opencv Canny边缘检测


canny阈值越高,检测到的边缘数量越少

python 复制代码
# 导入OpenCV库,用于图像处理  
import cv2  
import numpy as np  
# 从matplotlib库中导入pyplot模块,用于绘制图像  
from matplotlib import pyplot as plt  
  
# 创建一个名为'window'的窗口,窗口大小自动调整  
cv2.namedWindow('window', cv2.WINDOW_AUTOSIZE)  # cv2.WINDOW_AUTOSIZE: 窗口大小自动调整,不允许用户改变窗口大小  
  
# 使用OpenCV的imread函数读取名为"mao.jpg"的图片,参数1表示读取彩色图像  
cat = cv2.imread("mao.jpg", 0)  # cat变量存储读取的图像数据,OpenCV默认以BGR格式读取  
  
# 在名为'window'的窗口中显示图像  
cv2.imshow('window', cat)  
  
sobelx = cv2.Sobel(cat,cv2.CV_64F,1,0,ksize=3)  
sobely = cv2.Sobel(cat,cv2.CV_64F,0,1,ksize=3)  
sobelx = cv2.convertScaleAbs(sobelx)  
sobely = cv2.convertScaleAbs(sobely)  
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)  
  
scharrx = cv2.Scharr(cat,cv2.CV_64F,1,0)  
scharry = cv2.Scharr(cat,cv2.CV_64F,0,1)  
scharrx = cv2.convertScaleAbs(scharrx)  ![](https://gitee.com/lindongcms/blog/raw/master/img/202412131548505.png)
scharry = cv2.convertScaleAbs(scharry)  
scharrxy = cv2.addWeighted(sobelxy, 0.5, sobely, 0.5,0)  
  
laplacian = cv2.Laplacian(cat,cv2.CV_64F)  
laplacian = cv2.convertScaleAbs(laplacian)  
res = np.hstack((sobelxy,scharrxy,laplacian))  
cv2.imshow('window1', res)  
  
res1 = cv2.Canny(cat,80,150)  
res2 = cv2.Canny(cat,50,100)  
res = np.hstack((res1,res2))  
cv2.imshow('window3', res)  
key = cv2.waitKey(0)  
  
# 检查按下的键是否是'q',如果是则销毁所有窗口  
if key & 0xFF == ord('q'):  # 0xFF是掩码,用于确保只检查最低8位  
    print("准备销毁窗口")  
    cv2.destroyAllWindows()

检测效果图

相关推荐
Niuguangshuo3 小时前
深入解析Stable Diffusion基石——潜在扩散模型(LDMs)
人工智能·计算机视觉·stable diffusion
迈火3 小时前
SD - Latent - Interposer:解锁Stable Diffusion潜在空间的创意工具
人工智能·gpt·计算机视觉·stable diffusion·aigc·语音识别·midjourney
wfeqhfxz25887823 小时前
YOLO13-C3k2-GhostDynamicConv烟雾检测算法实现与优化
人工智能·算法·计算机视觉
芝士爱知识a3 小时前
2026年AI面试软件推荐
人工智能·面试·职场和发展·大模型·ai教育·考公·智蛙面试
Li emily4 小时前
解决港股实时行情数据 API 接入难题
人工智能·python·fastapi
Aaron15884 小时前
基于RFSOC的数字射频存储技术应用分析
c语言·人工智能·驱动开发·算法·fpga开发·硬件工程·信号处理
J_Xiong01174 小时前
【Agents篇】04:Agent 的推理能力——思维链与自我反思
人工智能·ai agent·推理
星爷AG I4 小时前
9-26 主动视觉(AGI基础理论)
人工智能·计算机视觉·agi
爱吃泡芙的小白白4 小时前
CNN参数量计算全解析:从基础公式到前沿优化
人工智能·神经网络·cnn·参数量
拐爷5 小时前
vibe‑coding 九阳神功之喂:把链接喂成“本地知识”,AI 才能稳定干活(API / 设计 / 报道 / 截图)
人工智能