Bạn có thể mô tả các hiệu ứng để thay đổi các thông số khác nhau của máy dò cạnh canny không?

Vài câu hỏi cuối cùng chạm vào máy dò cạnh Canny

Những hạn chế của một máy dò cạnh Canny là gì? và
cách tốt nhất để phân chia tĩnh mạch trong lá?

Các phác thảo cơ bản của thuật toán như sau:

a. Áp dụng kết hợp Gaussian. (Lựa chọn được thực hiện ở đây) b. Áp dụng đạo hàm 2D c. Theo dõi qua các đường rìa của cạnh này và ngưỡng (đặt pixel thành 0 không nằm trên cạnh) với Độ trễ thấp hơn và cao hơn T0 và T1 (Lựa chọn T 0 và T 1 sẽ được thực hiện tại đây). $\sigma$

$T0$$T1$

Đọc này để có thêm nền tảng.

Trong khi, người ta cho rằng Canny là tối ưu ; khi nhận được kết quả thiết thực vấn đề, tinh chỉnh các yếu tố được liệt kê ở trên và T 1 không kiếm được nhiều sự khác biệt.$\sigma, T0,$$T1$

Vì vậy, làm thế nào để chọn một trong các tham số (điều chỉnh) thực tế? Ngay cả khi, không có cách tiếp cận hoặc giá trị nhất định, kỹ thuật chung để biết điều này là gì?

Theo dõi http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ là một trong số ít tài nguyên cho thấy cách chọn ngưỡng Tlow và Thigh

Theo đó, đối với một hình ảnh đủ lan truyền trong lịch sử, người ta có thể chọn T_low = 0,66 * giá trị trung bình của hình ảnh và giá trị trung bình T_high = 1,33 *.

Tuy nhiên, khi hình ảnh không được lan truyền đủ, người ta nên sử dụng trung bình trái ngược với giá trị trung bình của hình ảnh.

Nếu khoảng cách giữa T_low và T_high rất nhỏ, các cạnh kết quả sẽ nhỏ hơn liên tục và do đó sẽ có nhiều phân số hơn. Khi khoảng cách tăng lên, bạn sẽ có nhiều cạnh đơn hơn.

Liên quan đến sigma, khi sigma tăng, độ nhẵn tăng và các cạnh nhiễu sẽ biến mất, nhưng đồng thời, vị trí của các cạnh cũng có thể di chuyển ít. Xem tài liệu này, http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf và kết quả ở trang 29 cho thấy hiệu ứng này.