캐니 에지 탐지기의 다양한 매개 변수에 미치는 영향을 설명 할 수 있습니까?

Canny edge detector에 대한 마지막 질문

캐니 에지 검출기의 한계는 무엇입니까? 와
잎 정맥을 분할의 가장 좋은 방법은?

알고리즘의 기본 개요는 다음과 같습니다.

ㅏ. 가우스 컨볼 루션을 적용합니다. ( 여기서 선택 ) b. 2D 파생물 적용 c. 히스테리시스 더 낮고 더 높은 T0 및 T1 ( 여기서는 및 선택)을 사용하여이 가장자리의 융기 부분을 추적하고 임계 값 (가장자리에없는 픽셀을 0으로 설정)을 추적합니다 . $\sigma$

$T0$$T1$

더 많은 배경을 보려면 이것을 읽으십시오 .

캐니가 최적 이라고 주장하지만 ; 실질적인 결과를 얻을 때 위에 언급 된 및 조정 요소 는 많은 차이를 만듭니다.$\sigma, T0,$$T1$

그렇다면 어떻게 (트위 킹) 파라미터를 실제로 선택합니까? 확실한 접근 방법이나 가치가없는 경우에도 이것을 아는 일반적인 기술은 무엇입니까?

http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ 다음 은 임계 값을 선택하는 방법을 보여주는 몇 가지 리소스 중 하나입니다.

이것에 따르면, 히스토그램으로 충분히 확산 된 화상에 대하여, T_low = 0.66 * 이미지의 평균값 및 T_high = 1.33 * 평균값을 선택할 수있다.

그러나 이미지가 충분히 퍼지지 않으면 이미지의 평균값이 아닌 중간 값을 사용해야합니다.

T_low와 T_high 사이의 간격이 매우 작 으면 결과적으로 가장자리가 연속적으로 작아 지므로 분수가 더 많아집니다. 간격이 커질수록 더 많은 단일 선 모서리가 생깁니다.

시그마와 관련하여, 시그마가 증가함에 따라 스무딩이 증가하고 시끄러운 가장자리가 사라지지만 동시에 가장자리의 위치는 거의 이동하지 않을 수 있습니다. 이 문서 ( http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf)를 참조하면 29 페이지의 결과에이 효과가 표시됩니다.