Cesko.wiki Cannyho hranový detektor
Author
Albert FloresCannyho hranový detektor je algoritmus používaný v počítačovém vidění k detekci hran a zaostření na tyto hrany v obraze. Tento algoritmus byl vyvinut v roce 1986 Johnem F. Cannyem. Cannyho hranový detektor je velmi populární díky svému schopnosti efektivně odstraňovat šum z obrazu a zároveň detekovat pouze relevantní hrany. Algoritmus funguje v několika krocích, včetně aplikace Gaussova filtru pro snížení šumu, výpočtu gradientu intenzity obrazu a poté potlačení nepodstatných hran. Tento detektor se často používá ve zpracování obrazu, robotice a dalších aplikacích počítačového vidění.
Cannyho hranový detektor je algoritmus zahrnující několik kroků pro získání co nejlepšího výsledku při detekci hran v dvourozměrném diskrétním obraze.
Požadavky při detekci
Minimální počet chyb (musí být detekovány všechny hrany, nesmí být detekována místa, která hranami nejsou) * Přesnost (poloha hrany musí být určena co nejpřesněji) * Jednoznačnost (odezva na jednu hranu musí být jedna, nesmí docházet ke zdvojení)
Doporučený postup
# Eliminace šumu (Gaussovým filtrem) # Určení gradientu (první derivace) # Nalezení lokálních maxim (thinning) # Eliminace nevýznamných hran (thresholding)
Jednotlivé kroky
Eliminace šumu Gaussovým filtrem
Dvourozměrná varianta Gaussova normálního rozdělení je dána vztahem:
G(x,y)=\frac{1}{2 \pi \sigma^2}.e^{-\frac{x^2+y^2}{2 \sigma^2}}
kde x,y jsou souřadnice pixelu v obraze a sigma je standardní odchylka rozděleni (běžně =1 až 1.4)
Výpočet je vhodné realizovat pomocí konvoluce. Vzorcem je tedy vypočtena pouze konvoluční maska, která se pak aplikuje na celý obraz.
Velikost a směr gradientu
Tedy standardní detekce hran. Nejvhodnější je využít Sobelův operátor, který není příliš citlivý na šum. +more Vrací nejen velikost gradientu (hrany) ale i její směr a ten je potřeba pro další kroky.
Ztenčení (Thinning)
Úkolem této funkce je vybrat z hodnot gradientů (stanovených v předchozím kroku) jen lokální maxima. Respektive odebrat body, které nejsou maximem (nonmaximum suppression). +more Tím zajistíme, že hrana bude detekována v místě největšího gradientu.
Prakticky to znamená najít pixely, jejichž okolí je ve směru a proti směru gradientu nižší. Máme-li například pixel, jímž prochází svislá hrana, musí být jeho levý a pravý soused nižší hodnoty (rozuměj hodnota jeho gradientu), aby byl „uznán“ jako skutečná hrana. +more Pokud podmínku nesplňuje,je označen jako „není hrana“.
E_1 E_2
Které dva okolní pixely zahrnout do porovnávání, je dáno směrem gradientu (určeno v předchozím kroku).
Prahování (Thresholding)
Funkci můžeme nazývat prahování s hysterezí. V předchozím kroku jsme určili kde přesně leží hrany, ale doposud jsme se nezabývali významem hran. +more V tuto chvíli jsou označeny i ty nejmenší hrany, protože i ty mají své lokální maximum. Není vhodné určit jeden práh nad kterým budeme gradient považovat za významný, protože hodnota může kolísat například vlivem šumu.
Zvolíme tedy minimální (T1) a maximální (T2) hodnotu (prahy) mezi kterými může gradient kolísat. Pokud hodnota gradientu daného pixelu leží nad větším prahem T2 je přímo označen jako hranový. +more Pokud posuzujeme bod, jehož hodnota leží mezi T1 a T2 pak je „uznán“ jedině pokud sousedí s bodem který už byl jako hrana označen dříve.
Programátorsky je vhodné použít rekurzivní funkci.
Odkazy
Související články
Detekce hran * Derichův hranový detektor * Filtr s nekonečnou impulzní odezvou