Quais são as limitações de um detector Canny Edge?

Em geral, a maioria da literatura sobre algoritmos de detecção de borda e aplicativos que usam detecção de borda faz referência ao detector de borda de Canny. Tanto que parece quase "a solução" para a detecção de borda. Certamente, ele faria o melhor trabalho ao equilibrar o ruído e preservar as bordas.

No entanto, como uma simples curiosidade, existe uma área de preocupação para o detector de bordas de Canny? ou existem áreas de aplicativos em que o Canny não será melhor?

Nesse contexto, uma implementação mais rápida não é realmente uma preocupação. O foco do detector de arestas ser bom ou ruim deve ser a qualidade e a utilidade das arestas geradas.

Além disso, não estou realmente focado em questões específicas de implementação. Estou procurando mais limitações teóricas ou características inerentes ao algoritmo.

Da minha experiência, os seguintes pontos são limitações:

• O resultado é binário. Às vezes, você precisa de uma medida de "quanto" a borda se qualifica como borda (por exemplo, imagem de intensidade proveniente de um detector de borda de amplitude de Sobel)
• A quantidade de parâmetros leva a ajustes infinitos para obter o resultado apenas um pouco melhor.
• Você ainda precisa conectar as arestas resultantes para extrair as arestas completas que parecem tão óbvias para o olho humano + a mente.

• Também devido à suavização gaussiana: a localização das bordas pode estar desativada, dependendo do tamanho do núcleo gaussiano.

• O método tem problemas com cantos e junções:

  • A suavização gaussiana os embaça, tornando-os mais difíceis de detectar (o mesmo vale para as bordas)
  • Os pixels dos cantos olham na direção errada para os vizinhos, deixando bordas abertas e sem junções

Esse último problema é abordado pelo método SUSAN , que conecta melhor as arestas e também resulta em boas junções, como mostra estas figuras de exemplo, conforme indicado no artigo vinculado:

Imagem de entrada de teste:

Resultados SUSAN:

Resultados Canny:

Você pode ver claramente que a SUSAN encontra os cantos e cruzamentos em vez de Canny.

ou existem áreas de aplicativos em que o Canny não será melhor?

Posso pensar em alguns:

• se você precisar de curvas fechadas, um detector que possa garantir essas condições pode ser melhor (por exemplo, zero cruzamentos da segmentação do Laplacian ou da bacia hidrográfica)
• se você estiver tentando detectar um objeto homogêneo com baixo contraste em algumas áreas, um método de segmentação que usa informações globais (como a segmentação de bacias hidrográficas) pode fornecer melhores resultados

na minha experiência, o processo de detecção de bordas com um detector de bordas astucioso suaviza as bordas antes de poder detectá-las, e o tempo e o comprimento do filtro devem ser a combinação perfeita para detectar todas as bordas sem erros.

Eu só quero mencionar uma limitação do detector Canny, que dificulta sua aplicação, e isso é a configuração de parâmetros. Acho que a configuração de parâmetros não é apenas um problema para o detector Canny, mas também para outros métodos de detecção de bordas.