因為拍攝的圖像為1024×1024，采用的Sobel算子為3×3模板，所以圖像周邊的一圈像素(第1行、第1024行、第1列、第1024列)保持原灰度值。在圖像的第2行2列到1023行1023列的范圍內，用圖5所示的算子模板進行掃描計算，即當前像素和與當前像素相鄰的8個像素，分別與模板中位置相應的9個系數相乘，累加這9個乘積結果，就得到針對某一方向的灰度梯度。比較兩個方向的計算結果，取最大者作為當前位置的灰度梯度。圖7為圖6經過Sobel算子進行邊緣提取后得到的圖像。該算法在ARM中是基于C語言實現的，體現了ARM軟件編程靈活的特點。
3.3 試驗結果
　　圖6是成功驅動CMOS圖像傳感器后拍攝的景物圖像，可見圖像非常清晰。本文分別針對Soble算子進行了基于PC機和基于ARM的實現，圖7為圖6經過ARM中的Sobel算子的邊緣提取結果，圖8為圖6經過PC機中Sobel算子的邊緣提取結果，圖9為圖7和圖8逐像素的比較結果?？梢妰煞N實現方法得到的結果完全一致，說明了基于ARM的Sobel算子的實現是正確的。

　由于EPXA10集成了先進的ARM922T處理器器以及高密度的FPGA，所以在不增加體積和改進硬件電路的情況下，可以實現更加復雜的圖像處理算法和硬件控制邏輯設計，具有很強的系統擴展潛力。這種嵌入式方案必將成為集成電路的發展趨勢，將會在未來較短的時間里得到快速的發展。