所以，我了解sobel边缘检测背后的机制。 https://homepages.inf.ed.ac.uk/rbf/HIPR2/sobel.htm
我不理解的是梯度矩阵背后的直觉。我知道如何计算它，但我不明白这些值实际代表什么。
有人能指出我正确的方向吗？
Sobel矩阵是图像的一阶导数（近似）。
对于函数y = f(x)，一阶导数是：
lim(dx / dy), dx ->0
dx和dy分别表示x和y值的变化。
并且函数梯度是所有其因变量的偏导数的向量（图像是具有两个因变量的函数img = F(x, y)：]
grad = [d(x, y)/dx d(x, y)/dy]
这就是Sobel对于x和y相关值（图像轴）有两个内核的原因因此，渐变背后的数学运算没有特定的数字图像。
当我们处理数字图像时，dx限制为1（因为它是可能的最小值）。但是Sobel内核（内核大小通常应该是奇数）的大小为3.因此，与Sobel内核进行的图像卷积（例如x轴）会存储相邻像素值的差异。并且它将为像素值恒定（d(F(x, y) = 0）的区域存储零值。
考虑连续[255 255 255]中的三个白色像素。像素值没有变化，并且与[-2 0 2] will give 0. If we add a zero pad to have an output size equal to input[0 255 255 255 0]进行卷积，使用相同的滤波器，我们将得到[510 0 -510]。可以解释为：（0）单元为255的正值变化，（2）单元为255的负值变化，而（1）单元为零。