我讀了https://en.wikipedia.org/wiki/Sobel_operator
說，我們要檢測灰度圖像中的水平邊緣。
請注意 - 我寫矩陣作爲行的序列。
問題1）然後我應該取[1,0，-1; 2,0，-2; 1,0，-1]（來自G x =以上維基鏈接的矩陣* A）並且將其與給定圖像進行卷積。 所以我會疊加[-1,0,1; -2,0,2; -1,0,1]（從矩陣的180度旋轉獲得）在每個像素上。
是嗎？
問題2）假設圖像是[a，b，c; d，X，f; g，h，i]，那麼我將用-a + c-2d + 2f-g + i = Y來代替像素X.如果Y變成負值會怎麼樣？ （像素值不能爲負）。
問題3）我可以通過應用sobel算子（不是將該輸出矩陣作爲圖像渲染）後得到的矩陣來得出關於圖像的特定像素的任何結論嗎？
問題4）是否 - 取決於使用的矩陣 - 水平或垂直邊緣將在輸出圖像中強調，但不是兩者都是？
謝謝。sobel操作員如何工作
像素值不能爲負數
現在好了就可以了，根據定義。使用偏移表示法可以很容易地看到（平坦=灰色，負=暗，正=明），使用2的補碼錶示法通常會使數學更容易（但看起來真的很糟糕，如果直接渲染會造成混淆）。無論哪種方式，如果你想使用相同的格式（聽起來像你這樣做，否則就沒有問題），你還必須將結果夾緊和/或縮放到新的範圍，因爲在最糟糕的情況下，他們不會適合。自然圖像中的大多數像素不會有很大的衍生物，因此鉗位不會造成太大麻煩，但是否合適取決於您需要的信息。縮放會降低各處的小細節。
顯然，如果您使用不同的目標格式（每個像素的位數多於源數據），那麼首先這不是一個問題。如果你有一個8位輸入，你可以將結果以一個有符號的16位格式存儲，而不會有任何問題。
這是 - 根據使用的矩陣 - 水平或垂直邊緣將強調在輸出圖像，但不是兩個？
是的，但您可以通過獲取梯度向量的長度來合併它們。這將在任何方向（不僅H或V，而且對角線和兩者之間的角度）大致相等地處理邊緣。您也可以將水平和垂直導數的絕對值相加，這是一種更簡單的計算，但它將對角線邊緣視爲與直邊不同。
1）對。 2）標誌會告訴你邊緣的極性;如果你想保持兩個極性，取絕對值;否則只保留正面或負面部分。 3）邊緣是濾波器響應高的地方。 4）右邊，雖然一些斜邊也是可見的。