畢業(yè)論文外文翻譯-一個索貝爾圖像邊緣檢測算法描述

1、譯文譯文一個索貝爾圖像邊緣檢測算法描述一個索貝爾圖像邊緣檢測算法描述摘要：摘要：圖像邊緣檢測是一個確定圖像邊緣的過程，在輸入的灰度圖中的各個點尋找絕對梯度近似級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2D的空間梯度測量。轉(zhuǎn)換2D像素列陣到性能統(tǒng)計數(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33的卷積模板，一塊估計x－

2、方向的梯度，另一塊估計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)(Milanetal.2003)。數(shù)字圖像處理(

3、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，減少運動模糊等(Gonzalez2002)。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失真集結(jié)在加工過程中存在的問題(Baker&Nayar1996)。在19世紀(jì)60年代的JetPropulsion實驗室，美國麻省理工學(xué)院(MIT)，貝爾實驗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，因為當(dāng)時的計算設(shè)備關(guān)系

4、，處理的成本卻很高。隨著20世紀(jì)快速計算機和信號處理器的應(yīng)用，數(shù)字圖像處理變成了圖像處理最通用的形式，因為它不只是最多功能的，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，同時可以實現(xiàn)模擬手段不能實現(xiàn)的方法(Micheal2003)。因此，計算機搜集位表示像素或者點形成的圖片元素，以此儲存在電腦中(Vincent2006)。首先，圖像是在空間上的參數(shù)測量，而大多數(shù)的信號是在時間上的參數(shù)測量。

5、其次，它們包含了大量的信息(Guthe和Strasser2004)；圖像處理是當(dāng)輸入是圖像時的信息處理方式，就像是幀視頻；輸出不一定是圖像，也有可能是比如圖像的一個特征(Yuval1996)。大多數(shù)圖像處理技術(shù)包括把圖像視為一個二維信號，以及包括信號處理技術(shù)的應(yīng)用標(biāo)準(zhǔn)。這一過程涉及圖像的增強或操縱，導(dǎo)致產(chǎn)生另一圖像，冗余數(shù)據(jù)的清除和2D像素陣列到靜態(tài)不相關(guān)數(shù)據(jù)集的轉(zhuǎn)化(Priotr2004)。由于圖像包含大量的冗余數(shù)據(jù)，學(xué)者們發(fā)現(xiàn)最重要

6、的信息在它的邊緣(Canny1986)。邊作為像素的局部特征和最接近的近鄰，特征邊界(ChaugHuang2002)。它們對應(yīng)于對象的界限，表面方向的改變和一個小幅度的對失敗的描述。邊通常對應(yīng)圖像上的點，圖像上灰度明顯總和。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，邊緣點被定義為梯度幅度上假定的一個在梯度方向最大的點。另一種被使用的算法是Susan邊緣檢測器。

7、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圖像中的每個像素，該圖像使用本地代理的一套規(guī)則給出一個邊緣響應(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驗中的37像素圓形遮罩被安放在圖像

8、中的每個點上，對每個點來說，遮罩上的每個像素的亮度被拿來與內(nèi)核進(jìn)行比較。比較方程是：C=(1)??0rr??，?????????????????trItrI00rIif0rIif1????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的位置，Ir?0r?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??r?像素之間的比較，而該遮罩上所有輸出(C)的n如下所示n=C(2)??0r??r???0rr??，S

9、obel濾波器設(shè)計濾波器設(shè)計大多數(shù)的邊緣檢測方法只能在假設(shè)邊緣存在時使用，即在強度函數(shù)里有一個不連續(xù)段或圖像中有一個非常陡峭的強度梯度。使用這種假設(shè)，如果取得圖像強度值的導(dǎo)數(shù)并且找到最大導(dǎo)數(shù)的點，那么邊緣就能確定了。梯度是一個向量，其組成部分測量在X和Y方向距離變化時如何快速地測出像素值。因此，梯度的部分也許可以通過使用下面的近似來找到：(3)??????dxyxfydxxfxxyxf???????(4)??????dyyxfdyyxf