테두리 검출

Canny Edge Detection

존 캐니(John F. Canny)가 개발한 알고리즘으로, 이미지에서 에지를 검출하는 매우 효과적인 방법 중 하나.

일반 모서리만 필요한 고해상도 이미지의 경우 캐니 알고리즘을 적용하기 전에 자신의 블러(스무딩) 부터 적용하는것이 좋다.

캐니 알고리즘에서는 사용자가 높은 , 낮은 임계값을 정해야함
방정식을 이용하면 알수있지만, 직접 매뉴얼하게 하는경우도 있다.

방정식

• lower bound : 이미지의 중간값의 70%
• upper bound : 이미지의 중간값의 130%

Canny Edge Detection 과정

1. 노이즈 감소(Noisy Reduction):

   • 먼저 Gaussian 블러(Gaussian Blur)를 사용하여 이미지의 노이즈를 제거합니다. 이는 에지 검출의 정확성을 높이기 위해 중요한 단계입니다.
   • OpenCV에서는 cv2.GaussianBlur 함수를 사용합니다.

2. 그레이디언트 계산(Gradient Calculation):

   • Sobel 연산자를 사용하여 이미지의 수평(X-axis)과 수직(Y-axis) 방향의 그래디언트를 계산합니다.
   • 이를 통해 밝기 변화가 급격한 부분, 즉 잠재적인 에지를 확인합니다.

3. 비최대 억제(Non-Maximum Suppression):

   • 얻게 된 그레이디언트를 억제하여 에지의 두께를 1픽셀로 만듭니다.
   • 이는 에지를 더욱 선명하게 만듭니다.

4. 이중 임곗값(Double Thresholding):

   • 두 개의 서로 다른 임곗값(threshold)을 사용하여 에지를 분류합니다.
   • 높은 값은 강한 에지(strong edge)를, 낮은 값은 약한 에지(weak edge)를 나타냅니다.

5. 에지 추적과 이음선 연결(Edge Tracking by Hysteresis):

   • 강한 에지에서 시작하여 약한 에지까지 추적합니다. 이로써 전체적인 에지를 연결합니다.

# Syntex

# Example

• image: 입력 이미지, 그레이스케일이어야 합니다.
• threshold1: 하단 임곗값(lower threshold)입니다.
• threshold2: 상단 임곗값(upper threshold)입니다.
• apertureSize: Sobel 연산에 사용되는 커널 크기, 기본값은 3입니다.
• L2gradient: 그레이디언트의 크기를 계산할 때
  $\sqrt{(dI/dx)^2 + (dI/dy)^2}$
  을 사용할지 여부. 기본값은 False입니다.

원본	블러링 X	블러링 O	블러링 O + 임계값 수동 조정

❗ 엣지 검출은 블러링과 임계값 조정를 활용해 최대한의 결과물을 만들어 내야한다.