Improvement on Canny Edge Detection

Improvement on Canny Edge Detection[edit]
While traditional canny edge detection provides relatively simple but precise methodology for edge detection problem, with the more demanding requirements on the accuracy and robustness on the detection, the traditional algorithm can no longer handle the challenging edge detection task. The main defects of the traditional algorithm can be summarized as following:[8]

Gaussian filter is applied to smooth out the noise, but it will also smooth the edge, which is considered as the high frequency feature. This will increase the possibility to miss weak edges, and the appearance of isolated edges in the result.
For the gradient amplitude calculation, the old canny edge detection algorithm uses center in a small 2×2 neighborhoods window to calculate the finite difference mean value to represent the gradient amplitude. This method is sensitive to noise and can easily detect fake edges and lose real edges.
In traditional canny edge detection algorithm, there will be two fixed global threshold values to filter out the false edges. However, as the image gets complex, different local areas will need very different threshold values to accurately find the real edges. In addition, the global threshold values are determined manually through experiments in the traditional method, which leads to complexity of calculation when large number of different images needs to be dealt with.
The result of the traditional detection cannot reach a satisfactory high accuracy of single response for each edge- multi-point responses will appear.
In order to address these defects, improvement for the canny edge algorithm is added in the fields below.

ผลลัพธ์ (ไทย) 1:

ปรับปรุงการตรวจหาขอบแหลม [แก้ไข]ในขณะตรวจสอบแหลมขอบแบบดั้งเดิมวิธีการค่อนข้างง่าย แต่แม่นยำขอบตรวจปัญหา ข้อกำหนดความต้องการมากขึ้นบนความถูกต้องและเสถียรภาพในการตรวจพบ อัลกอริทึมแบบดั้งเดิมสามารถจัดการกับงานท้าทายขอบตรวจไม่ สามารถสรุปข้อบกพร่องหลักของอัลกอริทึมแบบดังต่อไปนี้: [8]มีใช้ gaussian กรองให้เรียบออกเสียง แต่มันยังจะเรียบขอบ ซึ่งถือเป็นคุณลักษณะความถี่สูง นี้จะเพิ่มโอกาสพลาดขอบอ่อน และลักษณะของขอบแยกผลลัพธ์สำหรับการคำนวณคลื่นไล่โทนสี อัลกอริทึมการตรวจจับขอบแหลมเก่าใช้ศูนย์ในหน้าต่างเล็ก 2 × 2 ละแวกใกล้เคียงเพื่อคำนวณค่าเฉลี่ยผลต่างจำกัดถึงคลื่นไล่ระดับ วิธีการนี้มีความไวต่อเสียงรบกวน และสามารถตรวจหาขอบปลอม และสูญเสียขอบจริงในขั้นตอนวิธีการตรวจหาขอบแหลมแบบดั้งเดิม จะมีสองค่าขีดจำกัดสากลถาวรเพื่อกรองขอบเท็จ อย่างไรก็ตาม เป็นภาพได้รับซับซ้อน พื้นที่ท้องถิ่นต่าง ๆ จะต้องค่าขีดจำกัดแตกต่างกันมากอย่างหาขอบจริง ค่าขีดจำกัดที่โลกจะถูกกำหนดด้วยตนเองผ่านการทดลองในรูปแบบดั้งเดิม ซึ่งนำไปสู่ความซับซ้อนของการคำนวณเมื่อจำนวนมากของภาพต่าง ๆ ต้องสามารถดำเนินการผลของการตรวจสอบแบบดั้งเดิมไม่สามารถเข้าถึงความแม่นยำสูงที่พอใจของผลตอบรับเดียวสำหรับแต่ละขอบ-multi-point ตอบสนองจะปรากฏเพื่อแก้ไขข้อบกพร่องเหล่านี้ ปรับปรุงอัลกอริทึมขอบแหลมจะถูกเพิ่มในฟิลด์ด้านล่าง

ผลลัพธ์ (ไทย) 2:

ปรับปรุงแสนรู้ขอบตรวจจับ [แก้ไข]
ในขณะที่การตรวจหาขอบแสนรู้แบบดั้งเดิมให้วิธีการที่ค่อนข้างเรียบง่าย แต่มีความแม่นยำสำหรับขอบปัญหาการตรวจสอบที่มีความต้องการเรียกร้องมากขึ้นเกี่ยวกับความถูกต้องและความทนทานในการตรวจสอบขั้นตอนวิธีแบบดั้งเดิมไม่สามารถจัดการกับขอบที่ท้าทายงานการตรวจสอบ . ข้อบกพร่องที่สำคัญของขั้นตอนวิธีแบบดั้งเดิมสามารถสรุปได้ดังต่อไปนี้: [8] กรอง Gaussian ถูกนำไปใช้ให้เรียบออกเสียง แต่ก็ยังจะเรียบขอบซึ่งถือว่าเป็นคุณสมบัติที่มีความถี่สูง ซึ่งจะช่วยเพิ่มความเป็นไปได้ที่จะพลาดขอบอ่อนแอและลักษณะของขอบแยกได้ในผลลัพธ์. การคำนวณความกว้างลาดขอบแสนรู้เก่าวิธีการตรวจสอบการใช้ศูนย์ในขนาดเล็ก 2 × 2 หน้าต่างละแวกใกล้เคียงในการคำนวณความแตกต่างแน่นอนหมายถึงมูลค่าให้กับ เป็นตัวแทนของความกว้างลาด วิธีนี้มีความไวต่อเสียงและสามารถตรวจจับขอบปลอมและสูญเสียขอบจริง. ในขอบแสนรู้แบบดั้งเดิมวิธีการตรวจสอบจะมีค่าคงที่สองเกณฑ์ระดับโลกในการกรองขอบเท็จ แต่เป็นภาพที่ได้รับความซับซ้อนท้องถิ่นที่แตกต่างกันจะต้องแตกต่างกันมากค่าเกณฑ์ที่จะต้องพบกับขอบจริง นอกจากนี้ค่าเกณฑ์ระดับโลกจะถูกกำหนดด้วยตนเองผ่านการทดลองในวิธีการแบบดั้งเดิมซึ่งนำไปสู่ความซับซ้อนของการคำนวณเมื่อจำนวนมากของภาพที่แตกต่างกันจะต้องมีการจัดการกับ. ผลของการตรวจสอบแบบดั้งเดิมไม่สามารถเข้าถึงความแม่นยำสูงที่น่าพอใจของการตอบสนองเดียว สำหรับแต่ละ edge- การตอบสนองหลายจุดจะปรากฏ. เพื่อแก้ไขข้อบกพร่องเหล่านี้ปรับปรุงขั้นตอนวิธีขอบแสนรู้ถูกเพิ่มเข้ามาในช่องด้านล่าง

ผลลัพธ์ (ไทย) 3:

การปรับปรุงการตรวจจับขอบแหลม [ แก้ไข ]
ในขณะที่การตรวจจับขอบแหลมแบบดั้งเดิมมีค่อนข้างง่าย แต่แม่นยำ วิธีการปัญหาการตรวจจับขอบที่มีมากกว่าความต้องการบนความถูกต้องและความทนทานในการตรวจสอบขั้นตอนวิธีแบบดั้งเดิมไม่สามารถจัดการกับความท้าทายการตรวจหาขอบงานข้อบกพร่องหลักของขั้นตอนวิธีแบบดั้งเดิมสามารถสรุปได้ดังต่อไปนี้ : [ 8 ]

เสียนกรองใช้เรียบออกเสียง แต่มันก็จะเรียบขอบซึ่งถือเป็นความถี่สูงคุณลักษณะ นี้จะเพิ่มโอกาสให้คุณขอบที่อ่อนแอ และลักษณะของการแยกขอบในผล .
ที่ความลาดชันของการคำนวณเก่าขอบแหลม การตรวจสอบขั้นตอนวิธีการใช้ศูนย์ในหน้าต่างขนาดเล็ก 2 × 2 ย่านคำนวณขอบเขตความแตกต่างค่าเฉลี่ยของระดับความล้นเหลือ วิธีนี้มีความไวต่อเสียงและสามารถตรวจจับขอบปลอมและสูญเสียขอบจริง
แบบแหลมการตรวจจับขอบขั้นตอนวิธี จะมีสองค่าเกณฑ์การกำหนดทั่วโลกเพื่อกรองขอบที่เป็นเท็จ อย่างไรก็ตามเป็นภาพที่ได้รับการซับซ้อน พื้นที่ที่แตกต่างกันจะต้องเกณฑ์แตกต่างกันมากค่าถูกต้อง หาขอบจริง นอกจากนี้ ภายใต้ค่าเกณฑ์การกำหนดด้วยตนเองผ่านการทดลองในวิธีการแบบดั้งเดิมซึ่งจะนำไปสู่ความซับซ้อนของการคำนวณเมื่อจำนวนมากของภาพที่แตกต่างกันความต้องการที่จะจัดการกับ .
ผลของการไม่ตรวจสอบแบบดั้งเดิมถึงความพึงพอใจสูงความถูกต้องของการตอบสนองเพียงครั้งเดียวสำหรับแต่ละขอบ - การตอบสนองหลายจุดจะปรากฏ .
เพื่อไปยังที่อยู่ข้อบกพร่องเหล่านี้ การปรับปรุงสำหรับขอบแหลมนี้เพิ่มในช่องด้านล่าง .