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

que representa la cantidad de veces que el patrón 0. La técnica que utiliza este algoritmo es la de los ocho vecinos. Las condiciones que se mencionaron inicialmente. ya que el diagrama de Voronoi estirará sus aristas hasta fuera de los bordes. son los más cercanos que hay.Esqueletización Tópicos Especiales en Procesamiento Gráfico En palabras sencillas. requieren la definición de dos funciones básicas. de manera horaria. p4. En otras palabras. tomados desde el punto p2 hasta p2 mismo. Figura 3. Y además se cuenta con la función B(p). habrá que contar cuantas veces se repite el patrón 0. el diagrama de Voronoi contiene celdas o polígonos de Voronoi los cuales. Diagrama de Voronoi En el caso que se utiliza una imagen. 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. Veamos un ejemplo: Figura 5. p3. p1. el diagrama de Voronoi solo necesitará ser intersectado con la imagen a la cual se le esta extrayendo el esqueleto. Algoritmo de Zhang .2. los puntos que se deben considerar para producir un esqueleto. deben ser no todos los píxeles. sino solamente los puntos de los bordes de la imagen.1 en p1.1. 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. En este algoritmo se utilizan dos subiteraciones.Suen El algoritmo de Zhang Suen. para los cuales se cumple siempre que los puntos dentro de los polígonos adyacentes a éste. p6. p7. p5. Esqueleto de una imagen binarizada a través del diagrama de Voronoi 3. p2. p8. Tenemos la función A(p). Así y solamente así se conseguirá que el esqueleto se forme de una manera correcta Si se siguen los pasos indicados. cada una de ellas se encarga de eliminar píxeles de zonas determinadas de la máscara. 3 . De estas condiciones define que el punto sea borrado de la imagen o no. Para ello debemos considerar una máscara de 3x3 y de preferencia numeraremos los píxeles internos de la siguiente manera. encierran los puntos pi.

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

en dos simples expresiones booleanas. A( X ) = 1 ∧ 2 ≤ B( X ) ≤ 6 edge  Falso . y mencionadas en el apartado 3. 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. 5.3. color( X ) = Falso Y edge. Holt. y surgió para modificar las reglas que imponía el algoritmo de Zhang Suen. IMPLEMENTACIÓN El algoritmo a implementar es el algoritmo 3. para la primera iteración. validando así que dichos puntos no pertenecerán al esqueleto. A continuación veremos el pseudocódigo del algoritmo. 4. 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. de manera que solo se produzca una sola iteración en el recorrido de la imagen.2. se define como: Verdadero .2. 5 . y para la segunda los de los bordes noreste y la esquina suroeste. el algoritmo de Zhang Suen. Norte P1 P0 P5 Sur Oeste P8 P7 P6 P2 P3 P4 Este 3. o borde. en caso contrario Donde A y B. color( X ) = Negro V( X )  Falso . propuso a su vez combinar las dos expresiones anteriores en una sola. como: Verdadero .Esqueletización Tópicos Especiales en Procesamiento Gráfico A(p1)=2 Condición 3. son las funciones definidas por el algoritmo de Zhang Suen. cuatro para cada una de las dos subiteraciones. Algoritmo de Holt El algoritmo de Holt nació en el año 1987. de manera que el tratamiento de los patrones y las máscaras fuese en forma de ecuaciones. Así pues Holt propuso resumir las ocho reglas. y transformar dichas reglas en expresiones lógicas. La expresión resultante fue la siguiente: 4.

2) == 255 o W(2. donde el algoritmo ha hecho las dos iteraciones. el resultado no será el esperado. a la primera iteración los píxeles a eliminarse con los de la parte este y sur.2) == 255 o W(3. 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. sino que debe marcarlos.Esqueletización Tópicos Especiales en Procesamiento Gráfico Entrada: Imagen I Salida: Esqueleto hacer para i = 1 + w:nf . De manera didáctica se presenta una imagen.2) == 255 o W(2.w para j = 1+ w:nc .1) == 255 marcar el píxel i. no debe borrar los píxeles.j) es un punto de color negro 0 llenar en W.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 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. 6 . Como se puede apreciar.2) == 255 o W(2.w para j = 1+ w:nc . ya que si se cambian los colores de los píxeles a medida de cómo avanza el algoritmo.3) == 255 o W(3.2) == 255 si W(2. y finalmente acaba resultando en el esqueleto.1) == 255 marcar el píxel i.3) == 255 o W(3.2) == 255 o W(2.3) == 255 o W(2.1) == 255 si W(1. y en la segunda son los píxeles del oeste norte.w si I(i.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.j) es un punto de color negro 0 llenar en W.

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

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

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

Sign up to vote on this title
UsefulNot useful