تشخیص لبه و کانتور
تشخیص لبه و کانتور، مرزهایی را در تصویر مشخص میکند که در آنها شدت به طور ناگهانی تغییر میکند و اغلب با خطوط کلی اشیاء و ناپیوستگیهای سطحی مطابقت دارد.
Definition
لبه، مکانی با تغییر شدت محلی قابل توجه است و تشخیص لبه، شناسایی چنین مکانهایی است که معمولاً با تحلیل گرادیان تصویر یا عبور از صفر مشتق دوم هموار شده انجام میشود.
Scope
این موضوع شامل عملگرهای لبه مبتنی بر گرادیان، نقش هموارسازی قبل از تمایز، آشکارساز چند مرحلهای کنی با سرکوب غیرحداکثری و آستانهگذاری هیسترزیس، رویکردهای عبور از صفر، و اتصال نقاط لبه به کانتورهای پیوسته است.
Core questions
- شدت در یک تصویر در کجا به طور ناگهانی تغییر میکند؟
- چگونه تمایز نسبت به نویز مقاوم میشود؟
- چگونه پاسخهای گرادیان ضخیم به لبههای تک پیکسلی نازک میشوند؟
- چگونه نقاط لبه جدا شده به کانتورهای معنیدار متصل میشوند؟
Key concepts
- گرادیان تصویر
- عملگرهای گرادیان
- سرکوب غیرحداکثری
- آستانهگذاری هیسترزیس
- لاپلاسین گاوسی و عبور از صفر
- اتصال کانتور
Key theories
- تشخیص لبه کنی
- آشکارساز کنی که از معیارهای تشخیص خوب، مکانیابی خوب، و یک پاسخ واحد به ازای هر لبه مشتق شده است، تصویر را هموار میکند، گرادیانها را محاسبه میکند، پاسخهای غیرحداکثری را سرکوب میکند، و لبهها را با آستانهگذاری هیسترزیس به هم متصل میکند و همچنان یک معیار استاندارد باقی مانده است.
- عبور از صفر مار-هیلدرث
- لبهها در عبور از صفر لاپلاسین یک تصویر هموار شده با گاوسی قرار دارند که تشخیص لبه را به یک نظریه محاسباتی بینایی اولیه و به تحلیل چند مقیاسی مرتبط میکند.
Clinical relevance
تشخیص لبه و کانتور به بخشبندی، تحلیل شکل، و تشخیص شیء کمک میکند و در تصویربرداری پزشکی، بازرسی صنعتی، و خطوط لوله استخراج ویژگی در بینایی کامپیوتر استفاده میشود.
History
نظریه مار و هیلدرث در سال ۱۹۸۰، لبهها را به عبور از صفر لاپلاسین هموار شده مرتبط کرد، و فرمولبندی آشکارساز بهینه کنی در سال ۱۹۸۶ به پرکاربردترین آشکارساز لبه تبدیل شد که بعدها با آشکارسازهای مرزی یادگیرنده تکمیل گردید.
Key figures
- John Canny
- David Marr
- Ellen Hildreth
Related topics
Seminal works
- canny1986
- marr1980
Frequently asked questions
- چرا قبل از تشخیص لبهها، تصویر را هموار میکنیم؟
- تمایز نویز را تقویت میکند، بنابراین هموارسازی اولیه از پرچمگذاری نویز به عنوان لبه توسط آشکارساز جلوگیری میکند؛ مقیاس هموارسازی تعیین میکند که چه اندازهای از جزئیات به عنوان لبه در نظر گرفته شود.
- چرا آشکارساز کنی چندین مرحله دارد؟
- هر مرحله یک هدف جداگانه را مدیریت میکند: هموارسازی نویز را کنترل میکند، محاسبه گرادیان کاندیداها را پیدا میکند، سرکوب غیرحداکثری آنها را به لبههای تک پیکسلی نازک میکند، و آستانهگذاری هیسترزیس لبههای ضعیف را تنها زمانی حفظ میکند که به لبههای قوی متصل باشند.