一張圖片當中，最引人注目的地方，通常是變化最大的地方。

電腦當中，所有事物都是數字。變化可以想成「減法」，變化程度可以想成「兩數相減的差值」。

將此想法套用到圖片：相鄰的像素，RGB值相減。因為圖片是二維的，所以分成橫向相減、直向相減。寫成數學式子就是：

∇_XR(x,y) = R(x+1,y) - R(x,y)　　（橫向相減：右邊減自己）
∇_YR(x,y) = R(x,y+1) - R(x,y)　　（直向相減：下邊減自己）

此處以R值為例，RGB皆如此。左上角像素座標是(0,0)，右下角像素座標是(W-1,H-1)，W H是圖片寬高。根據這個減法的方式，圖片右邊界和下邊界需要特別處理。越過圖片邊界的時候，想像成像素複製延伸，所以∇_XR(W-1,y) = 0、∇_YR(x,H-1) = 0。

順帶一提，這個概念正好符合數學領域的「梯度」，於是大家都叫它「梯度」，X方向的梯度與Y方向的梯度。

接著累計兩個方向的變化程度。寫成數學式子就是：

sqrt((∇_XR)² + (∇_YR)²)

不過sqrt有精確度問題、運算時間也很長，所以大家都改用：

|∇_XR| + |∇_YR|

為了符合RGB值的範圍，所以再除以二：

( |∇_XR| + |∇_YR| ) / 2.0

按照步驟，最後求出這麼一張圖片：



請你也求出這麼一張圖片。