Sobel 边缘检测

Sobel 边缘检测算子：主要作边缘检测。用于获取数字图像的一阶梯度。
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经纵向向及横向边缘检测的图像，其公式如下:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

通常，为了提高效率 使用不开平方的近似值：

如果梯度G大于某一阀值 则认为该点(x,y)为边缘点。

如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。
Sobel 算子有两个，一个是检测水平边缘的 ；另一个是检测垂直边缘的 。
Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。
Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。
普利维特算子(Prewitt operate)：
除sobel边缘检测外 还有Prewitt算子， 它的卷积因子如下：

Prewitt算子利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘。对噪声具有平滑作用，定位精度不够高。