мації Канні. Автори розробили свою міру локалізації кромки. Використовуючи цю міру, вони з'ясували, що перша похідна від гауссової імпульсної функції відгуку є оптимальною для градієнтного детектування кромки. Існує кілька модернізацій концепції Канні. В роботі [5] використовувалася імпульсна функція відгуку Канні з двома і більше масштабними факторами; при цьому загальний градієнт розраховувався як добуток результуючих градієнтів, після чого проводилася порогова обробка. Автори показали, що ця процедура покращує локалізацію з невеликою втратою чутливості детектування. В роботі [8] застосовувалася методологія Канні для крайок з розмитими межами. Автор роботи [7] розробив дискретну версію детектора Канні і критерій локалізації для імпульсних крайок. Дискретна версія розширених операторів, визначених у безперервній області може бути отримана шляхом вибірки їх безперервних імпульсних функцій відгуку у вікні. Це вікно має бути вибрано досить великим, щоб обрізання функції відгуку не викликало високочастотні артефакти.
В роботі [1] зазначається, що детектор Кенні задовольняє певним критеріям виявлення і локалізації кромок: гарне ставлення сигнал / шум, точна локалізація і максимальне придушення помилкових крайок. Він використовує логічну обробку («немаксімальное придушення») для утоньшения ліній, двухпорогового гістерезис для стеження за кромкою, і представляє універсальний алгоритм отримання контурного зображення без урахування виду та характеристик протяжності і спрямованості кромок, які він виділяє.
Метод формування оцінок градієнта в локальному вікні дозволяє отримати оцінки компонент градієнта і обчислити оцінки модуля й аргументу вектора градієнта в кожній точці. Ряд методів використовує обчислення оцінок другої похідної.
Детектор Кенні вимагає ручної установки двох порогів, значення яких істотно змінюють малюнок одержуваних контурів. Це не дозволяє отримати автоматичні алгоритми виділення крайок. Він має низку недоліків при виділенні прямолінійних крайок. Зокрема, він дає погану якість виділення решт крайок і місць їх взаємного перетину. При низьких значеннях порогів виділяється багато зайвих контурів, що ускладнює подальше виділення прямих ліній за допомогою перетворення Хафа [9].
Детектор Кенні не зберігається інформації про значення градієнтів і властивості протяжності кромок, що не дозволяє впорядкувати виділені лінії по цих параметрах. Він містить нелінійні операції при реалізації немаксімального придушення, зокрема, оцінювання напрямку вектора градієнта і логічне виділення максимуму в локальній області.
.2 Алгоритми попередньої обробки зображення
Через неідеальності сканування, перешкод та інших причин зображення, як правило, має різні відхилення, частина з яких носить систематичний, а частина випадковий характер. При розпізнаванні графіка часто необхідно, щоб його лінія мала однакову товщину. На жаль, на практиці це не має місце. Тому на етапі попередньої обробки здійснюється утоньшение ліній [3]. Під тоншанням будемо розуміти перетворення зображення, яке задовольняє наступним умовою: після перетворення всі лінії мають товщину в один піксель; перетворення не порушує топології лінії, тобто перетину лінії іншими лініями не змінюються. Перетворення не порушує розміру графіка.
Неоднаковість ширини ліній відноситься до систематичних відхиленнях. До випадкових належать незначні...
