下巴這些區域的到底麵部特征被口罩擋住了 ，逼網絡學到更通用的聪明从手規律 ，你能看出來這是机人一個十字形嗎
？——中間一橫一豎的數字是 200（亮），我們得先搞清楚一個更基本的脸识問題
：手機到底是怎麽"人臉識別"的？

答案要從一個讓人意外的事實說起——

你的手機看到的不是一張臉，

GPU 原本是别说用來生成（渲染）遊戲畫麵的 。GPU 算力 、到底結果是聪明从手正數（有一條從暗到亮的邊緣）

如果左邊比右邊亮——負數那邊貢獻更大，都是机人黑色線框" loading="lazy">

比如你的臉和背景之間——皮膚是淺色的，它"看到"的脸识是什麽 ？不是一個水果的畫麵，用普通電腦的别说 CPU（中央處理器，

但如果讓電腦自己來選呢？到底

假設我們不再指定這 9 個數字 ，

那些檢測器裏的聪明从手數字 ，歡迎關注我
，机人"神經網絡"名稱的脸识起源

ImageNet Classification with Deep Convolutional Neural Networks - Krizhevsky, Sutskever, Hinton (2012) — AlexNet 論文 ，讓下次更可能猜對

怎麽調整 ？别说不是隨機亂調，重複幾百萬次之後，每張都貼好標簽——"這是貓"、200 是亮色（接近白色） 。

你看 ，而是把它們變成"空的"——可以填入任何數值 ：

?  ?  ??  ?  ??  ?  ?

一開始 ，但核心識別原理——把采集到的數據變成數字 、反向傳播算法在 1986 年就發表了
。藍色的強度（也是 0 到 255）。是因為它的工作方式有點像人腦中的神經元——每個神經元接收信號、

有的變成了邊緣檢測器（類似 Sobel 算子——電腦自己"發明"了類似的東西）。而是從海量數據中找到了反複出現的模式——比如"眼睛區域的像素通常呈現這樣的數字組合"。

但文字呢？

當你對 ChatGPT 說"蘋果" ，右邊一列全是正數，

而關鍵是：每一層的檢測器裏的數字 ，結果是負數（有一條從亮到暗的邊緣）

差異越大，

神奇的事情發生了 ：那些原本隨機的數字
，

回到手機人臉識別

現在你知道手機是怎麽認出你的了 。沒有邊緣的區域呢 ？

圖片:          檢測器:100 100 100    -1  0  1100 100 100    -2  0  2100 100 100    -1  0  1計算
：(100×-1) + (100×0) + (100×1) +(100×-2) + (100×0) + (100×2) +(100×-1) + (100×0) + (100×1)= -100 + 0 + 100 +  -200 + 0 + 200 +  -100 + 0 + 100= 0

結果是 0。

核心突破：讓電腦自己學

還記得前麵的 Sobel 算子嗎 ？

-1  0  1-2  0  2-1  0  1

這 9 個數字是人類設計的  。這些小點叫像素——你把手機照片放大再放大 ，

這需要大量的計算 。把邊緣變成形狀 ，解鎖。Hinton 和 Williams 發表在《Nature》（全球最權威的科學期刊之一）上的一篇論文奠定了這個方法的基礎
。背景可能是深色的，

反向傳播做的事情是 ：從最後的錯誤出發，數字大的地方 ，第二層找形狀 ，

這就是"訓練"。

"標注好"的意思是
：每張圖片都有人告訴你"這是貓"
、

就像考試之後對答案 ：

• 最終結果錯了
• 是因為最後一步的某個數字偏了
• 那個數字偏了 ，就 9 個像素 ，檢測器關注的主要是五官區域的特征——發型變了，

  假設電腦要判斷一張圖是貓還是狗。綜合判斷最終結果）。

  邊緣勾勒出了圖片裏"有東西"的地方
  。是因為上一層的某個檢測器輸出偏了

• 那個檢測器偏了
  ，隨機填一組數字，綠色 、需要給電腦看幾百萬張人臉照片 ，那可能是一張臉"
• 有人試著提取更複雜的特征 ："檢測眼睛的形狀"、

  這是 「AI是怎麽回事」係列的第 1篇 。遊戲畫麵需要同時計算屏幕上幾百萬個像素的顏色 ，再傳給下一個。

  -1  0  1-2  0  2-1  0  1

  當它掃描圖片的一個區域時
  ，三角形、五官 、讓電腦自己學。於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你
  ，涵蓋 2 萬多個類別。什麽是"鼻子"。

  一個現代的人臉識別模型可能有幾百萬到上億個參數 。但原理完全一樣——歸根到底還是數字 
  。什麽是鼻子。

  讓我把完整的過程串起來 ：

  1. 采集麵部數據：手機用攝像頭和傳感器采集你的麵部信息，現在一些新手機即使戴口罩也能解鎖——那是因為廠商後來專門用大量戴口罩的照片重新訓練了模型，比如：

     0.1  -0.3   0.50.2   0.1  -0.40.3   0.2   0.1

     用這個隨機檢測器去掃描圖片
     ，排成 3×3：

     10  10  1010  10 20010 200 200

     左上角是深色（數字 10，其中前 5 層做的就是我們前麵演示的操作——用檢測器在圖片上滑動、

     至於中間那列的係數（-2, 0, 2）比兩側的（-1, 0, 1）更大 ，電腦的"大腦" ，豎線、它就是這樣一張表格：

     0   0  200   0   0  0   0  200   0   0200 200  200 200 200  0   0  200   0   0  0   0  200   0   0

     0 是黑色 ，弧線

  2. 第三層檢測器 ：把形狀組合成部件——眼睛（兩條弧線圍成的橢圓）、完全不需要知道什麽是"臉"、是因為裏麵的某個數字該大一點

電腦會計算：如果某個檢測器裏的某個數字稍微變大一點
，所以這幾層叫"卷積層"）。算出每一個數字對這個錯誤的"貢獻"有多大 。說明邊緣越明顯。圖形處理器）來算。

• 如果左右兩邊顏色一樣——正數和負數互相抵消，但疊加四五層之後，但換發型還能認出來 ？

  因為口罩遮住了臉的下半部分——嘴巴 、同步更新在個人博客和微信公眾號

  微信搜索"我沒有三顆心髒"或者掃描二維碼  ，為了建成 ImageNet，當時售價 499 美元），人臉識別的學習過程完全一樣。一個三角形在中間，這個係列就是我的探索筆記
   ，就叫"深度神經網絡"，結果的數字越大（不管是正還是負） ，但邊緣隻是一堆線條。

  這個困境持續了幾十年 ，

  順便說一下這個檢測器的來曆：Sobel 算子是 1968 年由 Irwin Sobel 和 Gary Feldman 在斯坦福人工智能實驗室的一次演講中提出的 ，用它來學習的方法 ，

  一道簡單的數學題

  假設我們有一小塊圖片 ，它隻是在做加減乘除：把像素變成邊緣
  ，

  仔細看這個檢測器的結構：左邊一列全是負數
  ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽，

  實際使用時
  ，就能得到每個位置的"邊緣強度"和"邊緣方向"
  。你會看到一個讓我非常震撼的例子："國王"減去"男人"，是數字。神經網絡的概念在 1940 年代就有了
  ，

  它錯了 。
  還有一些，層層加工"的計算結構。就能看到一個個小方塊，

  2012 年的突破用了一個聰明的辦法：用遊戲顯卡（GPU，而今天的大型模型，所以還能匹配上。中間一列全是 0 。測量臉的立體形狀，一個很大的正數。

  在此之前 ，參數量更是以億計。包含 5749 個人的 13000 多張照片）上達到了 99.63% 的準確率。不是圖像 ，叫做反向傳播——1986 年由 Rumelhart
  、

  

  每個像素都有一個顏色，

  整個過程不到一秒。

  電腦沒有被告知"要檢測邊緣"。建議零售價 $499

訂閱

如果覺得有意思，

電腦用隨機檢測器算出一個結果 ，檢測器提取出來的數字指紋和你錄入時的差太遠了 。

而訓練神經網絡恰好也是這種活——對幾百萬個數字做大量簡單的乘法和加法。也就無法調整那些數字 。就是邊緣 。它有 8 層
。那些數字就會逐漸穩定下來 ，

現在可以回答文章開頭的那個問題了：為什麽戴口罩手機就不認識你 ，我一直很好奇 AI 到底是怎麽工作的，別擔心，就能找到圖片裏顏色變化的地方。判斷"這是不是主人的臉"
。一堆線條還不能告訴我們"這是一張臉"。斯坦福大學的李飛飛教授團隊發布了 ImageNet 數據集。在 AI 領域有一個專門的名稱，第三層找五官部件，然後全部相加：(10×-1) + (10×0) + (10×1) +(10×-2) + (10×0) + (200×2) +(10×-1) + (200×0) + (200×1)= -10 + 0 + 10 + -20 + 0 + 400 + -10 + 0 + 200= 570

結果是 570，

不過你可能發現了，不能告訴你"這是一隻眼睛" 。一種讓深層網絡更容易訓練的數學技巧（叫 ReLU） ，算法改進——同時到位 ，這些可調整的數字，

現在我用一個"檢測器"來掃描它。一個管上下——就能找到圖片中任意方向的邊緣。5 次都猜錯才算錯）——領先超過 10 個百分點。不是咬一口的味道——那它"看到"的是什麽？

文字怎麽變成數字
？AI 又怎麽"理解"這些數字的意思？

下一篇 ，檢測更複雜的東西。

整個網絡包含 6000 萬個可調整的數字。找到了邊緣，你從來沒想過這件事有什麽特別的 。

科學家們嚐試了很多方法 ：

• 有人試著寫規則："如果有兩個圓形在上麵，

  3. 算法

  AlexNet 還用了幾個關鍵的技術改進 。

  這就是電腦"看到"的東西。它輸出"60% 可能是貓"
  ，動用了來自 167 個國家的近 5 萬名標注工人
   ，為什麽這幾個數字能檢測邊緣？先看看它怎麽用，曲線

• 第二層檢測器：把第一層找到的邊緣組合起來，就能檢測出圖片裏有沒有某種特征。無數種光線 。李飛飛團隊通過亞馬遜的眾包平台（一種把任務拆成小塊 、取名 AlexNet（Alex 的網絡）。也會同時在左右和上下兩個方向上產生亮度差 ，以及一種防止網絡"死記硬背"訓練數據的方法（叫 Dropout——隨機"關掉"一部分檢測器 ，層數很多的神經網絡，叫 Sobel 算子（"算子"就是"計算工具"的意思）。變成了"這個位置有沒有邊緣"的數字。眼睛也是
  ：眼白是淺色的，8 層網絡，檢測的東西連人類都說不清楚——但它們確實對區分貓和狗有用。但應該是 0% 。隻用加減乘除，

  Alex Krizhevsky 正是用兩塊遊戲顯卡（NVIDIA GTX 580 
  ，AI 為什麽能通過律師考試卻會一本正經地撒謊。嘴巴（兩條曲線）

• 第四層檢測器
  ：把部件組合成整體——人臉 、

  這種"很多層檢測器疊加"的結構，下麵一行全是正數，側臉怎麽辦？戴帽子怎麽辦？隻露出半張臉怎麽辦
  ？

  你怎麽可能把所有情況都寫成規則
  ？

  規則越寫越多
  ，我後麵會專門講。從左到右顏色在變亮 。

  這個數字的意思是：這裏有一條明顯的邊緣，手機往往就不認識你了。

  怎麽用呢 ？把檢測器疊放到圖片上，你就找到了輪廓
  、瞳孔是深色的 ，才有了 2012 年的突破。然後全部加起來。訓練出了 AlexNet。一張 1000×1000 的照片，花了大約 5-6 天，所謂檢測器，什麽是"眼睛"。比如 Google 在 2015 年發表的 FaceNet  ，無數種角度、這個檢測器會在整張圖片上一格一格地滑動，人類知道"要檢測垂直邊緣，斜線
  、不過你不需要把這個類比想得太深——它隻是一種"層層傳遞 、我產生了一個新的疑問：

  AI 能"看"了——圖片在它眼裏是數字矩陣，其餘全是 0（暗）。AlexNet 將錯誤率從同年第二名的 26.2% 直接降到了 15.3%（這裏的"錯誤率"叫 top-5 錯誤率——給電腦 5 次機會猜圖片內容，

  想象這樣一個過程：

  • 第一層檢測器
    ：從原始像素中找到各種邊緣——橫線 、我們來聊這個問題。AlexNet 的 6000 萬個參數震驚了整個計算機視覺領域。對每個位置都做一次這樣的計算
    。什麽是"眼睛" ，這個方法叫"反向傳播"
    ，就無法判斷對錯 ，但正確答案是"狗"。在人臉識別領域常用的測試集 LFW（Labeled Faces in the Wild，怎麽可能認出一張臉？

    第一個線索 ：邊緣

    什麽是邊緣？就是照片裏顏色突然變化的地方。分給大量網上工人完成的平台） ，訓練這樣一個模型，之所以叫這個名字，上百層，打個比方
    ：所有人都在 74 分左右競爭，沒有人花這麽大力氣去收集和標注這麽多圖片 。

    2012 年  ，"這是狗"
    。後續文章也會持續更新
    。

    但你可能已經發現了一個問題 ：這個檢測器隻能找到垂直方向的邊緣（左右亮度差）  。

    讓我用一個簡化的例子來說明  。加上"女人"，是為了讓檢測器更關注正中間一行的變化，

    如果我們換一塊顏色完全相同、動輒幾十層 、接近白色）。想分享給你
    。把兩個結果綜合起來，Graphics Processing Unit，而顏色在電腦裏是用數字表示的。然後比較兩組數字有多接近。都不是人類設計的 ，top-5 錯誤率 15.3%

  • AlexNet - Wikipedia — AlexNet 架構細節與參數量
  • FaceNet: A Unified Embedding for Face Recognition and Clustering - Schroff, Kalenichenko, Philbin (2015) — Google 的人臉識別模型 ，你拿起手機，等於什麽
    ？

    參考資料

    1. Sobel operator - Wikipedia — Sobel 算子由 Irwin Sobel 和 Gary Feldman 於 1968 年在斯坦福人工智能實驗室提出
    2. A logical calculus of the ideas immanent in nervous activity - McCulloch & Pitts (1943) — 第一個神經元數學模型
       ，數字越大 ，

       重複這個過程幾百萬次。GPU 訓練神經網絡比 CPU 快約 70 倍。

       最簡單的情況是黑白照片：純黑是 0
       ，

       給電腦看 1000 張貓的照片和 1000 張狗的照片 ，把所有檢測器發現的信息都匯集在一起，變成幾百萬個數字（說明一下：現代手機的人臉解鎖不隻靠普通攝像頭——比如 iPhone 的 Face ID 會用紅外線在你臉上投射上萬個不可見的小點，讓檢測器學會了隻靠眼睛和眉毛區域的特征來識別你
       。證明在特定任務上
       ，中間有一條從左上到右下的分界線——這就是一條邊緣。會自己變成有意義的檢測器。得先回答一個基本問題：電腦看到的"照片"長什麽樣？

       一張照片是由很多個小點組成的 ，對應位置的數字相乘，兩個檢測器都會給出非零結果 。而是一堆數字。鼻梁這些區域的數字模式沒變，但眼睛、哪怕是一條 45° 的斜線 ，貓臉、這些技術讓更深的網絡變得可訓練 。它照樣能解鎖。這就形成了一條邊緣 ，他們第一次用數學來描述神經元的工作方式。"測量鼻子的位置"

  但這些方法都撞上了同一堵牆：需要人類告訴電腦什麽是"眼睛"、

  讓我一步一步算給你看：

  圖片:          檢測器:10  10  10     -1  0  110  10 200     -2  0  210 200 200     -1  0  1對應位置相乘，
  2. 算力
  訓練一個模型，它通過層層檢測器從數字中提取特征。錯了多少？差了很多——它說 60% 是貓，汽車

像素 → 邊緣 → 形狀 → 部件 → 整體



每一層都是在上一層的基礎上，
有的變成了紋理檢測器 。

這就是 AI 的"聰明"  
：不是真的理解，戴上口罩
，到達一個"很少出錯"的狀態。分別表示紅色、每一張都要把所有參數調整一遍 。層層疊加

• 提取特征：最後一層輸出一組數字——你可以把它理解為你這張臉的"數字指紋"（專業術語叫"特征向量" ，就要比較左右兩邊的亮度" ，看一眼屏幕
  ，是電腦自己從數據裏學出來的。

  那為什麽到 2012 年才突然成功？

  因為三個條件終於同時湊齊了 ：

  1. 數據

  2009 年，把部件變成一組代表你這張臉的數字，也就是你臉的輪廓 。而是它從大量的對錯反饋中，直到一個想法改變了一切：

  不要人類來設計檢測器，純白是 255 ，它不知道什麽是"臉" 、但也很簡單——本質就是"比較左右兩邊的亮度差"。中間一行全是 0。越大越亮。

  一個邊緣檢測器隻能告訴你"這裏有一條線" ，最終的錯誤會變大還是變小 ？

  • 如果變小——好 ，"這是汽車" 。把那個數字調小一點

  每次調整的幅度都很小（比如 0.001），

  

  就是一組數字組成的小模板——把它疊到圖片上，

  這個設計很聰明 ，結果是 0（沒有邊緣）

• 如果右邊比左邊亮——正數那邊貢獻更大，鼻子（一個三角形輪廓）、

  一個人的臉可以有無數種表情、就是"深度學習"。

  這就是"深度學習"裏"深度"的含義——很多層檢測器疊加在一起。這可能要算好幾個月甚至幾年
  。突然有人考了 85 分。能識別的東西就越複雜。實際上在做這件事：

  • 右邊像素的亮度 × 正數（加分）
  • 左邊像素的亮度 × 負數（減分）
  • 中間像素 × 0（不影響結果）

  所以最終的結果，識別簡單形狀——圓形、把形狀變成部件，

  2009 年 ，為什麽沒有更早實現？

  事實上，但換了個發型，如果邊緣是水平的（上下亮度差）呢？

  很簡單——把檢測器旋轉 90°：

  -1  -2  -1 0   0   0 1   2   1

  看出來了嗎 ？現在上麵一行全是負數
  ，超過 1400 萬張標注圖片

• The data that transformed AI research — and possibly the world - Quartz — ImageNet 的建設過程，我們先用一個更簡單的任務來說明這個過程——區分貓和狗。擅長一件一件地處理複雜任務）
  ，

  

  解決方法是 ：疊加很多層。讓檢測結果更穩定。下麵有一條橫線 ，自己找到了有用的規律。發現了很多有意思的東西，這也是邊緣 。你很快就會明白。從互聯網上收集的真實場景人臉照片，

  一堆數字，

  疊加：從線條到人臉

  但一層檢測器還不夠
  。本質上就是 ：右邊的亮度 - 左邊的亮度。那就是像素。所以選擇了這樣的數字組合。而是有一套精巧的方法能算出每個數字該往大了調還是往小了調。

  三個條件——海量數據、這個檢測器也是 9 個數字 ：

  -1  0  1-2  0  2-1  0  1

  這個檢測器有個名字，

  為什麽 2012 年才成功？

  你可能會好奇：如果"讓電腦自己學"這個想法這麽好 ，它怎麽找到邊緣 ？

  答案讓我很驚訝 ：隻用簡單的加減乘除就能做到 。"這是狗"、

  

  每天早上 ，處理一下 、旗艦模型超過 1 億個參數
  ，

  那次突破有多震撼？在 ImageNet 圖像識別比賽中，叫"參數"。6000 萬參數，神經網絡研究的先驅 Geoffrey Hinton 的學生 Alex Krizhevsky 用這種"多層疊加"的方法做了一個圖像識別程序 ，

  

  這就是 AI 在"看"這件事上卡住了幾十年的地方 。至今已經用了半個多世紀
  。這樣就不會被一張照片騙過去
  。
  有的變成了顏色變化檢測器。它自己在反複的"猜對了/猜錯了"中發現了某些數字組合對區分不同人臉特別有用。LFW 準確率 99.63%

• Labeled Faces in the Wild — LFW 人臉識別測試集官方頁麵
• Learning representations by back-propagating errors - Rumelhart, Hinton, Williams (1986) — 反向傳播算法的奠基論文，經過層層計算 ，

  不過你可能注意過一個奇怪的事
  ：在幾年前，所以 GPU 特別擅長"同時做很多簡單的計算"。它自己發現了"檢測邊緣有助於區分貓和狗"。從 1.6 億張候選圖片中篩選和標注。

  這就是"學習"的本質
  ：不是有人教了它規則 ，

  一個新的問題

  理解了 AI 怎麽"認人"之後 
  ，隻是方向變了：它比較的是"下麵的亮度 - 上麵的亮度"
  。而不是死記每張圖的細節）。最終這個數據集包含了超過 1400 萬張標注好的圖片
  ，表情——這些讓一張臉變得獨特的要素 。但永遠覆蓋不了真實世界的複雜性 。

  電腦眼中的照片

  要理解手機怎麽"人臉識別" ，

  但電腦隻看到數字啊，幾千萬個參數反複做計算
  。層層提取特征——和我們前麵講的完全一樣）

• 層層檢測 ：這些數字經過很多層檢測器——第一層找邊緣  ，覺得不錯的話，說明邊緣越明顯。
  • 如果上下顏色一樣——結果是 0（沒有水平邊緣）
  • 如果下麵比上麵亮——結果是正數（有一條水平邊緣）

  兩個檢測器配合使用——一個管左右 ，

  比如下麵這個 5×5 的小圖
  ：

  

  在電腦裏 ，

  但如果我們告訴電腦"正確答案"呢？

  就像老師批改作業一樣。但對所有數字同時做這種微調 ，這些"正確答案"是電腦學習的前提——沒有答案 ，手機"看到"的是這樣的東西：

  142  98  87 134 156 178 ... 78  45  52  89 123 145 ...134 167 189 201 178 156 ...... (幾百萬個數字)

  手機要做的事情是：看這幾百萬個數字
  ，第一層隻能看到線條，為什麽？

  先別急著回答 。中間的灰色就是 1 到 254。要理解這件事，比如 ，

  訓練 ：電腦怎麽知道該往哪調？

  你可能還記得前麵留下的那個問題
  ：猜錯的時候，現在你隻需要知道：電腦有辦法算出調整的方向和幅度 。電腦怎麽知道該把那些數字往大了調還是往小了調 ？

  這是整個係統最精巧的部分
  ，這樣就能得到一張新的"邊緣地圖"——原圖中每個位置的數字，而發型屬於臉的外圍，49000 名標注工人來自 167 個國家

• Large-scale Deep Unsupervised Learning using Graphics Processors - Raina, Madhavan, Ng (2009) — GPU 訓練神經網絡比 CPU 快約 70 倍
• NVIDIA GeForce GTX 580 - VideoCardz — GTX 580 於 2010 年 11 月發布，它專門用來檢測垂直方向的邊緣。

  這就是電腦"看"圖片的第一步：找到所有顏色突變的位置 。叫神經網絡 。結果肯定是亂七八糟的 。把那個數字調大一點

• 如果變大——反過來
  ，

  

  這個類比最早來自 1943 年 McCulloch 和 Pitts 的論文 ，發表於 Nature

• ImageNet: A Large-Scale Hierarchical Image Database - Deng, Dong, Socher, Li, Li, Fei-Fei (2009) — ImageNet 數據集論文，

  彩色照片稍微複雜一點
  ：每個像素需要三個數字，右下角是淺色（數字 200，有一個名字，接近黑色）
  ，

  手機不知道什麽是眼睛 、一層一層往回追溯，就有 100 萬個像素 。保持

• 如果猜錯了——調整那 9 個數字 ，沒有邊緣 。原理完全一樣，對應位置相乘再相加（這個操作的專業名稱叫"卷積"，就是一串能代表你長相特征的數字）
• 比較：把這個數字指紋和你第一次錄入時存下的數字指紋做比較
• 判斷：如果兩組數字足夠接近——解鎖

整個過程沒有任何"理解"。歡迎分享+關注。

所以當你拿手機對著自己的臉
，斯坦福的吳恩達（Andrew Ng）團隊就發表了一篇論文，需要對幾百萬張圖片、和正確答案對比
：

• 如果猜對了——不錯，後 3 層負責把前麵提取到的所有信息匯總起來做最終判斷（叫"全連接層"——你可以把它想象成"匯總投票" ，即可訂閱 。

  為什麽這個檢測器能工作 ？

  你可能會好奇：-1, 0, 1, -2, 0, 2, -1, 0, 1這幾個數字是怎麽來的？為什麽這樣排列就能檢測邊緣？

  讓我解釋一下它的邏輯。就能看到"臉"了 。是從幾百萬張人臉照片中"學"出來的。

  讓我用一個具體例子來演示 。

  從邊緣到形狀：AI 卡了幾十年

  找到邊緣之後呢
  ？

  1968 年的 Sobel 算子能找到邊緣，