Contornos Original Sobel (T=8)
Sobel (T=17) Original
Original Sobel (T=8)
Original Sobel (T=17)
Laplaciano da Gaussiana (LoG) Original sigma=1.5
Original sigma=2.0
Original sigma=2.3
Original sigma=1.5
Original sigma=2.0
Original sigma=2.5
Detector Multiescala Marr-Hildreth 1 – Convolução de f com uma gaussiana 2 – Cálculo do laplaciano 3 – Os contornos nas diferentes escalas são representados pelo “zero-crossing” do laplaciano.
Assim: com e é o fator de escala Convoluções com diferentes podem ser combinadas para formar uma imagem de contornos.
Original Marr-Hildreth (2 escalas): desvios padrões: 1.2 e 2.8
Original Marr-Hildreth (2 escalas): desvios padrões: 4.2 e 5.8
desvios padrões: 0.7 e 2.3 Original desvios padrões: 1.2 e 2.8
desvios padrões: 2.2 e 3.8 Original desvios padrões: 3.2 e 4.8
desvios padrões: 4.2 e 5.8 Original desvios padrões: 5.2 e 6.8
Detector de Canny 1- Suavizar a imagem com uma gaussiana 2- Computar para cada pixel o gradiente local, , e a direção do contorno, 3- Um pixel é dito de contorno se a sua magnitude é máxima na direção do gradiente eliminar pontos não-maximais da imagem de gradiente. 4- Binarizar por histerese a imagem de contornos maximais (dois limiares, T1 e T2, com T1< T2. Pontos com valores acima de T2 são ditos “fortes” e pontos com valores entre T1 e T2 são ditos “fracos”. A binarização une pontos fracos 8-conectados a pontos fortes.
Detector de Canny Original T= [2 13], sigma= 1.0
Original T= [2 13], sigma= 2.0
Original T= [2 13], sigma= 1.0
Original T= [2 13], sigma= 1.5
Original T= [2 13], sigma= 2
Original T= [2 13], sigma= 3
Original T= [2 13], sigma= 5
Roberts, T=15 Original
Sobel, T=15 Original
Canny, T[12 31], sigma =1 Original
Original Roberts, T=10
Original Sobel, T=10
Original Canny, T[14 35], sigma 1