O algoritmo de Canny para a detecção de bordas

O algoritmo desenvolvido por Canny para a detecção de bordas, apresentado pela primeira vez em Canny (1986), e conhecido por muitos como o detector de bordas ótimo, cuja intenção era a de aumentar a eficiência dos diversos algoritmos de detecção de bordas disponíveis no tempo em que começou seu trabalho.

O algoritmo segue uma lista de critérios de forma a aprimorar os então correntes métodos de detecção de borda. Estes critérios incluem uma baixa taxa de falsas arestas; a identificação dos pontos das arestas, que é o mesmo que dizer que a distância entre os pixels detectados da aresta estão a uma distância mínima da aresta; e a possibilidade de existir apenas uma resposta do detector para uma mesma aresta, um fator ausente em algoritmos anteriores, para os quais era possível se obter múltiplas respostas para uma mesma aresta, contribuindo para a imprecisão dos resultados.

Com base nestes critérios, o algoritmo inicializa seus procedimentos realizando a suavização da imagem de maneira a eliminar os ruídos. Posteriormente, é calculado o gradiente da imagem

que é então utilizada para destacar as regiões de elevadas derivadas espaciais. Estas regiões são então varridas de maneira a remover quaisquer pixels alocados que não correspondam a um valor de máximo, em um processo conhecido como supressão de não-máximos.

Em seguida, a cadeia com os valores de gradiente é reduzida por meio de um processo de histerese5 utilizando dois valores de limiares (um máximo e um mínimo) de tal forma que, caso a magnitude do gradiente se encontre abaixo do valor mínimo, seu valor é definido como zero, indicando assim que não há uma aresta para o ponto daquele pixel. Caso a magnitude do gradiente esteja acima do limiar máximo, então o algoritmo interpreta que existe uma aresta naquele ponto e o valor do gradiente é definido como o valor máximo.

Na última situação possível, aquela caracterizada por uma magnitude de gradiente entre os valores de limiar máximo e mínimo, o valor da magnitude do gradiente é definida como zero, a menos que, exista um caminho que leve do pixel sendo avaliado até um pixel de magnitude acima do limiar máximo. Neste último caso, o valor da magnitude é então definido como um valor máximo. Este processo pode ser descrito com maiores detalhes, tal como dado por Green (2002), da seguinte forma:

• Na primeira etapa, o algoritmo realiza uma filtragem da imagem, que tem como pro- pósito eliminar da mesma quaisquer ruídos antes que seja encaminhada a localização e apropriada detecção de suas arestas. Para este processo é utilizado um filtro Gaussiano de máscara simples, que pode ser calculada ou previamente fornecida para o problema. Esta máscara irá delimitar a área da imagem sendo avaliada, e realizará a suavização por meio de métodos padrões de convolução. Uma vez que a área delimitada pela máscara é normalmente muito menor que a área total da imagem é possível imaginar que, a máscara é deslizada sobre a imagem de forma que a área que delimita corresponde a uma região sendo manipulada, portanto realizando a suavização da imagem uma região de cada vez. Deve-se atentar que a largura determinada para máscara Gaussiana (Ito, 2000) é inversa- mente proporcional a sensibilidade do algoritmo ao ruído. Isto é o mesmo que dizer que quanto maior a máscara, menor a sensibilidade ao ruído. Além disto, o valor do erro na localização das arestas também aumenta de forma sutil à medida que a largura da máscara é aumentada.

• Após suavizar a imagem eliminando os ruídos, o algoritmo prossegue com a identificação da robustez das arestas com base no gradiente da imagem. O operador de Sobel6 é uti- lizado para computar uma medida bidimensional do gradiente espacial de uma imagem. 5_{Histerese é a tendência de sistemas de conservar suas propriedades na ausência do estímulo que as gerou.}

Podem exibir dependência do caminho (path dependence) ou “memória independente da taxa”. Sistemas com histerese têm saídas que dependem ou do histórico da entrada do sistema (determinando o caminho percorrido pela entrada até alcançar seu valor atual), ou, de uma inspeção do estado interno do sistema.

6_{O operador de Sobel calcula a gradiente de intensidade para cada ponto de uma imagem, identificando a}

direção da variação de tons claros para escuros e a quantidade da variação, com isso, estimando a variância de luminosidade para cada ponto da imagem.

A robustez da aresta é então dada para cada ponto da imagem, em relação à aproximação absoluta da magnitude do gradiente. O operador de Sobel utiliza de um par de máscaras de convolução de 3 × 3, uma destinada ao cálculo da estimação do gradiente no eixo x (colunas) e a outra para o eixo y (linhas). Esta situação é ilustrada pela Figura 3.3. O cálculo da magnitude, ou robustez da aresta, é dado então como na equação 3.1.

|G| = |Gx| +

G_y (3.1)

(a) Gx (b) Gy

Figura 3.3: Exemplo do operador de Sobel para a estimação do cálculo da gradiente dos eixos x e y para uma máscara de convolução de3 × 3

• A direção da aresta é computada utilizando o valor do gradiente nas direções x e y. Con- tudo, um erro será gerado sempre que o somatório das componentes do eixo x for igual a zero. O algoritmo deve, portanto, possuir uma restrição que atente a este problema. Sempre que o valor da gradiente na direção x for igual a zero, a direção da aresta deve ser igual a noventa graus, 90o, ou zero grau, 0o, dependendo do valor assumido pela gradi- ente na direção y. Caso Gy tenha valor zero, a direção da gradiente x será de zero grau.

Do contrário, será de noventa graus. A fórmula apresentada na equação 3.2 é utilizada para localizar a direção da aresta.

θ = tan−1 Gy Gx



(3.2)

• Uma vez que a direção da aresta é conhecida, o próximo passo é relacionar esta direção com uma direção que possa ser identificada na imagem. Por exemplo, se os pixels de uma imagem de 5 × 5 são alinhados tal como exibido na Figura 3.4, é possível assumir que partindo do pixel Λ marcado em azul, existem apenas quatro direções possíveis no que diz respeito aos pixels circundando Λ, os quais são zero grau (na direção horizontal), 45 graus (junto à diagonal positiva), 90 graus (na direção vertical), ou, 135 graus (junto à diagonal negativa). O algoritmo então considera que a orientação da aresta deve ser defi- nida em respeito a uma destas quatro direções, optando-se por aquela de que estiver mais próxima. Em outras palavras, se, por exemplo, a orientação de um ângulo for equivalente a dez graus então deve ser considerada como zero grau. Isto pode ser feito tomando-se a

perspectiva de um semicírculo dividido em cinco partes tal como na Figura 3.5. A partir da imagem é possível intuir que a qualquer direção correspondendo à região delimitada em amarelo (a qual vai de zero a 22,5 graus e de 157,5 a 180 graus, tal que, [0o; 22,5o) e [157,5o; 180o)) é atribuída o valor de zero grau. De forma similar, direções cujos va- lores corresponderem à região delimitada em verde (definida entre [22,5o; 67,5o)), azul (definida entre [67,5o; 112,5o)), ou vermelho (definida entre [112,5o; 157,5o)), terão seus valores estabelecidos respectivamente como 45, 90 ou 135 graus.

Figura 3.4: Exemplo do alinhamento de pixels em razão de um pixel central Λ

Figura 3.5: Semicírculo utilizado na aproximação da orientação de arestas em razão das quatro dire- ções principais

• Conhecidas as direções das arestas, o algoritmo prossegue para a supressão de não- máximos. Este processo é utilizado de forma a varrer uma aresta em sua direção apropri- ada e remover qualquer pixel cujo valor não se enquadra como pertencente a uma aresta. O ato de remoção em si equivale a atribuir a tais pixels um valor igual a zero.

• Por último, o processo de histerese é aplicado com o propósito de remover estrias da imagem, formadas devido à quebra do contorno de uma aresta em razão da flutuação do operador de saída acima e abaixo do limiar dado para a imagem. Isto ocorre caso um único valor de limiar seja aplicado a uma imagem e a robustez média da aresta equivaler justamente a este valor. Em tais situações, haverá casos em que, em razão do ruído, a aresta irá oscilar abaixo deste valor. Da mesma forma o valor também oscilará acima deste valor ocasionando que a aresta apareça como uma linha tracejada. É justamente para evitar estes acontecimentos que o algoritmo utiliza dois limiares, um limiar de valor máximo e um limiar de valor mínimo. Qualquer pixel com um valor maior que o limiar máximo é tomado como um pixel de aresta e marcado como tal. Em seguida, qualquer pixel conectado ao primeiro e que tenha um valor maior que o limiar mínimo também

é selecionado como um pixel de aresta. Logo, o algoritmo inicia uma aresta para um gradiente maior que o valor do limiar máximo e pára apenas ao atingir um valor abaixo do limiar mínimo.