Quelles sont les limites d'un détecteur Canny Edge?

Une grande partie de la littérature sur les algorithmes de détection des contours et les applications utilisant la détection des contours fait référence au détecteur de contours de Canny. À tel point qu'il ressemble presque à "la solution" à la détection des contours. Certes, il ferait le meilleur travail en équilibrant le bruit et en préservant les bords.

Cependant, par simple curiosité, y a-t-il un sujet de préoccupation pour le détecteur de bord de Canny? ou y a-t-il des domaines d'applications où Canny ne sera pas le meilleur?

Dans ce contexte, une mise en œuvre plus rapide n'est pas vraiment une préoccupation. Le fait que le détecteur de bord soit bon ou mauvais devrait être axé sur la qualité et l'utilité des bords générés.

De plus, je ne me concentre vraiment pas sur les problèmes spécifiques de mise en œuvre. Je recherche des limitations ou caractéristiques plus théoriques inhérentes à l'algorithme.

D'après mon expérience, les points suivants sont des limitations:

• Le résultat est binaire. Vous avez parfois besoin d'une mesure de «combien» le bord peut être qualifié de bord (par exemple, l'image d'intensité provenant d'un détecteur de bord d'amplitude Sobel)
• La quantité de paramètres conduit à des ajustements à l'infini pour obtenir ce petit meilleur résultat.
• Vous devez toujours connecter les bords résultants pour extraire les bords complets qui semblent si évidents pour l'œil + l'esprit humain.

• En raison également du lissage gaussien: l'emplacement des bords peut être décalé, en fonction de la taille du noyau gaussien.

• La méthode a des problèmes avec les coins et les jonctions:

  • Le lissage gaussien les brouille, les rendant plus difficiles à détecter (il en va de même pour les bords eux-mêmes)
  • Les pixels d'angle regardent dans les mauvaises directions pour leurs voisins, laissant des bords ouverts et des jonctions manquantes

Ce dernier problème est résolu par la méthode SUSAN , qui connecte mieux les bords et donne également de jolies jonctions, comme le montrent ces exemples de chiffres donnés dans le document lié:

Image d'entrée de test:

Résultats SUSAN:

Résultats Canny:

Vous pouvez clairement voir que SUSAN trouve les coins et les jonctions au lieu de Canny.

ou y a-t-il des domaines d'applications où Canny ne sera pas le meilleur?

Je peux penser à quelques-uns:

• si vous avez besoin de courbes fermées, un détecteur qui peut garantir celles-ci pourrait être meilleur (par exemple, aucun franchissement du laplacien ou segmentation du bassin versant)
• si vous essayez de détecter un objet homogène qui a un faible contraste dans certaines zones, une méthode de segmentation qui utilise des informations globales (comme la segmentation des bassins versants) peut donner de meilleurs résultats

d'après mon expérience, le processus de détection des bords avec un détecteur de bords intelligent adoucit les bords avant de pouvoir les détecter et le timing et la longueur du filtre doivent être parfaitement adaptés pour détecter tous les bords sans erreur.

Je veux juste mentionner une limitation du détecteur Canny, qui entrave son application, et c'est le paramétrage. Je pense que le paramétrage n'est pas seulement un problème pour le détecteur Canny mais aussi un problème pour d'autres méthodes de détection de bord.