Canny Edge vs Thresholding для оценки контура в Open CV

Canny Edge Detection, очевидно. Он делает целую кучу вещей, чтобы гарантировать, что в результате будут получаться только сильные края. Пороговое значение просто смотрит на интенсивность и видит, является ли каждое значение меньше или больше, и мы соответственно получаем «краевые» точки. Однако, в зависимости от сложности сцены, пороговое значение и обнаружение границ могут привести к одному и тому же результату. Например, если у вас есть чистое изображение с несколькими четкими объектами, которые имеют явную разницу в интенсивности между передним планом и фоном, тогда будет работать либо обнаружение краев, либо пороговое значение. Если у вас есть более сложное изображение, контрастность которого различается в разных областях, или если у вас есть несколько объектов с разной интенсивностью, то пороговое значение не даст вам хороших результатов, потому что вы неизбежно будете включать в себя пиксели, которые не принадлежат ни одному правильному изображению. объекты. Вот почему обнаружение границ лучше, так как это локальный оператор, а пороговое значение глобальное. Пороговое значение применяет заданный принцип к каждому пикселю изображения. Обнаружение краев разбивает ваше изображение на фрагменты и выясняет, происходит ли что-то в каждом из фрагментов.

Если вы хотите что-то извлечь из этого, разница между ними заключается в том, что пороговое значение больше используется для извлечения объектов, в то время как обнаружение краев является этапом предварительной обработки в конвейере обработки, таким как оценка контура, обнаружение и распознавание объектов и функции. анализ. Пороговое определение — это довольно быстрый и грязный способ увидеть, происходит ли что-то или нет, или извлечь «активные» вещи, в то время как обнаружение краев больше подходит для задач, связанных с компьютерным зрением.

Вместо того, чтобы объяснять, чем Canny Edge Detection лучше, я собираюсь отослать вас к некоторой литературе.

• Эта страница Университета Дрекселя помогла мне начать работу: http://dasl.mem.drexel.edu/alumni/bGreen/www.pages.drexel.edu/_weg22/can_tut.html
• Эта страница из Computer Vision Online содержит более подробные сведения: http://homepages.inf.ed.ac.uk/rbf/HIPR2/canny.htm

Надеюсь это поможет!