エッジ検出アルゴリズムを選択する際に考慮すべき要素は何ですか？

Sobel、Laplacian、Cannyメソッドなどのアルゴリズムを含む、多くのエッジ検出アルゴリズムについて学びました。私には最も人気のあるエッジ検出器はキャニーエッジ検出器であるようですが、これが使用するのに最適なアルゴリズムではない場合はありますか？使用するアルゴリズムを決定するにはどうすればよいですか？ありがとう！

多くのエッジ検出の可能性がありますが、あなたが言及した3つの例は、たまたま3つの異なるカテゴリに分類されます。

ソーベル

これは、1次導関数に近似しています。勾配の位置に極値を与えます。勾配が存在しない場合は0です。1Dでは、=$\left[ \begin{array}{ccc} -1 & 0 & 1 \end{array} \right]$

• スムーズエッジ=>上下する信号に応じて、局所的な最小値または最大値。
• 1ピクセルライン=> 0で、ラインのすぐ隣に（異なる符号の）極値があります。1Dでは、=$\left[ \begin{array}{ccc} 1 & -2 & 1 \end{array} \right]$

Sobelには、+ /-同じ特性を持つ他の代替手段があります。上ロバーツ・クロスの Wikipediaのページあなたはそれらのいくつかの比較を見つけることができます。

ラプラス

これは、2次導関数に近似しています。勾配位置に0を与え、勾配が存在しない場合にも0を与えます。（より長い）勾配が開始または停止する極値を提供します。

• エッジに沿って滑らかなエッジ=> 0、エッジの開始/停止で局所的な極値。
• 1ピクセルライン=>ラインの「ダブル」極値、その隣に異なる符号を持つ「通常」極値

さまざまなタイプのエッジに対するこれら2つの効果は、視覚的に最適に表示できます。

キャニー

これは単純な演算子ではありませんが、Sobelをステップの1つとして使用するマルチステップアプローチです。SobelとLaplaceがグレースケール/浮動小数点の結果を提供しますが、これは自分でしきい値を設定する必要がありますが、Cannyアルゴリズムはそのステップの1つとしてスマートしきい値を使用しているため、yes / noのバイナリ結果が得られます。また、滑らかなエッジでは、グラデーションの中央のどこかに1行だけが見つかる可能性があります。

SobelとLaplacianは単なるフィルターですが、Cannyは2つの点でそれよりもさらに進んでいます。

まず、画像内のあらゆる種類のオブジェクトと色のグラデーションによって生成されるノイズを取り除く非最大抑制を行います。第二に、実際には、異なるエッジ方向を識別し、ラインの欠落ポイントを埋めることができるステップが含まれています。

つまり、Cannyエッジ検出器は、SobelおよびLaplacianとはまったく異なるクラスに属します。SobelとLaplacianは単純なハイパスフィルター出力とそれに続く線形バイナリしきい値処理であるのに対して、後処理の全体が含まれている点ではるかにスマートです。

私にとって、エッジを検出しようとするときの2つの最も重要な決定は、通常次のとおりです。

1. 代わりにオブジェクトをセグメント化してから、モルフォロジー演算子を使用してバイナリ（セグメント化）画像のエッジを見つけることはできますか？ノイズの多いデータでは、これはより堅牢になる傾向があります。

2. 画像ノイズを減らすために使用するエッジ保存平滑化フィルターは何ですか？エッジフィルターは差分に基づいており、ノイズの多いデータの影響を受けます。最も簡単な選択は中央値フィルターですが、異方性拡散フィルターまたは非局所的手段は、調整するパラメーターを増やすことを犠牲にしてパフォーマンスを向上させます。

エッジ検出自体については、正当な理由でCannyを使用しないとは考えられません。

SUSANアプローチ

エッジおよびコーナー検出への別のアプローチは、SUSANアプローチです。

このアプローチでは、微分近似ではなく、積分近似アプローチが使用されます。これには、エッジを検出できるだけでなく、「2次元の特徴」（つまりコーナー）も検出できるという利点があります。

積分近似アプローチのもう1つの利点は、ノイズが結果に与える影響が小さくなる傾向があることです。

Cannyはバイナリイメージを生成し、外部から与えられたしきい値（イメージ/アプリケーションに依存）に依存します。
畳み込みベースのフィルターは、「エッジ強度」画像を生成します。これは、エッジの重みまたは強度が重要な場合に役立ちます（重み付きハフ変換など）。