1.一种基于改进Sobel算子的人脸速写系统，其特征在于，该系统包括：

图像采集模块，通过摄像头采集并提取包含人脸的原始图像；

图像处理模块，用以将摄像头采集的原始图像转化为灰度图像，并进行人脸轮廓的提取，具体为：将所述灰度图像与改进的Sobel算子作平面卷积，得到梯度图像，然后对所述梯度图像依次进行初步边缘细化，二值化，得到二值化图像，对所述二值化图像先剔除噪点及短线条，然后进行最终边缘细化操作，得到处理后图像；

控制信息转化模块，用以确定处理后图像中每个黑色像素点的矢量信息，确定每次绘制的起始点，并转化为步进电机驱动脉冲；

执行模块，用以根据控制信息转化模块给出的步进电机脉冲信号，控制步进电机转动，带动画笔移动，完成人脸速写。

2.如权利要求1所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述改进的Sobel算子为：

3.如权利要求1所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述摄像头为黑白摄像头，采集并提取的原始图像即为灰度图像。

4.如权利要求1所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述摄像头为彩色摄像头，采集并提取的原始图像为彩色图像，图像处理模块通过公式Y＝0.299R+0.587G+0.114B将彩色图像转化为灰度图像，其中R、G、B分别代表彩色图像中红色、绿色、蓝色三个通道的颜色，Y为转换后灰度图像。

5.如权利要求1、2、3或4所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述图像采集模块采用DMA方式采集包含人脸的原始图像。

6.如权利要求1、2、3或4所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述图像处理模块采用最大梯度法进行初步边缘细化，具体为：找出梯度图像中任一像素点八邻域中的最大梯度值，将其乘以梯度系数后与该像素点作比较，若大于该像素点梯度值，则剔除该像素点，否则保留该像素点；

图像处理模块采用遍历法进行最终边缘细化，具体为：按照自上而下逐行，每行中从左到右逐个元素，遍历剔除噪点及短线条后的二值化图像中像素点，以同一行中是否连续来对黑色像素点进行分组，连续排列的黑色像素点和单独的一个黑色像素点均独立成组，若一个分组中的黑色像素点个数大于极限数，则保留该组黑色像素点，否则剔除该组中全部黑色像素点，其中，极限数C＝a*W，a为极限系数，W为图像宽度。

7.如权利要求1、2、3或4所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述图像处理模块通过模板匹配法剔除噪点及短线条，具体为：将二值化后图像中黑色像素点逐个与3*3模板矩阵进行卷积操作，每次操作中，若结果为0，则剔除该黑色像素点，否则继续与5*5模板矩阵进行卷积操作，若结果为0，则剔除5*5模板矩阵邻域内所有黑色像素点，否则继续与7*7模板矩阵进行卷积操作，若结果为0，则剔除7*7模板矩阵邻域内所有黑色像素点，否则保留7*7模板矩阵邻域内所有黑色像素点，所述3*3模板矩阵、5*5模板矩阵、

7*7模板矩阵的形式为：矩阵首行、首列及尾行、尾列元素为1，其余元素为0。

8.如权利要求1、2、3或4所述的一种基于改进Sobel算子的人脸速写系统，其特征在于，所述控制信息转化模块通过以下方法将处理后图像转化为步进电机驱动脉冲：步骤一：自上而下，从左到右遍历处理后图像中的像素点，得出所有黑色像素点坐标并判断每个黑色像素点属性，所述属性包括端点、中间点和分离点，其中，若在某黑色像素点八邻域内只有一个黑色像素点，则判断其为端点，若有两个，则判断其为中间点，若有两个以上，则判断其为分离点；

步骤二：生成所有黑色像素点的矢量信息，当属性为分离点时，还要生成分离点的分支数，即黑色像素点八邻域内黑色像素点个数，根据黑色像素点矢量信息，按照如下方式生成各绘制线条：以属性为端点或分离点的黑色像素点为起点，与起点八邻域内的黑色像素点连接，如该黑色像素点的属性为端点或分离点时，将该黑色像素点作为此线条终点，如该黑色像素点的属性为中间点，则连接该黑色像素点，并找到该黑色像素点八邻域内还未进行连接的黑色像素点，依次类推，按照上述方式逐点连接，直至线条终点；

步骤三：临近线条互连，若线条长度不多于十个黑色像素点，且线条端点的7*7邻域内存在其他端点，则将其连为同一线条；

步骤四：根据生成的线条信息，生成每个步进电机的驱动脉冲。

9.一种基于改进Sobel算子的人脸轮廓提取方法，其特征在于，该方法包括以下流程：

步骤一：通过摄像头以DMA方式采集并提取包含人脸的原始图像，当摄像头为黑白摄像头时，采集并提取的原始图像即为灰度图像，当摄像头为彩色摄像头时，采集并提取的原始图像为彩色图像，则将彩色图像转化为灰度图像；

步骤二：将灰度图像与改进的Sobel算子作平面卷积运算，得到梯度图像；

步骤三：利用最大梯度法对梯度图像进行初步边缘细化，得到细化后图像；

步骤四：通过局部自适应阈值法对细化后图像进行二值化操作，得到二值化图像；

步骤五：通过模板匹配法剔除二值化图像中噪点及短线条；

步骤六：通过遍历法对剔除噪点及短线条的二值化图像进行最终边缘细化，得到处理后图像。

10.根据权利要求9所述的基于改进Sobel算子的人脸轮廓提取方法，其特征在于，所述步骤三中利用最大梯度法进行初步边缘细化的具体内容为：找出梯度图像中任一像素点八邻域中的最大梯度值，将其乘以梯度系数后与该像素点作比较，若大于该像素点梯度值，则剔除该像素点，否则保留该像素点；

所述步骤五中通过模板匹配法剔除噪点及短线条的具体内容为：将二值化后图像中黑色像素点逐个与3*3模板矩阵进行卷积操作，每次操作中，若结果为0，则剔除该黑色像素点，否则继续与5*5模板矩阵进行卷积操作，若结果为0，则剔除5*5模板矩阵邻域内所有黑色像素点，否则继续与7*7模板矩阵进行卷积操作，若结果为0，则剔除7*7模板矩阵邻域内所有黑色像素点，否则保留7*7模板矩阵邻域内所有黑色像素点，所述3*3模板矩阵、5*5模板矩阵、7*7模板矩阵的形式为：矩阵首行、首列及尾行、尾列元素为1，其余元素为0；

所述步骤六中采用遍历法进行最终边缘细化的具体内容为：按照自上而下逐行，每行中从左到右逐个元素，遍历剔除噪点及短线条后的二值化图像中像素点，以同一行中是否连续来对黑色像素点进行分组，连续排列的黑色像素点和单独的一个黑色像素点均独立成组，若一个分组中的黑色像素点个数大于极限数，则保留该组黑色像素点，否则剔除该组中全部黑色像素点，其中，极限数C＝a*W，a为极限系数，W为图像宽度。