예제: canny 윤곽선 검출 함수
canny 함수를 사용하여 이미지의 윤곽선을 검출합니다. 알고리즘에서 윤곽선의 위치를 매우 정확하게 찾고 잘못된 윤곽선 형태를 최소화합니다.
이 예제를 사용하는 것에 대한 자세한 내용은 이미지 처리 예제 정보를 참조하십시오.
인공 이미지
1. READ_IMAGE 함수를 사용하여 인공 이미지를 읽습니다.
3. canny 함수를 원래 이미지에 적용하고 결과를 파일에 기록합니다.
4. 새 이미지를 삽입하고 확대한 이미지와 비교합니다.
(pattern_zoomed.bmp) | (pattern_canny.bmp) |
5. 위 함수 인수 값을 변경하고 출력 이미지의 윤곽선에 미치는 영향을 확인합니다.
◦ sigma 값이 클수록 거친 윤곽선(가로 방향으로 노이즈 줄무늬가 많은 경우에 적합)이 생성되지만 세부 사항이 손실될 수 있습니다(두 윤곽선이 하나로 결합될 수 있음).
◦ 특정 구배 값 이상의 윤곽선만 유지되므로 하위 분계점 값이 클수록 윤곽선 이미지는 더 선명해집니다.
◦ 상위 분계점 값이 클수록 이력 분계점 지정의 효과가 커집니다.
◦ 연결된 윤곽선에는 high보다 광도가 큰 픽셀이 없으므로 high 값이 크면 객체에 해당하는 윤곽선이 완전히 사라집니다.
자연 이미지
머리 이미지의 경계를 검출합니다.
1. 뇌 이미지를 읽고 canny 함수를 적용합니다.
2. 결과를 파일에 기록합니다.
3. 두 이미지를 삽입하고 비교합니다.
(brain.bmp) | (brain_canny.bmp) |
canny 함수는 머리와 뇌 경계를 비롯한 가장 돌출된 윤곽선을 검출합니다. 함수 인수의 값을 조정하여 세부 수준을 조정할 수 있습니다.
4. 지문 이미지를 읽고 canny 함수를 적용합니다.
5. 결과를 파일에 기록합니다.
6. 두 이미지를 삽입하고 비교합니다.
(fingerp.bmp) | (fingerp_canny.bmp) |
canny 함수는 지문 이미지에서 주요 윤곽선 경계를 검출하여 패턴 인식 시스템의 입력으로 사용할 수 있게 만듭니다.
7. 인물 이미지를 읽고 canny 함수를 적용합니다.
8. 결과를 파일에 기록합니다.
9. 두 이미지를 삽입하고 비교합니다.
(lena.bmp) | (lena_canny.bmp) |