梯度
梯度计算是：在某个通道内，计算某个像素点和周围(水平,垂直,四周...)的像素的亮度差异的大小，不同的算子代表不同的计算方式
算子
Sobel算子 一种常用的算子
\[Gx =
\begin{bmatrix}
{{-1}}&{{0}}&{{1}}\{{-2}}&{{0}}&{{2}}\{{-1}}&{{0}}&{{1}}\\end{bmatrix}\]
\[Gy =
\begin{bmatrix}
{{-1}}&{{-2}}&{{-1}}\{{0}}&{{0}}&{{0}}\{{1}}&{{2}}&{{1}}\\end{bmatrix}\]
\[Gxy =
\begin{bmatrix}
{{1}}&{{0}}&{{-1}}\{{0}}&{{0}}&{{0}}\{{-1}}&{{0}}&{{1}}\\end{bmatrix}\]
边缘点
\[G =2
\begin{bmatrix}
{{-1}}&{{0}}&{{1}}\{{-1}}&{{0}}&{{1}}\\end{bmatrix}\]
\[G =2
\begin{bmatrix}
{{-1}}&{{-1}}\{{0}}&{{0}}\{{1}}&{{1}}\\end{bmatrix}\]
Sobel算子一般取3X3矩阵(可以自由指定)，它会用它的中心遍历每个通道的图像中的每个像素点，并进行运算（对应位置相乘，并相加），得到的结果作为该像素点的亮度值
对于Gx，右边的值 减去 左边的值.
权重: 在水平方向，靠近中心点（目标像素点）的权重为2，大于斜向值1
对于Gy：下边的值 减去 上边的值.
权重: 在垂直方向，靠近中心点（目标像素点）的权重为2，大于斜向值1
img= cv2.imread(‘imgs/300.png‘,0)
cv2.imshow(‘1‘,img)
img2 = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
cv2.CV_64F：
1,0：x 方向
0,1：y 方向
ksize：核大小
Scharr算子
\[Gx =
\begin{bmatrix}
{{-3}}&{{0}}&{{3}}\{{10}}&{{0}}&{{10}}\{{-3}}&{{0}}&{{3}}\\end{bmatrix}\]
\[Gy =
\begin{bmatrix}
{{-3}}&{{-10}}&{{-3}}\{{0}}&{{0}}&{{0}}\{{3}}&{{10}}&{{3}}\\end{bmatrix}\]
原理上：和Sobel算子没有区别，差异在于比例放大了，也就是说，同样的差异，Scharr算子认为差异更大---更加敏感，放大细节
Laplacian算子
\[G =
\begin{bmatrix}
{{0}}&{{1}}&{{0}}\{{1}}&{{-4}}&{{1}}\{{0}}&{{1}}&{{0}}\\end{bmatrix}\]
通过结构可知：Laplaceian算子强调像素点和它上下左右四个像素点自和进行比较，有什么应用场景呢？还不知道
具体算法
（x,y单方向）
1.非边缘像素：对应位置，数值权重 再求和
2.边缘点
2.1 x方向：第一竖一定是0，设为基础点。其余边缘点 = 2（右-左）
2.2 y方向：第一行一定是0，设为基础点。其余边缘点 = 2*（下-上）
（x,y斜向）：（左上+右下）-（右上+左下）
05 梯度处理
原文：https://www.cnblogs.com/m4kemoretime/p/14226232.html
