Sobel算子使用中为什么可以直接处理灰度图像？

Question

问题遇到的现象和发生背景

在讲解Sobel算子的原理时讲到找出边界的时候最终获得边界的二值图像，用灰度处理后不就造成有多数地方不是0么？

问题相关代码，请勿粘贴截图

import cv2
import numpy as np

erzhi=cv2.imread("abba.png")
Gerzhi = cv2.cvtColor(erzhi, cv2.COLOR_BGR2GRAY) #此处的“cv2.COLOR_BGR2GRAY”不是表示以灰度图像读取么？
ax=cv2.Sobel(Gerzhi,cv2.CV_64F,1,0)
ay=cv2.Sobel(Gerzhi,cv2.CV_64F,0,1)
ax=cv2.convertScaleAbs(ax)
ay=cv2.convertScaleAbs(ay)
erzhi1=cv2.addWeighted(ax,0.5,ay,0.5,0)
cv2.imshow("EZ",erzhi)
cv2.imshow("EZax",ax)
cv2.imshow("EZay",ay)
cv2.imshow("EZ1",erzhi1)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果及报错内容

原图和边界图

我的解答思路和尝试过的方法

我想要达到的结果

Answer 1

不是特别理解你说的，说下我的理解
首先Sobel算子是用于边缘检测的算子，得出的结果并不是二值图，得到二值图像往往是设置了一个阈值，可以理解为当sobel算子结果超过该阈值时，给点为边缘点（为1），否则为非边缘点（为0），但是这部分计算并不属于sobel本身，需要你单独写出这部分程序的。
很多地方是0并不是因为是灰度图像，而是该区域内像素值都相等，sobel才会给你算出是零，但当该区域是渐变区域的时候，也是会算出值的，只不过不如边缘区域的值大（一般都是很小的值）因此有些为了防治这些渐变导致边界不明确，有人就选择用二值图像表示边界，但是阈值选择不好，噪声也会成边界点。另外sobel也是有方向的，不同的方向效果也不一样，你可以添加二值化处理达到你想要的结果。
给你推荐几个帖子参考https://blog.csdn.net/qq_27261889/article/details/80891491
https://blog.csdn.net/weixin_42216109/article/details/89642914
https://blog.csdn.net/bugang4663/article/details/109589177?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0.pc_relevant_default&spm=1001.2101.3001.4242.1&utm_relevant_index=3