Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Σχετικά έγγραφα
Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1

6-Aνίχνευση. Ακμών - Περιγράμματος

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ

Νοέμβριος 2005 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/53

ΚΕΣ 03: Αναγνώριση Προτύπων και Ανάλυση Εικόνας. KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας. Κατάτµηση Εικόνων:

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 7 η : Ανίχνευση Ακμών. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών.

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Digital Image Processing

Τεχνητή Νοημοσύνη ΙΙ. Ενότητα 3: Αντίληψη. Μουστάκας Κωνσταντίνος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών

7.5 Ενδιάμεσο επίπεδο επεξεργασίας εικόνας

«ΠΥΘΑΓΟΡΑΣ II: ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΑ ΠΑΝΕΠΙΣΤΗΜΙΑ»

Νοέμβριος 2013 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/57

. Βάθος χρώματος: Πραγματικό χρώμα. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 8bit. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 1bit.

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Συμπίεση Πολυμεσικών Δεδομένων

Μάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης

Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ4 -1- ΑNIΧΝΕΥΣΗ ΑΚΜΩΝ (EDGE DETECTION)

Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.

Παράλληλοι Αλγόριθμοι: Ανάλυση Εικόνας και Υπολογιστική Γεωμετρία. Πέτρος Ποτίκας CoReLab 4/5/2006

Γραφικά με Η/Υ Αλγ λ ό γ ρ ό ιθ ρ μοι κύκλου & έλλειψης

Μηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή. Αφφινικοί Μετασχηματισμοί Αναπαράσταση Γεωμετρικών Μορφών

ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ

DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης

Γραφικά με Η/Υ Αλγόριθμοι σχεδίασης βασικών 22D D σχημάτων (ευθεία

Μάθημα: Μηχανική Όραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων

Κινητά Δίκτυα Επικοινωνιών. Συμπληρωματικό υλικό. Προσαρμοστική Ισοστάθμιση Καναλιού

3) το παράθυρο Πίνακας τιμών όπου εμφανίζονται οι τιμές που παίρνουν οι παράμετροι

Παρουσίαση Νο. 5 Βελτίωση εικόνας

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων

Ψηφιακή Επεξεργασία Εικόνας

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Κατάτµηση εικόνας σε οµοιόµορφες περιοχές

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης

Αφαίρεση περιθωρίου και διόρθωση παραμόρφωσης σε έγγραφα από κάμερα

dy df(x) y= f(x) y = f (x), = dx dx θ x m= 1

I.1 ΣΥΝΑΡΤΗΣΕΙΣ-ΕΞΙΣΩΣΕΙΣ: {f(x), y= f(x), y= y(x), F(x, y) = c}

Πρόλογος. Κατάλογος Σχημάτων

Εφαρμοσμένα Μαθηματικά ΙΙ

Ανασκόπηση-Μάθημα 12 Συναρτήσεις πολλών μεταβλητών-καμπύλες-πολικές συντεταγμένες

Δομή Διάλεξης. Ορισμός Ηλεκτρικού Δυναμικού και συσχέτιση με το Ηλεκτρικό Πεδίο

Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε 3Δ. 3ο Μάθημα Αποκοπή. Γραφικα. Ευάγγελος Σπύρου

ΤΕΙ ΛΑΜΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΥΠΟΛΟΓΙΣΤΩΝ

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων

Εφαρμοσμένα Μαθηματικά ΙΙ

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων

Λύσεις στο Επαναληπτικό Διαγώνισμα 2

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 3. Δισδιάστατα σήματα και συστήματα #2

References. Chapter 10 The Hough and Distance Transforms

ΔΙΑΓΩΝΙΣΜΑ 14. Μέρος Α

ΕΦΑΠΤΟΜΕΝΗ ΤΗΣ ΓΡΑΦΙΚΗΣ ΠΑΡΑΣΤΑΣΗΣ ΜΙΑΣ ΣΥΝΑΡΤΗΣΗΣ

Εφαρμοσμένα Μαθηματικά ΙΙ

II.6 ΙΣΟΣΤΑΘΜΙΚΕΣ. 1. Γραφήματα-Επιφάνειες: z= 2. Γραμμική προσέγγιση-εφαπτόμενο επίπεδο. 3. Ισοσταθμικές: f(x, y) = c

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Γραφικά με υπολογιστές

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ

ΛΥΣΕΙΣ 6. a2 x 2 y 2. = y

Ε Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η

Εργασίες στο µάθηµα Ψηφιακής Επεξεργασίας και Αναγνώρισης Εγγράφων

ΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β. Να βρείτε τις ασύμπτωτες της γραφικής παράστασης της συνάρτησης f με τύπο

14 η εβδομάδα (27/01/2017) Έγιναν οι ασκήσεις 39, 41 και 42. Έγινε επανάληψη και λύθηκαν ερωτήματα και απορίες.

Οδηγίες σχεδίασης στο περιβάλλον Blender

7.2.1 Εκτίμηση της Καμπύλης Παλινδρόμησης της Μεταβλητής Υ πάνω στην Μεταβλητή Χ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

DIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης

Τηλεπισκόπηση - Φωτοερμηνεία

ΚΕΦΑΛΑΙΟ 1ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 1: ΟΡΙΣΜΟΣ ΠΕΔΙΟ ΟΡΙΣΜΟΥ ΠΡΑΞΕΙΣ ΣΥΝΑΡΤΗΣΕΩΝ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΩΝ ΣΥΝΑΡΤΗΣΕΩΝ

Σημειώσεις Μαθηματικών 1

Matlab command: corner

Το Πρόβλημα του Περιοδεύοντος Πωλητή - The Travelling Salesman Problem

ΤΕΣΤ Α2 ΟΜΑΔΑ Ι. παράγωγος είναι αρνητική: f (x) = 1 2x, f

Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης.

ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ

ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ 6

ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟΔΟΣ ΔΕΚΕΜΒΡΙΟΥ 2011 ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ

Μαθηματικά. Ενότητα 2: Διαφορικός Λογισμός. Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Μεταγλωττιστές. Γιώργος Δημητρίου. Μάθημα 12 ο. Πανεπιστήμιο Θεσσαλίας - Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών

Επίπεδα Γραφήματα (planar graphs)

Διαφορικός Λογισμός πολλών μεταβλητών

z = c 1 x 1 + c 2 x c n x n

Σημειώσεις του μαθήματος Μητρωϊκή Στατική

2.2 ΓΕΝΙΚΗ ΜΟΡΦΗ ΕΞΙΣΩΣΗΣ ΕΥΘΕΙΑΣ

Transcript:

Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας. Ένας αποδεκτός ορισμός της ακμής είναι ο ακόλουθος: «Το σύνορο μεταξύ δύο ομοιογενών περιοχών με διαφορετική φωτεινότητα.» ΤΜΗΥΠ / ΕΕΣΤ 2

Εισαγωγή (2) Έμφαση ακμών, ανίχνευση ακμών Τεχνικές ανίχνευσης ακμών Τοπικές: χρησιμοποιούν την πληροφορία σε μία γειτονιά της εικόνας Καθολικές: χρησιμοποιούν όλη την πληροφορία της εικόνας ΤΜΗΥΠ / ΕΕΣΤ 3

Διαφορικοί τελεστές 1 ης τάξης Η κλίση (gradient) της εικόνας είναι f f f x, fx f x το πλάτος αυτού του διανύσματος παρέχει πληροφορία για τις μεταβολές της φωτεινότητας 2 2,,, e x f x f x x T T ή ( άύ ) e x, f x, f x, x ΤΜΗΥΠ / ΕΕΣΤ 4

Μάσκες ακμών (1) Η διεύθυνση μίας ακμής μπορεί να περιγραφεί από την γωνία x, arctan f x Μπορούμε να εκτιμήσουμε την κλίση, προς συγκεκριμένες διευθύνσεις, χρησιμοποιώντας αντίστοιχους τελεστές κλίσης f fˆ fˆ T x x l w f w f T l όπου f l είναι μία γειτονιά και w είναι κατάλληλες μάσκες ΤΜΗΥΠ / ΕΕΣΤ 5

Μάσκες ακμών (2) Roberts -1 0 0 1 0-1 1 0 Prewitt -1-1 -1 0 0 0-1 0 1-1 0 1 0 1 1-1 0 1-1 -1 0-1 0 1 1 1 1-1 0 1-1 -1 0 0 1 1-1 -2-1 -1 0 1 0 1 2-2 -1 0 Sobel 0 0 0 1 2 1-2 0 2-1 0 1-1 0 1-2 -1 0-1 0 1 0 1 2 ΤΜΗΥΠ / ΕΕΣΤ 6

Μάσκες ακμών (3) Η εφαρμογή των μασκών γίνεται σε κάθε pixel της εικόνας. Η μάσκα η οποία δίνει την μεγαλύτερη έξοδο e k, l w f T i l καθορίζει τη διεύθυνση της ακμής στο συγκεκριμένο σημείο. Εάν καμία μάσκα δεν δίνει αρκετά μεγάλη έξοδο, τότε δεν υπάρχει ακμή στο σημείο. ΤΜΗΥΠ / ΕΕΣΤ 7

Μάσκες ακμών (4) Μάσκα Sobel Αρχική εικόνα Μάσκα Prewitt ΤΜΗΥΠ / ΕΕΣΤ 8

ΤΜΗΥΠ / ΕΕΣΤ 9 Διαφορικοί τελεστές 2 ης τάξης Η παράγωγος 2ης τάξης έχει μηδενισμούς στις περιοχές των ακμών. Ο τελεστής Laplace ορίζεται ως ή προσεγγιστικά 2 2 2 2 2, f x f x f Ο τελεστής Laplace είναι ευαίσθητος στον θόρυβο και δεν ανιχνεύει την διεύθυνση των ακμών. x f x f x f x f x f x f 1, 1, 1, 1, 4 1,, 2

Κατωφλίωση ακμών (1) Για να αποφασίσουμε εάν ένα pixel είναι μέρος μίας ακμής ή του φόντου, μπορούμε να κατωφλιώσουμε ως εξής E k, l 1 0 αν Το κατώφλι Τ μπορεί να είναι ολικό ή τοπικό. e k,l αλλιώς T Το Τ μπορεί να εκτιμηθεί από το ιστόγραμμα του Ε ή με κάποιον αλγόριθμο εύρεσης βέλτιστου κατωφλίου. ΤΜΗΥΠ / ΕΕΣΤ 10

Κατωφλίωση ακμών (2) Έξοδος της μάσκας Sobel για διαφορετικά κατώφλια. ΤΜΗΥΠ / ΕΕΣΤ 11

Ένωση ακμών (1) Οι προηγούμενες τεχνικές ανιχνεύουν τα pixels της εικόνας τα οποία αποτελούν μέρος μίας ακμής. Αυτό δεν σημαίνει ότι το σύνολο αυτών των pixels εμφανίζονται ως στοιχεία της ακμή ς(διακοπές λόγω θορύβου, ανομοιόμορφης φωτεινότητας κ.α.) Δύο βασικά κριτήρια για την ένωση των ακμών είναι: 1. Η τιμή του διαφορικού τελεστή στα σημεία ενδιαφέροντος και η μεταξύ τους σχέση. 2. Η κατεύθυνση του διανύσματος κλίσης στα σημεία ενδιαφέροντος και η μεταξύ τους σχέση. ΤΜΗΥΠ / ΕΕΣΤ 12

Ένωση ακμών (2) Το σημείο x2, 2που ανήκει στην γειτονιά του x1, 1 είναι μέρος μιας ακμής εάν έχει παρόμοιο πλάτος e x1, 1 e x2, 2 E παρόμοια κλίση x1, 1 x2, 2 και τα πλάτη είναι σχετικά μεγάλα,, e x T e x T 1 1 2 2 ΤΜΗΥΠ / ΕΕΣΤ 13

Ένωση ακμών (3) Αλγόριθμοι παρακολούθησης ακμών Απλός: Είναι εξαντλητικός αλγόριθμος εύρεσης. Παράγει σχετικά μικρά τμήματα ακμών επειδή τερματίζει όταν παρουσιάζονται έστω και μικρά κενά. Αναζήτησης γραφήματος: Μετατρέπει την εικόνα σε προσανατολισμένο γράφημα. Τα στοιχεία ακμής στις θέσεις x i θεωρούνται κόμβοι του γραφήματος. Έτσι οι αναγνωρισμένες ακμές αντιστοιχούν στις διαδρομές του γραφήματος. Μειονέκτημά του είναι ότι κατά τη διαδικασία της αναζήτησης πρέπει να κρατούνται στοιχεία για όλες τις τρέχουσες καλύτερες διαδρομές, τα αποτελέσματά του όμως είναι καλύτερα από αυτά του απλού. ΤΜΗΥΠ / ΕΕΣΤ 14

Ένωση ακμών (4) Δυναμικού προγραμματισμού: Διασπά το πρόβλημα σε Ν ανεξάρτητα βήματα βελτιστοποίησης. Και σ αυτή την περίπτωση τα αποτελέσματα είναι καλύτερα σε σχέση με αυτά του απλού. Mετασχηματισμός Hough: Είναι μέθοθος ανίχνευσης παραμετρικών καμπυλών οι οποίες διασυνδέουν μεμονωμένα στοιχεία ακμής. Στην (ειδική) περίπτωση (που περιγράφεται παρακάτω) βρίσκει το σύνολο των ευθύγραμμων τμημάτων που αναπαριστούν τμήματα ακμών. ΤΜΗΥΠ / ΕΕΣΤ 15

Μετασχηματισμός Hough (1) Ο μετασχηματισμός Hough χρησιμοποιεί παραμετρική περιγραφή των γεωμετρικών σχημάτων. Η παραμετρική περιγραφή της ευθείας είναι ax Κάθε σημείο στο χώρο (x,) είναι μία γραμμή στο χώρο (a, b) Κάθε γραμμή στο χώρο (x,) είναι ένα σημείο στο χώρο (a, b) Όπως θα δούμε είναι στην ουσία μία διαδικασία ψηφοφορίας στον χώρο των παραμέτρων α, β b a' a b' b = -xi a + i b = -xj a + j Η τομή τους αντιστοιχεί στην ευθεία που διέρχεται από τα (x1, 1) και (x2, 2) ΤΜΗΥΠ / ΕΕΣΤ 16 b

Μετασχηματισμός Hough (2) Σχηματίζουμε τον παραμετρικό πίνακα P a, b, με a1 a ak και b b 1 b L Για κάθε ένα από τα σημειά ενδιαφέροντος της εικόνας (π.χ. σημεία ακμών) και για κάθε τιμή της παραμέτρου υπολογίζουμε την b ax i i. Για κάθε ζεύγος παραμέτρων π.χ. (a,b) προστίθεται μία μονάδα στο αντίστοιχο κελί του πίνακα P. Στο τέλος της διαδικασίας, κάθε κελί του P δείχνει τον αριθμό των pixels που ικανοποιούν την αντίστοιχη εξίσωση ευθείας Αφού σαρωθεί όλη η εικόνα εφαρμόζουμε κατώφλι στον πίνακα P και σχηματίζουμε τις αντίστοιχες ευθείες στην εικόνα. Η παραπάνω διαδικασία μπορεί να γενικευτεί για οποιαδήποτε καμπύλη. Αν η καμπύλη περιγράφεται με n παραμέτρους τότε ο πίνακας P είναι n-διάστατος. ΤΜΗΥΠ / ΕΕΣΤ 17 x, a i i

Μετασχηματισμός Hough (3) Το παραπάνω μοντέλο έχει πρόβλημα όταν η ευθεία είναι κατακόρυφη επειδή η παράμετρος α πρέπει να τείνει στο άπειρο. Ετσι, χρησιμοποιούμε την πολική περιγραφή: r xcos sin Πολική αναπαράσταση ευθείας γραμμής ΤΜΗΥΠ / ΕΕΣΤ 18

Μετασχηματισμός Hough (4) Αρχική εικόνα Έξοδος μάσκας Έξοδος Hough ΤΜΗΥΠ / ΕΕΣΤ 19

Cann Edge Detector Τεχνική ανίχνευσης και δημιουργίας ακμών Βήμα 1: Φιλτράρισμα της εικόνας με 2-D Gaussian φίλτρο Βήμα 2: Υπολογισμός της κλίσης (gradient). Σε κάθε εικονοστοιχείο εφαρμογή μασκών (π.χ. Sobel) και εύρεση των πλατών και της κλίσης Βήμα 3: Καταστολή των μη μέγιστων τιμών. Έτσι κρατώντας μόνον τα pixels με τις μεγαλύτερες τιμές γίνεται εκλέπτυνση ακμών Βήμα 4: Κατωφλίωση με υστέρηση. Καθορίζονται δύο κατώφλια, Τ 1 και Τ 2. Αν η τιμή του εικονοστοιχείου είναι < Τ 1 τότε μηδενίζεται, αν η τιμή του εικονοστοιχείου είναι > Τ 2 τότε διατηρείται. Αν η τιμή του εικονοστοιχείου είναι μεταξύ των δύο κατωφλίων τότε εφαρμόζονται κανόνες διατήρησης ή απόρριψης με βάση τη γειτονιά (συνδετικότητα, ομαλότητα κλπ). ΤΜΗΥΠ / ΕΕΣΤ 20