文档介绍：基于改善Sobel算子和遗传算法图像边缘检测
张金玉,陈彦,黄先祥
(西安高新技术研究所,陕西 西安)
摘要：在计算机视觉和图像处理里，图像边缘检测是一个经典问题。边缘检测关键是阈值选择；阈值选择直接，决定了边缘检测结果。怎样自动确定最优阈值是边缘检测难点之一。在本文中,Sobel边缘检测算子及其改善算法最先讨论包含到最优阈值。然后基于遗传算法和改善
Sobel算子,一个对图像处理新兴自动阈值算法被提出。最终, 经过两种算法边缘检测两个真正图像试验被实施。对比试验结果表明, 自动阈值新算法是很有效。结果也比经典Otsu方法愈加好。
关键字—边缘检测，Sobel算子，遗传算法，类平方误差，图像处理
介绍
一个计算机图像分析和处理很关键目标是产生一些适合大家或机器来观察和识别特定图像。图像边缘是一张图片最基础特征。所谓图像边缘指是图像中强度改变最突出部分。在边缘之间存在关键目标和战略目标,目标和背景,区域和区域(包含不一样颜色),是图像分析和处理关键标准，图像分割、纹理、形状特征。在数字图像处理和模式识别中，边缘检测全部是最基础任务之一。在图像处理中，边缘提取和检测饰演一个关键角色。这算法优点直接影响到系统性能。
怎样快速、正确地提取图像边缘信息一直是一个热门研究课题。我们前辈也研究出很多边缘检测算法。Sobel算子是其中一个经典算法[1]。经典边缘检测算法关键就是阈值选择。阈值直接地决定了边缘检测成功。怎样能够自动取得最好边缘阈值已经是边缘检测难点之一。假如选定阈值过低,不仅会产生错误边缘,而且边缘很厚。这些需要再次重正确和重处理边缘位置边缘通常全部不足够正确。假如阈值太高了,很多边缘可能不被检测出或检测到边界也是太分段了。现在,很多人使用最大熵方法[2],Otsu阈值分割方法[3],[4]来取得好结果。在这些方法中，仍有部分缺点如大计算复杂度和较低计算效率。在本文中, 基于遗传算法和改善Sobel算子之间最大方差法提出了自动确定阈值。试验结果证实阈值选择是合理、有效。
本文结构以下：在第2节,经典Sobel边缘检测算子及其改善Sobel边缘检测算子进行了讨论。在第3节,介绍了基础Otsu算法。在第4节,一个新基于遗传算法和改善Sobel算子算法被提出了。在第5节,两个试验检验。最终,结论在第6节被提出。
Sobel边缘检测算子
经典Sobel边缘检测算子
Sobel算子广泛应用于图像处理,尤其是边缘检测算法。从技术上讲,它是一个离散分化算子,计算一个图像灰度函数梯度近似值。在图像上每一个点，Sobel算子结果既是和梯度向量对应，也和矢量基准一致。在计算3x3邻里中心x,y方向，Sobel算子是f(x,y)偏导数。为了抑制噪声,有一定重量相对地增加了中心点，数字梯度近似方程描述以下:
通常来说，其梯度大小：
也能够采取类似于：
它卷积模板算子以下：
假如我们用Sobel算子来检测图像M边缘,然后我们能够使用水平模板和垂直模板来盘旋图像,在没有考虑边界条件下,可得到两个一样尺寸梯度矩阵M1和M2作为原始图像。然后，总梯度值G可经过增加两个倾斜矩阵得到。最终,我们能够经过阈值方法得到边缘。
改善Sobel边缘检测算子
Sobel算子是基于