张作廷090405059外文翻译.doc

译文： 一个索贝尔图像边缘检测算法描述摘要：图像边缘检测是一个确定图像边缘的过程，在输入的灰度图中的各个点寻找绝对梯度近似级对于边缘检测是非常重要的。为边缘获得适当的绝对梯度幅度主要在与使用的方法。Sobel算子就是在图像上进行2-D的空间梯度测量。转换2-D像素列阵到性能统计数据集提高了数据冗余消除，因此，作为代表的数字图像，数据量的减少是需要的。Sobel边缘检测器采用一对3×3的卷积模板，一块估计x－方向的梯度，另一块估计y－方向的梯度。Sobel检测器对于图像中的噪音很敏感，它能有效地突出边缘。因此，Sobel算子被建议用在数据传输中的大量数据通信。 关键词：图像处理，边缘检测，Sobel算子，通信数据，绝对梯度幅度。 引言 图像处理在现代数据储存和数据传输方面十分重要，特别是图像的渐进传输，视频编码电话会议，数字图书馆，图像数据库以及遥感。它与处理靠算法产生所需的图像有关(Milan et al., 2003)。数字图像处理(DSP提高了在极不利条件下所拍摄的图像的质量，具体方法有：调整亮度与对比度，边缘检测，降噪，调整重点，减少运动模糊等(Gonzalez, 2002)。图像处理允许更广泛的范围被应用到输入数据，以避免如噪声和信号失真集结在加工过程中存在的问题(Baker Nayar, 1996)。在19世纪60年代的Jet Propulsion实验室，美国麻省理工学院(MIT)，贝尔实验室以及一些其他的地方，数字图像处理技术不断发展。但是，因为当时的计算设备关系，处理的成本却很高。随着20世纪快速计算机和信号处理器的应用，数字图像处理变成了图像处理最通用的形式，因为它不只是最多功能的，还是最便宜的。图像处理过程中允许一些更复杂算法的使用，从而可以在简单任务中提供更先进的性能，同时可以实现模拟手段不能实现的方法(Micheal, 2003)。因此，计算机搜集位表示像素或者点形成的图片元素，以此储存在电脑中(Vincent, 2006)。首先，图像是在空间上的参数测量，而大多数的信号是在时间上的参数测量。其次，它们包含了大量的信息(Guthe和Strasser, 2004)；图像处理是当输入是图像时的信息处理方式，就像是帧视频；输出不一定是图像，也有可能是比如图像的一个特征(Yuval, 1996)。 大多数图像处理技术包括把图像视为一个二维信号，以及包括信号处理技术的应用标准。这一过程涉及图像的增强或操纵，导致产生另一图像，冗余数据的清除和2-D像素阵列到静态不相关数据集的转化(Priotr, 2004)。由于图像包含大量的冗余数据，学者们发现最重要的信息在它的边缘(Canny, 1986)。边作为像素的局部特征和最接近的近邻，特征边界(Chaug-Huang, 2002)。它们对应于对象的界限，表面方向的改变和一个小幅度的对失败的描述。边通常对应图像上的点，图像上灰度明显地从一个像素变化到下一个。边代表图像上具有很强对比度的区域;以图像的边缘代表一幅图像有一个基本优点，当以高频率保留图像的大多数的重要信息时，数据量明显的减少(Keren, Osadchy, Gotsman, 2001)。因此，检测边缘帮助提取图像突然变化区域的有用的信息特征(Folorunso et al., 2007)。边缘检测是一个定位图像边缘的一个过程。在一图像中边缘检测是理解图像特征的一个重要步骤。边组成了有意义的特征并且包含了重要的信息。它显著地减少了图像尺寸的量并且过滤了一些可能被认为相关性较小的信息，保持了一幅图像的重要结构特征(Yuval, 1996)。当图像被改时，大多数的图像包含一些当边被检测或更换时被移走的冗余(Osuna etal., 1997)。消除冗余可以通过边缘检测来完成。当进行图像边缘检测时，图像中纯在的每一种冗余都被删除(Sparr, 2000)。 检测图像亮度的急剧变化的目的是要捕捉重要的事件。在保持重要结构特征的前提下，对一幅图像进行边缘检测会大大减少要处理的数据量并且可能因此过滤掉那些被认为不太有关的信息。图像质量反映了输出边缘的重要信息，并且图像的尺寸是在减小的。这反过来又进一步解释了边缘检测是一种解决了高容量空间图像占用电脑内存的问题的方法。储存，通过互联网和宽带传输这些问题在进行边缘检测时可以很简单的就解决掉(Vincent, 2007)。由于边缘通常出现在图像边界地区，边缘检测被广泛应用在当图像被分成对应不同对象区域的图像分割。 相关方法 不同的方法被用于图像处理上的边缘检测，其中有Roberts交叉算法。Robert将一幅照片处理成一个线条制图，再将线条图转化成一个立体的图像，最后从任何角度显示所有删除了的隐藏线条的三维结构(Robert, 1965)。Roberts交叉算法执行图像上的二维空