基础入门

        边缘检测是计算机视觉和图像处理中的一个重要环节，可以帮助我们识别图像中的对象边界或区域，这对于后续的特征提取、图像分割等任务至关重要。边缘检测的目的是：标识数字图像中亮度变化明显的点。这些变化通常反映的是图像中的重要事件，比如：深度的不连续、表面方向的不连续、材质属性的变化、或场景照明的变化。边缘检测可以显著减少数据量，并且剔除不相关的信息，保留图像的重要结构属性。

        边缘检测方法可以大致分为两大类：一大类是基于梯度的方法，另一大类是基于零穿越的方法。

        1、基于梯度的方法。这类方法利用图像中灰度值的变化来检测边缘，通常涉及到一阶导数的计算。这些方法包括：Sobel算子、Prewitt算子、Scharr算子、Canny边缘检测等。

        2、基于零穿越的方法。这类方法利用图像中灰度值的二阶导数过零点来检测边缘，通常涉及到二阶导数的计算。这些方法包括：Laplacian算子等。

Sobel算子

        Sobel算子是一种基于一阶导数的边缘检测算子，它通过计算图像中每个像素的梯度来检测边缘。Sobel算子通常使用3 x 3大小的卷积核来近似图像的梯度，并分别计算图像在x方向和y方向上的梯度，从而得到梯度的幅度和方向。Sobel算子能够很好地捕捉边缘信息，同时也有一定的抗噪能力。在OpenCV中，Sobel算子通过cv::Sobel函