BME-梯度的概念

不同的算子对应了不同的求梯度的方法： 
以Sobel算子（效果较好）为例： 
对于数字图像，可以用一阶差分代替一阶微分； 

　　△xf(x,y)=f(x,y)-f(x-1,y); 

　　△yf(x,y)=f(x,y)-f(x,y-1) 

　　求梯度时对于平方和运算及开方运算，可以用两个分量的绝对值之和表示，即： 

　　G[f(x,y)]={[△xf(x,y)] +[△yf(x,y)] } |△xf(x,y)|+|△yf(x,y)|; 

　　Sobel梯度算子是先做成加权平均，再微分，然后求梯度，即： 

　　△xf(x,y)= f(x-1,y+1) + 2f(x,y+1) + f(x+1,y+1)- f(x-1,y-1) - 2f(x,y-1) - f(x+1,y-1); 

　　△yf(x,y)= f(x-1,y-1) + 2f(x-1,y) + f(x-1,y+1)- f(x+1,y-1) - 2f(x+1,y) - f(x+1,y+1); 

　　G[f(x,y)]=|△xf(x,y)|+|△yf(x,y)|;