邊緣檢測外文翻譯--一個(gè)索貝爾圖像邊緣檢測算法描述

1、譯文一： 譯文一：1一個(gè)索貝爾圖像邊緣檢測算法描述[1]摘要： 摘要：圖像邊緣檢測是一個(gè)確定圖像邊緣的過程，在輸入的灰度圖中的各個(gè)點(diǎn)尋找絕對梯度近似級(jí)對于邊緣檢測是非常重要的。為邊緣獲得適當(dāng)?shù)慕^對梯度幅度主要在與使用的方法。Sobel 算子就是在圖像上進(jìn)行 2-D 的空間梯度測量。轉(zhuǎn)換 2-D 像素列陣到性能統(tǒng)計(jì)數(shù)據(jù)集提高了數(shù)據(jù)冗余消除，因此，作為代表的數(shù)字圖像，數(shù)據(jù)量的減少是需要的。Sobel 邊緣檢測器采用一對 3×3 的

2、卷積模板，一塊估計(jì) x－方向的梯度，另一塊估計(jì) y－方向的梯度。Sobel 檢測器對于圖像中的噪音很敏感，它能有效地突出邊緣。因此，Sobel 算子被建議用在數(shù)據(jù)傳輸中的大量數(shù)據(jù)通信。關(guān)鍵詞： 關(guān)鍵詞：圖像處理，邊緣檢測，Sobel 算子，通信數(shù)據(jù)，絕對梯度幅度。引言 引言圖像處理在現(xiàn)代數(shù)據(jù)儲(chǔ)存和數(shù)據(jù)傳輸方面十分重要，特別是圖像的漸進(jìn)傳輸，視頻編碼(電話會(huì)議)，數(shù)字圖書館，圖像數(shù)據(jù)庫以及遙感。它與處理靠算法產(chǎn)生所需的圖像有關(guān)(Milan

3、 et al., 2003)。數(shù)字圖像處理(DSP)提高了在極不利條件下所拍攝的圖像的質(zhì)量，具體方法有：調(diào)整亮度與對比度，邊緣檢測，降噪，調(diào)整重點(diǎn)，減少運(yùn)動(dòng)模糊等(Gonzalez, 2002)。圖像處理允許更廣泛的范圍被應(yīng)用到輸入數(shù)據(jù)，以避免如噪聲和信號(hào)失真集結(jié)在加工過程中存在的問題(Baker & Nayar, 1996)。在 19世紀(jì) 60 年代的 Jet Propulsion 實(shí)驗(yàn)室，美國麻省理工學(xué)院(MIT)，貝爾實(shí)驗(yàn)

4、室以及一些其他的地方，數(shù)字圖像處理技術(shù)不斷發(fā)展。但是，因?yàn)楫?dāng)時(shí)的計(jì)算設(shè)備關(guān)系，處理的成本卻很高。隨著 20 世紀(jì)快速計(jì)算機(jī)和信號(hào)處理器的應(yīng)用，數(shù)字圖像處理變成了圖像處理最通用的形式，因?yàn)樗恢皇亲疃喙δ艿?，還是最便宜的。圖像處理過程中允許一些更復(fù)雜算法的使用，從而可以在簡單任務(wù)中提供更先進(jìn)的性能，同時(shí)可以實(shí)現(xiàn)模擬手段不能實(shí)現(xiàn)的方法(Micheal, 2003)。因此，計(jì)算機(jī)搜集位表示像素或者點(diǎn)形成的圖片元素，以此儲(chǔ)存在電腦中(Vince

5、nt, 2006)。首先，圖像是在空間上的參數(shù)測量，而大多數(shù)的信號(hào)是在時(shí)間上的參數(shù)測量。其次，它們包含了大量的信息[1]A Descriptive Algorithm for Sobel Image Edge Detection[C]. Proceedings of Informing Science & IT Education Conference (InSITE) 2009: 97-107.的 Gx 和 Gy 圖像使用近似

6、公式相組合 。 Gy Gx G ? ?Canny 邊緣檢測算子是由 John F 發(fā)現(xiàn)的。在 1986 年，Canny 使用多級(jí)算法來檢測圖像中廣范圍的邊。此外，Canny 邊緣檢測器是一個(gè)復(fù)雜的最優(yōu)邊緣檢測器，它要花相當(dāng)長的時(shí)間來得到計(jì)算結(jié)果。圖像首先通過高斯模糊來處理噪音。當(dāng)算法被應(yīng)用時(shí)，角度和大小被得到用來確定保留邊緣部分。設(shè)置兩個(gè)截止閥值點(diǎn)，當(dāng)圖像中的某些值低于第一個(gè)閥值時(shí)則降到零，當(dāng)值高于第二個(gè)閥值時(shí)提高到一。Canny(19

7、86)認(rèn)為推導(dǎo)一個(gè)最佳的平滑的過濾器的數(shù)學(xué)問題是給出檢測的標(biāo)準(zhǔn)，定位以及減少單個(gè)邊的多個(gè)響應(yīng)。他指出最佳過濾器給出的這些假設(shè)是四指數(shù)項(xiàng)的總和。他還表明這種過濾器可以很好的被逼近高斯一介導(dǎo)數(shù)。Canny 還介紹了非最大抑制的概念，給出 presmoothing 過濾器，邊緣點(diǎn)被定義為梯度幅度上假定的一個(gè)在梯度方向最大的點(diǎn)。另一種被使用的算法是 Susan 邊緣檢測器。這種邊緣檢測算法跟著常用的算法—獲取一幅圖像并且使用預(yù)先確定的窗口集中在

8、圖像中的每個(gè)像素，該圖像使用本地代理的一套規(guī)則給出一個(gè)邊緣響應(yīng)(Vincent，2006)。該響應(yīng)再經(jīng)過處理得到作為邊集的輸出。Susan 邊緣過濾器已經(jīng)通過使用圓形遮罩(內(nèi)核)以及近似的使用或常數(shù)加權(quán)或高斯加權(quán)而給出同位素反應(yīng)被實(shí)現(xiàn)。半徑通常是 3.4 像素，給出 37 像素的遮罩，最小的遮罩被認(rèn)為是傳統(tǒng)的 3.3 遮罩。被使用在所有特征檢測實(shí)驗(yàn)中的 37 像素圓形遮罩被安放在圖像中的每個(gè)點(diǎn)上，對每個(gè)點(diǎn)來說，遮罩上的每個(gè)像素的亮度被拿

9、來與內(nèi)核進(jìn)行比較。比較方程是： C =(1) ? ? 0 r r ? ?， ? ? ? ?? ? ? ? ? ?? ? ?? ?? ?t r It r I00r I if 0r I if 1? ?? ?三維圖像中， 的位置即是核所在的位置， 是遮罩上的一些其他點(diǎn)的位置，I r ?0 r ?是像素的亮度，t 是不同閥值上的亮度，C 是對比后的輸出。對比是遮罩上每個(gè) ? ? r ?像素之間的比較，而該遮罩上所有輸出(C)的 n 如下所示