KR20020010523A - 비반복 스캐닝 시닝 방법 및 장치 - Google Patents

비반복 스캐닝 시닝 방법 및 장치 Download PDF

Info

Publication number
KR20020010523A
KR20020010523A KR1020010045096A KR20010045096A KR20020010523A KR 20020010523 A KR20020010523 A KR 20020010523A KR 1020010045096 A KR1020010045096 A KR 1020010045096A KR 20010045096 A KR20010045096 A KR 20010045096A KR 20020010523 A KR20020010523 A KR 20020010523A
Authority
KR
South Korea
Prior art keywords
pixel
skeleton
pixels
image
scanning
Prior art date
Application number
KR1020010045096A
Other languages
English (en)
Inventor
우시아윤
Original Assignee
루센트 테크놀러지스 인크
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 루센트 테크놀러지스 인크 filed Critical 루센트 테크놀러지스 인크
Publication of KR20020010523A publication Critical patent/KR20020010523A/ko

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/16Image preprocessing
    • G06V30/168Smoothing or thinning of the pattern; Skeletonisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Editing Of Facsimile Originals (AREA)

Abstract

본 발명은 시닝 알고리즘에 관한 것으로, 특히 상이한 가중치를 스켈리튼 픽셀 근방의 상이한 픽셀에 부여하고 불가능한 픽셀을 제외하는 비반복 시닝 알고리즘에 관한 것이다. 본 발명은 픽셀 마다 반복할 필요가 없고 또한 모든 픽셀을 검출할 필요가 없어서, 필요한 프로세싱 시간이 줄어든다. 본 발명은 또한 필링 알고리즘과 결합사용될 수 있다. 다양한 이진 패턴과의 실험 결과는 본 발명이 다른 종래의 알고리즘에 비해 고속인 기술이고 또한 뛰어난 스켈리튼 형상을 달성한다는 것을 보인다.

Description

비반복 스캐닝 시닝 방법 및 장치{ONE-STEP SCANNING THINNING ALGORITHM}
본 발명은 시닝 알고리즘(thinning algorithm)에 관한 것으로, 특히 원-스텝 스캐닝 시닝 알고리즘(one-step scanning thinning algorithm)에 관한 것이다.
시닝 알고리즘은 이미지 프로세싱, 패턴 인식(pattern recognition), 피쳐 검출(feature detection), 수서 글자 인식(handwriting recognition) 및 위조 지폐 인식(counterfeit money recognition)에 주로 사용된다. 시닝 알고리즘의 목표는 피쳐가 유도되거나, 이미지 표현 스타일이 단순하거나 혹은 저장 공간이 줄어들 수 있는 "스켈리튼(skeleton)"을 얻기 위해 이진 이미지를 찾는 것이다.
일 예가 도 1a와 도 1b에 도시되어 있다. 도 1a의 글자(character)는 굵은(thick) 글자로, 각각의 스트로크(stroke)는 여러 픽셀 폭을 갖는다. 도 1b의 글자는 하나의 픽셀 폭을 갖는 가는(thin) 글자이지만, 도 1a의 글자의 주요 피쳐를 유지하여, 이 글자는 또한 "5"("2", "A" 혹은 다른 글자가 아닌)로 인식된다. 흔히 이미지 프로세싱 혹은 패턴 인식 동안에, 도 1b의 가는 글자는 도 1a의 굵은 글자 보다 바람직한데, 이는 도 1b의 가는 글자가 이미지의 주요 피쳐를 유지하고, 저장 메모리를 덜 차지하며 또한 스트로크 폭이 실질적으로 일정(하나 혹은 두개의 픽셀 폭)하여 인식되기 쉽기 때문이다. 도 1a에서 도 1b로의 변환이 시닝 프로세스로 지칭된다.
대부분의 실제 애플리케이션시, 이미지는 이 예보다 훨씬 복잡하여, 시닝 알고리즘이 수 년 동안 연구되어 왔다. 시닝 알고리즘에 관한 두 가지 기본 요구사항은 1)원 이미지(original image)를 나타내는 주요 피쳐를 보유하고 또한 2)연결성(connectivity)을 유지하는 것이다.
대부분의 종래의 시닝 알고리즘의 주 단계는 에지 픽셀을 검출하여 매 에지 픽셀(edge pixel one by one)을 필 오프(peel off)하는 것이다. 이러한 종래의 알고리즘은 이미지를 수 차례 스캐닝(이미지의 "폭"을 기반으로)하고 매 픽셀에 대해 알고리즘을 반복해야 한다. 도 2는 이러한 종래의 알고리즘이 동작하는 방법을 도시한다. 종래의 시닝 알고리즘은 패턴의 에지 픽셀을 스트리핑(strip)한다. 이미지의 폭이 넓다면, 이 스트리핑 프로세스는 좌측 상부로부터 우측 하부(from the left-top to right-bottom)로 수 차례 반복되어야 한다. 도 2의 결과는 또한 시닝 패턴이 어떤 위치에서 두개의 픽셀 폭이기 때문에 받아들이지 못할 수도 있다.
이런 종래의 방법이 Lam L 및 Sue C. Y의 "A dynamic shape reserving thinning algorithm", Signal Processing, 1991, 22(2) : 199 - 208에 개시되어 있다. 이 방법은 J. Hilditch의 "Linear Skeleton from Square Cupboards", In Machine Intelligence IV, B. Meltzer and D. Michie, eds. university Press, Edinburgh, pp. 403 - 420(1969)를 기반으로 한다.
전술한 바와 같이, 전체 이미지를 스캐닝하는 것이 각각의 측면으로부터 하나의 픽셀 만큼 화상(picture)에서 라인의 폭을 감소시키기 때문에, 전체 화상을 위해 반복될 스캐닝의 횟수는 대략 W/2인데, 여기서 W는 이미지에 수용된 최대 라인폭이다. 이것이 도 3a 내지 도 3d에 도시되어 있다. 이 경우에, 라인-시닝에필요한 스캐닝 포인트(P)의 수는
인데, 여기서 S는 전체 화상(I ×J)에서의 스캐닝 포인트의 수이고, W/2는 전체 이미지의 스캐닝 반복수이며 W는 전체 이미지에서의 최대 라인폭이다.
굵은 라인 혹은 전흑 영역(solid black area)인 오직 하나의 영역만이 이미지에 존재할지라도, 이 알고리즘은 상당한 프로세싱 시간을 필요로 하는 이 영역으로 인해 전체 이미지를 반복적으로 스캐닝해야 한다.
두 번째 유형의 종래 방법은 중심 픽셀을 찾기 위해 안쪽(inner) 픽셀로부터 에지에서의 픽셀로 픽셀을 프로세싱하는 것을 포함한다. 이 두 번째 유형의 기술은 예를 들어, Abairid M. R, Martin G 및 Suen C. Y의 "Tracing Center-lines of Digital Patterns Using Maximal-Square and Maximal-Circle Algorithm", Conf. On Version Interface'90, Nova Scotia, 1990, 76 - 79에 도시된 바와 같이 최대 평방(Maximal Squares : MS)과 최대 원(Maximal Circles : MC)을 포함한다. 이 두 번째 유형의 종래 방법은 동일한 식별 과정이 모든 픽셀에서 행해져야 하기 때문에 프로세싱 시간을 줄이지 못한다.
세 번째 유형의 종래 방법은 각각의 스캐닝 라인에 대해 모든 브랜치의 중심 픽셀을 찾고, 또한 이미지의 스켈리튼을 얻기 위해 중심 픽셀을 연결하는 것을 포함한다. 이 세 번째 유형의 방법은 흔히 이미지의 연결성을 유지하지 못한다.
본 발명은 시닝 알고리즘에 관한 것으로, 특히 상이한 가중치를 스켈리튼 픽셀 근방의 상이한 픽셀에 부여하고 불가능한 픽셀을 제외하는 비반복(non-iterative) 시닝 알고리즘에 관한 것이다. 본 발명은 픽셀 마다 반복할 필요가 없고 또한 모든 픽셀을 검출할 필요가 없어서, 필요한 프로세싱 시간이 줄어든다. 본 발명은 또한 필링 알고리즘(filling algorithm)과 결합하여 사용될 수 있다. 다양한 이진 패턴들과의 실험 결과는 본 발명이 다른 종래의 알고리즘에 비해 고속인 기술이고 또한 뛰어난 스켈리튼 형상을 달성한다는 것을 보인다.
도 1a 및 도 1b는 종래의 글자를 도시하는 도면,
도 2는 종래의 시닝 알고리즘에 의해 프로세싱될 수 있는 글자를 구성하는 한 세트의 픽셀을 도시하는 도면,
도 3a 내지 도 3d는 이미지의 스켈리튼을 얻기 위한 하나의 종래 기술을 도시하는 도면,
도 4는 하나의 실시예에서의 본 발명의 시닝 알고리즘의 순서도,
도 5는 본 발명의 하나의 실시예에서의 본 발명의 방향 검출 피쳐를 도시하는 도면,
도 6a 내지 도 6c는 본 발명의 하나의 실시예에서의 가중치 부여 피쳐를 도시하는 도면,
도 7은 식별될 필요가 없는 픽셀(NIP)을 식별하기 위한 예시 규칙을 도시하는 도면,
도 8a 내지 도 8e는 필링 알고리즘을 사용하는 보간법을 도시하는 도면.
전술한 바와 같이, 본 발명은 신규한 시닝 알고리즘에 관한 것으로, 이 시닝 알고리즘은 시닝 프로시쥬어에서 상이한 가중치를 스켈리튼 픽셀 근방의 상이한 픽셀에 부여하고 불가능한 픽셀을 제외한다. 본 발명은 픽셀 마다 반복할 필요가 없고 또한 모든 픽셀을 검출할 필요가 없어서, 필요한 프로세싱 시간이 줄어든다. 필링 알고리즘은 또한 본 발명의 시닝 알고리즘과 결합사용되어 보다 나은 결과를 낳을 수 있다. 다양한 이진 패턴과의 실험은 본 발명이 종래의 알고리즘에 비해 고속이면서 또한 뛰어난 스켈리튼 형상을 달성한다는 것을 보인다.
하나의 실시예에서의 본 발명의 일반 알고리즘이 도 4에 도시되어 있다. 이 알고리즘은 단계(20)에서 시작한다. 단계(30)에서, 스캐닝이 완료되었는지가 판정된다. 완료되지 않았다면, 알고리즘은 단계(40)에서의 후속 픽셀로 진행한다. 스캐닝이 완료되었다면, 알고리즘은 필링 알고리즘(80)으로 진행하여 단계(90)에서 종료된다. 단계(40 및 50)에서, 후속 픽셀이 분석되어 이 후속 픽셀이 스켈리튼 픽셀인지가 판정된다. 후속 픽셀이 스켈리튼 픽셀이라면, 이 후속 픽셀은 단계(60)에서 보유되고, 그 다음의 후속 스켈리튼 픽셀은 단계(70)에서 이 후속 스켈리튼 픽셀로부터 예측된다. 단계(50)의 픽셀이 스켈리튼 픽셀이 아니라면, 알고리즘은 단계(30)로 진행하여 스캐닝이 완료되었는지를 재확인한다.
본 발명의 하나의 실시예에서의 원-스텝 스캐닝 시닝 알고리즘의 동작을 도 5 내지 도 8과 함께 상세히 후술하겠다. 본 알고리즘의 첫 번째 동작 단계는 방향을 검출하는 것을 포함한다. 여러 스트로크로 구성된 글자가 있다고 가정된다. 사이즈 가변 원이 스트로크내에 존재한다면, 내접원의 연결된 중심점(the connected center point of the inscribed circle)은 스켈리튼의 일부여야 한다. 그러나, 스트로크의 연결에서 연결성이 끊어질 수 있어 보간법이 필요할 수 있다. 본 발명은 방향 픽셀을 식별(도 5의 예에서, 패턴에서의 모든 픽셀을 식별하는 대신에 패턴의 안쪽 에지로부터 바깥쪽 에지로의 8개 방향의 픽셀을 식별)함으로써 이런 문제점을 완화한다.
본 발명의 알고리즘의 두 번째 동작 단계는 가중치를 부여하는 것이다. 특히, 패턴에서의 픽셀은 세 가지 유형, 즉 스켈리튼 픽셀(SP), 식별될 필요가 없는 픽셀(no-need-to-be-identified pixels : NIP) 및 비플래그 픽셀(no-flag pixels : NFP)로 구별된다. 픽셀이 NIP 혹은 SP라면, 알고리즘은 좌측 상부로부터 우측 하부로 픽셀을 스캐닝하여 후속 픽셀을 지속적으로 식별한다. 픽셀이 NFP라면, 본알고리즘은 내접원 알고리즘을 기반으로 시닝을 수행한다. 또한, 픽셀이 SP이고 이 픽셀의 8개의 인접 픽셀에 다른 SP가 존재한다면, 가중치가 스켈리튼 방향에 따라서 8개의 인접 픽셀에 부여된다. 가중치는 도 6a 내지 도 6c에 도시된 바와 같이 스켈리튼 라인의 탄젠트 값이다.
스캐닝이 좌측 상부로부터 우측 하부로 진행되기 때문에, 스켈리튼 픽셀일 수 있는 후속 픽셀은 U, V, W, X 및 Y이다. 스켈리튼 라인 방향에 따라서, 이러한 5개의 픽셀 중 3개의 픽셀이 다음의 예시 예측 세트(1)에 도시된 바와 같은 스켈리튼 픽셀일 수 있다. α의 값은 스켈리튼 라인과 수평 라인 사이에 포함된 각도이고, 이 세트의 구성 요소는 가중 순서대로 놓인다.
[예측 세트 1]
식별될 필요가 없는 픽셀(NIP)은 다음과 같이 결정된다.
즉, 만일 CS = {WVX} 또는 {WXV}라면,
후속 가능한 스켈리튼 픽셀은 W, V, X 또는 W, X, V의 순서대로 식별되고, U와 Y 방향(수평)이고 내접원내인 픽셀이 식별될 필요가 없는 픽셀(NIP)로 분류된다.
만일 CS = {UVW} 또는 {YXW}라면,
스켈리튼 픽셀일 수 있는 후속 픽셀은 U, V, W 또는 Y, X, W 순서대로 식별되고, W 방향(수직)이고 내접원내인 픽셀이 식별될 필요가 없는 픽셀(NIP)로 분류된다.
만일 CS = {VWU} 또는 {VUW}라면,
스켈리튼 픽셀일 수 있는 후속 픽셀은 V, W, U 또는 V, U, W 순서대로 식별되고, X 방향(슬로프(slope)가 1인)이고 내접원내인 픽셀이 식별될 필요가 없는 픽셀(NIP)로 분류된다.
만일 CS = {XWY} 또는 {XYW}라면,
스켈리튼 픽셀일 수 있는 후속 픽셀은 X, W, Y 또는 X, Y, W 순서대로 식별되고, V 방향(슬로프가 -1인)이고 내접원내인 픽셀이 식별될 필요가 없는 픽셀(NIP)로 분류된다. 내접원의 사이즈는 현재의 스켈리튼 픽셀로부터 얻어질 수 있다는 점에 유의하기 바란다. 도 7은 식별될 필요가 없는 픽셀(NIP)을 식별하기 위한 예시 규칙을 도시한다.
도 4의 단계(80)에 도시된 필링 알고리즘을 상세히 후술하겠다. 스켈리튼 픽셀(SP)은 어떤 연결(들) 혹은 불규칙한 위치(uneven location)에서 결손될 수 있다. 도 8a 내지 도 8e에 도시된 것 중 하나의 필링 알고리즘이 임의의 결손 스켈리튼 픽셀을 보간하는데 사용될 수 있다.
도 8a는 두개의 보간된 픽셀을 도시한다. 도 8b는 상향 보간 방향(up-interpolation directions)을 도시한다. 도 8c는 하향 보간 방향(down-interpolation direction)을 도시한다.
종래의 필링 알고리즘을 사용할 때, 도 8d에 도시된 두 개의 픽셀은 도 8e에 도시된 바와 같이 필링될 수 있다. 도 8d와 도 8e에 도시된 바와 같이, 필링의 방향은 5개의 스켈리튼 픽셀에 의해 결정되고, 필링은 에지가 접촉(meet)되거나 혹은 다른 스켈리튼 픽셀과 연결될 때 종료된다.
전술한 바와 같이, 본 발명은 신규한 고속 시닝 알고리즘에 관한 것으로, 이 시닝 알고리즘은 시닝 프로시쥬어에서 상이한 가중치를 스켈리튼 픽셀 근방의 상이한 픽셀에 부여하고 불가능한 픽셀을 제외한다. 본 발명의 알고리즘은 픽셀 마다 반복할 필요가 없고 또한 모든 픽셀을 검출할 필요가 없다. 따라서, 본 알고리즘을 프로세싱하는데 필요한 시간은 상당히 줄어든다. 본 발명의 알고리즘은 또한 종래의 필링 알고리즘와 결합사용되어 보다 나은 결과를 낳을 수 있다. 다양한 이진 패턴과의 실험은 본 발명의 알고리즘이 다른 종래의 알고리즘에 비해 고속이고 또한 보다 뛰어난 스켈리튼 형상을 달성하다는 것을 보인다. 일반적으로, 본 발명의 알고리즘은 종래의 알고리즘에 비해 적어도 2/3 만큼의 시간을 줄이고 뛰어난 시닝 결과를 달성한다.
본 발명의 방법에 관해 설명하였지만, 본 발명은 어느 종래의 계산 하드웨어 장치에도 구현될 수 있다. 또한, 전술한 시닝 알고리즘은 시닝 알로리즘이 동작하는 계산 하드웨어 장치에 상주하거나, 종래의 물리적 매체를 통해 계산 하드웨어 장치로 로딩되거나 혹은 전송 신호를 통해 계산 하드웨어 장치에 다운로드될 수 있다.
따라서, 본 발명을 다양한 방식으로 변경할 수 있다는 것을 알 것이다. 이러한 변경이 본 발명의 사상과 범주를 벗어나는 것으로 간주되어서는 안되며, 당업자들에게 자명한 이러한 변경 모두는 본 발명의 청구범위내에 포함된다.
본 발명은 비반복 스캐닝 시닝 방법과 장치에 관한 것으로 고속이어서 프로세싱 시간이 줄어들고, 필링 알고리즘과 결합사용될 수 있으며 또한 뛰어난 스켈리튼 형상을 달성하는 효과가 있다.

Claims (22)

  1. 비반복 스캐닝 시닝 방법(a non-iterative scanning thinning method)에 있어서,
    이미지에서의 픽셀(a pixel)을 스캐닝하는 단계와,
    상기 픽셀이 스켈리튼 픽셀(a skeleton pixel), 식별될 필요가 없는 픽셀(a no-need-to-be-identified pixel) 혹은 비플래그 픽셀(a no-flag pixel)인지를 판정하는 단계와,
    상기 픽셀이 스켈리튼 픽셀 혹은 식별될 필요가 없는 픽셀이라면, 좌측 상부로부터 우측 하부로(from upper-left to lower-right) 후속 픽셀에 진행시키는 단계와,
    상기 픽셀이 비플래그 필셀이라면, 상기 비플래그 픽셀을 시닝하는 단계와,
    상기 픽셀이 스켈리튼 픽셀이라면, 상기 픽셀에 인접한 임의의 픽셀이 스켈리튼 픽셀인지를 판정하는 단계와,
    상기 픽셀에 인접한 임의의 픽셀이 스켈리튼 픽셀이라면, 상기 픽셀에 인접한 픽셀을 스켈리튼 방향에 따라서 가중(weighting)하는 단계와,
    상기 이미지의 시닝된 이미지를 생성하도록 각각의 픽셀에 대해 상기 단계들을 반복하는 단계를 포함하는
    비반복 스캐닝 시닝 방법.
  2. 제 1 항에 있어서,
    상기 식별될 필요가 없는 픽셀은 예측 세트(a prediction set)를 사용하여 식별되는 비반복 스캐닝 시닝 방법.
  3. 제 1 항에 있어서,
    오직 한 번의 스캐닝 반복만이 각각의 픽셀을 분류하는데 필요한 비반복 스캐닝 시닝 방법.
  4. 제 1 항에 있어서,
    오직 한 번의 스캐닝 반복만이 상기 이미지의 시닝된 이미지를 생성하는데 필요한 비반복 스캐닝 시닝 방법.
  5. 비반복 스캐닝 시닝 방법에 있어서,
    이미지에서의 픽셀을 스캐닝하는 단계와,
    상기 픽셀이 스켈리튼 픽셀인지를 판정하는 단계와,
    상기 픽셀이 스켈리튼 픽셀이라면, 다른 스켈리튼 픽셀을 예측하고 불필요한픽셀을 시닝 아웃(thin out)하도록 상이한 가중치(different weights) 상기 스켈리튼 픽셀에 인접한 픽셀에 부여하는 단계와,
    상기 이미지의 시닝된 이미지를 생성하도록 각각의 픽셀에 대해 상기 단계들을 반복하는 단계를 포함하는
    비반복 스캐닝 시닝 방법.
  6. 제 5 항에 있어서,
    상기 픽셀이 스켈리튼 픽셀이 아니라면, 상기 픽셀은 식별될 필요가 없는 픽셀 혹은 비플래그 픽셀 중 하나인 비반복 스캐닝 시닝 방법.
  7. 제 5 항에 있어서,
    식별될 필요가 없는 픽셀은 예측 세트를 사용하여 식별되는 비반복 스캐닝 시닝 방법.
  8. 제 5 항에 있어서,
    오직 한 번의 스캐닝 반복만이 각각의 픽셀을 분류하는데 필요한 비반복 스캐닝 시닝 방법.
  9. 제 5 항에 있어서,
    오직 한 번의 스캐닝 반복만이 상기 이미지의 시닝된 이미지를 생성하는데 필요한 비반복 스캐닝 시닝 방법.
  10. 비반복 스캐닝 시닝 장치에 있어서,
    이미지에서의 픽셀을 스캐닝하고,
    상기 픽셀이 스켈리튼 픽셀, 식별될 필요가 없는 픽셀 혹은 비플래그 픽셀인지를 판정하고,
    상기 픽셀이 스켈리튼 픽셀 혹은 식별될 필요가 없는 픽셀이라면, 좌측 상부로부터 우측 하부로 후속 픽셀에 진행시키고,
    상기 픽셀이 비플래그 픽셀이라면, 상기 비플래그 픽셀을 시닝하고,
    상기 픽셀이 스켈리튼 픽셀이라면, 상기 픽셀에 인접한 임의의 픽셀이 스켈리튼 픽셀인지를 판정하고,
    상기 픽셀에 인접한 임의의 픽셀이 스켈리튼 픽셀이라면, 스켈리튼 방향에 따라서 상기 픽셀에 인접한 픽셀을 가중하는 기능을 수행하기 위한 프로세서로,
    상기 이미지의 시닝된 이미지를 생성하도록 각각의 픽셀에 대해 상기 기능들을 반복시키는 프로세서를 포함하는
    비반복 스캐닝 시닝 장치.
  11. 제 10 항에 있어서,
    상기 식별될 필요가 없는 픽셀은 예측 세트를 사용하여 식별되는 비반복 스캐닝 시닝 장치.
  12. 제 10 항에 있어서,
    오직 한 번의 스캐닝 반복만이 각각의 픽셀을 분류하는데 필요한 비반복 스캐닝 시닝 장치.
  13. 제 10 항에 있어서,
    오직 한 번의 스캐닝 반복만이 상기 이미지의 시닝된 이미지를 생성하는데 필요한 비반복 스캐닝 시닝 장치.
  14. 비반복 스캐닝 시닝 장치에 있어서,
    상기 이미지에서의 픽셀을 스캐닝하고,
    상기 픽셀이 스켈리튼 픽셀인지를 판정하고,
    상기 픽셀이 스케리턴 픽셀이라면, 다른 스켈리튼 픽셀을 예측하고 불필요한픽셀을 시닝 아웃하도록 상이한 가중치를 상기 스켈리튼 픽셀에 인접한 픽셀에 부여하는 기능을 수행하기 위한 프로세서로,
    상기 이미지의 시닝된 이미지를 생성하도록 각각의 픽셀에 대해 상기 기능들을 반복시키는 프로세서를 포함하는
    비반복 스캐닝 시닝 장치.
  15. 제 14 항에 있어서,
    상기 픽셀이 스켈리튼 픽셀이 아니라면, 상기 픽셀은 식별될 필요가 없는 픽셀 혹은 비플래그 픽셀 중 하나인 비반복 스캐닝 시닝 장치.
  16. 제 14 항에 있어서,
    식별될 필요가 없는 픽셀은 예측 세트를 사용하여 식별되는 비반복 스캐닝 시닝 장치.
  17. 제 14 항에 있어서,
    오직 한 번의 스캐닝 반복만이 각각의 픽셀을 분류하는데 필요한 비반복 스캐닝 시닝 장치.
  18. 제 14 항에 있어서,
    오직 한 번의 스캐닝 반복만이 상기 이미지의 시닝된 이미지를 생성하는데 필요한 비반복 스캐닝 시닝 장치.
  19. 제 1 항에 있어서,
    상기 방법은 매체(a medium)상으로 구현된 컴퓨터 프로그램에 의해 수행되는 비반복 스캐닝 시닝 방법.
  20. 제 19 항에 있어서,
    상기 매체는 물리적 매체와 전송 신호 중 하나인 비반복 스캐닝 시닝 방법.
  21. 제 5 항에 있어서,
    상기 방법은 매체상으로 구현된 컴퓨터 프로그램에 의해 수행되는 비반복 스캐닝 시닝 방법.
  22. 제 21 항에 있어서,
    상기 매체는 물리적 매체와 전송 신호 중 하나인 비반복 스캐닝 시닝 방법.
KR1020010045096A 2000-07-27 2001-07-26 비반복 스캐닝 시닝 방법 및 장치 KR20020010523A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN00121976A CN1336621A (zh) 2000-07-27 2000-07-27 单步扫描细化算法
CN00121976.6 2000-07-27

Publications (1)

Publication Number Publication Date
KR20020010523A true KR20020010523A (ko) 2002-02-04

Family

ID=4589011

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020010045096A KR20020010523A (ko) 2000-07-27 2001-07-26 비반복 스캐닝 시닝 방법 및 장치

Country Status (5)

Country Link
EP (1) EP1176544A1 (ko)
JP (1) JP2002109534A (ko)
KR (1) KR20020010523A (ko)
CN (1) CN1336621A (ko)
CA (1) CA2349789A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8238682B2 (en) 2008-12-23 2012-08-07 Canon Kabushiki Kaisha Parallel processing for generating a thinned image
CN103150741B (zh) * 2012-11-30 2015-07-01 常州大学 一种快速骨骼化二值数字图像中图形的方法
CA3022142A1 (en) * 2016-04-25 2017-11-02 Telefield Medical Imaging Limited Method and device for measuring spinal column curvature

Also Published As

Publication number Publication date
JP2002109534A (ja) 2002-04-12
EP1176544A1 (en) 2002-01-30
CA2349789A1 (en) 2002-01-27
CN1336621A (zh) 2002-02-20

Similar Documents

Publication Publication Date Title
JP3904840B2 (ja) 多値画像から罫線を抽出する罫線抽出装置
JP3251918B2 (ja) 光学式文字認識システムにおける2値化方法
Sen et al. Histogram thresholding using fuzzy and rough measures of association error
CN111461100A (zh) 一种票据识别方法、装置、电子设备和存储介质
CN112818952A (zh) 煤岩分界线的识别方法、装置及电子设备
CN111461126A (zh) 文本行中的空格识别方法、装置、电子设备及存储介质
JP2008210387A (ja) 文書画像の2値化性能を改善するノイズ除去装置及びノイズ除去プログラム
EP0949580A2 (en) Classification-driven thresholding of a normalized grayscale image
JP2001043313A (ja) 文字切出し方法
KR20020010523A (ko) 비반복 스캐닝 시닝 방법 및 장치
CN112289377A (zh) 检测图像上的亮斑的方法、装置和计算机程序产品
CN114550173A (zh) 图像预处理方法、装置、电子设备以及可读存储介质
JP4756436B2 (ja) パターン認識装置とそのパターン認識方法、及びパターン認識プログラム
Liu et al. Document image binarization based on texture analysis
JP7341758B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN114445814A (zh) 一种字符区域提取方法、计算机可读存储介质
EP0702320A1 (en) Skew detection
JP3415700B2 (ja) 閉領域抽出装置
JP3150762B2 (ja) グラディエントベクトルの抽出方式及び文字認識用特徴抽出方式
Soumya et al. Enhancement and segmentation of historical records
Zhao et al. Adaptive thresholding method for binarization blueprint images
KR100254736B1 (ko) 일차원국부적응화상이치화장치및방법
Zaharescu et al. Edge detection in document analysis
Zhao et al. Adaptive local thresholding with fuzzy-validity-guided spatial partitioning
Yonekura et al. Postal envelope segmentation by 2-d histogram clustering through watershed transform

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid