畢業(yè)論文外文翻譯-一個(gè)索貝爾圖像邊緣檢測(cè)算法描述

1、譯文譯文一個(gè)索貝爾圖像邊緣檢測(cè)算法描述一個(gè)索貝爾圖像邊緣檢測(cè)算法描述摘要：摘要：圖像邊緣檢測(cè)是一個(gè)確定圖像邊緣的過(guò)程，在輸入的灰度圖中的各個(gè)點(diǎn)尋找絕對(duì)梯度近似級(jí)對(duì)于邊緣檢測(cè)是非常重要的。為邊緣獲得適當(dāng)?shù)慕^對(duì)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(cè)量。轉(zhuǎn)換2D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(cè)器采用一對(duì)33的卷積模板，一塊估計(jì)x－

2、方向的梯度，另一塊估計(jì)y－方向的梯度。Sobel檢測(cè)器對(duì)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(cè)，Sobel算子，通信數(shù)據(jù)，絕對(duì)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(kù)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(duì)比度，邊緣檢測(cè)，降噪，調(diào)整重點(diǎn)，減少運(yùn)動(dòng)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(hào)失真集結(jié)在加工過(guò)程中存在的問(wèn)題(Baker&Nayar1996)。在19世紀(jì)60年代的JetPropulsion實(shí)驗(yàn)室，美國(guó)麻省理工學(xué)院(MIT)，貝爾實(shí)驗(yàn)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

4、，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(guò)程中允許一些更復(fù)雜算法的使用，從而可以在簡(jiǎn)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(Micheal2003)。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(Vincent2006)。首先，圖像是在空間上的參數(shù)測(cè)量，而大多數(shù)的信號(hào)是在時(shí)間上的參數(shù)測(cè)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(shí)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(gè)特征(Yuval1996)。大多數(shù)圖像處理技術(shù)包括把圖像視為一個(gè)二維信號(hào)，以及包括信號(hào)處理技術(shù)的應(yīng)用標(biāo)準(zhǔn)。這一過(guò)程涉及圖像的增強(qiáng)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(duì)應(yīng)于對(duì)象的界限，表面方向的改變和一個(gè)小幅度的對(duì)失敗的描述。邊通常對(duì)應(yīng)圖像上的點(diǎn)，圖像上灰度明顯總和。他還表明這種過(guò)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(guò)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(cè)器。

7、這種邊緣檢測(cè)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(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(guò)處理得到作為邊集的輸出。Susan邊緣過(guò)濾器已經(jīng)通過(guò)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(cè)實(shí)驗(yàn)中的37像素圓形遮罩被安放在圖像

8、中的每個(gè)點(diǎn)上，對(duì)每個(gè)點(diǎn)來(lái)說(shuō)，遮罩上的每個(gè)像素的亮度被拿來(lái)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(diǎn)的位置，Ir?0r?是像素的亮度，t是不同閥值上的亮度，C是對(duì)比后的輸出。對(duì)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n=C(2)??0r??r???0rr??，S

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