描述：cv2中的sobel算子
函数原型：
dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
参数：
前四个是必须的参数：
1. src - 需要处理的图像
2. ddepth - 图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度
3. dx - 对x轴方向求导的阶数，一般为0、1、2，其中0表示这个方向上没有求导
4. dy - 对y轴方向求导的阶数，一般为0、1、2，其中0表示这个方向上没有求导
其后是可选的参数：
5. dst - 目标图像
6. ksize - Sobel算子的大小，必须为1、3、5、7
7. scale - 缩放导数的比例常数，默认情况下没有伸缩系数
8. delta - 可选增量， 将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中
9. borderType - 图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT
功能：
应用于图像边缘检测
说明：
1. 在经过处理后，需要用convertScaleAbs()函数将其转回原来的uint8形式，否则将无法显示图像，而只是一副灰色的窗口。
函数原型：dst = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
其中可选参数alpha是伸缩系数，beta是加到结果上的一个值，结果返回uint8类型的图片
# absX=cv2.convertScaleAbs(x) # 转回uint8
# absY=cv2.convertScaleAbs(y)
功能：实现将原图片转换为uint8类型
2. 由于Sobel算子是在两个方向计算的，最后还需要用cv2.addWeighted(...)函数将其组合起来
函数原型为：dst = cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])
其中alpha是第一幅图片中元素的权重，beta是第二个的权重， gamma是加到最后结果上的一个值
功能：实现以不同的权重将两幅图片叠加，对于不同的权重，叠加后的图像会有不同的透明度
