecho las dos iteraciones.j como candidato a ser borrado fin si fin si fin si fin si fin si fin si fin para fin para borrar todos los píxeles marcados mientras mas píxeles puedan ser marcados como candidatos Vale aclarar que el algoritmo en las iteraciones.1) == 255 marcar el píxel i.j) es un punto de color negro 0 llenar en W. 6 .

Esqueletización Tópicos Especiales en Procesamiento Gráfico (a) 5. y las imágenes que se procesaron. RESULTADOS (b) (c) La implementación fue realizada en el MatLab. Entrada Salida Iteraciones 26 16 13 43 7 . fueron imágenes binarias sencillas y no de mucho tamaño.

Esqueletización Tópicos Especiales en Procesamiento Gráfico 34 11 15 17 15 9 21 34 8 .

Skeletonization[en línea]. 1984 [6] M. las formas curvas generalmente quedan con un esqueleto poco reconocible. Universidad Pública de Navarra. LELANDAIS. MALLAN.ca/~godfried/teaching/projects97/azar/skeleton.cz/wscg2004/Papers_2004_Short/K05. Zhang. PERKINS. A WLAKER. S. ya que solo parará cuando ya no se pueda esqueletizar más la imagen. así pues lo demuestran los resultados anteriores.El algoritmo implementado funciona muy bien con las imágenes presentan formas irregulares y rectas. pueden o no obtener exactamente el mismo resultado. Universidad de Edinburgo.mcgill. Imágenes binarias[en línea]. disponible en: http://wscg. C.ayc.Y. MERAD. .pdf [4] M.ac. Si bien es cierto obtiene un esqueleto puede que este no sea el mismo para todos los métodos. S.Y. Y el proceso se debe estar repitiendo muchas veces.cs. SUEN. Paper. Francia.es/miguel. 1994. disponible en: http://cgm. E WOLFART.html [3] D. presentan diversidad de enfoques. Canada Montreal.zcu.pagola/binarias. G. Pero si bien es cierto que el resultado es efectivo. A fast parallel algorithm for Thinning digital patterns. Paper. FISHER. 2005 9 . pero los cuales por su particularidad.Los algoritmos revisados. VILA.uk/hipr/html/skeleton.Para la obtención de cualquier esqueleto el tiempo de proceso siempre es algo largo.hw.unavarra. Skeletonization of Two-Dimensional regions Using Hybrid Method. GIUSTI. PAGOLA. ya que los procedimientos necesitan barrer la imagen continuamente. LUJAN. . 1997. 2004 http://www. M. Manuscript Document Digitalization and Recognition: A First Approach.Esqueletización Tópicos Especiales en Procesamiento Gráfico 8 8 6. Hypermedia Image Processing Reference[en línea]. vale saber que cuando se trata de este algoritmo. REFERENCIAS BIBLIOGRÁFICAS [1] D.html [2] B. Canada Montreal. CONCLUSIONES .cee. AZAR. Mar del Plata Argentina. M. disponible en: http://www.htm [5] T.