高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。
通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
一般是用一个3*3的模板（卷积）去扫描图像中的每个像素点，加权平均确定中心像素点的值。
用自己的话来讲就是：用周围像素点的加权平均值来替代这个中心点，这样的话，如果中心点是一个像素值突变的噪点的化，那么它经过加权平均后也可以与周围正常的点像素值靠近，消除噪点的影响。
////////////////////////////////////////////////////////////////////////////////、
Sobel算子是一个离散微分算子 (discrete differentiation operator)。 它用来计算图像灰度函数的近似梯度。
用自己话来讲就是：sobel是一个计算图像上每一个像素点的梯度的过程，怎么算呢，与一个内核做卷积运算，卷积之后可以获得图像上每个像素点的梯度的幅值和方向，关键点就是边缘点的像素值的梯度计算后与旁边邻近点的幅值是有一个突变的过程，所以当计算后的像素点的梯度值和领域里的其他值相比是突变的，那么它就有可能是一个潜在的边缘点。
这个地方有个问题是：梯度的方向和幅值分别代表什么，如果边缘点是梯度的赋值突变为标准，那么梯度的方向的计算是不是没有意义，还没搞懂啊。
//////////////////////////////////////////////////////////////////////////////////
非极大抑制：比较好理解。就是只保留梯度突变的像素点，其他点都抑制掉，就是其他点都变成255 或者 变成0 ，这样一张图片上的的非潜在边缘点都没隐藏掉，剩下的都是潜在边缘点。
//////////////////////////////////////////////////////////////////////////////////
滞后抑制也比较好理解，再一次筛选边缘点，设定两个阈值，一个高阈值，一个低阈值，梯度值高于高阈值，不用说就看作为边缘点，梯度值小于低阈值，就筛除它，看作为非边缘点，如果在低阈值和高阈值中间，就看它连接的是不是高于高阈值的点，如果是它也可以看作为边缘点，如果不是，那就是非边缘点。
这个有个问题是 怎么理解一个点连接的点，是指它在它的领域里高阈值的点吗？不是很清晰。