Kanten- und Konturerkennung

Die Kanten- und Konturerkennung lokalisiert die Grenzen in einem Bild, an denen sich die Intensität abrupt ändert, was häufig den Umrissen von Objekten und Oberflächenunterbrechungen entspricht.

Definition

Eine Kante ist eine Stelle signifikanter lokaler Intensitätsänderung, und die Kantenerkennung ist die Identifizierung solcher Stellen, typischerweise durch Analyse des Bildgradienten oder der Nulldurchgänge einer geglätteten zweiten Ableitung.

Scope

Dieses Thema behandelt gradientenbasierte Kantenoperatoren, die Rolle der Glättung vor der Differenzierung, den mehrstufigen Canny-Detektor mit Nicht-Maximum-Suppression und Hysterese-Schwellenwertbildung, Nulldurchgangsansätze sowie die Verknüpfung von Kantenpunkten zu kontinuierlichen Konturen.

Core questions

• Wo ändert sich die Intensität in einem Bild abrupt?
• Wie wird die Differenzierung gegenüber Rauschen robust gemacht?
• Wie werden dicke Gradientenantworten auf Ein-Pixel-Kanten verdünnt?
• Wie werden isolierte Kantenpunkte zu aussagekräftigen Konturen verbunden?

Key concepts

• Bildgradient
• Gradientenoperatoren
• Nicht-Maximum-Suppression
• Hysterese-Schwellenwertbildung
• Laplace-Operator des Gaußschen und Nulldurchgänge
• Konturverknüpfung

Key theories

Canny-Kantenerkennung

Abgeleitet aus Kriterien guter Detektion, guter Lokalisierung und einer einzigen Antwort pro Kante, glättet der Canny-Detektor das Bild, berechnet Gradienten, unterdrückt nicht-maximale Antworten und verknüpft Kanten durch Hysterese-Schwellenwertbildung, wodurch er ein Standard-Baseline bleibt.

Marr-Hildreth-Nulldurchgänge

Kanten werden an den Nulldurchgängen des Laplacians eines Gauß-geglätteten Bildes lokalisiert, wodurch die Kantenerkennung mit einer rechnerischen Theorie des frühen Sehens und mit der Multiskalenanalyse verknüpft wird.

Clinical relevance

Kanten- und Konturerkennung speisen Segmentierung, Formanalyse und Objekterkennung und werden in der medizinischen Bildgebung, der industriellen Inspektion und in Feature-Extraktions-Pipelines in der gesamten Computer Vision eingesetzt.

History

Die Theorie von Marr und Hildreth aus dem Jahr 1980 verknüpfte Kanten mit Nulldurchgängen eines geglätteten Laplacians, und Cannys Formulierung eines optimalen Detektors aus dem Jahr 1986 wurde zum am weitesten verbreiteten Kantendetektor, der später durch gelernte Grenzdetektoren ergänzt wurde.

Key figures

• John Canny
• David Marr
• Ellen Hildreth

Seminal works

• canny1986
• marr1980

Frequently asked questions

Warum sollte ein Bild vor der Kantenerkennung geglättet werden?

Die Differenzierung verstärkt Rauschen, daher verhindert eine vorherige Glättung, dass der Detektor Rauschen als Kanten kennzeichnet; die Glättungsskala legt fest, welche Detailgröße als Kante behandelt wird.

Warum hat der Canny-Detektor mehrere Stufen?

Jede Stufe erfüllt ein separates Ziel: Die Glättung kontrolliert Rauschen, die Gradientenberechnung findet Kandidaten, die Nicht-Maximum-Suppression verdünnt diese zu Ein-Pixel-Kanten, und die Hysterese-Schwellenwertbildung behält schwache Kanten nur bei, wenn sie mit starken verbunden sind.