基础知识：
- 图像的梯度算子，一般是两个子模板（x,y方向）；2 * 2模板概念简单；3 * 3模板考虑了中心点对段数据的性质，携带了有关于边缘方向的更多信息（prewitt ☞ sobel）;Sobel算子是在Prewitt算子的基础上改进的，在中心系数上使用一个权值2，相比较Prewitt算子，Sobel模板能够较好的抑制（平滑）噪声。
- 方向微分算子Kirsch算子是一种非线性边缘检测器，可在几个预定方向上找到最大边缘强度，采用8个模板对图像上的每一个像素点进行卷积求导数，这8个模板代表8个方向，对图像上的8个特定边缘方向作出最大响应，运算中取最大值作为图像的边缘输出。
- 二阶导数算子如果图像灰度变化剧烈，进行一阶微分则会形成一个局部的极值，由数学上的知识，对图像进行二阶微分则会形成一个过零点，并且在零点两边产生一个波峰和波谷，我们要设定一个阈值，检测到这个过零点；laplace算子 ☞ 马尔算子(即LOG算子)：Marr和Hildreth提出将Laplace算子与高斯低通滤波相结合，提出了LOG（Laplace and Guassian）算子
三步：a.用一个2D的高斯平滑模板与原图像卷积 b.计算卷积后图像的拉普拉斯值 c.检测拉普拉斯图像中的过零点作为边缘点；在r=±sigma 处有过零点