[论文解读] A Sequential Thinning Algorithm For Multi-Dimensional Binary Patterns

Himanshu Jain, Kumar, Archana Praveen|arXiv (Cornell University)|Oct 9, 2017

Digital Image Processing Techniques参考文献 11被引用 5

一句话总结

本文提出了一种简单、顺序的多维二值模式细化算法，能够保持连通性和结构完整性。该算法基于方向性准则迭代移除边界像素，在2D和3D应用中表现出色，与最先进方法相比结果具有竞争力。

ABSTRACT

Thinning is the removal of contour pixels/points of connected components in an image to produce their skeleton with retained connectivity and structural properties. The output requirements of a thinning procedure often vary with application. This paper proposes a sequential algorithm that is very easy to understand and modify based on application to perform the thinning of multi-dimensional binary patterns. The algorithm was tested on 2D and 3D patterns and showed very good results. Moreover, comparisons were also made with two of the state-of-the-art methods used for 2D patterns. The results obtained prove the validity of the procedure.

研究动机与目标

• 开发一种简单、易于修改的多维二值模式细化算法。
• 确保细化输出保留原始图案的拓扑连通性和结构特性。
• 提供一种既高效又可适应各种特定应用需求的方法。
• 在2D和3D二值模式上评估性能，包括与最先进2D细化方法的对比。
• 证明该算法在不同维度下的鲁棒性和有效性。

提出的方法

• 该算法采用顺序迭代方法，从连通分量中移除非必要边界像素。
• 在每次迭代中，基于方向性邻域条件评估像素，以确定其是否可被安全移除而不破坏连通性。
• 该方法应用一组预定义规则，检查3x3x3（2D）或3x3x3x3（3D）邻域中1-邻居的数量及其空间排列。
• 仅当像素位于边界且满足连通性保持条件时才执行移除操作。
• 该过程持续进行，直到无法再移除任何像素，最终生成最小骨架。
• 该算法设计为易于扩展至更高维度，并可针对特定应用需求进行调整。

实验结果

研究问题

• RQ1 如何设计一种顺序细化算法，以在多维二值模式中保持连通性和拓扑结构？
• RQ2 在2D和3D二值图像中，像素在何种最小条件下可被安全移除？
• RQ3 与现有最先进2D细化算法相比，该方法在性能和质量方面表现如何？
• RQ4 该算法能否被泛化并有效应用于3D二值模式？
• RQ5 该算法在理解、实现和针对特定应用需求修改方面的便捷程度如何？

主要发现

• 所提出的算法在2D和3D二值模式中均成功生成拓扑正确的骨架。
• 在骨架质量与结构保持方面，与两种最先进2D细化方法相比表现出具有竞争力的性能。
• 该算法易于理解，且高度可定制，可基于特定应用需求进行调整。
• 该方法保持了连通性，并生成无伪分支的单像素宽骨架。
• 结果证实了该顺序方法在不同维度和图案类型下的有效性与鲁棒性。
• 该算法的高效性与清晰性使其适用于集成到各种计算机视觉与图像处理流水线中。