Не могли б ви описати ефекти для різних параметрів канцелярного рентгенометра?

Останні кілька питань торкнулися детектора краю Кенні

Які обмеження у детектора краю Canny? і
Найкращий спосіб сегментації жилок на листках?

Основний контур алгоритму такий:

а. Застосовуйте Гауссову згортку. (Вибір зробити тут) b. Застосуйте похідне 2D c. Відстеження через хребти цих країв та порогове значення (встановіть пікселі до нуля, яких немає на краю) за допомогою гістерезису нижнього та вищого T0 та T1 (вибір і який слід зробити тут). $\sigma$

$T0$$T1$

Прочитайте це для отримання додаткової інформації.

Хоча, стверджується, що Кенні є оптимальним ; коли практичні результати мають значення, чинники налаштування, перелічені вище і , мають велике значення.$\sigma, T0,$$T1$

То як же практично вибирати ці (налаштування) параметри? Навіть якщо немає певного підходу чи цінності, яка загальна техніка це знати?

Слідкуйте за http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ - один з небагатьох ресурсів, який показує, як вибрати порогові показники Подушка та стегна

Відповідно до цього, для картини, достатньо поширеної в істограмі, можна вибрати T_low = 0,66 * середнє значення зображення та T_high = 1,33 * середнє значення.

Однак, коли зображення недостатньо розповсюджене, слід використовувати медіану на відміну від середньої величини зображення.

Якщо зазор між T_low і T_high дуже малий, то отримані ребра будуть меншими за безперервність і, отже, буде більше фракцій. Зі збільшенням зазору у вас буде більше однорядкових країв.

Що стосується сигми, так як сигма збільшується, згладжування збільшується, і шумні краї відходять, але в той же час розташування ребер також може мало рухатися. Дивіться цей документ, http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf, а результати на стор. 29 показують цей ефект.