[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/filtr-cannny-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/filtr-cannny-wikipedia\/","headline":"Filtr Cannny – Wikipedia","name":"Filtr Cannny – Wikipedia","description":"before-content-x4 W stylu Wikipedii, darmowe L’Encyclop\u00e9i. after-content-x4 Elementy homonimiczne patrz Filtr. after-content-x4 Wynikowy obraz zastosowania filtra Caniare . Sprytny filtr","datePublished":"2019-04-20","dateModified":"2019-04-20","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/upload.wikimedia.org\/wikipedia\/commons\/thumb\/f\/f0\/Valve_original_%281%29.PNG\/220px-Valve_original_%281%29.PNG","url":"https:\/\/upload.wikimedia.org\/wikipedia\/commons\/thumb\/f\/f0\/Valve_original_%281%29.PNG\/220px-Valve_original_%281%29.PNG","height":"165","width":"220"},"url":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/filtr-cannny-wikipedia\/","wordCount":2703,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4W stylu Wikipedii, darmowe L’Encyclop\u00e9i.        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Elementy homonimiczne patrz Filtr.        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4  Wynikowy obraz zastosowania filtra Caniare . Sprytny filtr (lub detektor cania) jest u\u017cywany w przetwarzaniu obrazu do wykrywania kontur\u00f3w. Algorytm zosta\u0142 zaprojektowany przez Johna Cania w 1986 roku jako optymalny zgodnie z trzema wyra\u017anie wyja\u015bnionymi kryteriami: Dobre wykrywanie : niski poziom b\u0142\u0119du w sygnalizacji kontur\u00f3w, dobra lokalizacja : Minimalizacja odleg\u0142o\u015bci mi\u0119dzy wykrytych kontur\u00f3w i realnych kontur\u00f3w, Jasno\u015b\u0107 odpowiedzi : Tylko jedna odpowied\u017a na zarys i brak fa\u0142szywie pozytywnych  Table of Contents       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Redukcja szum\u00f3w [[[ modyfikator |. Modyfikator i kod ] Intensywno\u015b\u0107 [[[ modyfikator |. Modyfikator i kod ] Departament konstur\u00f3w [[[ modyfikator |. Modyfikator i kod ] Usuni\u0119cie nie-maksyma [[[ modyfikator |. Modyfikator i kod ] Truszcz w konturach [[[ modyfikator |. Modyfikator i kod ] Ustawienia [[[ modyfikator |. Modyfikator i kod ] Powi\u0105zane artyku\u0142y [[[ modyfikator |. Modyfikator i kod ] Linki zewn\u0119trzne [[[ modyfikator |. Modyfikator i kod ] Redukcja szum\u00f3w [[[ modyfikator |. Modyfikator i kod ]  Zdj\u0119cie uzyskane po zastosowaniu gaussowskiego rozmycia 5×5. Pierwszym krokiem jest zmniejszenie szumu oryginalnego obrazu przed wykryciem kontur\u00f3w. To eliminuje izolowane piksele, kt\u00f3re mog\u0105 wywo\u0142ywa\u0107 silne odpowiedzi przy obliczaniu gradientu, co prowadzi do fa\u0142szywych pozytyw\u00f3w. U\u017cywane jest filtrowanie Gaussa 2D (patrz artyku\u0142 Wyg\u0142adzanie obrazu ), kt\u00f3ry tutaj jest operatorem splotu: G( X W I ) = 12\u03c0\u03c32e\u2212x2+y22\u03c32{DisplayStyle Mathrm {g} (x, y) = {frac {1} {2pi sigma^{2}}} e^{-{frac {x^{2}+y^{2}} {2sigma^{2 2} }}}}} i przyk\u0142ad dyskretnej maski 5 \u00d7 5 z \u03c3 = 1,4: H = 1159[245424912945121512549129424542]{DisplayStyle H = {frac {1} {159}} {start {bmatrix} 2 i 4 oraz 4 oraz 2 \\ 4 i 9 oraz 9 & 4 \\ 5 i 12 i 15 oraz 12 i 5 \\ 4 i 9 & 12 & 4 \\ 2 & 4 oraz 5 & 4 & 2end {bmatrix}}}}}}}}}}}}}}}}}}}}}}} Zwykle filtr jest mniejszy ni\u017c filtrowany obraz. Im wi\u0119ksza maska, tym mniej wra\u017cliwa detektor, tym bardziej ro\u015bnie b\u0142\u0105d lokalizacji. Intensywno\u015b\u0107 [[[ modyfikator |. Modyfikator i kod ] Po filtrowaniu nast\u0119pnym krokiem jest zastosowanie gradientu, kt\u00f3ry zwraca intensywno\u015b\u0107 kontur\u00f3w. Zastosowany operator umo\u017cliwia obliczenie gradientu zgodnie z kierunkami x i y, sk\u0142ada si\u0119 z dw\u00f3ch masek splotu, jednego o wymiarach 3 \u00d7 1, a pozosta\u0142e 1 \u00d7 3: Gx= [\u2212101]; Gy= [10\u22121]{DisplayStyle Mathrm {g} _ {x} = {begin {bmatrix} -0 i 1end mathrm} {} _ {y}} {bmatrix} 1 {0 \\} czy Warto\u015b\u0107 gradientu w punkcie podchodzi formu\u0142a: |G|= |Gx|+ |Gy|{DisplayStyle | Mathrm {g} | = | Mathrm {g} _ {x} |+| mathrm {g} _ {y} |} a dok\u0142adna warto\u015b\u0107 to: |G|= Gx2+Gy2{DisplayStyle | Mathrm {g} | = {sqrt {Mathrm {g} _ {x}}}}}}}}}}}}}} Departament konstur\u00f3w [[[ modyfikator |. Modyfikator i kod ] Orientacje kontur\u00f3w s\u0105 okre\u015blone przez formu\u0142\u0119: th = \u00b1 Arctan \u2061 (GyGx){DisplayStyle theta = pm arcTan po lewej ({frac {Mathrm {g} _ {y}} {Mathrm {g} _ {x}}} right)} W ko\u0144cu otrzymujemy map\u0119 gradient\u00f3w intensywno\u015bci w ka\u017cdym punkcie obrazu, kt\u00f3re towarzysz\u0105 kierunki kontur\u00f3w. Usuni\u0119cie nie-maksyma [[[ modyfikator |. Modyfikator i kod ] Uzyskana wcze\u015bniej mapa gradientu zapewnia intensywno\u015b\u0107 w ka\u017cdym punkcie obrazu. Wysoka intensywno\u015b\u0107 wskazuje na wysokie prawdopodobie\u0144stwo obecno\u015bci konturu. Jednak intensywno\u015b\u0107 ta nie wystarczy, aby zdecydowa\u0107, czy punkt odpowiada zarysowi, czy nie. Tylko punkty odpowiadaj\u0105ce lokalnym maksimum s\u0105 uwa\u017cane za odpowiadaj\u0105ce konturom i s\u0105 przechowywane na nast\u0119pnym etapie wykrywania. Lokalne maksimum jest obecne na ekstremie gradientu, to znaczy, gdzie jego pochodna zgodnie z liniami polowymi gradientu jest anulowane. Truszcz w konturach [[[ modyfikator |. Modyfikator i kod ] R\u00f3\u017cnicowanie kontur\u00f3w na wygenerowanej mapie odbywa si\u0119 za pomoc\u0105 progu histerezy. Wymaga to dw\u00f3ch prog\u00f3w, wysokiego i jednego dna; kt\u00f3re zostan\u0105 por\u00f3wnane z intensywno\u015bci\u0105 gradientu ka\u017cdego punktu. Kryterium decyzyjne jest nast\u0119puj\u0105ce. Dla ka\u017cdego punktu, je\u015bli intensywno\u015b\u0107 jego gradientu wynosi: Ni\u017cszy ni\u017c niski pr\u00f3g punkt jest odrzucany; Wy\u017cszy ni\u017c wysoki pr\u00f3g, punkt jest akceptowany jako tworzenie konturu; Pomi\u0119dzy niskim progiem a wysokim progiem punkt jest akceptowany, je\u015bli jest on pod\u0142\u0105czony do ju\u017c zaakceptowanego punktu. Po tym, jak to si\u0119 stanie, uzyskany obraz jest binarny z z jednej strony piksele nale\u017c\u0105ce do kontur\u00f3w i innych. Ustawienia [[[ modyfikator |. Modyfikator i kod ] Dwa g\u0142\u00f3wne parametry okre\u015blaj\u0105ce czas oblicze\u0144 i ostro\u015b\u0107 algorytmu to rozmiar filtra Gaussa i dwa progi. Rozmiar filtra: Filtr zastosowany podczas zmniejszania szumu ma bezpo\u015bredni wp\u0142yw na zachowanie algorytmu. Ma\u0142y filtr wytwarza mniej wyra\u017any efekt rozmycia, kt\u00f3ry umo\u017cliwia wykrycie ma\u0142ych dobrze znanych linii. Filtr o wi\u0119kszym rozmiarze powoduje wi\u0119kszy niejasny efekt, co umo\u017cliwia wykrycie mniej wyra\u017anych kontur\u00f3w, na przyk\u0142ad t\u0119czy. Progi: Zastosowanie dw\u00f3ch prog\u00f3w zamiast poprawy elastyczno\u015bci, ale pozostaj\u0105 pewne problemy specyficzne dla progu. Zatem zbyt niski pr\u00f3g mo\u017ce prowadzi\u0107 do wykrycia fa\u0142szywych pozytyw\u00f3w. I odwrotnie, zbyt wysoki pr\u00f3g mo\u017ce zapobiec wykryciu ma\u0142ych zaznaczonych kontur\u00f3w, ale przedstawienie przydatnych informacji. Obecnie nie ma og\u00f3lnej metody okre\u015blenia prog\u00f3w, kt\u00f3re daj\u0105 zadowalaj\u0105ce wyniki na wszystkich typach obraz\u00f3w. Istniej\u0105 jednak metody statystyczne automatycznego uzyskania warto\u015bci odpowiedniego wysokiego progu (CH HO), przy czym warto\u015b\u0107 niskiego progu stanowi procent wysokiego progu. Powi\u0105zane artyku\u0142y [[[ modyfikator |. Modyfikator i kod ] Linki zewn\u0119trzne [[[ modyfikator |. Modyfikator i kod ]        (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/all2pl\/wiki27\/filtr-cannny-wikipedia\/#breadcrumbitem","name":"Filtr Cannny – Wikipedia"}}]}]