ข้อ จำกัด ของ Canny Edge Detector คืออะไร?


18

วรรณกรรมส่วนใหญ่เกี่ยวกับอัลกอริธึมการตรวจจับขอบและแอพพลิเคชั่นที่ใช้การตรวจจับขอบอ้างอิงเครื่องตรวจจับขอบของ Canny มากจนดูเหมือน "แก้ปัญหา" เกือบถึงการตรวจจับขอบ แน่นอนว่ามันจะทำให้งานดีที่สุดสมดุลเสียงรบกวนและรักษาขอบ

อย่างไรก็ตามในความอยากรู้อยากเห็นง่ายๆมีพื้นที่ของความกังวลสำหรับเครื่องตรวจจับขอบของ Canny หรือไม่? หรือมีพื้นที่ของแอปพลิเคชันที่ Canny จะไม่ดีที่สุด

ในบริบทนี้การดำเนินการที่รวดเร็วไม่ได้เกี่ยวข้องกับ จุดโฟกัสของตัวตรวจจับขอบที่ดีหรือไม่ดีควรเป็นคุณภาพและประโยชน์ของขอบที่สร้างขึ้น

นอกจากนี้ฉันไม่ได้มุ่งเน้นไปที่ปัญหาเฉพาะการใช้งาน ฉันกำลังมองหาข้อ จำกัด ทางทฤษฎีหรือลักษณะเพิ่มเติมที่มีอยู่ในอัลกอริทึม


คำถามนี้น่าสนใจที่นี่วิธีที่ดีที่สุดในการแบ่งกลุ่มเส้นเลือด? การตรวจจับขอบที่จำเป็น หนึ่งในผลลัพธ์ที่แสดงคือ Canny และดูไม่ดีเกินไป แม้ว่าหลาย ๆ ด้านอาจเป็นปัญหาการดำเนินการกับข้อ จำกัด ธรรมดาของ Canny! มุมมองใดที่
Dipan Mehta

โปรดดูคำตอบของฉัน ( dsp.stackexchange.com/questions/1714/… ) มันแสดงผลลัพธ์ที่ดีกว่าสิ่งที่เขาได้รับจาก Canny
Geerten

ค่าที่เป็นไปได้ (บางส่วน) เป็นไปได้: dsp.stackexchange.com/questions/74/… (หรือเกี่ยวข้องอย่างน้อยที่สุด) คำถามนั้นค่อนข้างเหมือนกัน (ส่วนหนึ่ง) คำตอบนั้นค่อนข้างแตกต่างจากคำตอบของคำถามนี้
Geerten

1
@DipanMehta: ดังนั้นเครื่องตรวจจับขอบ Canny ไม่ควรใช้ในการตรวจจับสิ่งที่ไม่ใช่ขอบ? :)
endolith

คำตอบ:


19

จากประสบการณ์ของฉันประเด็นต่อไปนี้เป็นข้อ จำกัด :

  • ผลลัพธ์ที่ได้คือไบนารี บางครั้งคุณต้องการการวัดว่า 'ขอบ' มีคุณสมบัติเท่าขอบ (เช่นภาพความเข้มที่มาจากเครื่องตรวจจับขอบ Sobel)
  • จำนวนของพารามิเตอร์ที่นำไปสู่การปรับแต่งอย่างไม่สิ้นสุดเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นเล็กน้อย
  • คุณยังคงต้องเชื่อมต่อขอบผลลัพธ์เพื่อแยกขอบสมบูรณ์ที่ดูเหมือนชัดเจนสำหรับสายตามนุษย์ + ใจ
  • เนื่องจากการปรับแบบเกาส์เซียนด้วย: ตำแหน่งของขอบอาจจะปิดขึ้นอยู่กับขนาดของเคอร์เนลแบบเกาส์เซียน

  • วิธีนี้มีปัญหากับมุมและทางแยก:

    • การเกาแบบเกาส์ทำให้พวกมันเบลอออกไปทำให้ยากต่อการตรวจจับ (ไปที่ขอบตัวเอง)
    • พิกเซลมุมมองในทิศทางที่ผิดสำหรับเพื่อนบ้านของพวกเขาออกจากขอบเปิดสิ้นสุดและทางแยกที่ขาดหายไป

ปัญหาล่าสุดนี้ได้รับการแก้ไขด้วยวิธี SUSANซึ่งเชื่อมต่อขอบที่ดีกว่าและยังส่งผลให้เกิดจุดรวมที่ดีดังที่แสดงโดยตัวเลขตัวอย่างเหล่านี้ตามที่กำหนดในกระดาษที่เชื่อมโยง

ทดสอบภาพอินพุต:

ทดสอบภาพอินพุต

ผลลัพธ์ซูซาน:

ผลลัพธ์ซูซาน

ผลลัพธ์ Canny:

ผลลัพธ์ Canny

คุณสามารถเห็นได้อย่างชัดเจนว่าซูซานค้นพบมุมและทางแยกแทนแคนนี่


ตกลงสิ่งที่คุณอ้างถึงส่วนใหญ่จะเป็นประเด็นเกี่ยวกับการใช้งาน ฉันเห็นด้วยกับปัญหาดังกล่าว แต่ในความเห็นของฉันมีการตรวจจับขอบอื่น ๆ อีกมากมายและอัลกอริทึมอื่น ๆ ฉันกำลังมองหาข้อ จำกัด ทางทฤษฎีหรือลักษณะเพิ่มเติมที่มีอยู่ในอัลกอริทึม
Dipan Mehta

ฉันไม่เห็นด้วยการกำหนดเกณฑ์ขั้นสูง (นำไปสู่รูปแบบไบนารี) และพารามิเตอร์เป็นส่วนหนึ่งของวิธีการ (ตามที่อธิบายไว้ในกระดาษของ Canny) ฉันไม่เห็นว่านี่เป็นรายละเอียดการใช้งาน
Geerten

Thresholding ทำโดยตัวตรวจจับขอบทุกตัวและผลลัพธ์ของตัวตรวจจับขอบแต่ละอันนั้นเป็นเลขฐานสอง ฉันจะบอกคุณเกี่ยวกับความยากลำบากในการปรับแต่งพารามิเตอร์และการปรับให้เรียบแบบเกาส์เซียน แต่ไม่เหมือนกับผู้ใช้งานประเภท LoG จริง ๆ แล้ว Canny พบว่าการปรับให้เรียบในปริมาณที่เหมาะสมที่สุดเมื่อมีสัญญาณรบกวน
Dipan Mehta

2
Thresholding ไม่ได้ทำโดยตัวตรวจจับขอบทั้งหมด (เช่น Sobel ตามที่ระบุไว้ในคำตอบของฉัน) เป็นขั้นตอนทั่วไปในการติดตามผลแบบลอจิคัล แต่ไม่ใช่ขั้นตอนพื้นฐานของวิธีการตรวจจับขอบทุกวิธี
Geerten

6

หรือมีพื้นที่ของแอปพลิเคชันที่ Canny จะไม่ดีที่สุด

ฉันสามารถคิดได้ไม่กี่:

  • หากคุณต้องการโค้งปิดเครื่องตรวจจับที่สามารถรับประกันได้ว่าอาจจะดีกว่า (เช่นการข้ามศูนย์ของการแบ่งส่วน laplacian หรือลุ่มน้ำ)
  • หากคุณพยายามตรวจจับวัตถุที่เป็นเนื้อเดียวกันซึ่งมีความเปรียบต่างต่ำในบางพื้นที่วิธีการแบ่งส่วนที่ใช้ข้อมูลทั่วโลก (เช่นการแบ่งส่วนลุ่มน้ำ) สามารถให้ผลลัพธ์ที่ดีกว่า

1

จากประสบการณ์ของฉันกระบวนการของการตรวจจับขอบด้วยตัวตรวจจับขอบแสนนุ่มทำให้ขอบราบรื่นขึ้นก่อนที่จะสามารถตรวจจับพวกมันได้และเวลาและความยาวของตัวกรองจะต้องตรงกันอย่างสมบูรณ์แบบในการตรวจจับขอบทั้งหมดโดยไม่มีข้อผิดพลาด


1

ฉันแค่อยากจะพูดถึงข้อ จำกัด หนึ่งของเครื่องตรวจจับ Canny ซึ่งเป็นอุปสรรคต่อการใช้งานและนั่นคือการตั้งค่าพารามิเตอร์ ฉันคิดว่าการตั้งค่าพารามิเตอร์ไม่เพียง แต่เป็นปัญหาสำหรับเครื่องตรวจจับ Canny แต่ยังเป็นปัญหาสำหรับวิธีการตรวจจับขอบอื่น ๆ

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.