kantdeteksjon

Kantdeteksjon er en grunnleggende operasjon i bildebehandling og datamaskinsyn som har som mål å identifisere kantene mellom områder med ulik intensitet eller farge i et bilde. Kantene opptrer ofte som plutselige endringer i lysstyrke og gir viktig informasjon om objekters former, størrelse og plassering i scenen. Kantdeteksjon brukes som forløper til senere steg som segmentering, objektdeteksjon og 3D-rekonstruksjon.

I praksis bygger kantdeteksjon ofte på beregning av bildegradienter. Ved å måle hvordan intensiteten endrer seg i romlige retninger kan man finne punkter med store gradienter, som sannsynligvis ligger nær kanter. Vanlige operatører for gradientberegning inkluderer Sobel, Prewitt og Scharr, ofte brukt sammen med et forbehandlingssteg som Gaussisk støyreduksjon. Gradientens størrelse og retning brukes til å avgjøre hvor kanter finnes.

Blant de mest kjente metodene er Canny-kantdetektor, som vanligvis følger fire trinn: støyreduksjon med Gauss-filter, beregning av gradient og retning, ikke-maksimal undertrykkelse for å tynne kantene, og en dobbelt terskelverdi med hysterese for å bestemme endelige kanter. Andre metoder inkluderer enkel gradientbasert deteksjon (Sobel/Prewitt), Roberts-kantoperator og andre andre-derivertbaserte teknikker som Laplacian of Gaussian (LoG) og Difference of Gaussians (DoG).

Det er viktig å merke seg at kantdeteksjon er følsom for støy, valg av skala og belysning. I farger kan kanter beregnes på gråtoner eller luminans, eller ved å kombinere informasjon fra flere fargekanaler, og ofte kjøre kantdeteksjon på flere skalaer for å fange både små og store kanter.

Vanlige bruksområder inkluderer objektdeteksjon, bilde- og sceneregistrering, medisinsk bildeanalyse og OCR. Kantdeteksjon finnes i mange bildeforbehandlings- og datamaskinsynsbiblioteker som OpenCV og scikit-image.