Ich habe mit einem Aktionsset herumgespielt, das Kantenmasken mit den Algorithmen Roberts, Robinson, Sobel, Prewitt und Kirsh erstellt. Aufgrund der unterschiedlichen Helligkeitsstufen habe ich mich entschlossen zu sehen, was passiert ist, als ich den Befehl "Ausgleichen" für alle verwendet habe, sowie Photoshops "Kanten suchen".
Ich war überrascht, dass alle ausgeglichenen Ergebnisse einander sehr ähnlich waren. Wenn jeder Algorithmus einer bestimmten Kante mehr Gewicht beimisst als den anderen, müssen alle die gleichen Kanten erkennen und ihnen den gleichen Rang in Bezug auf Wichtigkeit / Helligkeit geben.
Gibt es also einen Grund, einen Kantenfindungsalgorithmus gegenüber einem anderen zu verwenden, außer der Bequemlichkeit? Es scheint, als könnten Sie eine Kombination aus Kurven und Entzerrung verwenden, damit die Ergebnisse eines Algorithmus die Ergebnisse der Ergebnisse eines anderen nachahmen.
quelle
Antworten:
Abgesehen von den in Fotosoftware üblichen Algorithmen gibt es eine ganze Reihe von Bildverarbeitungsalgorithmen. Jedes soll bestimmte Eigenschaften verbessern. Einige allgemeine Eigenschaften sind beispielsweise:
Kein Kantendetektor kann alles: Beispielsweise erfassen Beleuchtungsinvarianten-Detektoren häufig JPEG-Artefakte als Kanten, und echte rotationsinvariante Detektoren sind häufig langsam.
Ein visuelles Beispiel von http://www.sci.utah.edu/~cscheid/spr05/imageprocessing/project4/ zeigt das Bild und seine "Canny" -Kantenerkennung unter Verwendung eines niedrigen Schwellenwerts. Wir können die JPEG-Artefakte deutlich sehen.
Kantendetektoren in Fotosoftware werden häufig aufgrund ihrer Geschwindigkeit ausgewählt. Dies bedeutet im Allgemeinen kleine Kernel (Nachbarschaftsgröße).
Hier ist ein Beispiel eines Testbildes mit der Reaktion des Kantendetektors und der Reaktion mit Schwellenwertbildung und Skelettierung:
Sobel und Prewitt sind ähnlich, verwenden jedoch nur zwei Kernel (einen x und einen y - weitere Informationen finden Sie im PDF-Link von TFuto in den Kommentaren zur Frage). Sie haben eine schlechtere Lokalisierung als die Roberts-Methode. Die Roberts-Methode verwendet acht Kernel (N, NE, E, SE, S, SW, W, NW) und ist daher auch rotationsinvarianter und scheint besser mit Ecken umzugehen. Der Laplace-Wert von Gauß (LoG) sieht völlig anders aus, da er Nulldurchgänge verwendet, um die Linienkanten zu finden, aber mit Ecken zu kämpfen hat.
Für ein normales Foto sehen viele Methoden, die eine einfache Kantenintensitätsantwort zurückgeben (z. B. Nobel, Prewitt, Roberts, nicht LoG), möglicherweise ähnlich aus. Wenn das Bild einen scharfen Kontrast aufweist, können die Unterschiede deutlicher werden.
Wenn die Kernel ziemlich ähnlich sind, ist dies möglich. Die Sobel- und Prewitt-Methoden sind größtenteils nicht zu unterscheiden, obwohl die Sobel-Methode das Zentrum stärker gewichtet.
Ja , für die rechnergestützte Bildgebung kann dies einen großen Unterschied für Anwendungen wie die Erkennung von Merkmalen und die Stereobildgebung bedeuten.
Für die Fotografie hängt es davon ab, mit welcher Methode Sie die besten Ergebnisse erzielen und was Sie erreichen möchten. Beispielsweise kann eine Methode, die einen sehr scharfen Kontrast ergibt, auch viel Rauschen verursachen.
quelle
Ich habe mich gerade daran erinnert, dass es eine andere Möglichkeit gibt, "Kanten" -Masken zu erstellen. Das Maskierungsmodul von Picture Window Pro verfügt über eine "Texturmaskierungsfunktion", bei der Sie zwischen drei Methoden und drei Fenstergrößen wählen können. Basierend auf der Hilfedatei denke ich, dass diese Art der Kantenfindung immer einzigartig aussehende Ergebnisse liefert. In den eigenen Worten des PWP-Handbuchs
quelle