Sobel算法.docxVIP

Sobel算子 目录 HYPERLINK /view/676368.htm \l 1 概述 HYPERLINK /view/676368.htm \l 2 核心公式 HYPERLINK /view/676368.htm \l 3 相关介绍 HYPERLINK /view/676368.htm \l 4 Sobel算法实现（C语言） HYPERLINK /view/676368.htm 编辑本段概述 HYPERLINK /picview/676368/676368/0/fab3ac113faf145ccb80c444.html \o 查看图片 \t _blank ?? 索贝尔算子（Sobel operator）是 HYPERLINK /view/14662.htm \t _blank 图像处理中的算子之 HYPERLINK /picview/676368/676368/0/ca1349540923dd5460effefad109b3de9d824887.html \o 查看图片 \t _blank ??灰度图像sobel算子处理效果图 一，主要用作 HYPERLINK /view/178264.htm \t _blank 边缘检测。在技术上，它是一离散性 HYPERLINK /view/587944.htm \t _blank 差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量 HYPERLINK /view/676368.htm 编辑本段核心公式 该算子包含两组3x3的 HYPERLINK /view/10337.htm \t _blank 矩阵，分别为横向及纵向，将之与图像作平面 HYPERLINK /view/523298.htm \t _blank 卷积，即可分别得出横向及纵向的亮度 HYPERLINK /view/587944.htm \t _blank 差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向 HYPERLINK /view/178264.htm \t _blank 边缘检测的图像，其公式如下: HYPERLINK /picview/676368/676368/0/dbf554ed7b962dedb21cb104.html \o 查看图片 \t _blank ??Sobel算子 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 HYPERLINK /picview/676368/676368/0/718e25c7978d5cfed0006077.html \o 查看图片 \t _blank ?? 然后可用以下公式计算梯度方向。 HYPERLINK /picview/676368/676368/0/969cbf441985fda0b3b7dc71.html \o 查看图片 \t _blank ?? 在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。 HYPERLINK /view/676368.htm 编辑本段相关介绍 在边缘检测中，常用的一种模板是Sobel 算子。Sobel 算子有两个，一个是检测水平边缘的 ；另一个是检测垂直边缘的 。与Prewitt算子相比，Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。 Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子，也有两个，一个是检测水平边缘的 ，另一个是检测垂直边缘的 。各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。将Sobel算子矩阵中的所有2改为根号2，就能得到各向同性Sobel的矩阵。 由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速 HYPERLINK /view/523298.htm \t _blank 卷积函数， 简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于 HYPERLINK /view/2962104.htm \t _blank 图像灰度进行处理，由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。 在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们给出了下面阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。 .NET代码如下 for(Times=0;Times128iThreshold!=iNewThreshold;Times++) { iT