لبه یابی با استفاده از الگوریتم CANNY و مقایسه آن با الگوریتم لبه یابی در تصاویر رنگی نویزی

لبه یابی یکی از مهمترین فرایندهای مرتبه پایین در پردازش تصاویر میباشد؛ به طوری که کارایی فرایندهای مرتبه بالاتر مانند تشخیص شی و قطعه بندی تصویر مستقیما به کارایی این پردازش سطح پایین وابسته است , الگوریتم تشخیص لبه کنی یک روش کلاسیک و قوی برای تشخیص لبه در تصاویر خاکستری است , الگوریتم های زیادی به منظور آشکار سازی لبه (Edge Detection) در مبحث پردازش تصویر ارایه شده اند [2]. اساس بسیاری از این الگوریتم ها و روش ها مشتق گیری از تصویر می باشد , روش های جدیدی همچون روش مورفولوژیکال نیز وجود دارند که از عملگر - های صریح ریاضی و غیر مشتق گیری استفاده می کنند. الگوریتم CANNY از آن دسته روش هایی که از مشتق گیری روی عکس استفاده می کنند .نتیجه بهینه از الگوریتم CANNY زمانی حاصل می شود که پارامتر های آن به صورت بهینه انتخاب شوند. [2] دو نوع از ویژگی های مهم این روش , حدآستانه ی دوگانه و ماکزیمم محلی گرادیان تصویر است. در این مقاله روشی برای تشخیص انحراف معیار نویز گوسی موجود در تصاویر نویزی، ارایه گردیده است( Noise adaptive edge detection) که انحراف معیار به دست آمده توسط آن ، برای تشخیص پارامتر - های موجود در الگوریتم لبه یاب پیشنهادی ، مورد استفاده قرار میگیرد.

کلیدواژه ها:

آشکارسازی لبه ، الگوریتم کنی ، حدآستانه ، CANNY