边缘检测方法优于Canny边缘检测

Question

[是否有一种边缘检测方法比Canny边缘检测器执行明显更好

Answer 1

“边缘”有不同类型，这取决于您的任务。看看ICCV-2013的最新论文“ Which edges matters?”，并比较几种方法：

• [ultrametric contour map-P. Arbelaez，M。Maire，C。Fowlkes和J. Malik撰写的“轮廓检测和分层图像分割”-上面比较的最佳结果。
• [normalized cuts-J. Shi和J. Malik。的“归一化剪切和图像分割”。
• mean shift-“均值变换：一种可靠的方法走向特征空间分析”，作者：D。Comanicu和P. Meer。
• Felzenszwalb and Huttenlocher approach-“基于有效图图像分割”，作者：Felzenszwalb和Huttenlocher。
• [BiCE-C. L. Zitnick的“二进制相干边缘描述符”。
• N4-Fields-“ N4-Fields：用于图像变换的神经网络最近邻域”，作者：Ganin等人，al>]
• [RDS-Liu和Lew的“学习放松的深度监督以更好地检测边缘”
• [COB-Maninis等人的“面向卷积边界”]

Answer 2

希望这对将来的读者有所帮助

Answer 3

Canny边缘检测方法是最常用的边缘检测方法之一。正如old-ufo所说，没有好的或不好的边缘检测方法。

Answer 4

术语更好

Answer 5

使用深度学习的整体嵌套边缘检测（HED）现在已集成到OpenCV的深度学习模块中。它在边缘检测方面比Canny好得多，但速度稍慢。这是论文中的一张图片，将结果与canny进行了比较。很棒的事情是，如果您现在想在OpenCV中运行此方法，则只需几行代码即可完成。该博客文章具有更多详细信息：Running Deep Learning based Edge detection in OpenCV