差分近似图像导数算子之Sobel算子

背景引言

图像处理中，一个最基本并且最重要的卷积就是导数的计算，一般用来表达微分最常用的操作是Sobel算子，可以包含任意阶的微分以及融合偏导。主要用作为边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。本节介绍Sobel算子知识，给出参考代码以及测试输出结果。

基本理论

Sobel算子的原始推导过程方面很少，根据(Heath et al. 1997) [1]，最初Sobel算子是源自于一篇博士论文(Sobel, 1970 )[2]。当时可能用于计算大模板系数的理论基础很少被提到。一个可能的理论基础是考虑到均值计算和差分处理的最优方式。高斯平均已经被公认为最优的均值方法。二项展开式(binomial expansion)可求出级数的整数系数，在极限情况下近似于正态分布(normal distribution)。Pascal's Triangle[3]可计算出平滑算子的一组系数，在极限情况下这组系数与高斯平滑算子的系数大致相同。