halcon图像滤波（一）halcon实现sobel处理
首先在网上搜索了什么是sobel:
一、先是理解一下什么是卷积
最容易理解的对卷积(convolution)的解释
文字来解释就是：卷积的其中一方参与者是冲击响应，它所描述的的曲线方向与时间流逝一致。而卷积的输出等于以前的信号效果累加，这个累加必然从当前时间点逆时间流逝方向进行的。很显然，离当前时间越近，那个输入残留在系统中的回响就越大。
转自知乎
再说说自己对卷积公式的理解，也是每次自己容易困惑的地方：注意公式中的n才是自变量（意义便是n时刻的系统响应），t只是用于积分的，f(n-t)是n时刻时往回倒t单位时间时，也就是（n-t）时刻的信号输入，而h（t）则是f（）这个信号对于时间的变化，所以将n时刻前的每个时间的信号输入与其对应的对于时间变化的响应相乘（结合上面图片理解），把这些结果叠加起来就是n时刻获得的响应。
二、然后是对图像处理中的卷积，涉及到一些矩阵的东西
ps：虽然上面对卷积的理解解开了以前一直以来对卷积的困惑，不过在看图像处理中的卷积时感觉好像不一样。。。
关于下面这个文章：
彻底理解数字图像处理中的卷积-以Sobel算子为例
这篇文章前面的概念部分讲得很详细，对几个名词解释也通俗易懂(感觉就是矩阵元素的对应相乘)，只是没说sobel算子的gx和gy的具体用法，所以还是不知道这个算法的意义和用处。。。
好在下面这篇文章对sobel的用法和用处有一定的解绍，让我大致理解了sobel的概念
https://www.cnblogs.com/sophia-hxw/p/6088035.html
也大概知道gx和gy对于结果的差别，举个例子：比如原图是一个方框,用gx计算了垂直梯度后，由于只反映纵向的梯度差异，结果显示出来就只有原来的两条水平的边，相反，如果是用gy计算了水平梯度，由于只反映横向的梯度差，原来的两条垂直边就被反映出来，而水平边因为水平方向上的梯度值都一样就显示不出梯度差。
三、使用halcon中的sobel_amp函数及一系列操作完成图像边缘检测
参考如下链接
Halcon学习（八）边缘检测（一）
不禁感慨，halcon真是简单粗暴啊
关于sobel_amp(Image : EdgeAmplitude : FilterType, Size : )这个函数
read_image (Image, 'fabrik')
sobel_amp (Image, EdgeAmplitude, 'y', 3)
sobel_amp (Image, EdgeAmplitude, 'x', 3)
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 3)
sobel_amp (Image, EdgeAmplitude, 'sum_sqrt', 3)
sobel_amp (Image, EdgeAmplitude, 'sum_sqrt_binomial', 3)
sobel_amp (Image, EdgeAmplitude, 'x_binomial', 3)
sobel_amp (Image, EdgeAmplitude, 'y_binomial', 3)
sobel_amp (Image, EdgeAmplitude, 'sum_abs_binomial', 3)
*sobel_amp (Image, EdgeAmplitude, '', 3)
*sobel_amp (Image, EdgeAmplitude, '', 3)
dev_display (EdgeAmplitude)试了各种FilterType参数，有不同的效果，具体的用处还不知道。
read_image (Image, 'fabrik')
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 3)
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 5)
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 7)
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 9)
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 11)
dev_display (EdgeAmplitude)然后是size参数，效果应该是值越大，筛选的线越粗，很多细节就被忽略了，值越小就能体现更多细节，具体用法应该是根据实际情况。根据FilterType选择的不同，size的值的可选数值也不同，可以参考halcon里的函数解释。