Rilevatore di bordi astuto: Svelare l'arte della percezione visiva

Di Fouad Sabry

Che cos'è Rilevatore di bordi astuto 

Questo operatore di rilevamento dei bordi è noto come Canny Edge Detector e utilizza un metodo a più fasi per identificare un'ampia varietà di bordi presenti nelle immagini. Nel 1986, John F. Canny fu colui che ebbe l'idea. Inoltre, Canny ha sviluppato una teoria computazionale del rilevamento dei bordi, che spiega la logica alla base dell'efficacia della tecnica.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Rilevatore di bordi Canny

Capitolo 2: Rilevamento di bordi

Capitolo 3: Operatore Sobel

Capitolo 4: Sfocatura gaussiana

Capitolo 5: Operatore Prewitt

Capitolo 6: Gradiente immagine

Capitolo 7: Rilevatore di bordi Deriche

Capitolo 8: Rilevamento compresso

Capitolo 9: Istogramma dei gradienti orientati

Capitolo 10: Rilevatore di regioni affini di Harris

(II) Rispondere alle domande più importanti del pubblico sul rilevatore di bordi Canny.

(III) Esempi reali dell'utilizzo del rilevatore di bordi Canny in molti campi.

A chi è rivolto questo libro

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di Canny Edge Detector.

 

 

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 29 apr 2024

Anteprima del libro

Capitolo 1: Rilevatore di bordi astuti

Per rilevare un'ampia varietà di bordi nelle immagini, il rilevatore di bordi Canny utilizza un algoritmo a più stadi. John F. Canny lo ha creato nel 1986. Inoltre, Canny ha sviluppato una teoria computazionale del rilevamento dei bordi per far luce sull'efficacia del metodo.

Il rilevamento dei bordi astuti è un metodo per ridurre drasticamente la quantità di dati che devono essere elaborati estraendo informazioni strutturali utili da vari oggetti visivi. Ha trovato molto uso in diversi tipi di sistemi di visione artificiale. Come ha scoperto Canny, l'implementazione del rilevamento dei bordi su vari sistemi di visione ha requisiti simili. Di conseguenza, una soluzione per il rilevamento dei bordi che soddisfi queste esigenze può essere applicata ampiamente. In generale, il rilevamento dei bordi richiede quanto segue:

Il rilevamento dei bordi a basso errore richiede che il maggior numero possibile di bordi dell'immagine venga identificato correttamente.

Il punto di spigolo rilevato dall'operatore deve individuare con precisione il centro geometrico del bordo.

Per evitare di contrassegnare più istanze dello stesso bordo, è necessario ridurre al minimo il rumore dell'immagine.

Il calcolo delle variazioni, un metodo per scoprire la funzione che ottimizza un funzionale specificato, era lo strumento utilizzato da Canny per soddisfare queste condizioni. La funzione ottimale del rivelatore di Canny può essere approssimata dalla derivata prima di una distribuzione gaussiana, che è definita dalla somma di quattro termini esponenziali.

L'algoritmo di rilevamento dei bordi Canny è uno dei metodi di rilevamento dei bordi più precisi e offre un rilevamento buono e affidabile. È salito rapidamente alla ribalta come uno degli algoritmi di rilevamento dei bordi più utilizzati grazie alla sua efficacia nel soddisfare tutti e tre i criteri di rilevamento dei bordi e alla sua facilità di implementazione.

L'algoritmo di rilevamento dei bordi può essere semplificato in cinque fasi distinte:

Leviga l'immagine con un filtro gaussiano per eliminare il rumore.

Determinare le variazioni di intensità dell'immagine.

Per eliminare i falsi positivi dal rilevamento dei bordi, è possibile applicare una soglia di magnitudo del gradiente o la soppressione del limite inferiore.

Per identificare i possibili spigoli, utilizzare una doppia soglia.

Il tracciamento dei bordi basato sull'isteresi comporta la finalizzazione del rilevamento dei bordi bloccando i bordi deboli e non collegati.

Poiché il rumore dell'immagine influisce notevolmente sulla precisione di qualsiasi risultato di rilevamento dei bordi, per evitare un rilevamento errato, il rumore deve essere filtrato.

L'attenuazione dell'immagine, la convoluzione con un kernel di filtro gaussiano viene utilizzata per modificare un'immagine.

Il rilevatore di bordi sarà meno influenzato dal rumore evidente nell'immagine dopo l'applicazione di questo processo.

L'equazione per un kernel di filtro gaussiano di dimensione (2k+1)×(2k+1) è data da:

{\displaystyle H_{ij}={\frac {1}{2\pi \sigma ^{2}}}\exp \left(-{\frac {(i-(k+1))^{2}+(j-(k+1))^{2}}{2\sigma ^{2}}}\right);1\leq i,j\leq (2k+1)}

Di seguito è riportato un esempio di filtro gaussiano 5×5, utilizzato per creare l'immagine successiva, con \sigma = 1.

Si noti che l'asterisco (*) indica una circonvoluzione.

\mathbf {B} ={\frac {1}{159}}{\begin{bmatrix}2&4&5&4&2\\4&9&12&9&4\\5&12&15&12&5\\4&9&12&9&4\\2&4&5&4&2\end{bmatrix}}*\mathbf {A} .

È fondamentale tenere presente che l'efficienza del rivelatore sarà influenzata dalla scelta della dimensione del kernel gaussiano.

Inversamente proporzionale alle dimensioni, meno suscettibile al rumore è il rilevatore, il.

Inoltre, maggiore è la dimensione del kernel del filtro gaussiano, maggiore è l'errore di localizzazione quando si tenta di rilevare il bordo.

Un 5×5 è una buona dimensione per la maggior parte dei casi, tuttavia, questo cambierà a seconda delle circostanze a portata di mano.

Ci sono molti orientamenti possibili che il bordo di un'immagine può indicare, l'algoritmo di Canny per il riconoscimento del modello orizzontale impiega un quartetto di filtri, bordi sfocati sia verticalmente che diagonalmente.

Operatori per il rilevamento di archi (come Roberts), Prewitt o Sobel) restituisce un valore per la derivata prima nella direzione orizzontale (Gx) e nella direzione verticale (Gy).

L'angolo e la sfumatura di uno spigolo possono essere dedotti da questo:

\mathbf {G} ={\sqrt {{\mathbf {G} _{x}}^{2}+{\mathbf {G} _{y}}^{2}}}

\mathbf {\Theta } =\operatorname {atan2} \left(\mathbf {G} _{y},\mathbf {G} _{x}\right) , dove hypot è la funzione inversa e atan2 è la funzione arcotangente con due argomenti, e G può essere calcolato come risultato.

La direzione del bordo viene arrotondata a uno dei quattro angoli: verticale, orizzontale, 30 gradi e 75 gradi, orizzontale e le due diagonali (0°, 45°, 90° e 135°).

Per ogni banda di colore, l'angolo in cui uno spigolo si incrocia sarà fissato, ad esempio, θ in [0°, 22,5°] o [157,5°, 180°] viene mappato a 0°.

La soglia del limite inferiore, nota anche come soppressione del cut-off minimo delle grandezze del gradiente, è un metodo di assottigliamento dei bordi.

Per individuare i punti in cui il valore di intensità cambia in modo più drastico, viene utilizzata una soppressione del limite inferiore. L'algoritmo di ogni pixel dell'immagine sfumata è:

Controlla l'intensità del bordo del pixel corrente rispetto alla sua forza del bordo nelle sfumature verso l'alto e verso il basso.

Ad esempio, se il pixel corrente punta nella direzione y, il suo valore verrà mantenuto se l'intensità del bordo è maggiore di quella di tutti gli altri pixel della maschera che puntano nella stessa direzione. Quando ciò non accade, il valore viene abbassato.

L'algoritmo, in alcune forme, separa le direzioni del gradiente in una manciata di categorie discrete prima di applicare un filtro 3x3 ai risultati intermedi (ovvero, la forza del bordo e le direzioni del gradiente). Se l'intensità della sfumatura del pixel centrale è inferiore alle magnitudini dei suoi due vicini, l'intensità del bordo del pixel centrale viene soppressa (impostata su 0) in corrispondenza di quel pixel. Ad esempio, se l'angolo di gradiente arrotondato è 0° (ad es.

Il punto è considerato sul bordo se la sua magnitudine del gradiente è maggiore delle magnitudini dei pixel nelle direzioni est e ovest (supponendo che il bordo sia nella direzione nord-sud), se l'angolo di gradiente arrotondato è di 90° (es.

Il punto è considerato sul bordo se l'ampiezza del suo gradiente è maggiore delle magnitudini ai pixel nelle direzioni nord e sud (supponendo che il bordo vada da est a ovest), se l'angolo di gradiente arrotondato è di 135° (es.

Se l'ampiezza del gradiente del punto è maggiore delle magnitudini dei pixel nelle direzioni nord-ovest e sud-est (supponendo che il bordo vada da nord-est a sud-ovest), allora il punto sarà considerato sul bordo, se l'angolo di gradiente arrotondato è di 45° (es.

Il punto è considerato sul bordo se la sua magnitudine del gradiente è maggiore delle magnitudini dei pixel nelle direzioni nord-est e sud-ovest (supponendo che il bordo vada da nord-ovest a sud-est).

Implementazioni più vicine al segno, tra due pixel adiacenti che si trovano alle estremità opposte della direzione del gradiente, viene utilizzata un'interpolazione lineare.

Ad esempio, se l'angolo della sfumatura è compreso tra 89° e 180°, è possibile