本示例使用的OpenCV版本是：OpenCV 4.1.1
运行Python的编辑器：Jupyter notebook 6.0.0
实现目的
您将学习如何使用使用索伯算子（Sobel operator）检测边缘（梯度的近似值）。
实现代码
1，以灰度读取图片，并显示原图
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('dog.png',0)
plt.imshow(img, cmap='gray')
2，使用索伯算子（Sobel operator）计算梯度近似值
dx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
dy = cv2.Sobel(img, cv2.CV_32F, 0, 1)3，显示结果
plt.figure(figsize=(10,10))
plt.subplot(131)
plt.axis('off')
plt.title('image')
plt.imshow(img, cmap='gray')
plt.subplot(132)
plt.axis('off')
plt.imshow(dx, cmap='gray')
plt.title(r'$\frac{dI}{dx}$')
plt.subplot(133)
plt.axis('off')
plt.title(r'$\frac{dI}{dy}$')
plt.imshow(dy, cmap='gray')
plt.tight_layout()
plt.show()使用的示例图像计算出来的边缘并不明显，伙伴们可以试试其他图片。
可以看出dx的图像有点凹进去，而dy的图片有点凸出，难道这样就是浮雕滤镜？
程序说明
本示例，主要使用了 cv2.Sobe 函数计算梯度（边缘），实际上您可以精确地指定需要计算什么导数、应该使用什么内核以及输出图像的数据类型。具体用法请参考：
https://docs.opencv.org/4.1.1/d4/d86/group__imgproc__filter.html#gacea54f142e81b6758cb6f375ce782c8d
在显示结果中，请留意：
plt.subplot函数声明了一行三列的布局，plt.figure定义的显示的尺寸大小,plt.axis的off定义了不显示坐标轴，plt.title定义了图像标题
