출처

• https://blog.daum.net/trts1004/12109061 - 논문들
  1) 그레디언트 행렬 고유치의 기하 평균을 이용한 특징점 검출 – 예철수 https://www.koreascience.or.kr/article/JAKO201404065096819.pdf
  2) Soon Ki Jung(경북대학교 컴퓨터학부) - 11분 26초 https://www.youtube.com/watch?v=Cd0B1_HkprI&list=PLvP4SMKtgHes1WpBa7pjDmvYkngYF4PY7&index=8
  3) 캐니 에지 검출을 이용한 해삼의 특징점 추출 – 이건익 p1285 https://www.koreascience.or.kr/article/JAKO201809863000202.pdf
  4) 차선검출 위한 환경 적응적인 캐니 에지 검출 방법 – 유훈재 p73 https://www.koreascience.or.kr/article/CFKO201131748031161.pdf

Harris detector

상수 k의 경우 민감도 파라미터이다.
이는 k가 커지면 Harris 코너 응답함수 R의 경우 작아지며, 이는 곧 적은 수의 코너가 검출된다. 한편, 코너 강도가 작은 영상의 경우(블러링된 정도가 클수록 코너의 위치를 정확하게 검출하지 못하는)에는 코너를 검출하기 위해 민감도 파라미터 k의 값을 0.04로 작게 설정해야 한다.

또한 sigma의 값 파라미터가 커질수록 블러링의 효과가 다수 발생했다.
블러링된 강한 엣지 주변의 코너에서는 검출 오차가 발생할 수 있다. 이때 두 고유치가 작은 코너를 검출하기 위해서 민감도 파라미터인 k를 작게 조절하기 때문에 결과적으로는 두 고유치의 상대적인 크기를 고려하는 요소가 사라질 수 있다는 한계점이 존재한다.
즉, sigma의 707 값으로 낮추어 블러링의 효과를 줄였을 경우 코너를 더욱 검출할 수 있지만, 이에 두 고유치의 상대적 크기를 고려하는 요소가 사라진다는 한계점이 존재한다.

Canny Edge Detector

미분으로 극값을 구하는데, 기울기의 변화에 따라 이미지의 노이즈에 높게 민감하다. 따라서 가우시안 블러링을 통하여 스무딩하게 만들어 주어야 하며, 이는 가우시안 필터링의 경우 3,3 or 5,5 그리고 7,7중 블러링을 광범위하게 적용시키기 위해 low 주파수가 낮아진다.
즉, 커널이 작을수록 블러링이 작게 되므로,

Soon Ki Jung(경북대학교 컴퓨터학부) - 11분 26초
https://www.youtube.com/watch?v=Cd0B1_HkprI&list=PLvP4SMKtgHes1WpBa7pjDmvYkngYF4PY7&index=8

높여주는 것이 효과가 좋다. (여기선 5 by 5 커널 사용)

또한, 엣지의 강도의 계산을 다양하게 해줄 수 있다, 여기에 가장 쉬운 방법으로는 수평, 수직적 엣지를 얻도록 하여 준다. 여기서는 아크탄젠트로 구했는데,

캐니 에지 검출을 이용한 해삼의 특징점 추출 – 이건익 p1285
https://www.koreascience.or.kr/article/JAKO201809863000202.pdf

맨하탄 거리 그리고 피타고라스 정리로도 가능하다.

3번째 dfs의 함수에서 c의 값을 늘려주어 이미지의 에지를 더욱 찾아줄 수 있다. 에지 강도의 적절한 임계 값을 찾는다.

차선검출 위한 환경 적응적인 캐니 에지 검출 방법 – 유훈재 p73
https://www.koreascience.or.kr/article/CFKO201131748031161.pdf
(50 ~ 150 사이)

4번째
strong, weak 임계값을 낮추거나 높여 볼 때, weak의 경우 0.6 이상 일 때 에지를 더 효율적으로 탐지하였고, strong의 경우 차이는 볼 수 없는 것으로 판단한다. strong = [1, 1.5, 2, 2.5] / weak = [0.2, 0.4, 0.6, 0.8]

캐니 에지 검출의 경우 시간이 오래 걸리거나, 복잡한 5단계를 거쳐야 한다는 점에 있어서, 단점이 있는 것으로 판단한다.