梯度/梯度算子：这里的梯度特指二维离散函数中的梯度，因此就不能用连续函数的算法计算，而是要用差分的方法。计算方法有很多种，常见的两种其一是G(x,y) = dx(i,j) + dy(i,j); 其中dx(i,j) = H(i+1,j) - H(i,j); dy(i,j) = H(i,j+1) - H(i,j);，或者使用中值差分，即dx(i,j) = (H(i+1,j) - H(i-1,j)) / 2; dy(i,j) = (H(i,j+1) - H(i,j-1)) / 2;。在图像处理中，计算梯度通常使用卷积的方式来求得，卷积核被称为算子。通常一阶导数算子（梯度算子）用于在边缘灰度值过度比较尖锐、图像噪声比较小时，而二阶导数算子（拉普拉斯算子）用于确定已知边缘像素后像素在明区还是暗区。
Hough变换：把图像平面上的点对应到参数平面上的线，最后通过统计特性（假如是直线就统计线的交点个数，参数平面下交点的坐标就是斜率和截距，对应图像平面就是一条线）
