具有高斯平滑的梯度：使用高斯平滑和对称差分来估计灰度级梯度。-matlab开发

这些函数使用高斯平滑和对称差分进行梯度估计。 它们可用于支持例如 Canny 边缘检测器，并可形成许多图像和数据处理操作的初始阶段。 梯度函数接受不同类型的数据： gradients_x: 一个向量 gradients_xy：一个二维数组，通常是一个图像。 返回梯度的两个分量。 gradients_xyt：两个二维数组，每个数组通常是一个图像。 返回空间和时间梯度。 gradients_n：一个 ND 数组。 返回沿每个轴的梯度。 支持平滑函数执行高斯平滑，输入： gsmooth：一个向量 gsmooth2：二维数组 gsmoothn：ND 阵列 如果需要，这些函数提供各向异性平滑。 （也就是说，每个轴的平滑常数不同。） 特别注意如何处理靠近数组边界的元素。 默认情况下，输出数组小于输入数组，因此只需要计算有效值。 但是，一个选项允许输出与输入的大小相同； 然后通过使用反射或平