क्या आप कैनी एज डिटेक्टर के अलग-अलग मापदंडों के प्रभावों का वर्णन कर सकते हैं?

Question

कैनी एज डिटेक्टर पर अंतिम दो सवालों को छुआ

कैनी एज डिटेक्टर की सीमाएँ क्या हैं? और
पत्तियों में नसों सेगमेंट में बांटने की सबसे अच्छा तरीका है?

एल्गोरिथ्म की मूल रूपरेखा इस प्रकार है:

ए। गाऊसी कन्वेंशन लागू करें। (की पसंद$\sigma$यहाँ बनाया जाएगा)
बी। 2 डी व्युत्पन्न
सी लागू करें । हिस्टैरिसीस लोअर एंड हायर T0 और T1 (चॉइस के साथ इस किनारों और थ्रॉल्डिंग के किनारों पर ट्रैकिंग करना)$T0$ तथा $T1$ यहां बनाया जाए)।

अधिक पृष्ठभूमि के लिए इसे पढ़ें ।

हालांकि, यह दावा किया जाता है कि कैनी इष्टतम है ; जब व्यावहारिक परिणाम मायने रखते हैं, तो ऊपर सूचीबद्ध के रूप में कारकों को ट्विक करना$\sigma, T0,$ तथा $T1$ बहुत फर्क पड़ता है।

तो एक व्यावहारिक रूप से इन (tweaking) मापदंडों का चयन कैसे करता है? भले ही, कोई निश्चित दृष्टिकोण या मूल्य नहीं है, यह जानने के लिए सामान्य तकनीक क्या है?

Answer 1

Http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ के बाद कुछ संसाधनों में से एक है जो दिखाता है कि थ्रेसहोल्ड का चयन कैसे करें और जांघ

इसके अनुसार, ऐसे चित्र के लिए, जो ऐतिहासिक रूप से पर्याप्त रूप से फैला हुआ है, कोई T_low = 0.66 * छवि का मान और T_high = 1.33 * माध्य मान चुन सकता है।

हालांकि, जब छवि पर्याप्त रूप से फैली नहीं होती है, तो किसी को मध्यमान का उपयोग करना चाहिए ताकि छवि के मूल्य का विरोध किया जा सके।

यदि T_low और T_high के बीच का अंतर बहुत छोटा है, तो परिणामी किनारे निरंतरता में छोटे होंगे और इसलिए अधिक भिन्न होंगे। जैसे-जैसे अंतर बढ़ता है, आपके पास अधिक एकल रेखा किनारे होंगे।

सिग्मा के संबंध में, जैसे-जैसे सिग्मा बढ़ती जाती है, स्मूथिंग बढ़ती जाती है और शोर किनारों को दूर होता जाएगा, लेकिन साथ ही, किनारों का स्थान भी थोड़ा बढ़ सकता है। यह दस्तावेज़ देखें, http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf और पृष्ठ 29 पर परिणाम इस आशय को दर्शाता है।