感悟
我们要查找的边缘就是灰度变化最大的地方
灰度使用黑色调表示物体,即用黑色为基准色，不同的饱和度的黑色来显示图像。 每个灰度对象都具有从 0%（白色）到100%（黑色）的亮度值。
所以其实灰度是从HSL颜色空间，也就是亮度和饱和度的角度出发描述的颜色。它用黑色来表示了图像上个像素的颜色差异。
因此第一步就是怎么找到灰度变化最大的地方咯
把灰度图用灰度值描述每一个像素所构成的矩阵当做是一个离散函数
获取一个函数的变化最大的地方该用什么方法怎么计算？
求导！
当然，需要复杂一点数学知识来求导矩阵。 (PS:写了四年程序的大四狗怎么会记得泰勒展开具体谁是谁，矩阵求导的具体法则😂 不清楚的读者请另行百度 附上一处资源)
一般Harris 经典的可以用 Prewwit算子进行滤波
Prewwit 算子由两部分组成
水平方向为[-1 -1 -1; 0 0 0; 1 1 1]
竖直方向为[-1 0 1; -1 0 1; -1 0 1]
各种算子模版的比较
也就是以Prewwit算子为模板，与图像矩阵进行卷积
把模板（n*n）放在矩阵上 (中心对准要处理的元素), 用模板的每个元素去乘矩阵中的的元素, 累加和等于这个元素, 依次计算每个元素的值，如果矩阵的中心在边缘就要将原矩阵进行扩展，例如补0，或者直接规定模板的中心距离边缘(n-1)/2个单位以上。
卷积过程
a*b卷积结果
卷积计算方法
