আপনি একটি ক্যানি এজ ডিটেক্টরের বিভিন্ন পরামিতিগুলির জন্য প্রভাবগুলি বর্ণনা করতে পারেন?

Question

ক্যানি এজ ডিটেক্টরটির উপরে শেষ দু'পক্ষের প্রশ্ন

ক্যানি এজ ডিটেক্টরের সীমাবদ্ধতাগুলি কী কী? এবং
পাতায় শিরাগুলিকে ভাগ করার সর্বোত্তম উপায়?

অ্যালগরিদমের মূল রূপরেখা নিম্নরূপ:

ক। গাউসিয়ান কনভলিউশন প্রয়োগ করুন। ( এখানে তৈরির পছন্দ ) খ। 2 ডি ডেরিভেটিভ গ প্রয়োগ করুন । এই প্রান্ত এর ঢালের মাধ্যমে ট্র্যাক এবং Hysteresis কমে আসে এবং উচ্চ T0 এবং T1 এর (পছন্দমত সঙ্গে (শুন্যতে সেট পিক্সেল যা কিনারায় না) থ্রেশহোল্ডিং এবং এখানে তৈরি করা)। $\sigma$

$T0$$T1$

পড়ুন এই আরো পটভূমির জন্য।

যদিও, দাবি করা হয় যে ক্যানি সর্বোত্তম ; যখন ব্যবহারিক ফলাফলের বিষয়গুলি পাওয়া যায়, above এবং উপরে তালিকাভুক্ত হিসাবে টুইটারের উপাদানগুলি অনেক পার্থক্য করে।$\sigma, T0,$$T1$

তাহলে কীভাবে কেউ ব্যবহারিকভাবে এই (টুইটগুলি) পরামিতিগুলি নির্বাচন করে? এমনকি যদি, কোনও নির্দিষ্ট পদ্ধতির বা মান না থাকে তবে এটি জানার সাধারণ কৌশল কী?

Answer 1

Http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ অনুসরণ করা এমন কয়েকটি সংস্থান যা একটি প্রান্তিক স্তর এবং কীভাবে বেছে নিতে পারে তা দেখায়

এর মতে, কোনও চিত্র যা হিস্টগ্রামে যথেষ্ট পরিমাণে ছড়িয়ে আছে, তার জন্য T_low = 0.66 * চিত্রের গড় মান এবং T_high = 1.33 * গড় মান চয়ন করতে পারেন।

যাইহোক, যখন চিত্রটি পর্যাপ্ত পরিমাণে ছড়িয়ে না যায়, তখন একজনকে চিত্রটির গড় মানের বিপরীতে মিডিয়ান ব্যবহার করা উচিত।

যদি টি_লো এবং টি_হির মধ্যে ব্যবধানটি খুব কম হয়, ফলস্বরূপ প্রান্তগুলি ধারাবাহিকতায় ছোট হবে এবং সুতরাং আরও ভগ্নাংশ থাকবে। ফাঁক বাড়ার সাথে সাথে আপনার আরও একক লাইন প্রান্ত থাকবে।

সিগমা সম্পর্কিত যেহেতু সিগমা বৃদ্ধি পাবে ততই মসৃণতা বৃদ্ধি পায় এবং কোলাহলকারী প্রান্তগুলি চলে যাবে, তবে একই সাথে প্রান্তগুলির অবস্থানও সামান্য স্থানান্তরিত হতে পারে। এই ডকুমেন্টটি দেখুন, http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf এবং 29 পৃষ্ঠায় ফলাফল এই প্রভাবটি দেখায়।