圖像處理經(jīng)常用于在連續(xù)圖像中跟蹤移動(dòng)物體。它從傳感器接收?qǐng)D像的連續(xù)流，根據(jù)輸入圖像的數(shù)據(jù)選擇跟蹤物體。初始圖像不斷被加強(qiáng)，然后進(jìn)行分割，以定位物體或找出感興趣的區(qū)域。定位物體或區(qū)域后，檢查出可以最終劃分物體的特征。所有確認(rèn)物體在后續(xù)圖像中被跟蹤，以確定它的速度和運(yùn)動(dòng)方向。在圖像處理中，一幅圖像被分割之前，圖像中的物體必須被檢測并根據(jù)形狀和邊界特征進(jìn)行粗略的劃分。邊界指的是圖像中明顯的局部變化，它是圖像分析的重要特征。邊緣檢測通常是從圖像中恢復(fù)信息的第一步。在過去的20年雖產(chǎn)生了許多邊緣檢測器，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，但卻可以得到很好的劃分效果，因而是圖像處理系統(tǒng)中最常用的邊緣檢測算法。

　　sobel算法包括帶4個(gè)3×3掩碼的輸入圖像數(shù)據(jù)，即sobel算子，它設(shè)置權(quán)重來檢測水平、垂直、左對(duì)角、右對(duì)角各個(gè)不同方向上密度幅度的不同。這個(gè)過程通常被稱為過濾。下面我們來看一個(gè)3×3的像縈窗口，如圖1所示。

　　水平、垂直、左對(duì)角、右對(duì)角各圖像方向上密度幅度的變化可以用如下算子進(jìn)行計(jì)算：

h、v、dl、dr這四個(gè)參數(shù)用于計(jì)算梯度大小和方向。

圖1 像素窗

　　對(duì)梯度大小的一個(gè)普遍估計(jì)值為

　　magnitude＝max（h，v， dr，dl）

　　我們通過對(duì)圖像灰度作直方圖分析后，便可以給出區(qū)分度閾值threshold，區(qū)分度閾值往往要借助一定的經(jīng)驗(yàn)并需要反復(fù)調(diào)整。如果magnitude大于threshold，則該像素被聲明為邊界像素，否則為一般像素。

　　歡迎轉(zhuǎn)載，信息來源維庫電子市場網(wǎng)（www.dzsc.com）