Können Sie die Auswirkungen für die Variation verschiedener Parameter eines Canny-Edge-Detektors beschreiben?

Die letzten paar Fragen betrafen den Canny-Kantendetektor

Was sind die Einschränkungen eines Canny-Kantendetektors? und
beste Art, Venen in Blätter zu segmentieren?

Der Grundriss des Algorithmus lautet wie folgt:

ein. Wenden Sie die Gaußsche Faltung an. (Auswahl von hier) b. 2D-Ableitung anwenden c. Verfolgung durch die Rippen dieser Kanten und Schwellenwertbildung (Pixel auf Null setzen, die sich nicht an der Kante befinden) mit Hysterese Lower und Higher T0 und T1 (Auswahl von T 0 und T 1 hier). $\sigma$

$T0$$T1$

Lesen Sie dies für weitere Hintergrundinformationen.

Während behauptet wird, dass Canny optimal ist ; wenn praktische Ergebnisse Angelegenheiten bekommen, zwicken Faktoren wie oben aufgeführt und T 1 hat einen großen Unterschied machen.$\sigma, T0,$$T1$

Wie wählt man diese (Optimierungs-) Parameter praktisch aus? Auch wenn es keinen bestimmten Ansatz oder Wert gibt, wie lautet die allgemeine Technik, um dies zu wissen?

Das Folgen von http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/ ist eine der wenigen Ressourcen, die zeigt, wie die Schwellenwerte Tlow und Thigh ausgewählt werden

Demnach kann man für ein Bild, das im historischen Programm ausreichend verteilt ist, T_low = 0,66 * Mittelwert des Bildes und T_high = 1,33 * Mittelwert wählen.

Wenn das Bild jedoch nicht ausreichend verteilt ist, sollte der Median anstelle des Mittelwerts des Bildes verwendet werden.

Wenn der Abstand zwischen T_low und T_high sehr klein ist, sind die resultierenden Kanten in der Kontinuität kleiner und daher gibt es mehr Brüche. Wenn die Lücke größer wird, haben Sie mehr einzelne Linienkanten.

In Bezug auf Sigma nimmt die Glättung mit zunehmendem Sigma zu und verrauschte Kanten verschwinden, aber gleichzeitig kann sich die Position der Kanten auch wenig bewegen. Siehe dieses Dokument, http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf, und die Ergebnisse auf Seite 29 zeigen diesen Effekt.