Обнаружение функции |
---|
Обнаружение края |
Обнаружение углов |
Обнаружение капли |
Обнаружение гребня |
Преобразование Хафа |
Структурный тензор |
Обнаружение аффинно-инвариантных признаков |
Описание функции |
Масштабировать пространство |
Эта статья включает в себя список ссылок , связанных материалов или внешних ссылок , но ее источники остаются неясными, поскольку в ней отсутствуют встроенные цитаты . ( Март 2013 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) |
Детектор кромок Deriche - это оператор обнаружения кромок, разработанный Рашидом Дерише в 1987 году. Это многоступенчатый алгоритм, используемый для получения оптимального результата обнаружения кромок на дискретном двумерном изображении. Этот алгоритм основан на работе Джона Ф. Кэнни , связанной с обнаружением кромок ( детектор кромок Кэнни ) и его критериях для оптимального обнаружения кромок:
- Качество обнаружения - все существующие края должны быть помечены и ложного обнаружения не должно происходить.
- Точность - отмеченные края должны быть как можно ближе к краям реального изображения.
- Однозначность - данный край на изображении должен быть отмечен только один раз. Не должно возникать множественных откликов на один край реального изображения.
По этой причине этот алгоритм часто называют детектором Кэнни-Дериша.
Различия между детекторами кромок Canny и Deriche [ править ]
Детектор края Deriche, как и детектор края Canny , состоит из следующих 4 шагов:
- Сглаживание
- Расчет величины и направления градиента
- Не максимальное подавление
- Пороговое значение гистерезиса (с использованием двух пороговых значений)
Существенное отличие заключается в реализации первых двух шагов алгоритма. В отличие от краевого детектора Canny, краевой детектор Deriche использует БИХ- фильтр в форме:
Фильтр оптимизирует критерии Канни. Как видно из предыдущей формулы, наиболее эффективный фильтр получается, когда значение приближается к 0. В таком фильтре используется формула:
Преимущество такого фильтра заключается в том, что его можно адаптировать к характеристикам обрабатываемого изображения, используя только один параметр. Если значение α небольшое (обычно от 0,25 до 0,5), это приводит к лучшему обнаружению. С другой стороны, лучшая локализация достигается, когда параметр имеет более высокое значение (около 2 или 3). Для большинства обычных случаев рекомендуется значение параметра около 1.
Изображение | ||||
---|---|---|---|---|
α | α = 0,25 | α = 0,5 | α = 1 | α = 2 |
Использование БИХ-фильтра имеет смысл, особенно в случаях, когда обработанное изображение зашумлено или требуется большое количество сглаживания (что приводит к большому ядру свертки для КИХ-фильтра). В этих случаях детектор Дерише имеет значительное преимущество перед детектором Кэнни, поскольку он может обрабатывать изображения за короткое постоянное время независимо от желаемой степени сглаживания.
Реализация детектора Дериша [ править ]
Можно разделить процесс получения значения двумерного фильтра Дерише на две части. В первой части массив изображений передается в горизонтальном направлении слева направо по следующей формуле:
и справа налево по формуле:
Результат вычисления затем сохраняется во временном двумерном массиве:
Второй шаг алгоритма очень похож на первый. Двумерный массив из предыдущего шага используется как вход. Затем его пропускают в вертикальном направлении сверху вниз и снизу вверх по следующим формулам:
Описание алгоритма подразумевает, что обрабатываемые строки и столбцы независимы друг от друга. В результате решение, основанное на БИХ-фильтре, часто используется во встроенных системах и архитектурах, которые поддерживают высокий уровень распараллеливания .
сглаживание | x-производная | y-производная | |
---|---|---|---|
0 | |||
1 | |||
-1 | |||
0 | |||
0 | |||
1 | |||
-1 | |||
0 | |||
1 | 1 | ||
1 | 1 |
Математические свойства алгоритма часто используются при практической реализации детектора Дериша. Достаточно реализовать только одну часть алгоритма, которая затем вызывается дважды, при выполнении транспонирования полученной матрицы.
Исходное изображение | ||||
---|---|---|---|---|
Отфильтрованное изображение | ||||
Параметры фильтра | α = 1,5 нижний порог = 20 верхний порог = 40 | α = 4,0 нижний порог = 50 верхний порог = 90 | α = 0,8 нижний порог = 26 верхний порог = 41 | α = 1,0 нижний порог = 15 верхний порог = 35 |
См. Также [ править ]
- Детектор Canny Edge
- IIR
- Обнаружение края
Дальнейшее чтение [ править ]
- Р. Дериче, Использование критериев Кэнни для получения рекурсивно реализованного оптимального детектора края , Int. J. Computer Vision, Vol. 1. С. 167–187, апрель 1987 г.
- Р. Сирди, Мягкое введение в детектор оптимальных границ Дериша, Издание новостей Ника, 1998.
- Дж. Кэнни, Вычислительный подход к обнаружению границ , IEEE Transactions on Pattern Analysis and Machine Intelligence, 8 (6): 679–698, 1986.
Внешние ссылки [ править ]
- Персональная страница Рашида Дерича
- Лекция Дайан Лингранд о детекторах кромок
- Личная страница Джона Кэнни