一，为什么要摆脱3的掩码

在处理图像的过程中，会用到平滑算子，很容易破坏边际，所谓的一阶导数sobel只计算掩码为3的差分，在幅度图分割中，往往是很难把握的。

举个例子-现在图像头平滑好了，缺陷跟背景的差值在15左右，那我们如何在sobel幅度图中进行提取呢，我认为很难。那这时候就需要我们做一个自定义的幅度图，在本例子中，我们定义缺陷的边缘与背景边缘的交接地带在6个像素左右，我们来做一个幅度图，以每个点与远处10个像素的差值进行计算求幅度图，对幅度图进行15*0.9到15*1.1的预制进行分割，提取边界。

（玩法很多，这里只作为一阶导来玩，增强对一阶导的理解）

二，做一个x方向的距离10的一阶幅度图。

1）求距离为10的一阶偏导，最简单的方法就是，图像相减

2）将图像右移10个像素得到image1，然后用Image-image1对应位置的像素，就得到了image的距离为10的一阶偏导subimage。

3）subimage进行   15*0.9-15*1.1的正向分割，就得到了图像的左侧边界

再进行 -15*1.1导-15*0.9的负相分割，就得到右侧边界。但右侧边界会比图像有10个像素的位置便宜，需要我们移动过去。

4）再以此方式求出垂直方向的区域，四个区域的相加，就是目标区域的完整边界区域。

5）以此为封闭区域可以求出边界

三，插入了自己的实验代码，希望多多交流

分享让我在问题上能更进一步的思考

如果您觉得我喷的，不是知识垃圾，可点赞或者留言告知

gen_image_const (Image, 'real', 512, 512)
paint_region (Image, Image, ImageResult, 100, 'fill')
dev_open_window_fit_image (ImageResult, 0, 0, -1, -1, WindowHandle)
gen_circle (Circle, 200, 200, 100.5)
paint_region (Circle, ImageResult, ImageResult1, 200, 'fill')

mean_image (ImageResult1, ImageMean, 5, 5)
**将图像右移10个像素
vector_angle_to_rigid (10, 0,0 ,10,10 ,0 , HomMat2D)
affine_trans_image (ImageMean, ImageAffineTrans, HomMat2D, 'constant', 'false')

get_domain (ImageAffineTrans, Domain)
reduce_domain (ImageAffineTrans, Domain, ImageReduced)
paint_gray (ImageReduced, ImageResult, MixedImage)

sub_image (ImageMean, MixedImage, ImageSub, 1, 0)

threshold (ImageSub, Region, 95, 105)

threshold (ImageSub, Region1, -105, -95)

hom_mat2d_invert (HomMat2D, HomMat2DInvert)
affine_trans_region (Region1, RegionAffineTrans, HomMat2DInvert, 'constant')

union2 (RegionAffineTrans, Region, RegionUnion)