1.1. 图像处理 梯度计算 基本梯度 内部梯度 外部梯度 方向梯度1
2. 图像梯度就是图像边缘吗？2
1.1. 图像处理 梯度计算 基本梯度 内部梯度 外部梯度 方向梯度
源代码基于OpenCV实现，原因是太懒了，不想再用Java从头写了！
一：概念介绍
形态学操作膨胀与腐蚀图像形态学中最基本的两个形态学操作、常常被组合起来一起使用实现一些复杂的图像形态学操作，计算图像的形态学梯度是形态学重要操作之一是有膨胀和腐蚀基础操作适当的组合形成。可以计算的梯度常见如下四种：
基本梯度
基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是OpenCV中支持的计算形态学梯度的方法，而此方法得到梯度有被称为基本梯度。
内部梯度
是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度
外部梯度
图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度。
方向梯度
方向梯度是使用X方向与Y方向的直线作为结构元素之后得到图像梯度，X的结构元素分布膨胀与腐蚀得到图像之后求差值得到称为X方向梯度，用Y方向直线做结构分别膨胀与腐蚀之后得到图像求差值之后称为Y方向梯度
2. 图像梯度就是图像边缘吗？
对于图像梯度，查了很多资料，始终没有完全弄懂其中的意思。图像梯度和图像边缘有什么关系，忘高手指点？最好附上公式，谢谢！
可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导：
图像梯度: G(x,y) = dx i + dy j;
dx(i,j) = I(i+1,j) - I(i,j);
dy(i,j) = I(i,j+1) - I(i,j);
其中，I是图像像素的值(如：RGB值)，(i,j)为像素的坐标。
图像梯度一般也可以用中值差分：
dx(i,j) = [I(i+1,j) - I(i-1,j)]/2;
dy(i,j) = [I(i,j+1) - I(i,j-1)]/2;
图像边缘一般都是通过对图像进行梯度运算来实现的。
图像梯度的最重要性质是，梯度的方向在图像灰度最大变化率上，它恰好可以反映出图像边缘上的灰度变化
上面说的是简单的梯度定义，其实还有更多更复杂的梯度公式。
图像的梯度 - 斯凡的专栏 - 博客频道 - CSDN.NET.html
作者:: 绰号:老哇的爪子claw of Eagle 偶像破坏者Iconoclast image-smasher
捕鸟王"Bird Catcher 王中之王King of Kings 虔诚者Pious 宗教信仰捍卫者 Defender of the Faith. 卡拉卡拉红斗篷 Caracalla red cloak
简称：： Emir Attilax Akbar 埃米尔 阿提拉克斯 阿克巴
全名：：Emir Attilax Akbar bin Mahmud bin attila bin Solomon Al Rapanui
埃米尔 阿提拉克斯 阿克巴 本 马哈茂德 本 阿提拉 本 所罗门 阿尔 拉帕努伊
常用名：艾提拉（艾龙）， EMAIL:[email protected]
转载请注明来源：attilax的专栏 http://www.cnblogs.com/attilax/
--Atiend