3. Примените функцию canny к исходному изображению и запишите результат в файл.
4. Вставьте новое изображение и сравните его с масштабированным изображением.
(pattern_zoomed.bmp)
(pattern_canny.bmp)
5. Измените значения аргументов показанной выше функции и просмотрите эффект на краях результирующего изображения.
◦ Большие значения среднеквадратичного отклонения создают грубые кромки (лучше для зашумленной горизонтальной полосы) и потерю деталей в других местах (например, две кромки могут слиться в одну).
◦ Большие значения нижнего порога создают более чистое изображение кромок, поскольку остаются только кромки выше определенного значения градиента.
◦ Большие значения верхнего порога приводят к эффекту порога гистерезиса.
◦ Большие значения высокого уровня приводят к полному исчезновению кромок, соответствующих объектам, у которых на связывающих кромках нет пикселов с интенсивностью большей, чем высокий уровень.
Натуральное изображение
Нахождение границ в изображении головы.
1. Прочитайте изображение мозга и примените к нему функцию canny.
2. Запишите результат в файл.
3. Вставьте и сравните два изображения.
(brain.bmp)
(brain_canny.bmp)
Функция canny обнаруживает наиболее заметные кромки, включая границы головы и мозга. Можно настроить уровень детализации, изменяя значения аргументов функции.
4. Прочитайте изображение отпечатка пальца и примените к нему функцию canny.
5. Запишите результат в файл.
6. Вставьте и сравните два изображения.
(fingerp.bmp)
(fingerp_canny.bmp)
Функция canny обнаруживает на изображении отпечатка границы основных контуров пальца, которые можно использовать в системе распознавания образов.
7. Прочитайте изображение человека и примените к нему функцию canny.
