线图像的感知能力，与像素差相关，当有边缘穿过线图像时，或者说，当线图像穿过图像边缘时，就会有最大像素差出现，记下这个位置，并在图像上画个红色的叉叉标示出来，我们就会发现，线图像具有了感知力。

关于线图像，我们要再增加几个概念。这是线图像能旋转，增加了灵活度导致的。

线图像和我们图像的行重合时，线图像的位置坐标（x，y）是整数型的，像素值（颜色灰度）也是整数型的，像素差（颜色灰度差）也是整数型的，我们称之为整数型线图像。

当线图像旋转和图像的行交叉时，线图像的位置坐标，像素值，像素差均会出现浮点类型，因为像素插值的原因，我们称之为亚像素（浮点型）线图像。

在计算机上，直线的产生（在界面画一条直线），有好几种方法，人的意识有一种先入为主的嗜好，所以当你怀念的时候，dda画直线的方法便首先浮现了出来，分析后，为什么仍然使用dda画线法线图像，因为他既保证了精度，又保证了速度。我们称dda画线法线图像为整浮型线图像。我后边提到的线图像均指此种。（注释，dda，数字微分法）

另外，我们称像素差线图像为梯度线图像。他明显比梯度=|x分量|+|y分量|优越。

前面还提到线图像隐藏了另一种巨大的威力，给一个名字，叫做梯度和，是的，我们用它计算图像的清晰度，可应用到自动对焦上。其实我很早就在线图像中使用，但我没有意识到它，所以你回头总结意识到，并给他一个名字，那么每次，你重复他的时候，你就会有很多的联想和启示。当他以窗口出现时，你是否会立马想到harrisLike？

其实梯度线图像上最大值可能是孤立点，或者叫做干扰点，怎么排除呢？以（x，y）为中心，上下各取两点，一共连续五点，求和，若出现最大值，这个（x，y）才是你想要的。此操作正对应物以类聚。这是一个5行1列的窗口。在线图像上放置一个珠算，假如他可以认为是3行6列的窗口，让他滑落，每一个（x，y）计算梯度和，当梯度和出现最大时，就会有边缘出现，他就是物以类聚的“物”字，而在没有参考的线图像，你只知道“物”与孤立点不同，这就是最多的信息。而线图像携带窗口，则产生威力。实质是线图像5行1列的窗口已经足够，因为这个“物”字，在界面上看到明明是“边缘”，3行6列的窗口只是在证明视觉无误。我们需要这种科技的威力。

前一篇的三个问题光说未练。（待续................）