Edge detection of an image reduces

Edge detection of an image reduces significantly the amount of data and filters out information that may be regarded as less relevant, preserving the important structural properties of an image. There are many methods for edge detection, but most of them can be grouped into two categories, search-based and zero-crossing based. The search-based methods detect edges by looking for maxima and minima in the first derivative of the image, usually local directional maxima of the gradient magnitude. The zero-crossing based methods search for zero crossings in the second derivative of the image in order to find edges, usually the zero-crossings of the Laplacian or the zero-crossings of a non-linear differential expression. This project will look at two edge detection methods, the first being Marr-Hildreth, a zero-crossing method, and the other is Canny, a search-based method. The Canny is most commonly used edge detection method and supposedly give the best results. Hopefully my results will be able to confirm this.

ผลลัพธ์ (ไทย) 1:

ตรวจหาขอบของภาพอย่างมีนัยสำคัญลดจำนวนของข้อมูลและตัวกรองข้อมูลที่อาจถือว่าน้อยที่เกี่ยวข้อง การรักษาคุณสมบัติโครงสร้างสำคัญของภาพ มีหลายวิธีสำหรับการตรวจหาขอบ แต่ส่วนใหญ่จะสามารถจัดกลุ่มเป็นประเภทสอง ค้นหาที่ใช้ และตามศูนย์ข้าม วิธีการค้นหาที่ใช้ตรวจหาขอบ โดยหาแมกและกมินิมาในอนุพันธ์แรกของภาพ แมกปกติเฉพาะทิศทางของการไล่ระดับสีขนาด วิธีตามข้ามศูนย์ค้นหาศูนย์หละหลวมในอนุพันธ์อันดับสองของภาพเพื่อที่จะหาขอบ ปกติที่ศูนย์หละหลวมของ Laplacian หรือข้ามศูนย์ของนิพจน์ที่มีความแตกต่างไม่ใช่เชิงเส้น โครงการนี้จะมีลักษณะที่สองขอบต่าง ๆ การแรก Marr Hildreth วิธีข้ามศูนย์ และอื่น ๆ Canny วิธีการค้นหาที่ใช้ Canny ขอบมักใช้วิธีตรวจสอบ และคาดคะเนให้ผลดีสุด หวังว่าผลของฉันจะสามารถยืนยันนี้

ผลลัพธ์ (ไทย) 2:

การตรวจหาขอบของภาพอย่างมีนัยสำคัญจะช่วยลดปริมาณของข้อมูลและกรองข้อมูลที่อาจถูกมองว่าเป็นความเกี่ยวข้องน้อยรักษาคุณสมบัติโครงสร้างที่สำคัญของภาพ มีหลายวิธีในการตรวจหาขอบมี แต่ที่สุดของพวกเขาสามารถแบ่งออกเป็นสองประเภทการค้นหาตามและศูนย์ข้ามตาม วิธีการค้นหาที่ใช้ตรวจหาขอบโดยการมองหาสูงสุดและต่ำสุดในอนุพันธ์แรกของภาพสูงสุดในท้องถิ่นมักทิศทางของขนาดการไล่ระดับสี ศูนย์ข้ามวิธีการตามค้นหาศูนย์นํ้าในอนุพันธ์ที่สองของภาพเพื่อหาขอบมักจะข้ามศูนย์ของ Laplacian หรือข้ามศูนย์ของการแสดงออกที่แตกต่างกันไม่เชิงเส้น โครงการนี​​้จะมองไปที่ขอบทั้งสองวิธีการตรวจสอบเป็นครั้งแรก Marr-Hildreth วิธีศูนย์ข้ามและอื่น ๆ ที่เป็นแสนรู้เป็นวิธีการค้นหาตาม แสนรู้มากที่สุดที่ใช้วิธีการตรวจสอบที่ทันสมัย​​และการคาดคะเนให้ผลลัพธ์ที่ดีที่สุด หวังว่าผลของฉันจะสามารถที่จะยืนยันเรื่องนี้

ผลลัพธ์ (ไทย) 3:

การตรวจหาขอบของภาพลดระดับปริมาณของข้อมูลและตัวกรองข้อมูลที่อาจจะถือเป็นที่เกี่ยวข้องน้อยกว่าการรักษาโครงสร้าง คุณสมบัติที่สำคัญของภาพ มีหลายวิธีสำหรับการตรวจหาขอบ แต่ส่วนมากของพวกเขาสามารถแบ่งออกเป็นสองประเภท , การค้นหาตาม และศูนย์ข้ามตามค้นหาตามวิธีการตรวจจับขอบโดยการมองหา แม็กซิมา และไม่นี่ ม๊าในอนุพันธ์แรกของภาพมักจะท้องถิ่น maxima ทิศทางของการไล่ระดับสีขนาด ศูนย์ข้ามวิธีการค้นหาสำหรับศูนย์ชำนาญในอนุพันธ์อันดับสองของภาพเพื่อค้นหาตามขอบ โดยปกติศูนย์วกของ Laplacian หรือศูนย์วกของนิพจน์อนุพันธ์ไม่เชิงเส้นโครงการนี้จะดูที่วิธีการตรวจจับขอบ แรกถูกแต่งที่ตั้ง , ศูนย์ข้ามวิธี , และอื่น ๆแหลม โดยวิธีการค้นหา ที่แหลมมักใช้วิธีการตรวจจับขอบและคาดคะเนให้ผลลัพธ์ดีที่สุด หวังว่าผลจะสามารถยืนยันนี้