Improved Euclidean transform method using Voronoi diagram

보로노이 다이어그램에 기반한 개선된 유클리디언 거리 변환 방법

  • 장석환 (한양대학교 전자전기컴퓨터 공학부 영상공학 연구실) ;
  • 박용섭 (씨멘스 메디칼 초음파 연구소) ;
  • 김회율 (한양대학교 전자전기컴퓨터 공학부)
  • Published : 2004.12.01

Abstract

In this paper, we present an improved method to calculate Euclidean distance transform based on Guan's method. Compared to the conventional method, Euclidean distance can be computed faster using Guan's method when the number of feature pixels is small; however, overall computational cost increases proportional to the number of feature pixels in an image. To overcome this problem, we divide feature pixels into two groups: boundary feature pixels (BFPs) and non-boundary feature pixels (NFPs). Here BFPs are defined as those in the 4-neighborhood of foreground pixels. Then, only BFPs are used to calculate the Voronoi diagram resulting in a Euclidean distance map. Experimental results indicate that the proposed method takes 40 Percent less computing time on average than Guan's method. To prove the performance of the proposed method, the computing time of Euclidean distance map by proposed method is compared with the computing time of Guan's method in 16 images that are binary and the size of 512${\times}$512.

본 논문에서는 기존의 고속 유클리디언 거리 변환법을 개선한 새로운 계산 방법을 제안한다. 기존의 고속 유클리디언 거리 변환법이 가지고 있는 단점인 특징점의 수에 비례하여 계산량이 늘어나는 단점을 극복하기 위해서, 본 논문에서는 특징점들 중에서 비특징점과 4방향으로 연결되어 있는 특징점만을 이용하여 보로노이 다이어그램을 계산함으로써 유클리디언 거리 변화도(Euclidean distance map)의 계산 시간을 기존의 방법보다 평균 40%로 감소시켰다. 본 논문에서 제안한 방법의 효율성을 검증하기 위해서 크기의 바이너리 영상 16장에서 대해서 기존의 방법과 제안한 방법으로 똑같이 유클리디언 거리 변화도를 계산하여 계산 시간을 비교함으로써 그 효능을 입증하였다.

Keywords

References

  1. G. Borgefors, 'Distance Transformations in Digital Images,' Computer Graphics and Image Processing, vol. 34, pp. 344-371, 1986 https://doi.org/10.1016/S0734-189X(86)80047-0
  2. D. W. Paglieroni, 'Distance Transforms,' Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, vol. 54, pp. 56-74, 1992
  3. J. M. Fitzpatrick, D. L. G. Hill, and C. R. Maurer, Jr., 'Image Registration', Handbook of Medical Imaging, vol. 2, pp. 447-513, SPIP Press, 2000
  4. Y. Ge, C. R. Maurer, Jr., and J. M. Fitzpatrick, 'Surface-Based 3-D Image Registration Using the Iterative Closest Point Algorithm with a Closest Point Transform,' Medical Imaging: Image Processing, vol2710, pp.358-367, 1996
  5. P. P. Das and P. P Chakrabarti, 'Distance functionsin digital geometry,' Information Sciences, vol. 42, pp. 113-136, 1987 https://doi.org/10.1016/0020-0255(87)90019-3
  6. M. Yamashita and T. Ibaraki, 'Distances defined by neighborhood sequences,' Pattern Recognition, vol. 19, pp. 237-246, 1986 https://doi.org/10.1016/0031-3203(86)90014-2
  7. I. Ragnemalm, The Euclidean Distance Transform, Ph.D. Thesis, Linkoping University, Linkoping, Sweden, 1993
  8. L. Ji and J. Piper, 'Fast Homotopy-Preserving Skeletons Using Mathematical Morphology,' IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.14, no.6, pp.653-664, 1992 https://doi.org/10.1109/34.141555
  9. U. Montanari, 'A Method for Obtaining Skeletons Using A Quasi-Euclidean Distance,' Journal of ACM, vol.15, no.4, pp.600-624, 1968 https://doi.org/10.1145/321479.321486
  10. C. L. Orbert, Algorithms in 2D for Detection of Object Orientation Using Distance Transformations, Ph.D. Thesis, Uppsala University, 1993
  11. F. Aurenhammer, 'Voronoi Diagrams - A Survey of a Fundamental Geometric Data Structure,' ACM Computing Surves, vol.23, no.3, pp.345-405, 1991 https://doi.org/10.1145/116873.116880
  12. W. Guan, and S. Ma, 'A list-processing approach to compute Voronoi diagrams and the Euclidean distance transform,' IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.20, no.7, pp.757-761, 1998 https://doi.org/10.1109/34.689306
  13. 김덕욱, 김덕수, 조동수, Kokichi Sugihara, '점집합의 보로노이 다이어그램을 이용한 원 집합이 보로노이 다이어그램의 계산. I. 위상학적측면', 한국 CAD/CAM 학회 논문집, 제 6권 제 1호, pp.24-30, 2001