Reunanetsintä

Reunanetsintä on kuvankäsittelyssä ja signaalinkäsittelyssä käytetty menetelmä, jolla pyritään havaitsemaan ja korostamaan kuvan intensiteettimuutosten aiheuttamat rajat. Reunat kuvaavat usein kohteiden muotoa sekä rakenteiden äkillisiä muutoksia, kuten kontrastin vaihtelua tai tekstuurin rajapintoja.

Periaatteessa reunanetsintä mittaa الصور kuvassa paikallisia muutoksia intensiteetissä ja muodostaa niiden perusteella kartan, jossa suuria muutoksia vastaavat kohdat merkitään reunoiksi. Yleisesti etsitään voimakkaasti vaihtuvia alueita käyttämällä gradientin suuruutta sekä tarvittaessa toissijaista derivaattaa. Reunien löytäminen voi sisältää kohinan vähentämistä sekä säätöparametrien kuten kynnysten valintaa.

Yleisimmät algoritmit jakautuvat gradientti- ja tois-derivaattoripohjaisiin menetelmiin. Gradienttipohjaiset menetelmät, kuten Sobel- ja Prewitt-determinantit, laskevat kuvan reunoja kulloisenkin suunnan ja voimakkuuden perusteella. Tois-derivaattoriset menetelmät, kuten Laplace-operatori ja Laplacian of Gaussian (LoG), etsivät nollakohdat toisen derivaatan perusteella. Yleisimmät käytössä oleva hyödyllinen yhdistelmä on Canny-edge detector, joka koostuu kuvan kohinanvaimentamisesta, gradientin laskemisesta, ei-maksimoimisesta sekä hysteresis-kynnysarvoista, jolloin reunat ovat hyvin localization- ja stabiilisuustasolla.

Sovelluksia ovat esimerkiksi tietokonenäkö, robotiikka, lääketieteellinen kuvantaminen, kartoitus ja maiseman- sekä teollinen laadunvalvonta. Reunanetsintä toimii usein esikäsittelyvaiheena muille tunnistus- ja segmentointitehtäville.

Haasteet koskevat herkkyyttä kohinalle, oikean mittakaavan valitseminen sekä reunojen paksuuden ja yhdistettävyyden hallinnan. Monisäveliset ja monimutkaiset kuvat voivat vaatia skaala- ja yhdistelmämenetelmiä sekä kontekstuaalista päätöksentekoa parempien tulosten saavuttamiseksi.