圖像處理中，一個最基本並且最重要的卷積就是導數的計算，一般用來表達微分最常用的操作是Sobel算子，可以包含任意階的微分以及融合偏導(例如∂2/∂x∂y)。在圖像處理中，主要用作邊緣檢測。在技術上，它是一離散性差分算子，用來運算圖像亮度函數的梯度之近似值。在圖像的任何一點使用此算子，將會產生對應的梯度矢量或是其法矢量。
根據百度百科：
該算子包含兩組矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。矩陣的大小稱為核的大小。sobel算子有一個非常好的性質，即可以定義任意大小的核，並且這些核可以用快速且迭代方式構造。在opencv函數cvSobel中，有以參數aperture_size就是用於控制核的大小，目前該函數支持1,3,5,7。
Sobel導數並不是真正的導數，這是因為Sobel算子定義於一個離散空間之上，它真正表示的是多項式擬合，用較大的核的話會在更多像素上進行擬合，會更加正確。而較小的核對噪聲會更加敏感，此時用sobel算子近似計算導數的缺點精度比較低，這種不精確性在試圖估計圖像的方向導數(directional derivative，使用y/x濾波器響應的反正切得到的圖像梯度的方向)。比如對於3*3的Sobel濾波器，梯度角度接近水平或者垂直方向的時候，這樣的不准確性會比較明顯。cvSobel可以通過使用CV_SCHARR來作為核的大小值，隱性的解決這個問題，實際是改變了矩陣中元素的值。
目前，先了解到這里。這個鏈接里的更加專業的感覺，http://blog.sina.com.cn/s/blog_4bdbec750100mufo.html