图像处理经常用于在连续图像中跟踪移动物体。它从传感器接收图像的连续流，根据输入图像的数据选择跟踪物体。初始图像不断被加强，然后进行分割，以定位物体或找出感兴趣的区域。定位物体或区域后，检查出可以最终划分物体的特征。所有确认物体在后续图像中被跟踪，以确定它的速度和运动方向。在图像处理中，一幅图像被分割之前，图像中的物体必须被检测并根据形状和边界特征进行粗略的划分。边界指的是图像中明显的局部变化，它是图像分析的重要特征。边缘检测通常是从图像中恢复信息的第一步。在过去的20年虽产生了许多边缘检测器，如rorberts算子、sobel算子、prewitt算子、laplacian算子等。曲于sobel算法只涉及加法操作，但却可以得到很好的划分效果，因而是图像处理系统中最常用的边缘检测算法。

　　sobel算法包括带4个3×3掩码的输入图像数据，即sobel算子，它设置权重来检测水平、垂直、左对角、右对角各个不同方向上密度幅度的不同。这个过程通常被称为过滤。下面我们来看一个3×3的像萦窗口，如图1所示。

　　水平、垂直、左对角、右对角各图像方向上密度幅度的变化可以用如下算子进行计算：

h、v、dl、dr这四个参数用于计算梯度大小和方向。

图1 像素窗

　　对梯度大小的一个普遍估计值为

　　magnitude＝max（h，v， dr，dl）

　　我们通过对图像灰度作直方图分析后，便可以给出区分度阈值threshold，区分度阈值往往要借助一定的经验并需要反复调整。如果magnitude大于threshold，则该像素被声明为边界像素，否则为一般像素。

　　欢迎转载，信息来源维库电子市场网（www.dzsc.com）