This paper is focused on the field of the skeletonization of the binary image. Skeletonization makes it possible to represent a binary image in the form of many thin lines, the relative position, sizes and shape of which adequately describe the size, shape and orientation in space of the corresponding image areas. Skeletonization has many variety methods. Iterative parallel algorithms provide high quality skeletons. They can be implemented using one or more sub-iterations. In each iteration, redundant pixels, the neighborhoods of which meet certain conditions, are removed layer by layer along the contour and finally they leave only the skeleton. Many one-sub-iterations algorithms are characterized by a breakdown in connectivity and the formation of excess skeleton fragments. The highest-quality skeletons are formed by the well-known single-iteration OPTA algorithm, which based on 18 binary masks, but it is sensitive to contour noise and has a high computational complexity. The Zhang and Suen two-iteration algorithm (ZS), which is based on 6 logical conditions, is widely used due to its relative simplicity. But it suffers from the problem of the blurs of the diagonal lines with a thickness of 2 pixels and the lost of the square which size is 2×2 pixels. Besides, both algorithms mentioned above do not achieve the unit pixel thickness of the skeleton lines (many non-node pixels have more than two neighbors). Mathematical model and OPCA (One-Pass Combination Algorithm) algorithm which is based on a combination and simplification of single-iterative OPTA and two-iterative ZS are proposed for constructing extremely thin bound skeletons of binary images with low computational complexity. These model and algorithm also made it possible to accelerate the speed of skeletonization, to enhance recoverability of the original image on the skeleton and to reduce the redundancy of the bonds of the skeleton elements.

The problem of increasing the efficiency of coding of halftone images in the space of bit planes of differences in pixel values obtained using differential coding (DPCM – Differential pulse-code modulation) is considered. For a compact representation of DPCM pixel values, it is proposed to use a combined compression encoder that implements arithmetic coding and run-length coding. An arithmetic encoder provides high compression ratios, but has high computational complexity and significant encoding overhead. This makes it effective primarily for compressing the mean-value bit-planes of DPCM pixel values. Run-length coding is extremely simple and outperforms arithmetic coding in compressing long sequences of repetitive symbols that often occur in the upper bit planes of DPCM pixel values. For DPCM bit planes of pixel values of any image, a combination of simple run length coders and complex arithmetic coders can be selected that provides the maximum compression ratio for each bit plane and all planes in general with the least computational complexity. As a result, each image has its own effective combined encoder structure, which depends on the distribution of bits in the bit planes of the DPCM pixel values. To adapt the structure of the combined encoder to the distribution of bits in the bit planes of DPCM pixel values, the article proposes to use prediction of the volume of arithmetic code based on entropy and comparison of the obtained predicted value with the volume of run length code. The entropy is calculated based on the values of the number of repetitions of ones and zero symbols, which are obtained as intermediate results of the run length encoding. This does not require additional computational costs. It was found that in comparison with the adaptation of the combined encoder structure using direct determination of the arithmetic code volume of each bit plane of DPCM pixel values, the proposed encoder structure provides a significant reduction in computational complexity while maintaining high image compression ratios.

Обработка информации и принятие решений 59 3, 2019 СИСТЕМНЫЙ АНАЛИЗ И ПРИКЛАДНАЯ ИНФОРМАТИКА УДК 004.932 В. Ю. ЦВЕТКОВ ОПРЕДЕЛЕНИЕ РАЗМЕРА FIFO-СТЕКА ДЛЯ АЛГОРИТМА ВЫРАЩИВАНИЯ ОБЛАСТЕЙ ИЗОБРАЖЕНИЯ Белорусский государственный университет информатики и радиоэлектроники Целью работы является вывод выражения, позволяющего определить размер FIFO-стека для хранения координат смежных пикселей в зависимости от размера изображения для алгоритма сегментации на основе выращивания областей. Рассматривается FIFO-стек, организованный по принципу кольцевого многоразрядного регистра сдвига. Сформулированы условия максимальной загрузки FIFO-стека, для которых получено выражение, позволяющее точно определить необходимый размер FIFO-стека, что обеспечивает экономию памяти.Ключевые слова: FIFO-стек, сегментация изображений, выращивание областей изображения.

УО «Белорусский государственный университет информатики и радиоэлектроники», ул. П. Бровки, д. 6, 220013, г. Минск, Республика Беларусь Аннотация. Цель работы заключается в сравнительной оценке размеров FIFO-и LIFO-стеков, требуемых для сегментации изображений на основе выращивания областей. В процессе сегментации в стеки помещаются координаты (y, x) пикселей, которые необходимо присоединить к выращиваемой области. Размер стека, необходимый для хранения координат, зависит от структуры изображения и не может быть определен до сегментации. Для исключения переполнения стека его размер определяется для условий максимальной загрузки, когда изображение содержит единственную максимальную область. В этом случае размер стека равен размеру изображения. Такой подход не учитывает процесс его выгрузки и ведет к перерасходу памяти. В работе получены выражения, позволяющие повысить точность определения размеров FIFO-и LIFO-стеков, необходимых для хранения координат смежных пикселей в алгоритме сегментации на основе выращивания областей в условиях максимальной загрузки. При этом учтены начальное положение точки роста области и направление выборки смежных пикселей в окне сканирования. Сравнительная оценка размеров стеков, необходимых для сегментации изображений, показала, что использование FIFO-стека предпочтительнее, чем LIFO-стека, и ведет к существенной экономии памяти. Ключевые слова: FIFO-стек, LIFO-стек, сегментация изображений, выращивание областей, размер стека Для цитирования: Цветков, В. Ю. Использование стеков для сегментации изображений на основе выращивания областей / В. Ю. Цветков // Цифровая трансформация. -2020. -№ 2 (11). -С. 43-50.