Bol. Cinc. Geod., sec. Artigos, Curitiba, v.

8, n
o
2, p.67-78, 2002.
6 7
PROCESSO DE DETECO DE BORDAS DE CANNY
Canny edge detection process

GIOVANE MAIA DO VALE
1
ALUIR PORFRIO DAL POZ
2

1
Mestrando do Programa de Ps-Graduao em Cincias Cartogrficas

2
Departamento de Cartografia - FCT/UNESP
Rua Roberto Simonsen, 305, 19060-900 Presidente Prudente, SP, Brasil
{gmvale, aluir}@prudente.unesp.br

RESUMO
O processo de deteco de bordas de Canny baseia-se em dois critrios bsicos de
desempenho, i.e., os critrios de deteco e localizao. Estes critrios esto
sujeitos ainda a um terceiro, conhecido como injuno de resposta mltipla, que
fora o processo a detectar uma nica borda onde existe somente uma borda
verdadeira. O principal objetivo do trabalho de Canny o desenvolvimento de um
detector timo para o tipo de bordas mais comum em imagens digitais, i.e., as
bordas tipo degrau. Uma das principais constataes de Canny que o operador
timo encontrado muito semelhante funo gerada pela primeira derivada da
funo Gaussiana. Canny tambm props um processo de afinamento de bordas
conhecido como supresso no mxima e um outro processo conhecido como
histerese, cuja funo a de eliminar a fragmentao das bordas causada pelo rudo
da imagem. Este trabalho apresenta, alm dos aspectos tericos e computacionais
acima mencionados, tambm alguns resultados experimentais obtidos com imagens
sintticas e reais.

ABSTRACT
The Canny edge detection process is based upon two basic performance criteria,
i.e., the detection and localization ones. Both of then must be still under a third
criterium, which is known as multiple response constraint and it enforces the edge
detection process to detect single edges where there is only one true edge. The
major goal of Canny work is the development of an optimal detector for the most
common edge occurrence in digital images, i.e., the step edges. Canny most
important finding is that the optimal operator found is very similar to the first
gaussian function derivative. Canny also proposed an edge thinning process that is
known as nonmaximum suppression and hysteresis process to eliminate edge

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
6 8
fragmentation due to the image noise. In addition to the theoretical and
computational aspects above mentioned, this paper also presents some experimental
results obtained with synthetic and real images.

1 INTRODUO
As propriedades dos objetos, tais como as caractersticas geomtricas e fsicas,
so passadas imagem pois ocasionam variaes nos tons de cinza da imagem.
Dessa forma, para se detectar e extrair informaes dos objetos, muitas tcnicas de
processamento de imagens so utilizadas, dentre elas a deteco de bordas.
Dependendo do fim a que se destina, a deteco de bordas pode ser tida como
um fim ou como um pr-processamento para passos subsequentes. De qualquer
forma, para que sejam obtidos os resultados desejados, necessrio que a estratgia
de deteco de bordas seja eficiente e confivel. A fim de que as variaes dos tons
de cinza sejam detectadas (bordas) necessrio diferenciar a imagem. Porm,
quando a imagem diferenciada, todas as variaes dos nveis de cinza so
detectadas e, por conseqncia, detecta-se tambm bordas esprias, que uma
forma indesejvel de variao.
Para que as bordas esprias, provenientes de rudo ou textura da imagem, no
sejam detectadas, deve-se suavizar a imagem antes da deteco. Contudo, existem
efeitos inoportunos ligados suavizao, i. e., perda de informao e deslocamento
de estruturas de feies relevantes na imagem. Alm disso, existem diferenas entre
as propriedades dos operadores diferenciais comumente utilizados, ocasionando
bordas diferentes. Logo, difcil formular um algoritmo de deteco de bordas que
possua um bom desempenho em diferenciados contextos e capture os requisitos
necessrios aos estgios subsequentes de processamento (Ziou e Tabbone, 1997).
Consequentemente, no tocante ao processamento de imagem digital, uma variedade
de detetores de bordas tem sido desenvolvidos visando diferentes propsitos, com
formulaes matemticas diferenciadas e com propriedades algortmicas distintas.
Com base nos problemas acima mencionados, Canny (1986), desenvolveu um
processo de deteco de bordas a partir de critrios de quantificao de desempenho
de operadores de bordas conhecidos como os critrios de deteco e de localizao.
Estes critrios de desempenho ainda esto sujeitos ao critrio de resposta mltipla,
que corresponde ao fato de que deve haver, na sada do operador, uma nica
resposta para uma nica borda. Para que os critrios sejam aproximadamente
atendidos, Canny aproxima o operador timo, obtido a partir dos trs critrios de
desempenho, pela primeira derivada da funo Gaussiana. Em complemento a este
operador, foi proposto um processo conhecido como supresso no mxima
(supresso de valores de pixels que no forem mximos locais na direo
transversal borda), que causaria um afinamento da borda, atendendo injuno de
resposta mltipla, e uma limiarizao adaptativa (histerese) com complementao
de bordas, para eliminar a fragmentao dos contornos das bordas.

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
6 9
Este trabalho tem por motivao a discusso de aspectos tericos e
computacionais do processo de deteco de bordas de Canny. Como poder ser
visto mais adiante, o mtodo de Canny baseia-se em slida fundamentao terica,
cuja complexidade est muito longe da trivialidade dos operadores convencionais
de borda. Consequentemente, devido principalmente limitao de espao, boa
parte da fundamentao matemtica no pode ser apresentada. Para maiores
detalhes, recomenda-se o trabalho original de Canny (1986). A seo 2 apresenta os
critrios de filtro timo. O filtro timo para bordas do tipo degrau apresentada na
seo 3. A justificativa para a aproximao do filtro timo pela primeira derivada da
funo Gaussiana encontra-se na seo 4. Na seo 5 so apresentados os aspectos
algortmico e computacional. Na seo 6 so apresentados os experimentos e
avaliaes. As principais concluses so apresentadas na seo 7.

2 CRITRIOS PARA UM FILTRO TIMO
Conforme Canny (1986), qualquer filtro para a deteco de bordas deve
atender a trs critrios bsicos. O primeiro deles denominado Taxa de Erro ou
Deteco, consistindo na maximizao da razo sinal/rudo (SNR). Quanto maior
for o SNR, maior a probabilidade de se detectar as bordas verdadeiras da imagem.
O segundo critrio especifica que pontos de borda devem estar bem localizados, isto
, as distncias entre os pontos extrados pelo detetor e as respectivas posies
verdadeiras devem ser minimizadas. Tem-se ento o critrio de Localizao (L),
definido como sendo o inverso da distncia entre um ponto detectado e a respectiva
posio verdadeira. Portanto, quanto maior for L, mais prximos das posies
verdadeiras estaro os pontos detectados pelo filtro. Pelo exposto, o projeto de um
filtro para a deteco de bordas arbitrrias envolve a maximizao de ambos os
critrios, o que equivalente maximizao do produto entre ambos (SNR e L),
ficando (Canny, 1986):

|
|
|
.
|

\
|

W
W
2
0
W
W
dx (x) f n
dx x)f(x) G(
.
|
|
|
.
|

\
|

W
W
2
0
W
W
dx (x) f' n
dx (x) f' x) ( G'
(1)

onde f(x) a resposta de impulso do filtro definido no intervalo [-w; w], G(x) uma
borda unidimensional e
0
n a quantificao do rudo da imagem. Assume-se que a
borda est centrada em x = 0. Na equao 1, a primeira quantidade entre parntesis
corresponde ao SNR e a segunda L.
A condio de filtro timo (eq. 1) deve ainda atender a um terceiro critrio,
denominado critrio de resposta mltipla. A idia bsica que deve haver um nico
ponto de borda onde existe uma nica borda verdadeira. Seja (Canny, 1986):


Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 0
2
1
2
2
max
dx (x) f"
dx (x) f'
2 x
|
|
.
|

\
|

=
+

+

(2)

a expresso matemtica para a distncia (x
max
) entre mximos adjacentes na
resposta do filtro f(x) devido ao rudo. Assim, ao maximizar a condio dada pela
equao 1, deve-se tambm garantir que x
max
seja maior possvel, aumentando a
possibilidade de separao de mximos verdadeiros dos falsos na sada do filtro
f(x).

3 DETETOR DE BORDAS DEGRAU (STEP EDGES)
Uma borda qualquer do tipo degrau matematicamente definida como G(x) =
A.u
1
(x), onde A a amplitude da borda e u
1
(x) dada por:

<
=

0 x para , 1
0 x para , 0
) x ( u
1
(3)

Substituindo G(x) na condio dada pela equao 1, pode-se escrever a
seguinte condio, que independente da amplitude de borda A e do rudo n
0
:

|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
+

W
W
2 W
W
2
0
W
dx (x) f'
(0) f'
.
dx (x) f
dx f(x)
) (f' . (f) (4)

onde ) f ( e ) ' f ( (as respectivas quantidades entre parntesis) so duas medidas
de desempenho, as quais dependem somente do filtro f(x). Estas quantidades esto
relacionadas, respectivamente, com a deteco e a localizao. Demonstra-se que
) f ( e ) ' f ( variam inversamente ao longo do espao-escala, significando que,
quando se privilegia a deteco, perde-se em localizao e vice-versa. A condio 4
no pode ser resolvida diretamente para se obter o filtro timo f(x). Dada a
complexidade do tratamento matemtico envolvido, limita-se a apresentao da
soluo geral para a equao 4 no semi-intervalo de suporte [-w; 0] (Canny, 1986):

c x cos e a x sen e a x cos e a x sen e a f(x)
x
4
x
3
x
2
x
1
+ + + + =

(5)
onde c e , , a , a , a , a
4 3 2 1
so as incgnitas a determinar.
A funo 5 est sujeita s seguintes condies de contorno:

f (0) = 0; f (-w) = 0; f ' (0) = s; f ' (-w) = 0 (6)

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 1

onde s um incgnita correspondente declividade da funo f(x) na origem. Visto
que f(x) assimtrica, pode-se estender a equao 5 para todo o intervalo de suporte
[-w, w] usando o fato de que f(-x) = -f(x). As quatro condies de contorno
possibilitam encontrar as quantidades de
4 3 2 1
a e a , a , a em funo das incgnitas
s e c , , . Como c uma constante de integrao gerada na obteno da equao
5, pode-se arbitr-la (c=1), ficando os parmetros incgnitos reduzidos a 3
( e , =s/c). Infelizmente isso no reduz a complexidade do problema, pois
ainda necessrio determinar os valores destes parmetros que maximizam a
condio de filtro timo (eq. 4). Se no bastasse, falta impor o critrio de resposta
mltipla. Como uma soluo analtica para este problema invivel, um processo
de otimizao numrica recomendado.
A forma do filtro f(x) depende, ento, da injuno de respostas mltiplas, isto
, depende das distncias entre as respostas adjacentes (x
max
). Em geral, o ideal
que as respostas adjacentes estejam o mais distantes possvel, facilitando a
separao do pico verdadeiro dos falsos. Segundo Canny (1986), quanto menor o
espaamento entre as respostas adjacentes, mais ngreme a funo f(x) na origem.
Assim, um filtro muito ngreme, em relao origem (maior s, eq. 6), beneficia o
critrio de localizao, mas no favorvel aos outros critrios. Por outro lado, um
filtro menos ngreme, em relao origem (menor s), desfavorvel ao critrio de
localizao, mas os critrios de deteco e de respostas mltiplas so beneficiados.
Portanto, o critrio de otimizao numrica mencionado acima deve encontrar
um conjunto de parmetros que balanceie otimamente os trs critrios. Canny
(1986) apresenta a seguinte expresso matemtica para o critrio de resposta
mltipla:

=

r
) 0 ( ' f
s
(7)

onde
s
o desvio-padro do rudo e r o fator de desempenho de resposta
mltipla. O fator r varia no intervalo [0, 1] e, quanto mais prximo estiver de 1,
mais afastadas estaro as respostas mltiplas.
Os resultados obtidos por otimizao numrica para vrios filtros so
apresentados na tabela 1. O maior valor de r obtido usando otimizao numrica
0,576. Este valor corresponde ao filtro n. 6 da tabela 1 que, por apresentar um
melhor balanceamento denominado filtro timo. Entretanto, caso se esteja
disposto a tolerar uma ligeira reduo no desempenho r de resposta mltipla, pode-
se obter uma melhora significativa nos outros dois critrios. Por exemplo, os filtros
4 e 5 tm um produto . significativamente melhor que o filtro 6 e somente uma
pequena reduo de r.

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 2


Tabela 1 - Parmetros dos filtros e medidas de desempenho de vrios filtros
n
max
x
r


1 0,15 4,21 0,215 24,5955 0,12250 63,97566
2 0,3 2,87 0,313 12,4712 0,38284 31,26860
3 0,5 2,13 0,417 7,85869 2,62856 18,28800
4 0,8 1,57 0,515 5,06500 2,56770 11,06100
5 1,0 1,33 0,561 3,45580 0,07161 4,80684
6 1,2 1,12 0,576 2,05220 1,56939 2,91540
7 1,4 0,75 0,484 0,00297 3,50350 7,47700
Fonte: Canny, 1986.

4 APROXIMAO PARA O FILTRO TIMO
O filtro timo (n. 6, tabela 1) pode ser aproximado pela primeira derivada da
funo Gaussiana G'(x).
A razo para que se utilize esta funo, reside no fato de que ela apresenta
uma forma analtica simples e, dada sua separabilidade, eficiente para computar a
extenso bidimensional do filtro. Para o momento, sero comparados o desempenho
terico da primeira derivada da funo Gaussiana com o operador timo.
O filtro f(x) fica ento aproximado por:

|
|
.
|

\
|

=
2
2
2
2
x
exp
x
) x ( ' G (8)

Os ndices de desempenho para este operador so:

92 , 0 ) ' f ( . ) f ( = e 51 , 0 r = (9)
a)
b)
f(x)
G
'
(x
x
x

Figura 1 - Detetores timo e Gaussiano. (a)Detetor timo de bordas; e
(b) Primeira derivada da funo Gaussiana.

Os valores dos critrios ( ) (f' . (f) e r) so bastante semelhantes, ocorrendo o
mesmo com a resposta de impulso dos dois operadores (figura 1). Notar que as

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 3
respostas de impulso de ambos os filtros so bastante semelhantes, o que
intuitivamente sugere um desempenho semelhante.

5 ASPECTOS ALGORTMICO E COMPUTACIONAL
No que diz respeito aos aspectos algortmicos e computacionais, sero
expostos abaixo alguns detalhes que se destinam implementao do processo de
deteco elaborado por Canny. Como se sabe, a convoluo e a diferenciao so
associveis e a Gaussiana separvel. Dessa forma, pode-se efetuar, a princpio, a
suavizao da imagem com o filtro de suavizao Gaussiano, usando filtragem
separvel (Jain et al., 1995). O resultado ser uma matriz de dados S[i, j], dada por:

S[i, j] = G[i, j, ] * I[i, j] (10)

onde * denota a convoluo, I[i, j] a imagem de entrada, G[i, j, ] o filtro
Gaussiano, e o desvio-padro da Gaussiana, responsvel pelo controle do grau
de suavizao.
Esta etapa, por ser bastante usual, no requer uma explicao mais
aprofundada. Detalhes podem ser encontrados em Jain et al. (1995).
O gradiente da matriz suavizada S[i, j] pode ser ento computado por uma
mscara 2x2 de aproximaes de primeira diferena, para produzir duas matrizes de
derivadas parciais P[i, j], derivada em x, e Q[i, j], derivada em y (Jain et al., 1995):

P[i, j] (S[i, j+1] - S[i, j] + S[i+1, j+1] - S[i+1, j])/2 (11)

Q[i, j] (S[i, j] - S[i+1, j] +S[i, j+1] - S[i+1, j+1])/2 (12)

A magnitude e orientao do gradiente so computadas por frmulas de
converso de coordenadas retangulares para polar:

2 2
j] Q[i, j] P[i, j] M[i, + = (13)

) j] P[i, j], , arctan(Q[i j] [i, = (14)

onde a funo arco-tangente toma duas componentes, em y e em x, e gera o ngulo
da direo do gradiente.
Sabendo-se que pontos de borda so mximos no resultado da filtragem
(M[i,j]), pode-se, ento, selecionar estes pontos e obter uma melhor localizao para
a borda atravs da tcnica de supresso no mxima. A supresso no mxima
consiste na eliminao de pixels cujos valores no so mximos locais, em perfis
limitados, na direo perpendicular borda, ou seja, busca-se, na direo do
gradiente da imagem, por valores de pixels que so mximos locais. Portanto, a

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 4
supresso no mxima uma tcnica eficiente para afinar os cumes largos da matriz
M[i, j].














Figura 2 Supresso no mxima. (a) Esquema de supresso no mxima para =
45; e (b) Setores considerados para a supresso no mxima.

A figura 2(a) ilustra o caso onde o pixel central (c, l) examinado. O valor de
(c, l) um mximo local e a direo do gradiente de 45. Neste caso, supondo que
uma mscara 3x3 percorre M[i, j] e compara a magnitude do gradiente do pixel
central (c, l) com a magnitude de seu vizinho no sentido do gradiente (c+1, l-1) e
com a magnitude de seu vizinho no sentido contrrio ao do gradiente (c-1, l+1),
verifica-se que os pixels em cinza tero seus valores igualados a zero.
O algoritmo comea por limitar o ngulo [i, j] do gradiente em um dos
quatro setores da figura 2(b):

j]) [i, ( Setor j] [i, = (15)

Esta forma de distribuio de setores proposta em Jain et al. (1995) e tem
como objetivo classificar ngulos intermedirios do gradiente por setores, visto que,
na prtica, pixels vizinhos do pixel de referncia estaro em um destes quatro
setores. Estabelecidos os setores, uma mscara 3x3 passada, de modo que seja
feita a comparao do pixel central M[i, j], ao longo da linha do gradiente,
comparando-o com seu dois vizinhos, de acordo com o setor ] j , i [ determinado.
Este processo afina de modo geral os cumes at a espessura de um pixel. Assim,
considerando esta etapa tem-se:

j]) [i, j], snm(M[i, j] N[i, = (16)

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 5
onde N[i, j] denota o processo de supresso no mxima. Os valores no nulos em
N[i, j] correspondem a picos em M[i, j].
Apesar da filtragem Gaussiana suavizar a imagem inicialmente, N[i, j] conter
muitos fragmentos de bordas falsas causadas por rudos e detalhes de textura. O
contraste dos fragmentos de bordas falsas pequeno e pode-se pensar em eliminar
detalhes esprios por meio de uma limiarizao aplicada em N[i, j], ou seja, os
valores N[i, j] abaixo do limiar sero mudados para zero.
Mesmo com a aplicao da limiarizao, as bordas falsas ainda ocorrero. A
permanncia de bordas falsas, aps a limiarizao de N[i, j], pode ter como motivo
a escolha de um limiar baixo (falso positivo) e/ou pela ocorrncia de pores de
contorno real que podem ter sido perdidos (falso negativo) devido suavizao do
contraste da borda por uma sombra ou devido escolha de um limiar alto
demais. A escolha do correto limiar difcil e envolve tentativa e erro.
Um esquema de limiarizao eficaz envolve o uso de histerese, que consiste
na limiarizao com dois limiares
1
e
2
, com
1
2
2
ou
1

3
2
(Parker, 1997).
Aplica-se a limiarizao duas vezes, em N[i, j], uma com
1
e outra com
2
, e se obtm, respectivamente, duas imagens limiarizadas T
1
[i, j] e T
2
[i, j].
Dessa forma T
1
conter poucas bordas falsas, porm poder ter falhas de contorno
(falsos negativos). O algoritmo de dupla limiarizao liga bordas por curvas.
Quando o algoritmo encontra o fim de um contorno em T
1
ele busca em T
2
,
atravs de uma vizinhana-de-8, as bordas que podem ser ligadas ao contorno em
T
1
. O algoritmo continua a completar bordas de T
1
, a partir de pontos buscados em
T
2
, at que as descontinuidades de bordas de T
1
tenham sido eliminadas ou que no
hajam pontos em T
2
que possam ser aproveitados.

6 RESULTADOS EXPERIMENTAIS
Nesta subseo so apresentados alguns resultados e a avaliao do processo
de deteco de bordas de Canny. Os resultados obtidos foram gerados atravs de
um programa de computador em linguagem C.
O processo de deteco de bordas foi aplicado em uma imagem sinttica
(figura 3(a)) e em uma imagem real (figura 4(a)). De acordo com a teoria de Canny,
os limiares de histerese foram mantidos fixos, sendo que os limiares maior e menor
correspondem respectivamente a 30% e 80% da escala de valores de magnitude. Os
desvios-padro da Gaussiana utilizados para suavizao da imagem foram os
seguintes: = 1 nas figuras 3(b) e 4(b) e = 3, nas figuras 3(c) e 4(c). A imagem
sinttica foi simulada no software Paint Shop Pro

e nela foi adicionado 25% de

rudo.



Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 6













(a) (b) (c)
Figura 3 Resultados com uma imagem sinttica. (a) Imagem simulada; (b)
Resultado obtido com =1; e (c) Resultado obtido com =3.










(a) (b) (c)
Figura 4 Resultado com uma imagem real. (a) Imagem; (b) Resultado
obtido com

=1; e (c) Resultado obtido com

=3.

Tanto na deteco com a imagem sinttica como na deteco com a imagem
real, pode-se ver nitidamente que quanto maior o desvio-padro ( ), menor a
quantidade de bordas esprias. necessrio, no entanto, se tomar cuidado com o
adotado na suavizao pois, se for muito alto, haver um borramento das bordas e,
consequentemente, um decrscimo na localizao das mesmas. Verifica-se em
ambas as imagens, mesmo aquelas detectadas com alto , que praticamente no
houve fragmentao das bordas, o que comprova a eficcia do "processo de
completar bordas" com os resultados do histerese. O detetor tambm se mostrou
eficiente na localizao das bordas. Tal desempenho devido supresso no
mxima, que reduz as bordas a um pixel de espessura (afinamento). Cabe ressaltar
ainda que, apesar do baixo contraste apresentado na figura 4(a), muitas bordas so

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 7
detectadas, pois a supresso no mxima utiliza informaes locais, adaptando-se
aos nveis de escala de cinza encontrados durante o processo.
Como pde ser visto acima, para que a quantidade de bordas esprias seja
reduzida, deve-se utilizar um alto valor para o desvio-padro na etapa de
suavizao. No entanto, dependendo da aplicao a que se destina a deteco, isto
no aconselhvel. Segundo Ziou e Tabbone (1997), a suavizao efetuada com
um alto valor para o desvio-padro possui como efeito indesejvel a perda de
informao e o deslocamento das estruturas relevantes da imagem. Este segundo
efeito pode ser verificado nas figuras 5 e 6, onde esto plotadas as bordas detectadas
sobre as respectivas imagens originais. Na imagem sinttica pode-se verificar
nitidamente o deslocamento das bordas quando o desvio-padro utilizado maior
que o necessrio ( =10) . Neste caso, o desvio-padro a ser utilizado deveria ser
inferior a 1, pois esta imagem foi produzida sem a introduo de rudo.
Exemplificando ainda a perda de informaes e o deslocamento das bordas
proeminentes, pode-se verificar a imagem 6. Nesta imagem, que possui um nvel de
detalhamento superior ao da imagem 5, pode-se verificar a perda de informao
relevante. Para que se possa ter uma boa noo sobre a perda de informao, a
comparao entre as bordas plotadas na imagem 6 e a figura 4(a) deve ser efetuada.














Atravs dos exemplos apresentados e analisados pde-se constatar
visualmente a expectativa terica a respeito do processo de deteco de bordas de
Canny. Em relao ao tempo computacional, o processamento das imagens
utilizadas nos experimentos no tomou mais que trs segundos num Pentium III 860
MHz e 256 MB de memria RAM.

7 CONCLUSES
Neste trabalho foram apresentados os fundamentos tericos, algortmicos e a
avaliao pertinentes ao processo de deteco de bordas desenvolvido por Canny.
Foram detalhados os passos integrantes do processo, bem como, as implicaes
Figura 5 Deslocamento das
bordas da imagem para =10
Figura 6 Deslocamento das
bordas da imagem para =8

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 8, n
o
2, p.67-78, 2002.
7 8
prticas destas etapas. Foram apresentados experimentos efetuados com imagens
sinttica e real, dessa forma, as expectativas tericas puderam ser verificadas na
prtica.
O processo de deteco de bordas de Canny mostrou-se bastante flexvel,
independente da origem da imagem utilizada, permitindo a obteno de informaes
de contorno com alta qualidade e riqueza de detalhes, mesmo quando a imagem
possua baixo contraste. Por estas razes, o uso do detetor de Canny fornece bons
resultados, podendo auxiliar qualquer processo automtico ou semi-automtico de
extrao de feies em imagens digitais e, em particular, feies cartogrficas.

AGRADECIMENTOS
Os autores agradecem CAPES, pelo suporte, sob a forma de bolsa de Demanda
Social CAPES, concedida ao mestrando Giovane Maia do Vale a partir de 1 de
maio de 2001. Este trabalho tambm resultado de um projeto financiado pela
FAPESP, na categoria de Auxlio Pesquisa (Processo no. 2001/01168-5),
coordenado pelo segundo autor.

REFERENCIAS BIBLIOGRFICAS
BUTKOV, E. Fsica Matemtica. St. John's University, New York - Editora
Guanabara S. A. - pp. 224 - 239, 1968.
CANNY, J. A Computational Approach to Edge Detection. IEEE Transactions
on Pattern Analysis and Machine Intelligence, V. 8, n. 6, pp. 679-698, 1986.
GOMES J., VELHO L. Computao Grfica: Imagem. Srie de Computao e
Matemtica. IMPA/SBM, Rio de Janeiro, 424p, 1994.
JAIN, R.; Kasturi, R; Schunck, B. G. Machine Vision. MIT Press and McGraw-
Hill, Inc New York 1995
LIM, Jae S. Two-dimensional signal and image prossecing. Department of
Engineering and Computer Science Massachusetts Institute of Technology -
Pentice Hall PTR - 1990.
PARKER, J. R. Algorithms for Image Processing and Computer Vision. John
Wiley & Sons, Inc., New York, 417p, 1997.
ZIOU D., TABBONE S. Edge Detection Techniques - An Overview.
International Journal of Pattern Recognition and Image Analysis,Vol. 8, No. 4,
pp. 537-559, 1998. also Technical Report, No. 195, Dept. Math. et
Informatique, Universit de Sherbrooke, 41p, 1997.






(Recebido em 11/11/02. Aceito para publicao em 20/01/03.)