--- title: Zhang-Suen thinning algorithm id: 594810f028c0303b75339ad7 localeTitle: 594810f028c0303b75339ad7 challengeType: 5 --- ## Description
Este es un algoritmo utilizado para diluir imágenes en blanco y negro, es decir, un bit por píxel. Por ejemplo, con una imagen de entrada de:
 
################# ############# 
################## ################ 
################### ############## #### 
#################################### 
###### #### ### ####### ###### 
###### ####### ####### 
############ ##### ####### 
################ ####### 
############# #### ####### 
###### ####### ####### 
###### ####### #### ### 
###### ####### ####### ###### 
######## ####### #### ############### 
######## ####### ###### ############# ##### ###### 
################ ###################### # ##### 
################ ###### ################### 
Produce la salida adelgazada:
 

# ########## ####### 
## # #### # 
# # ## 
# # # 
# # # 
# # # 
### ######### # 
# # # 
# # # 
# # # 
# # # 
# ## 
# ############ 
### ## # 

Algoritmo

Suponga que los píxeles negros son uno y los píxeles blancos cero, y que la imagen de entrada es una matriz rectangular N por M de unos y ceros. El algoritmo opera en todos los píxeles negros P1 que pueden tener ocho vecinos. Los vecinos están, en orden, ordenados como:
P9 P2 P3
P8 P1 P4
P7 P6 P5
Obviamente, los píxeles del límite de la imagen no pueden tener los ocho vecinos completos. Defina $ A (P1) $ = el número de transiciones de blanco a negro, (0 -> 1) en la secuencia P2, P3, P4, P5, P6, P7, P8, P9, P2. (Note el P2 extra al final - es circular). Defina $ B (P1) $ = el número de vecinos de píxeles negros de P1. (= suma (P2 .. P9))

Paso 1:

Todos los píxeles se prueban y los píxeles que satisfacen todas las condiciones siguientes (simultáneamente) se anotan en esta etapa. (0) El píxel es negro y tiene ocho vecinos (1) $ 2 <= B (P1) <= 6 $ (2) $ A (P1) = 1 $ (3) Al menos uno de P2 y P4 y P6 es blanco (4) Al menos uno de P4 y P6 y P8 es blanco Después de iterar sobre la imagen y recolectar todos los píxeles que satisfacen todas las condiciones del paso 1, todas estas condiciones que satisfacen los píxeles se configuran en blanco.

Paso 2:

Todos los píxeles se vuelven a probar y los píxeles que satisfacen las siguientes condiciones se mencionan en esta etapa. (0) El píxel es negro y tiene ocho vecinos (1) $ 2 <= B (P1) <= 6 $ (2) $ A (P1) = 1 $ (3) Al menos uno de P2 y P4 y "'P8"' es blanco (4) Al menos uno de "'P2"' y P6 y P8 es blanco Después de iterar sobre la imagen y recolectar todos los píxeles que satisfacen todas las condiciones del paso 2, todas estas condiciones que satisfacen los píxeles son de nuevo en blanco. Iteración : Si se establecieron algunos píxeles en esta ronda del paso 1 o el paso 2, todos los pasos se repiten hasta que no se cambien los píxeles de la imagen.

Tarea: Escriba una rutina para realizar el adelgazamiento de Zhang-Suen en una matriz de imágenes de unos y ceros.

## Instructions
## Tests
```yml tests: - text: thinImage debe ser una función testString: 'assert.equal(typeof thinImage, "function", "thinImage must be a function");' - text: thinImage debe devolver una matriz testString: 'assert(Array.isArray(result), "thinImage must return an array");' - text: thinImage debe devolver una serie de cadenas testString: 'assert.equal(typeof result[0], "string", "thinImage must return an array of strings");' - text: thinImage debe devolver una serie de cadenas testString: 'assert.deepEqual(result, expected, "thinImage must return an array of strings");' ```
## Challenge Seed
```js const testImage = [ ' ', ' ################# ############# ', ' ################## ################ ', ' ################### ################## ', ' ######## ####### ################### ', ' ###### ####### ####### ###### ', ' ###### ####### ####### ', ' ################# ####### ', ' ################ ####### ', ' ################# ####### ', ' ###### ####### ####### ', ' ###### ####### ####### ', ' ###### ####### ####### ###### ', ' ######## ####### ################### ', ' ######## ####### ###### ################## ###### ', ' ######## ####### ###### ################ ###### ', ' ######## ####### ###### ############# ###### ', ' ']; function thinImage(image) { // Good luck! } ```
### After Test
```js console.info('after the test'); ```
## Solution
```js function Point(x, y) { this.x = x; this.y = y; } const ZhangSuen = (function () { function ZhangSuen() { } ZhangSuen.nbrs = [[0, -1], [1, -1], [1, 0], [1, 1], [0, 1], [-1, 1], [-1, 0], [-1, -1], [0, -1]]; ZhangSuen.nbrGroups = [[[0, 2, 4], [2, 4, 6]], [[0, 2, 6], [0, 4, 6]]]; ZhangSuen.toWhite = []; ZhangSuen.main = function (image) { ZhangSuen.grid = new Array(image); for (let r = 0; r < image.length; r++) { ZhangSuen.grid[r] = image[r].split(''); } ZhangSuen.thinImage(); return ZhangSuen.getResult(); }; ZhangSuen.thinImage = function () { let firstStep = false; let hasChanged; do { hasChanged = false; firstStep = !firstStep; for (let r = 1; r < ZhangSuen.grid.length - 1; r++) { for (let c = 1; c < ZhangSuen.grid[0].length - 1; c++) { if (ZhangSuen.grid[r][c] !== '#') { continue; } const nn = ZhangSuen.numNeighbors(r, c); if (nn < 2 || nn > 6) { continue; } if (ZhangSuen.numTransitions(r, c) !== 1) { continue; } if (!ZhangSuen.atLeastOneIsWhite(r, c, firstStep ? 0 : 1)) { continue; } ZhangSuen.toWhite.push(new Point(c, r)); hasChanged = true; } } for (let i = 0; i < ZhangSuen.toWhite.length; i++) { const p = ZhangSuen.toWhite[i]; ZhangSuen.grid[p.y][p.x] = ' '; } ZhangSuen.toWhite = []; } while ((firstStep || hasChanged)); }; ZhangSuen.numNeighbors = function (r, c) { let count = 0; for (let i = 0; i < ZhangSuen.nbrs.length - 1; i++) { if (ZhangSuen.grid[r + ZhangSuen.nbrs[i][1]][c + ZhangSuen.nbrs[i][0]] === '#') { count++; } } return count; }; ZhangSuen.numTransitions = function (r, c) { let count = 0; for (let i = 0; i < ZhangSuen.nbrs.length - 1; i++) { if (ZhangSuen.grid[r + ZhangSuen.nbrs[i][1]][c + ZhangSuen.nbrs[i][0]] === ' ') { if (ZhangSuen.grid[r + ZhangSuen.nbrs[i + 1][1]][c + ZhangSuen.nbrs[i + 1][0]] === '#') { count++; } } } return count; }; ZhangSuen.atLeastOneIsWhite = function (r, c, step) { let count = 0; const group = ZhangSuen.nbrGroups[step]; for (let i = 0; i < 2; i++) { for (let j = 0; j < group[i].length; j++) { const nbr = ZhangSuen.nbrs[group[i][j]]; if (ZhangSuen.grid[r + nbr[1]][c + nbr[0]] === ' ') { count++; break; } } } return count > 1; }; ZhangSuen.getResult = function () { const result = []; for (let i = 0; i < ZhangSuen.grid.length; i++) { const row = ZhangSuen.grid[i].join(''); result.push(row); } return result; }; return ZhangSuen; }()); function thinImage(image) { return ZhangSuen.main(image); } ```