【正文】 oise in pictures, it effectively highlight them as edges. Hence, Sobel operator is remended in massive data munication found in data transfer. Keywords: Image Processing, Edge Detection, Sobel Operator, Data Communication and Absolute Gradient Magnitude. Introduction Image processing is important in modern data storage and data transmission especially in progressive transmission of images, video coding (teleconferencing), digital libraries, and image database, remote sensing. It has to do with manipulation of images done by algorithm to produce desired images (Milan et al., 2021). Digital Signal Processing (DSP) improve the quality of images taken under extremely unfavourable conditions in several ways: brightness and contrast adjustment, edge detection, noise reduction, focus adjustment, motion blur reduction etc (Gonzalez, 2021). The advantage is that image processing allows much wider range of algorithms to be applied to the input data in order to avoid problems such as the buildup of noise and signal distortion during processing (Baker amp。 Canny邊緣檢測器以及類似的算法解決了這些方法，通過第一次稍微的模糊圖像，而不是應(yīng)用算法試邊緣有效地變薄成一個(gè)像素。它有助于為模式識(shí)別提供有用的功能。 Sobel比其他算子比較容易實(shí)現(xiàn)。因此，邊緣檢測是一種知識(shí)管理的形式。算子是用來順應(yīng)這種逐漸變化的情況。被使用在含有噪音的圖像上通常是在更大的范圍才使用算子，所以它們可以平均足夠的數(shù)據(jù)來使局部噪聲產(chǎn)生折扣。這是通過： （ 1） 應(yīng)用原始圖像的噪音平滑 （ 2） 根據(jù)下面表一給出的結(jié)果所示的兩個(gè)內(nèi)核過濾原始圖像 表一 兩核的濾波結(jié)果 核 1= xG 核 2= yG 1 0 1 1 2 1 2 0 2 0 0 0 1 0 1 1 2 1 根據(jù) I1 和 I2 （ 3） 估計(jì)每個(gè)像素上的梯度幅度： ? ? ? ? ? ?2221, ITjiG ?? (14) （ 4） 如果 G(i， j)t，標(biāo)記像素為邊緣點(diǎn)，產(chǎn)生的結(jié)果如圖 (表三 ) 表三 圖像邊緣檢測 邊緣檢測 的實(shí)際意義和重要性 Sobel 邊緣檢測的下列優(yōu)點(diǎn)證明它優(yōu)于其他邊緣檢測技術(shù)： 邊緣方向： 算子的幾何決定在最敏感邊緣方向上的特征。值得注意的是第一行和最后一行的像素，以及第一和最后一列不能用 3*3 模板來操縱的列。 Sobel 邊緣檢測器使用了一對(duì) 3*3 的卷積模板，一個(gè) X 方向上的估計(jì)梯度以及 Y 方向的其他估計(jì)梯度。通常所做的是圖像數(shù)據(jù)和模型 在小窗口中被代表，通過在一個(gè)特定的二維正交級(jí)數(shù)膨脹上的一階導(dǎo)數(shù)系數(shù)。這是 I 的拉普拉斯： 22222I yIxI ??????? (12) 拉普拉斯是線性和旋轉(zhuǎn)對(duì)稱。這意味著在一些圖像點(diǎn)上的 Sobel 算子的結(jié)果，該圖像點(diǎn)是在不變的圖像強(qiáng)度為零向量的地區(qū)里，在邊緣的點(diǎn)上是一個(gè)通過邊緣的點(diǎn)的向量，從暗到明值。這結(jié)果因此顯示了圖像在那個(gè)點(diǎn)上如何 ―突然 ‖或 ―順利 ‖地變化，并 且顯示代表邊緣的圖像的部分，同時(shí)顯示如何導(dǎo)向邊。相應(yīng)的卷積遮掩已給出： ????????? 01 101 和 ?????? ??? 10 012 通過面具的鄰居上的局部平均值，使用較大規(guī)模的面具的優(yōu)勢(shì)是噪音影響產(chǎn)生的錯(cuò)誤降低了。 ????????? 00 11x ， ????????? 01 01y 如果這已經(jīng)完成，那么： 1. 反過來，適當(dāng)遮掩的左上角是疊加在圖像的每個(gè)像素上。然而，當(dāng)一個(gè)人看到圖像的像素時(shí)，一個(gè)邊的可見部分是夯實(shí)的。例如 希爾德雷斯，高斯的拉普拉斯等 等。 dx =dy =1(像素間距 )像素坐標(biāo)上的點(diǎn)是 (i， j)，因此 ? ? ? ?jifjifx ,1 ???? (5) ? ? ? ?jifjify ,1, ???? (6) 為檢測是否存在一個(gè)梯度間斷，可以計(jì)算（ i， j）梯度上的變化。 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。半徑通常是 像素，給出 37 像素的遮罩，最小的遮罩被認(rèn)為是傳統(tǒng)的 遮罩。 另一種被使用的算法是 Susan邊緣檢測器。 Canny(1986)認(rèn)為推導(dǎo)一個(gè)最佳的平滑的過濾器的數(shù)學(xué)問題是給出檢測的標(biāo)準(zhǔn)，定位以及減少單個(gè)邊的多個(gè)響應(yīng)。此外， Canny邊緣檢測器是一個(gè)復(fù)雜的最優(yōu)邊緣檢測器，它要花相當(dāng)長的時(shí)間來得到計(jì)算結(jié)果。由于 Gy 圖片呈現(xiàn)從右上角到左下方的邊， Gx 圖像將闡明從左上角到右下角的對(duì)角線。 Roberts 交叉算法執(zhí)行圖像上的二維空間梯度的卷積。儲(chǔ)存，通過互聯(lián)網(wǎng)和寬帶傳輸這 些問題在進(jìn)行邊緣檢測時(shí)可以很簡單的就解決掉 (Vincent, 2021)。 檢測圖像亮度的急劇變化的目的是要捕捉重要的事件。它顯著地減少了圖像尺寸的量并且過濾了一些可能被認(rèn)為相關(guān)性較小的信息，保持了一幅圖像的重要結(jié)構(gòu)特征 (Yuval, 1996)。 因此，檢測邊緣幫助提取圖像突然變化區(qū)域的有用的信息特征 (Folorunso et al., 2021)。邊通常對(duì)應(yīng)圖像上的點(diǎn)，圖像上灰度明顯地從一個(gè)像素變化到下一個(gè)。 這 一過程涉及圖像的增強(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 (Priotr, 2021)。首先，圖像是在空間上的參數(shù)測量，而大多數(shù)的信號(hào)是在時(shí)間上的參數(shù)測量。但是，因?yàn)楫?dāng)時(shí)的計(jì)算設(shè)備關(guān)系，處理的成本卻很高。數(shù)字圖像處理 (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，降噪，調(diào)整重點(diǎn)，減少運(yùn)動(dòng)模糊等 (Gonzalez, 2021)。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。 Sobel 算子就是在圖像上進(jìn)行 2D 的空間梯度測量。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 檢測器對(duì)于圖像中的噪音很敏感，它能有效地突出邊緣。它與處理靠算法產(chǎn)生所需的圖像有關(guān) (Milan et al., 2021)。在 19 世紀(jì) 60 年代的 Jet Propulsion 實(shí)驗(yàn)室，美國麻省理工學(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。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 (Vincent, 2021)。 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)。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。 Gotsman, 2021)。邊組成了有意義的特征并且包含了重要的信息。當(dāng)進(jìn)行圖像邊緣檢測時(shí)，圖像中純?cè)诘拿恳环N冗余都被刪除 (Sparr, 2021)。這反過來又進(jìn)一步解釋了邊緣檢測是一種解決了高容量空間圖像占用電腦內(nèi)存的問題的方法。 Robert 將一幅照片處理成一個(gè)線條制圖，再將線條圖轉(zhuǎn)化成一個(gè)立體的圖像，最后從任何角度顯示所有刪除了的隱藏線條的三維結(jié)構(gòu) (Robert, 1965)。兩個(gè)過濾器被設(shè)計(jì)的目的是實(shí)現(xiàn)對(duì)圖像的角線邊緣。在 1986 年， Canny使用多級(jí)算法來檢測圖像中廣范圍的邊。 設(shè)置兩個(gè)截止閥值點(diǎn)，當(dāng)圖像中的某些值低于第一個(gè)閥值時(shí)則降到零，當(dāng)值高于第二個(gè)閥值時(shí)提高到一。 Canny還介紹了非最大抑制的概念， 給出 presmoothing過濾器，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)。 Susan 邊緣過濾器已經(jīng)通過使用圓形遮罩 (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)。對(duì)比是遮罩上每個(gè)像素之間的比較，而該遮罩上所有輸出 (C)的 n如下所示 n??0r? =?r?C? ?0rr ??， (2) Sobel 濾波器設(shè)計(jì) 大多數(shù)的邊緣檢測方法只能在假設(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。在離散圖像中， 像素兩點(diǎn)之間的成員組可以用 dx 和 dy 來代替。 拉普拉斯算子 ：拉普拉斯方法通過搜索圖像的二階導(dǎo)數(shù)上的零交叉點(diǎn)來尋找邊緣。相反的一個(gè)典型邊緣也許是介于紅色塊和黃色塊的邊界。式 (5)和 (6)上的不同算子對(duì)應(yīng)于用下列標(biāo)志纏繞圖像。這種情況下 ? ? ? ?jifjifx ,1,1 ????? (9) ? ? ? ?jifjify ,11, ????? (10) 算子的這種形式被稱為 Roberts 邊緣算子并且是被用來檢測圖像邊緣的第一個(gè)集的其中一個(gè) (Robert， 1965)。 Sobel邊緣算子的面具已給出： ???????????????001202101x ???????????????121000121y 該算子在每個(gè)點(diǎn)計(jì)算圖像強(qiáng)度的梯度，給出了從明到暗最可能增加的方向和在這方向上變化的速度。在每個(gè)圖像點(diǎn)上，梯度向量指向最可能增大強(qiáng)度的方向，在那個(gè)方向上梯度向量對(duì)應(yīng)的變化速度的長度。為了得到水平和垂直的邊，我們期待在 x及 y方向上的二階導(dǎo)數(shù)。數(shù)據(jù)通過求適合圖像窗口的參數(shù)化模型的最小平方誤差來匹配，但這樣的做法是普遍的并且計(jì)算代價(jià)很大。通常情況下，它被用來尋找輸入的灰度圖上每個(gè)點(diǎn)的近似絕對(duì)梯度幅 度 。模板是輸入圖像 的像素值的改變區(qū)域的滑塊，然后轉(zhuǎn)移一個(gè)像素一直向右知道它到達(dá)一行的末尾，到下一行的開 始時(shí)又自動(dòng)開始。取得兩者的幅度之后，產(chǎn)生的輸出在兩個(gè)方向上檢測邊緣。企圖減少噪音會(huì)產(chǎn)生模糊和扭曲的邊緣。比如折射或焦距不良的影響可能導(dǎo)致對(duì)象邊界通過 強(qiáng)度上的逐步改變而被確定。檢測一幅圖片的邊緣大大減少了數(shù)據(jù)量并且可以過濾掉無用的信息，同時(shí)保留了圖像中的重要結(jié)構(gòu)性質(zhì)。 Sobel 邊緣檢測器使用一對(duì) 3*3 卷積模板，一個(gè)在 X 方向上的估計(jì)梯度，另一個(gè)在 Y 方向上的估計(jì)梯度。 邊緣檢測有助于優(yōu)化網(wǎng)絡(luò)寬帶，并且它還是跟蹤網(wǎng)絡(luò)流動(dòng)的數(shù)據(jù)是所需要的。即使是在現(xiàn)實(shí)世界圖片的邊上， Sobel 算子有效地突出了噪音，檢測到的邊可以很厚。另一方面，梯度近似產(chǎn)生相對(duì)粗陋，特 別是圖像上的高頻率變化。s, digital image processing became the most mon form of image processing and is general used because it is not only the most versatile method but also the cheapest. The process allows the use of much more plex algorithms for image processing and hence can offer both more sophisticated performance at simple tasks, and the implementation of methods which would be impossible by analog means (Micheal, 2021). Thus, images are stored on the puters as collection of bits representing pixel or points forming the picture elements (Vincent, 2021). Firstly, images are a measure of parameter over space, while most signals are measures of parameter over time. Secondly, they contain a great deal of information (Guthe