1.一种基于Sobel算子滤波的图像增强算法，其特征在于，包括如下步骤：步骤1，对原始图像进行数据归一化，如果原始图像为彩色图像，则转换成灰度图像，并以归一化和灰度化处理后的图像作为后续步骤的输入图像；

步骤2，获得突出原始图像边缘的图像，包括如下子步骤；

步骤2a，利用理想高通滤波器处理输入图像；

步骤2b，将步骤2a得到的图像与输入图像相加，得到简单的增强图像；

步骤2c，对步骤2b中得到的图像用Sobel算子进行锐化；

步骤3，获得初步的增强图像，包括如下子步骤，步骤3a，使用均值滤波器对输入图像进行平滑滤波，减少图像噪声；

步骤3b，对步骤3a得到的图像使用拉普拉斯算子处理；

步骤3c，将步骤3b得到的图像与输入图像相加得到初步锐化图像；

步骤4，将步骤2与步骤3得到的图像点乘，得到感兴趣部位的图像，Z(i，j)＝S(i，j).*L(i，j)  (3-1)其中S(i，j)，L(i，j)分别为步骤2和步骤3得到的图像；

最终再将点乘后的图像Z(i，j)加到输入图像上，得到最终的增强图像R(i，j)。

2.如权利要求1所述的一种基于Sobel算子滤波的图像增强算法，其特征在于：步骤2a中利用理想高通滤波器处理输入图像的具体流程如下，首先对输入图像计算傅里叶变换：

k＝0，1，...，X-1

b＝0，1，...，Y-1

其中X，Y为输入图像横向和纵向上的总像素数，f(i，j)为输入图像在点(i，j)处的灰度值；

然后进行高通滤波：

滤波器传递函数满足：

d0为截止频率到原点的距离，d(k，b)为点(k，b)到原点的距离，G(k，b)＝F(k，b)×H(k，b)  (1-4)最后将G(k，b)进行傅里叶逆变换，得到高通滤波得到的图像：i＝0，1，...，X-1

j＝0，1，...，Y-1

g(i，j)即为滤波后的图像。

3.如权利要求1所述的一种基于Sobel算子滤波的图像增强算法，其特征在于：步骤2c中的Sobel算子为，利用Sobel算子对图像进行锐化后，对于点(i，j)有：Si＝h(i-1，j-1)-h(i-1，j+1)+2h(i，j-1)-2h(i，j+1)+h(i+1，j-1)-h(i+1，j+1)  (1-6)Sj＝h(i-1，j-1)+2h(i-1，j)+h(i-1，j+1)-h(i+1，j-1)-2h(i+1，j)-h(i+1，j+1)  (1-7)其中，h(i，j)为步骤2b获得的简单的增强图像，Si和Sj分别为图像在水平、垂直方向的梯度，则点(i，j)的灰度值为：

4.如权利要求1所述的一种基于Sobel算子滤波的图像增强算法，其特征在于：步骤3a中均值滤波过程表示为，其中，p(i，j)为滤波后的灰度值，q(a，b)是大小为(2m+1)×(2n+1)的滤波器模板，f(i，j)为输入图像的灰度值。

5.如权利要求1所述的一种基于Sobel算子滤波的图像增强算法，其特征在于：步骤3b中的拉普拉斯算子为，则利用拉普拉斯算子处理后，对于点(i，j)有：L(i，j)＝p(i-1，j)+p(i，j-1)-4p(i，j)+p(i，j+1)+p(i+1，j)  (2-2)其中，L(i，j)为处理后的图像，p(i，j)为均值滤波后的图像。

6.如权利要求1所述的一种基于Sobel算子滤波的图像增强算法，其特征在于：还包括步骤4，图像质量参数计算，具体包括如下子步骤，步骤4a，计算最终的增强图像的灰度均值评价图像的明暗程度；

其中X×Y为图像总像素数，灰度均值大的图像整体明亮；

步骤4b，计算最终的增强图像的峰值信噪比(PSNR)评价图像的失真情况；

其中R(i，j)和f(i，j)分别为输出和输入图像在点(i，j)处的灰度值，MSE为均方误差，

255为最大灰度级，PANR越大说明图像失真越小；

步骤4c，计算最终的增强图像熵值测量图像的质量，其中P(i)表示灰度值为i的像素占像素总数的比例，熵越大，反应的纹理信息越丰富。