文档介绍：一种基于Sobel图像边缘检测的改进算法作者:梁娟来源:《软件导刊》2014年第12期        摘要:针对传统Sobel边缘检测算法因方向模板限制而出现边缘定位精度不高,以及对叠加噪声的图像边缘检测效果不佳的问题,提出了一种基于传统Sobel算子的改进算法。首先将水平和垂直两个方向模板增加至8个,提高边缘的定位精度;然后利用边缘的最大后验概率估计,对采用八方向Sobel算法检测出的梯度图像进行最佳阈值分割处理,增强算法的抗噪声能力。实验结果表明,改进算法提取的边缘信息完整准确,对噪声干扰有较强的抑制能力。        关键词:边缘检测;Sobel算法;八方向模板;最佳阈值        DOI:        中图分类号:TP312        文献标识码:A;;文章编号:1672-7800(2014)012-0079-03        作者简介:梁娟(1984-),女,硕士,福建农林大学东方学院计算机系助教,研究方向为图像处理、视频监控。        0引言        数字图像的边缘是背景图像与目标图像的分界,是图像的一个最基本特征,包含很多有用信息,包括方向、形状、阶跃性质等。因此,边缘的提取成为图像分析领域的一个重要课题<sup>[1]</sup>。边缘检测作为数字图像处理中的基础内容,是图像分割、图像增强、图像压缩等图像分析技术、模式识别及计算机视觉的基础和前提,边缘检测结果的准确性和可靠性将直接影响到整个计算机视觉系统的工作质量。因此,一种抗噪声能力强、定位精确、没有漏检和误检的边缘检测算法成为众多学者的研究目标。        在灰度图像中,边缘是指相邻像素点的灰度值发生了剧烈的变化,即图像局部强度变换最显著的部分<sup>[2]</sup>。国内外诸多学者经过大量研究,已经提出了一些经典的图像梯度边缘检测算子,如robert算子<sup>[3]</sup>、sobel算子<sup>[4]</sup>、prewitt算子、log算子和canny算子等。这些算法的特点各不相同,同时也具有一些不同的局限性。sobel算法凭借其算法简单、计算量小、速度快等优势广泛应用于多个领域,然而由于传统的sobel算法对噪声比较敏感,同时对边缘的方向特征考虑较少,检测方向因只有垂直和水平两个方向,导致检测结果常常丢失一部分边缘细节,从而给它的应用带来了一定的局限性。        本文针对传统Sobel算法的不足,提出了一种Sobel改进算法。首先将传统Sobel算法的水平方向和垂直方向这两个方向模板增加至8个方向模板,分别从0°、45°、90°、135°、180°、225°、270°、315°这8个方向进行检测,从而可以检测出更完整的边缘信息,提高边缘的定位精度。然后利用边缘的最大后验概率估计,对进行八方向Sobel算法检测后的梯度图像进行最佳阈值分割处理,增强算法的抗噪声干扰能力,并且通过实验验证了该改进算法在噪声环境中的有效性。        1传统sobel算法        图像的边缘检测技术是根据检测算法提取出感兴趣的目标前景与背景之间的交界线。由于在前景与背景的边界处图像的灰度值会有较大改变,因此,可以根据灰度的变化率来度量和定位图像的边缘点。联系数学中的微分运算,可以用灰度值的一阶导