实验结果
图3.4 lena原灰度图
图3.5改进sobel算子提取的像素
图3.7 插值后灰度边缘图
图3.6 衰减后灰度边缘图
图3.8 亚像素级边缘提取图（放大4
图3.9 原始灰度图 3.10 sobel算子的检测结果
图3.11基于灰度矩的亚像素边缘检测结果图
实验结果分析
上面是对120?120的lena图像分别进行像素级和亚像素级边缘检测的结果，如图3.5到3.8的所示的图，图3.5是采用经典sobel算子的像素级边缘检测结果，可以看出，采用Sobel 较难检测出有效的边缘。利用本文章法，图3.6是经sobel算子检测后引入衰减因子的灰度图像的边缘这里衰减因子取4，已检测出有效边缘：图3.7是图3.6灰度边缘图经三次样条插值后所得的图像，插值后灰度边缘图像图放大倍数4倍，可以看出插值后图像变得更加平滑，图3.7为图3.8的亚像素边缘提取图，可以看出亚像素边缘更清晰，定位精度更高，优于传统的边缘检测方法。
本章小结
本文设计了一种Sobel算子和三次样条插值结合起来的得到亚像素级边缘检测的方法，先用Sobel算子粗定位边缘，再用三次插值样条法对边缘图进行插值处理，获得
亚像素级边缘，最后利用最大类间方差法判断出边缘点，得到二值化的边缘图像。实验结果表明，该方法能精确定位目标边缘，优于传统方法的边缘检测方法，,有利于图像高精度测量和匹配的后续处理。