कैनी एज डिटेक्टर एक एज डिटेक्शन ऑपरेटर है जो छवियों में कई प्रकार के किनारों का पता लगाने के लिए एक बहु-चरणीय एल्गोरिदम का उपयोग करता है। इसे 1986 में जॉन एफ. कैनी द्वारा विकसित किया गया था, जिन्होंने एज डिटेक्शन का एक कम्प्यूटेशनल सिद्धांत भी प्रस्तुत किया, जो बताता है कि यह तकनीक क्यों काम करती है। यह एल्गोरिदम कंप्यूटर विज़न सिस्टम में व्यापक रूप से लागू किया जाता है ताकि छवियों से उपयोगी संरचनात्मक जानकारी निकाली जा सके, जिससे प्रसंस्करण के लिए डेटा की मात्रा कम हो जाती है जबकि महत्वपूर्ण सीमाएं संरक्षित रहती हैं।
डिटेक्टर को तीन सामान्य मानदंडों को पूरा करने के लिए डिज़ाइन किया गया है: कम त्रुटि दर (जितना संभव हो उतने किनारों को सटीक रूप से पकड़ना), अच्छा स्थानीयकरण (पता लगाए गए किनारे वास्तविक किनारे पर केंद्रित होते हैं), और न्यूनतम प्रतिक्रिया (प्रत्येक किनारे को एक बार चिह्नित किया जाना चाहिए, और शोर से झूठे किनारे नहीं बनने चाहिए)। कैनी ने एक इष्टतम फ़ंक्शन खोजने के लिए कैलकुलस ऑफ़ वेरिएशन का उपयोग किया, जिसे गाऊसी के पहले व्युत्पन्न द्वारा अनुमानित किया गया था। इसकी कठोर परिभाषा और इन मानदंडों के विरुद्ध इष्टतमता के कारण, यह सबसे लोकप्रिय एज डिटेक्शन विधियों में से एक बन गया है।
प्रक्रिया अवलोकन
एल्गोरिदम पांच चरणों में विभाजित है: छवि को चिकना करने के लिए गाऊसी फ़िल्टर लगाना, तीव्रता प्रवणता (ग्रेडिएंट) ढूंढना, स्प्यूरियस प्रतिक्रियाओं को कम करने के लिए प्रवणता परिमाण थ्रेशोल्डिंग लागू करना, संभावित किनारों को निर्धारित करने के लिए दोहरा थ्रेशोल्ड लागू करना, और कमजोर किनारों को दबाने के लिए हिस्टेरेसिस द्वारा किनारों को ट्रैक करना, जो मजबूत किनारों से जुड़े नहीं होते।
गाऊसी फ़िल्टर
सभी एज डिटेक्शन परिणाम शोर से आसानी से प्रभावित होते हैं, इसलिए फ़िल्टरिंग आवश्यक है। एक गाऊसी फ़िल्टर कर्नेल को छवि के साथ कन्वोल्व किया जाता है ताकि इसे चिकना किया जा सके और स्पष्ट शोर के प्रभावों को कम किया जा सके। कर्नेल का आकार प्रदर्शन को प्रभावित करता है: एक बड़ा आकार शोर के प्रति संवेदनशीलता को कम करता है लेकिन स्थानीयकरण त्रुटि को बढ़ाता है। सिग्मा = 2 के साथ एक सामान्य 5x5 कर्नेल एक मैट्रिक्स द्वारा दिया जाता है जहां प्रत्येक प्रविष्टि गाऊसी सूत्र H(i,j) = 1/(2πσ²) exp(-((i-(k+1))²+(j-(k+1))²)/(2σ²)) का पालन करती है, और परिणाम छवि के साथ कन्वोल्व किया जाता है। 5x5 कर्नेल के लिए, मैट्रिक्स 1/159 गुना [[2,4,5,4,2],[4,9,12,9,4],[5,12,15,12,5],[4,9,12,9,4],[2,4,5,4,2]] है, जिसे कन्वोल्यूशन के माध्यम से लागू किया जाता है। अधिकांश मामलों के लिए 5x5 आकार अच्छा है, लेकिन स्थिति के आधार पर यह भिन्न हो सकता है।
तीव्रता प्रवणता ढूंढना
अगला चरण चिकनी की गई छवि की तीव्रता प्रवणता को ढूंढना है। यह आमतौर पर क्षैतिज और ऊर्ध्वाधर दिशाओं में प्रवणता का अनुमान लगाने के लिए सोबेल या प्रीविट ऑपरेटरों का उपयोग करके किया जाता है, जिससे प्रत्येक पिक्सेल पर सबसे मजबूत प्रवणता का परिमाण और दिशा प्राप्त होती है। अगले चरण में गैर-अधिकतम दमन के लिए प्रवणता दिशा महत्वपूर्ण है।
गैर-अधिकतम दमन और थ्रेशोल्डिंग
प्रवणता परिमाण थ्रेशोल्डिंग, जिसे निचली सीमा कट-ऑफ दमन भी कहा जाता है, स्प्यूरियस प्रतिक्रियाओं को कम करने के लिए लागू की जाती है। गैर-अधिकतम दमन एक सामान्य दृष्टिकोण है: यह केवल उन पिक्सेल को रखता है जो प्रवणता दिशा में स्थानीय अधिकतम होते हैं, जिससे किनारों को एक-पिक्सेल-चौड़ी सीमाओं तक पतला किया जाता है। इसके बाद, एक दोहरा थ्रेशोल्ड लागू किया जाता है: एक उच्च थ्रेशोल्ड मजबूत किनारों को ढूंढता है, और एक निम्न थ्रेशोल्ड कमजोर किनारों को ढूंढता है।
हिस्टेरेसिस द्वारा एज ट्रैकिंग
अंतिम चरण हिस्टेरेसिस है, जहां कमजोर किनारों को केवल तभी रखा जाता है यदि वे मजबूत किनारों से जुड़े होते हैं; अन्य सभी कमजोर किनारों को दबा दिया जाता है। यह स्वच्छ, निरंतर किनारों का उत्पादन करके पहचान को अंतिम रूप देता है जबकि शोर और कमजोर पृथक प्रतिक्रियाओं को अनदेखा करता है। एल्गोरिदम को कई कंप्यूटर विज़न सिस्टम में लागू किया गया है, अक्सर छवि विभाजन और फीचर निष्कर्षण जैसे क्षेत्रों में उच्च-स्तरीय कार्यों के आधार के रूप में, जैसा कि Artificial intelligence और Machine learning में विभिन्न अनुप्रयोगों में उपयोग किया जाता है।
प्रभाव और विरासत
जॉन एफ. कैनी का 1986 का काम एक मौलिक तकनीक बन गया है। यह अक्सर ओपन-सोर्स लाइब्रेरीज़ में एक प्रमुख विधि है और Deep learning आधारित दृष्टिकोणों में एज डिटेक्शन पर चर्चा करते समय एक सामान्य संदर्भ है, हालांकि तंत्रिका विधियां उभर चुकी हैं। [sigh] एल्गोरिदम की सरलता और कठोर डिज़ाइन ने इसे तुलना के लिए एक मानक बना दिया है। अकादमिक अनुसंधान से परे, इसके अनुप्रयोग स्वायत्त वाहनों में हैं जैसे लेन। उदाहरण के लिए, Waymo या Tesla सिस्टम में, एज डिटेक्शन सड़क रेखाओं या बाधाओं की पहचान के लिए एक प्रीप्रोसेसिंग चरण हो सकता है। चिकित्सा इमेजिंग में, यह शारीरिक संरचनाओं को रेखांकित करने में मदद करता है, और औद्योगिक निरीक्षण में, यह विनिर्माण लाइनों पर दोषों का पता लगाने में सहायता करता है।
आधुनिक विकास से संबंध
जबकि गहन Neural network विधियां विकसित हुई हैं, कैनी एज डिटेक्टर एक मानक आधार रेखा और सिग्नल प्रोसेसिंग तथा छवि विश्लेषण के लिए एक शिक्षण उपकरण बना हुआ है। इसके सिद्धांत - फ़िल्टरिंग, प्रवणता गणना, और हिस्टेरेसिस - अभी भी अधिक उन्नत पाइपलाइनों में लागू होते हैं। बेहतर एज डिटेक्शन पर शोध अक्सर कैनी परिणामों के विरुद्ध तुलना करता है, और हिस्टेरेसिस के समान दृष्टिकोण आधुनिक scheduling या Dropout चरणों में दिखाई देते हैं, हालांकि संबंध अधिक अमूर्त है। एल्गोरिदम का उपयोग Data Augmentation में भी किया जाता है जब प्रशिक्षण के लिए सिंथेटिक किनारे उत्पन्न होते हैं। हाल के दशकों में, Arm Holdings और Intel सीपीयू और AMD जीपीयू द्वारा प्रदान किए गए हार्डवेयर त्वरण ने इस विधि को अनगिनत एम्बेडेड अनुप्रयोगों के लिए वास्तविक समय में चलाने योग्य बना दिया है।
कैनी एज डिटेक्टर ने कई बाद के कार्यों को प्रभावित किया है, और यह कच्चे पिक्सेल से संरचनात्मक जानकारी खींचने के सबसे सरल तरीकों में से एक बना हुआ है। 2020 के दशक की शुरुआत तक, यह अभी भी विश्वविद्यालय पाठ्यक्रमों में व्यापक रूप से पढ़ाया जाता है और उद्योग में उपयोग किया जाता है, जो 1986 के एल्गोरिदम के स्थायी मूल्य को दर्शाता है।