梯度Prewitt卷积
表示先对图像进行垂直方向上的非归一化的均值平滑，然后进行水平方向上的差分（即卷积计算）
表示先对图像进行水平方向上的非归一化的均值平滑，然后进行垂直方向上的差分（即卷积计算）
梯度Sobel卷积
与Prewitt类似
梯度Laplacian卷积
- 数学依据：在二阶导数的时候，最大变化处的值为零即边缘是零值。计算图像二阶导数，可以用来梯度计算、提取边缘、检测边缘。
- Laplacian算子 ：（也是个卷积核）因为图像是“2维”, 需要在两个方向求导，直接使用Laplacian算子即可自动完成（不需要分开算两个方向了）。
- 优点：计算成本比其他算子低，缺点会对噪声产生很大的影响
- 常用的形式：
核内的所有值的和必须等于0，这样可以使在恒等灰度值不会产生错误的边缘。
周边高于（或低于）中心点