Quali fattori devo considerare nella scelta di un algoritmo di rilevamento dei bordi?

Ho imparato una serie di algoritmi di rilevamento dei bordi, inclusi algoritmi come i metodi Sobel, Laplacian e Canny. Mi sembra che il rilevatore di bordi più popolare sia un rilevatore di bordi Canny, ma ci sono casi in cui questo non è l'algoritmo ottimale da usare? Come posso decidere quale algoritmo usare? Grazie!

Esistono molte possibilità di rilevamento dei bordi, ma i 3 esempi citati possono rientrare in 3 categorie distinte.

Sobel

Questo si avvicina a un derivato del primo ordine. Fornisce extrema nelle posizioni del gradiente, 0 dove non è presente alcun gradiente. In 1D, è =$\left[ \begin{array}{ccc} -1 & 0 & 1 \end{array} \right]$

• bordo liscio => minimo o massimo locale, a seconda del segnale che sale o scende.
• 1 pixel line => 0 sulla riga stessa, con extrema locale (di segno diverso) proprio accanto ad essa. In 1D, è =$\left[ \begin{array}{ccc} 1 & -2 & 1 \end{array} \right]$

Esistono altre alternative a Sobel, che hanno +/- le stesse caratteristiche. Nella pagina di Roberts Cross su Wikipedia puoi trovare un confronto tra alcuni di essi.

Laplace

Questo si avvicina a una derivata del secondo ordine. Fornisce 0 nelle posizioni del gradiente e anche 0 dove non è presente alcun gradiente. Dà extrema dove inizia o si ferma un gradiente (più lungo).

• bordo liscio => 0 lungo il bordo, estremi locali all'inizio / fine del bordo.
• 1 pixel line => un estremo "doppio" sulla linea, con extrema "normale" con un segno diverso proprio accanto ad esso

L'effetto di questi 2 su diversi tipi di bordi può essere visualizzato visivamente:

astuto

Questo non è un semplice operatore, ma è un approccio in più passaggi, che utilizza Sobel come uno dei passaggi. Laddove Sobel e Laplace ti danno un risultato in scala di grigi / virgola mobile, che devi sottrarre a te stesso, l'algoritmo Canny ha una soglia intelligente come uno dei suoi passi, quindi ottieni semplicemente un risultato sì / no binario. Inoltre, su un bordo liscio, probabilmente troverai solo 1 linea da qualche parte nel mezzo del gradiente.

Mentre Sobel e Laplacian sono semplicemente filtri, Canny va oltre in due modi.

Innanzitutto, sopprime in modo non massimo il problema che elimina il rumore prodotto da tutti i tipi di oggetti e gradienti di colore in un'immagine. In secondo luogo, include effettivamente un passaggio che consente di distinguere tra le diverse direzioni del bordo e di riempire i punti mancanti di una linea.

In altre parole, il rilevatore di bordi Canny è in una classe completamente diversa da Sobel e Laplacian. È molto più intelligente in quanto include un sacco di post-elaborazione mentre Sobel e Laplacian sono semplicemente uscite di filtri passa-alto seguite da soglie binarie lineari.

Le due decisioni più importanti quando provo a rilevare i bordi sono, per me di solito:

1. Posso invece segmentare gli oggetti e quindi utilizzare un operatore morfologico per trovare il bordo dell'immagine binaria (segmentata)? Con dati rumorosi, questo tende ad essere più robusto.

2. Quale filtro di smussatura che preserva i bordi dovrei usare per ridurre il rumore dell'immagine? I filtri per bordi si basano sulla differenziazione, che risentirà dei dati rumorosi. La scelta più semplice è il filtro mediano, ma i filtri a diffusione anisotropica o nonlocale offriranno prestazioni migliori al costo di avere più parametri da modificare.

Per il rilevamento dei bordi stesso, non posso pensare per una buona ragione di non usare Canny.

Approccio SUSAN

Un altro approccio al rilevamento di bordi e angoli è l'approccio SUSAN .

In questo approccio, anziché approssimazioni derivate, viene utilizzato un approccio di approssimazione integrale . Ciò ha il vantaggio non solo di essere in grado di rilevare i bordi, ma anche di essere in grado di rilevare "caratteristiche bidimensionali" (ad es. Angoli).

Un altro vantaggio di un approccio di approssimazione integrale è che il rumore tende ad avere un effetto minore sui risultati.

Canny produce un'immagine binaria e dipende da soglie fornite esternamente (che dipendono dall'immagine / dall'applicazione).
I filtri basati sulla convoluzione producono un'immagine di "intensità del bordo". Ciò è utile se il peso o la resistenza del bordo sono importanti (ad es. Nella trasformazione ponderata di Hough).