一種基于Sobel算子的邊緣檢測算法

鄭歡歡 白魚秀 張雅瓊

摘要： 針對傳統Sobel邊緣檢測算法對噪聲敏感、定位不夠精確的缺點，提出了改進Sobel算子的邊緣檢測算法。算法基于均值計算和差分處理角度構造了5×5的梯度權值模板，通過改進的非極大抑制算法有效細化了邊緣，采用局部自適應動態閾值提取邊緣信息。通過實驗表明，該算法不僅能夠較快、較好的提取邊緣信息，而且具有較強的抗噪能力。

關鍵詞： Sobel算子; 邊緣檢測; 非極大值抑制; 局部自適應動態閾值

中圖分類號： TN 911.73

文獻標志碼： A

An Edge Detection Algorithm Based on Sobel Operator

ZHENG Huanhuan， BAI Yuxiu， ZHANG Yaqiong

（School of Information Engineering， Yulin University， Yulin 719000， China）

Abstract： Aiming at the shortcomings of traditional Sobel edge detection algorithm such as noise sensitivity and inaccurate location， an improved Sobel operator edge detection algorithm is proposed. Based on mean calculation and difference processing， a 5×5 gradient weight template is constructed. The edge is refined effectively by improved nonmaximum suppression algorithm， and the edge information is extracted by local adaptive dynamic threshold. Experiments show that the algorithm not only can extract edge information quickly and better， but also has strong antinoise ability.

Key words： Sobel operator; edge detection; nonmaximum suppression; local adaptive dynamic threshold

0引言

圖像低級特征提取技術就是從整副圖像而不是顯著區域層次來描述圖像，其中最重要的研究內容之一就是邊緣檢測。這一技術有助于人類從從圖像中獲得更多信息，從而進行智能控制處理。常用的一些經典邊緣檢測算子包括Roberts算子、Prewitt算子、Sobel算子、Log算子和Canny算子等。Sobel算子因其耗時短、具有一定的抗噪性、邊緣檢測效果較好而得到廣泛應用。國內外的學者經過大量研究對基于該算子的算法提出了很多改進算法，如增加梯度模板方向[1]、修改梯度模板權值[2]、修改提取邊緣的閾值[3]、綜合其他方法的改進算法[4]等。本文在以前的研究基礎上，從均值計算和差分處理角度構造5（5梯度模板，并通過邊緣細化和自適應動態閾值處理，經實驗檢測的邊緣更細，抗噪性更好。

1傳統Sobel算法

Sobel算子是應用一階微分等價算子檢測圖像梯度，從而確定邊緣位置的邊緣檢測算法。通常用梯度

f來表示一幅圖像f在（x，y）位置處的邊緣強度和方向，其梯度的定義如式（1）?！?br>