soble算子可以抑制噪声，因此没有太多孤立的边缘像素。
sobel算子的边缘定位精度不高，图像边缘的宽度往往超过一个像素，不适合边缘定位精度要求高的应用。
prewitt操作员：可抑制噪音。抑制噪声的原理是对像素进行平均，但平均像素相当于对图像进行低通滤波，因此prewitt算子的边缘定位不如roberts算子。
此运算符类似于sobel运算符，但权重已更改，但它们之间仍有差距。根据互联网上的信息，sobel比prewitt更能准确地检测出图像的边缘。
您可以自己设置。
由于图像处理经常是复杂的，因此没有非常通用的方法。
一种具有处理序列的图像处理阈值有很好的效果。
改变一种形象是不好的。
sobel应该是灰度的。稍后将进行二值化。
otu可用于对sobel的结果图进行二值化。
您还可以使用otsu方法来计算阈值并进行一些更改，如-5或其他。
如果是写文章，就要涉及到各种理论。
如果是一个项目，理论就无关紧要了。只要这种图像效果好，
不在乎阈值设置是否合理。
确保这种图形具有相同的照明和焦距。否则，边界强度
会不同，这会很烦人。
