גילוי קצוות
פיקסל בתמונה נחשב ל"קצה" אם הפרש העוצמות בינו לבין שכנו (מימין או משמאל, מלמעלה או מלמטה) הוא גדול. כמה גדול? בד"כ אני נוהג למצוא את הסטטיסטיקה של הבדלי העוצמות הללו ולבטא את ההפרש ככפולה של סטיית התקן של התפלגות הפרשי העצמה.
אם במקום התמונה המקורית נבנה תמונה חדשה שבה פיקסלים שהם "קצה" בתמונה המקורית ייצבעו בשחור, וכל אותם פיקסלים שאינם "קצה" ייצבעו בלבן, נקבל תמונה המזכירה רישום:
בהירות התמונה ועובי הקווים תלויים בסף שבו בחרנו להגדרת "קצה". בטבלה למטה "קצה" הוא כל מה שחורג מ-0.5, 1, 1.5, ו- 2 פעמים סטיית התקן של התפלגות ההפרשים בתמונה:
סף: 0.5 סטיית תקן
Describe your image.
כמה צריך להיות הסף? את זה אני בוחר בכל תמונה מחדש.
מתי טכניקה זאת טובה ומתי לא? מה היתרונות והחסרונות?
נופים אורבניים: בתים, עצים בודדים, עמודי חשמל, תבניות על המדרכה, סורגים וכדומה נראים בד"כ טוב מאד. עצמים שבהם הקונטרסט משתנה בהדרגה, כדוגמת פרצופים, מכוניות וכו', נראים פחות טוב. הדבר הבעייתי ביותר בטכניקה זאת הוא צל. גבולות הצל נראים בד"כ בבירור, אך הצל עצמו נראה לבן ולא שחור, בגלל היעדר קונטרסט בתוך הצל עצמו. גם נופים טבעיים (הרים, שיחים, וכו') - אינם נראים טוב, בגלל ריבוי הפרטים. לעומת זאת קו המיתאר בין ההרים לשמיים נראה מצוין, אם זה הדבר שרוצים להראות.
הנה כמה דוגמאות: