Sobel算子（一阶导）、Laplacian算子（二阶偏导）
LOG算子（高斯拉普拉斯函数）
也叫Marr边缘检测，它把的Gauss平滑滤波器和Laplacian锐化滤波器结合了起来，先平滑掉噪声，再进行边缘检测。
Canny算子
首先在x和y方向求一阶导数，然后组合为4个方向的导数。这些方向导数达到局部最大值的点就是组成边缘的候选点。后设定两个阈值，如果一个像素的梯度大于上限阈值，则被认为是边缘像素，如果低于下限阈值，则被抛弃，如果介于二者之间，只有当其高于上限阈值的像素连接时才会被接受。
步骤：
-
用高斯滤波器平滑图象；
-
用一阶偏导的有限差分来计算梯度的幅值和方向；
-
对梯度幅值进行非极大值抑制；
-
用双阈值算法检测和连接边缘。
Prewitt（普瑞维特）算子
与sobel相似，其模板为将sobel的模板中间的2与-2改成1和-1
Robort（罗伯特）算子
一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。其模板为2*2的对角为1/-1、0/0。
Kirsch（凯西）算子
采用8个模板对图像上的每一个像素点进行卷积求导数，这8个模板代表8个方向，对图像上的8个特定边缘方向作出最大响应，运算中取最大值作为图像的边缘输出。
int ntemplate[8][9]={
{5,5,5,-3,0,-3,-3,-3,-3},
{-3,5,5,-3,0,5,-3,-3,-3},
{-3,-3,5,-3,0,5,-3,-3,5},
{-3,-3,-3,-3,0,5,-3,5,5},
{-3,-3,-3,-3,0,-3,5,5,5},
{-3,-3,-3,5,0,-3,5,5,-3},
{5,-3,-3,5,0,-3,5,-3,-3},
{5,5,-3,5,0,-3,-3,-3,-3}}