梯度与Roberts、Prewitt、Sobel、Lapacian算子

一、学习心得：
学习图像处理的过程中，刚开始遇到图像梯度和一些算子的概念，这两者到底是什么关系，又有什么不同，一直困扰着我。后来在看到图像分割这一模块后才恍然大悟，其实图像的梯度可以用一阶导数和二阶偏导数来求解。但是图像以矩阵的形式存储的，不能像数学理论中对直线或者曲线求导一样，对一幅图像的求导相当于对一个平面、曲面求导。对图像的操作，我们采用模板对原图像进行卷积运算，从而达到我们想要的效果。而获取一幅图像的梯度就转化为：模板（Roberts、Prewitt、Sobel、Lapacian算子）对原图像进行卷积，不过这里的模板并不是随便设计的，而是根据数学中求导理论推导出来的。下面就逐一分析各梯度算子的推导过程。
二、算子推导过程
1、知识引入：
在一维连续数集上有函数f(x),我们可以通过求导获得该函数在任一点的斜率，根据导数的定义有：

在二维连续数集上有函数f(x,y),我们也可以通过求导获得该函数在x和y分量的偏导数，根据定义有：

2、梯度和Roberts算子：
对于图像来说，是一个二维的离散型数集，通过推广二维连续型求函数偏导的方法，来求得图像的偏导数，即在(x,y)处的最大变化率，也就是这里的梯度：