Improved Simple Boundary Following Algorithm

개선된 간단한 경계선 추적자 알고리즘

  • Published : 2006.04.01

Abstract

The SBF (Simple Boundary Follower) is a boundary-following algorithm, and is used mainly for image recognition and presentation. The SBF is very popular because of its simplicity and efficiency in tracing the boundary of an object from an acquired binary image; however, it does have two drawbacks. First, the SBF cannot consistently process inner or inner-outer corners according to the follower's position and direction. Second, the SBF requires movement operations for the non-boundary pixels that are connected to boundary pixels. The MSBF (Modified Simple Boundary Follower) has a diagonal detour step for preventing inner-outer corner inconsistency, but is still inconsistent with inner-corners and still requires extra movement operations on non-boundary pixels. In this paper, we propose the ISBF (Improved Simple Boundary Follower), which solves the inconsistencies and reduces the extra operations. In addition, we have classified the tour maps by paths from a current boundary pixel to the next boundary pixel and have analyzed SBF, MSBF, and ISBF. We have determined that the ISBF has no inconsistency issues and reduces the overall number of operations.

간단한 경계선 추적자 알고리즘(SBF: Simple Boundary Follower)은 영상의 인식과 표현을 위하여 사용되는 경계선 추적 알고리즘 중에서 널리 사용되는 것이다. SBF는 주로 이진화된 영상에서 물체의 경계선을 추적할 때 매우 간단하면서도 효율적인 성능을 제공한다. 그러나 추적자의 위치와 방향조건에 따라 인너코너(inner corner)와 인너-아우터 코너(inner-outer corner)의 일부 영상을 추적하지 못하는 비일관성(inconsistency)을 가지고 있고, 경계선 이외의 픽셀들에 대한 부가적인 이동연산을 요구한다는 단점이 있다. 이러한 제약성들 중 인너-아우터 코너의 비일관성을 해결하기 위하여 수정된 간단한 경계선 추적자 알고리즘(MSBF: Modified Simple Boundary Follower)이 연구되었지만 여전히 인너코너 추적 비일관성과 부가 연산 필요성에 대한 해결책은 제시되지 않았다. 본 논문에서는 이를 개선하기 위하여 비일관성이 일어나지 않도록 처리하고, 경계선 주위 픽셀에 대한 이동 연산을 줄일 수 있는 개선된 간단한 경계선 추적자 알고리즘(ISBF: Improved Simple Boundary Follower)을 제안하였다. 또한 경계선상의 픽셀들의 배치와 이동 경로 방식에 대해 분류를 함으로써 세 가지 알고리즘의 연산복잡도를 계산하였다. 제안된 알고리즘은 MSBF에 비하여 연산량이 감소하였고, 비일관성의 문제가 없는 것으로 분석되었다.

Keywords

References

  1. S. Marchand-Maillet, Y.M. Sharaiha, Binary Digital Image Processing, pp.173-180, Academic Press, 2000
  2. M. Das, M.J. Paulik, N.K. Loh, 'A Bivariate Autoregressive Modeling Technique for Analysis and Classification of Planar Shapes,' IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 12, No. 1, pp. 97-103, January 1990 https://doi.org/10.1109/34.41389
  3. S. Papert, 'Uses of technology to enhance education,' Technical report 298, AI Lab., MIT, 1973
  4. I. Pitas, Digital Image Processing Algorithms and Applications, pp.275-329, John Wiley & Sons, 2000
  5. N. Arica, F.T. Yarman-Vural, 'An Overview of Character Recognition Focused on Off-Line Handwriting,' IEEE Transaction on Systems, Man, and Cybernetics-PART C: Applications and Reviews, VOL. 31, NO. 2, pp.216-233, May 2001 https://doi.org/10.1109/5326.941845
  6. E. Gose, R. Johnsonbaugh, S. Jost, Pattern recognition and Image analysis, pp.338- 346, Prentice Hall, 1996
  7. R.O. Duda, P.E. Hart, Pattern recognition and scene analysis, John Wiley & Sons, 1973