Python

O detector de Canny é o algoritmo mais robusto para detecção de bordas. John F. Canny o propôs em 1986. Primeiramente, ele atende a três critérios fundamentais. Baixa taxa de erro, boa localização e resposta única. Diferentemente de operadores simples, o Canny inclui suavização. Por exemplo, ele reduz o impacto do ruído nas bordas. O algoritmo também produz bordas finas e contínuas. Consequentemente, ele é amplamente utilizado na indústria e na pesquisa. Portanto, o Canny é considerado o padrão ouro da área.

etapas do algoritmo de canny

O algoritmo de Canny executa cinco etapas principais. Primeiramente, ele suaviza a imagem com um filtro Gaussiano. Este passo reduz ruídos e detalhes irrelevantes. Em seguida, calcula o gradiente (magnitude e direção). O operador de Sobel geralmente realiza este cálculo. A terceira etapa é a supressão de não-máximos. Este passo afina as bordas para um pixel de espessura. A quarta etapa utiliza limiarização com histerese. Dois limiares (baixo e alto) são empregados. Finalmente, o algoritmo conecta bordas fracas às bordas fortes. Por exemplo, pixels acima do limiar alto são bordas definitivas. Pixels entre os limiares são bordas condicionais.

supressão de não-máximos e histerese

A supressão de não-máximos é uma etapa crucial do Canny. Ela elimina pixels que não são picos locais do gradiente. Primeiramente, o algoritmo verifica a direção da borda. Em seguida, compara o pixel com seus vizinhos nesta direção. Se o pixel não for o máximo, ele é suprimido (zerado). Este processo garante bordas com apenas um pixel de espessura. A histerese, por outro lado, resolve ambiguidades de conexão. Pixels fortes (acima do limiar alto) são sempre bordas. Pixels fracos (entre os limiares) viram bordas apenas se conectados a pixels fortes. Por exemplo, uma borda contínua é preservada mesmo com trechos fracos. Ruídos isolados, por sua vez, são descartados.

vantagens e quando utilizar o detector de canny

O detector de Canny oferece várias vantagens significativas. Primeiramente, ele produz bordas finas, contínuas e bem localizadas. Além disso, ele é robusto a ruído moderado. O algoritmo também é parametrizável através do limiar de histerese. Utilize o Canny quando a qualidade da detecção for prioritária. Por exemplo, em sistemas de visão industrial ou médica. Aplicações de reconhecimento de objetos também se beneficiam do Canny. Outro uso comum é na extração de contornos para análise de forma. Contudo, o Canny é mais lento que operadores simples como Sobel. Portanto, evite-o em sistemas embarcados com recursos limitados. Para estes casos, prefira soluções mais rápidas. Em resumo, escolha o Canny quando precisão e qualidade forem essenciais.

O operador de Sobel é um detector de bordas baseado no gradiente da imagem. Ele utiliza dois kernels 3×3 para aproximar as derivadas. Primeiramente, um kernel detecta mudanças na direção horizontal (Gx). Outro kernel, por sua vez, detecta mudanças na direção vertical (Gy). A magnitude do gradiente é calculada pela raiz quadrada da soma dos quadrados. Uma aproximação mais rápida usa o valor absoluto: |Gx| + |Gy|. Por exemplo, o Sobel é muito utilizado em sistemas embarcados. Sua implementação é simples e computacionalmente leve. Contudo, ele não possui suavização embutida. Portanto, imagens ruidosas devem ser pré-processadas antes do Sobel.

kernels do operador de sobel

Os kernels do operador de Sobel possuem coeficientes específicos. O kernel para detecção horizontal é:

O kernel para detecção vertical é:
Note que os coeficientes do kernel horizontal somam zero. Isto garante resposta zero em regiões de intensidade constante. O peso 2 no centro aumenta a suavização do operador. Diferentemente do operador de Prewitt, o Sobel dá mais importância ao pixel central. Consequentemente, ele é ligeiramente mais robusto a ruídos. Por exemplo, esta característica torna o Sobel preferível em muitas aplicações práticas.

cálculo da magnitude e direção da borda

Após aplicar os dois kernels, obtemos Gx e Gy. A magnitude do gradiente é então calculada. A fórmula exata utiliza raiz quadrada: sqrt(Gx² + Gy²). Contudo, uma aproximação comum é |Gx| + |Gy|. Esta simplificação é mais rápida e ainda eficaz. A direção da borda é dada por arctan(Gy / Gx). Por exemplo, uma direção de 0° indica borda vertical. Uma direção de 90° indica borda horizontal. Portanto, o Sobel fornece tanto intensidade quanto orientação das bordas. Esta informação é valiosa para algoritmos de segmentação mais avançados.

quando utilizar o operador de sobel

Utilize o operador de Sobel em aplicações que exigem simplicidade e velocidade. Ele é ideal para sistemas embarcados e dispositivos móveis. Por exemplo, robôs autônomos usam Sobel para detectar obstáculos. Além disso, ele funciona bem como pré-processamento para outros algoritmos. O Sobel também é útil quando os recursos computacionais são limitados. Contudo, evite o Sobel em imagens com muito ruído. Neste caso, prefira o detector de Canny ou suavize a imagem primeiro. Outra limitação é a sensibilidade apenas a bordas horizontais e verticais. Bordas diagonais produzem respostas mais fracas. Portanto, escolha o Sobel para problemas simples e controlados. Ele oferece excelente custo-benefício para detecção de bordas em tempo real.