不基于opencv库，使用soble算子，在二值化图像中检测出来黑色边框矩形，提供代码

以下是使用sobel算子在二值化图像中检测黑色边框矩形的示例代码：

import cv2
import numpy as np

# 读取二值化图像
img = cv2.imread('binary_image.png', 0)

# 对图像进行膨胀操作，填充图像内部的小洞
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
img = cv2.dilate(img, kernel, iterations=1)

# 使用sobel算子对图像进行边缘检测
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
abs_sobelx = np.absolute(sobelx)
abs_sobely = np.absolute(sobely)
sobel = cv2.convertScaleAbs(abs_sobelx + abs_sobely)

# 对边缘图像进行阈值处理，得到二值化边缘图像
sobel = cv2.medianBlur(sobel, 5)
ret, thresh = cv2.threshold(sobel, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 在二值化边缘图像中寻找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓，寻找黑色矩形
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    if img[y, x] == 0 and img[y + h, x + w] == 0:
        # 绘制结果矩形
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)

# 显示结果
cv2.imshow('result', img)
cv2.waitKey()
cv2.destroyAllWindows()

其中，输入的二值化图像需保存为名为"binary_image.png"的文件。代码中的思路为：首先对图像进行膨胀操作，填充图像内部的小洞；然后使用sobel算子对图像进行边缘检测，并对边缘图像进行阈值处理得到二值化的边缘图像；最后寻找轮廓，并判断轮廓是否属于黑色矩形。