Pourriez-vous décrire les effets de la variation de différents paramètres d'un détecteur de bord de canny?

Dernières questions posées sur le détecteur de bord Canny

Quelles sont les limites d'un détecteur de bord Canny? et la
meilleure façon de segmenter les nervures des feuilles?

Le schéma de base de l'algorithme est le suivant:

une. Appliquer la convolution gaussienne. (Choix de à faire ici) b. Appliquer la dérivée 2D c. Suivi à travers les arêtes de ces bords et seuillage (mettre à zéro les pixels qui ne sont pas sur le bord) avec Hystérésis inférieur et supérieur T0 et T1 (choix de et à faire ici). $\sigma$

$T0$$T1$

Lisez ceci pour plus d'informations.

Tandis que, on prétend que Canny est optimal ; lors de l'obtention de résultats pratiques, les ajustements tels que listés ci-dessus et T 1 font beaucoup de différence.$\sigma, T0,$$T1$

Alors, comment peut-on sélectionner ces paramètres (peaufinage) pratiquement? Même s'il n'y a pas d'approche ou de valeur définie, quelle est la technique générale pour le savoir?

A la suite http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ est l' un des rares ressources qui montre comment choisir les seuils Tb et Cuisse

Selon cela, pour une image suffisamment étalée en historgramme, on peut choisir T_low = 0,66 * valeur moyenne de l'image et T_high = 1,33 * valeur moyenne.

Cependant, lorsque l'image n'est pas suffisamment étalée, il faut utiliser la médiane plutôt que la valeur moyenne de l'image.

Si l'écart entre T_low et T_high est très petit, les bords résultants seront plus petits dans la continuité et donc il y aura plus de fractions. À mesure que l'écart augmente, vous aurez plus d'arêtes de ligne unique.

En ce qui concerne sigma, à mesure que le sigma augmente, le lissage augmente et les bords bruyants disparaissent, mais en même temps, l'emplacement des bords peut également se déplacer peu. Voir ce document, http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf et les résultats à la page 29 montrent cet effet.