【发布时间】：2015-06-02 01:12:47
【问题描述】：
我正在将 Open CV 用于涉及图像轮廓估计的图像处理应用程序。我想知道的是，对图像进行阈值处理（比如他们是如何做到的here）或使用 Canny Edge 算法（here）会产生更好的结果。这涉及算法分析还是我遗漏了什么？
【问题讨论】：
标签： opencv image-processing computer-vision contour canny-operator
【发布时间】：2015-06-02 01:12:47
【问题描述】：
Canny 边缘检测显然。它做了很多事情来确保结果中只有强大的边缘。阈值化只是查看强度并查看每个值是否更小或更大，我们分别获得“边缘”点。 但是，根据场景的复杂性，阈值和边缘检测会产生相同的结果。例如，如果您有一个干净的图像，其中包含多个清晰的对象，并且前景和背景之间的强度差异很明显，那么边缘检测或阈值处理都可以。如果您有一个更复杂的图像，其中不同区域的对比度不同，或者如果您有多个具有不同强度的对象，那么阈值不会给您带来好的结果，因为您将不可避免地包含不属于任何适当的像素对象。这就是边缘检测更好的原因，因为它是 local 运算符，而阈值是 global。阈值处理将一套原则应用于图像中的每个像素。边缘检测将您的图像分解为块，并确定每个块中是否发生了某些事情。
如果你想从中得到一些东西，它们之间的区别在于阈值处理更多用于对象提取，而边缘检测是处理管道中的预处理步骤，例如轮廓估计、对象检测和识别和特征分析。阈值化是一种查看是否正在发生的事情或提取“活动”事物的相当快速而肮脏的方法，而边缘检测更多地用于计算机视觉相关任务。
我将向您介绍一些文献，而不是解释 Canny 边缘检测如何更好。
- 德雷克塞尔大学的这个页面对我很有帮助：http://dasl.mem.drexel.edu/alumni/bGreen/www.pages.drexel.edu/_weg22/can_tut.html
- Computer Vision Online 的此页面更深入：http://homepages.inf.ed.ac.uk/rbf/HIPR2/canny.htm
希望这会有所帮助！
【讨论】：
-
@user3829158 - 我的荣幸 :) 祝你好运！