所在位置|室友_Python+OpenCv实现图像边缘检测（滑动调节阈值）

篇首语：本文由编程笔记#小编为大家整理，主要介绍了Python+OpenCv实现图像边缘检测（滑动调节阈值）相关的知识，希望对你有一定的参考价值。

Python&＃43;OpenCv实现图像边缘检测&＃xff08;滑动调节阈值&＃xff09;

• 一、前言
• 二、导入模块
• 三、核心代码
• • 1.图像预处理
  • 2.滑动调参
  • 3.边缘检测
  • 4.图像保存
  • 5.主函数
  
  
• 四、运行结果
• 五、完整代码
• 六、程序打包

闲来无事&＃xff0c;帮阿婆主室友处理图像。花了一天时间研究cv2中的几个函数&＃xff0c;参考其他博主的优秀代码&＃xff0c;在此基础上杂糅丰富&＃xff0c;制作了一个图像边缘检测程序&＃xff0c;通过滑动条实时调节阈值和其他参数&＃xff0c;并能选择是否保存图像。最后通过pyinstaller将程序打包成.exe文件发送给室友使用。
&＃xff08;第一次学习图像处理和第一次撰写文章&＃xff0c;如有错误&＃xff0c;欢迎指正&＃xff09;

使用 cv2 模块&＃xff08;opencv-python&＃xff09;
在终端中输入指令&＃xff1a;pip install opencv-python 安装 cv2
安装成功后导入 cv2

import cv2

三、核心代码

1.图像预处理

输入三个参数&＃xff0c;当标志位为1时表示使用该方法处理图像
默认采用 高斯滤波&＃43;直方图均衡化 的方法

def image_processing(img, Gauss_flag&＃61;1, Color_flag&＃61;1, Gray_flag&＃61;0): # 图像预处理
# 高斯滤波器平滑图像
if Gauss_flag &＃61;&＃61; 1:
img &＃61; cv2.GaussianBlur(img, (3, 3), 0)
# 均衡彩色图像的直方图
if Color_flag &＃61;&＃61; 1:
img &＃61; cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
# 将彩色图像转为灰度图像&＃xff0c;均衡灰度图像的直方图
if Gray_flag &＃61;&＃61; 1:
img &＃61; cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img &＃61; cv2.equalizeHist(img)
return img


2.滑动调参

创建滑动条&＃xff0c;分别控制cv2.Canny函数中的各个参数
Canny(image, threshold1, threshold2, edges&＃61;None, apertureSize&＃61;None, L2gradient&＃61;None)

cv2.createTrackbar(&＃39;threshold1&＃39;, &＃39;Canny&＃39;, 50, 300, nothing) # 阈值1
cv2.createTrackbar(&＃39;threshold2&＃39;, &＃39;Canny&＃39;, 100, 300, nothing) # 较大的阈值2用于检测图像中明显的边缘
cv2.createTrackbar(&＃39;apertureSize&＃39;, &＃39;Canny&＃39;, 0, 2, nothing) # Sobel算子大小&＃xff08;3,5,7&＃xff09;
cv2.createTrackbar(&＃39;L2gradient&＃39;, &＃39;Canny&＃39;, 0, 1, nothing) # 参数(布尔值)&＃xff1a;true&＃xff1a;使用更精确的L2范数&＃xff08;两个方向的倒数的平方和再开放),false&＃xff1a;使用L1范数&＃xff08;直接将两个方向导数的绝对值相加&＃xff09;


实时读取并返回滑动条所在位置的值

threshold1 &＃61; cv2.getTrackbarPos(&＃39;threshold1&＃39;, &＃39;Canny&＃39;) # 阈值1
threshold2 &＃61; cv2.getTrackbarPos(&＃39;threshold2&＃39;, &＃39;Canny&＃39;) # 阈值2
L2gradient &＃61; cv2.getTrackbarPos(&＃39;L2gradient&＃39;, &＃39;Canny&＃39;) # 参数
aperturesize &＃61; cv2.getTrackbarPos(&＃39;apertureSize&＃39;, &＃39;Canny&＃39;) # Sobel算子大小
size &＃61; aperturesize * 2 &＃43; 3 # Sobel算子大小&＃xff08;3,5,7&＃xff09;


3.边缘检测

使用cv2中的Canny函数进行边缘检测&＃xff0c;并通过窗口显示图像

# Canny边缘检测
img_edges &＃61; cv2.Canny(img, threshold1, threshold2, apertureSize&＃61;size, L2gradient&＃61;L2gradient)
# 显示边缘化图像
cv2.imshow(&＃39;Canny&＃39;, img_edges)


4.图像保存

检测按键&＃xff0c;按q退出&＃xff0c;不保存图像&＃xff1b;按s退出&＃xff0c;保存图像。
&＃xff08;保存的图像路径与原图像相同&＃xff0c;名命为output.jpg&＃xff09;

if cv2.waitKey(1) &＃61;&＃61; ord(&＃39;q&＃39;): # 退出
break
elif cv2.waitKey(1) &＃61;&＃61; ord(&＃39;s&＃39;): # 保存图像
cv2.imwrite(&＃39;\\\\&＃39;.join(img_path.split(&＃39;\\\\&＃39;)[:-1]) &＃43; &＃39;\\\\output.jpg&＃39;, img_edges)
print("图像成功保存")
break


5.主函数

输入图像地址和图像预处理函数的三个参数。
先对图像进行预处理&＃xff0c;然后进行边缘检测。

if __name__ &＃61;&＃61; "__main__":
img_path &＃61; input("请输入图片地址(如E:\\\\Code\\\\xx.jpg)&＃xff1a;")
guass_flag &＃61; int(input("是否进行高斯滤波(输入1进行&＃xff0c;输入0不进行)&＃xff1a;"))
color_flag &＃61; int(input("是否均衡彩色图像(输入1进行&＃xff0c;输入0不进行)&＃xff1a;"))
gray_flag &＃61; int(input("是否均衡灰度图像(输入1进行&＃xff0c;输入0不进行)&＃xff1a;"))
# 载入图像
image &＃61; cv2.imread(img_path)
# 图像预处理
img &＃61; image_processing(image, Gauss_flag&＃61;guass_flag, Color_flag&＃61;color_flag, Gray_flag&＃61;gray_flag)
# 显示原图像
cv2.imshow(&＃39;Original&＃39;, image)
# 显示预处理后图像
cv2.imshow(&＃39;Pretreatment&＃39;, img)
# 图像边缘检测
image_canny(img)

四、运行结果

原图像&＃xff1a;
预处理后图像&＃xff1a;

图像边缘检测&＃xff1a;
保存后图像&＃xff1a;

import cv2
def nothing(): # 定义回调函数
pass
def image_processing(img, Gauss_flag&＃61;1, Color_flag&＃61;1, Gray_flag&＃61;0): # 图像预处理
# 高斯滤波器平滑图像
if Gauss_flag &＃61;&＃61; 1:
img &＃61; cv2.GaussianBlur(img, (3, 3), 0)
# 均衡彩色图像的直方图
if Color_flag &＃61;&＃61; 1:
img &＃61; cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
# 均衡灰度图像的直方图
if Gray_flag &＃61;&＃61; 1:
img &＃61; cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 将彩色图像转为灰度图像
img &＃61; cv2.equalizeHist(img)
return img
def image_canny(img): # 图像边缘检测
# 设置窗口
cv2.namedWindow(&＃39;Canny&＃39;)
# 创建滑动条&＃xff0c;分别控制各个参数
cv2.createTrackbar(&＃39;threshold1&＃39;, &＃39;Canny&＃39;, 50, 300, nothing) # 阈值1
cv2.createTrackbar(&＃39;threshold2&＃39;, &＃39;Canny&＃39;, 100, 300, nothing) # 较大的阈值2用于检测图像中明显的边缘
# cv2.createTrackbar(&＃39;apertureSize&＃39;, &＃39;Canny&＃39;, 0, 2, nothing) # Sobel算子大小&＃xff08;3,5,7&＃xff09;
cv2.createTrackbar(&＃39;L2gradient&＃39;, &＃39;Canny&＃39;, 0, 1,
nothing) # 参数(布尔值)&＃xff1a;true&＃xff1a;使用更精确的L2范数&＃xff08;两个方向的倒数的平方和再开放),false&＃xff1a;使用L1范数&＃xff08;直接将两个方向导数的绝对值相加&＃xff09;
while (1):
# 返回滑动条所在位置的值
threshold1 &＃61; cv2.getTrackbarPos(&＃39;threshold1&＃39;, &＃39;Canny&＃39;) # 阈值1
threshold2 &＃61; cv2.getTrackbarPos(&＃39;threshold2&＃39;, &＃39;Canny&＃39;) # 阈值2
L2gradient &＃61; cv2.getTrackbarPos(&＃39;L2gradient&＃39;, &＃39;Canny&＃39;) # 参数
# aperturesize &＃61; cv2.getTrackbarPos(&＃39;apertureSize&＃39;, &＃39;Canny&＃39;) # Sobel算子大小
# size &＃61; aperturesize * 2 &＃43; 3 # Sobel算子大小&＃xff08;3,5,7&＃xff09;
# Canny边缘检测
img_edges &＃61; cv2.Canny(img, threshold1, threshold2, L2gradient&＃61;L2gradient)
# 显示边缘化图像
cv2.imshow(&＃39;Canny&＃39;, img_edges)
if cv2.waitKey(1) &＃61;&＃61; ord(&＃39;q&＃39;): # 按q退出
break
elif cv2.waitKey(1) &＃61;&＃61; ord(&＃39;s&＃39;): # 按s保存图像到原图像所在目录&＃xff0c;命名为output.jpg&＃xff0c;再退出![请添加图片描述](https://img-blog.csdnimg.cn/28c23587576b4e50a8f9f1522fd67c1e.png?x-oss-process&＃61;image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zu-5Y2XX1RyZW4&＃61;,size_15,color_FFFFFF,t_70,g_se,x_16)
cv2.imwrite(&＃39;\\\\&＃39;.join(img_path.split(&＃39;\\\\&＃39;)[:-1]) &＃43; &＃39;\\\\output.jpg&＃39;, img_edges)
print("图像成功保存")
break
cv2.destroyAllWindows()
if __name__ &＃61;&＃61; "__main__":
img_path &＃61; input("请输入图片地址(如E:\\\\Code\\\\xx.jpg)&＃xff1a;") # 输入原图像地址
guass_flag &＃61; int(input("是否进行高斯滤波(输入1进行&＃xff0c;输入0不进行)&＃xff1a;")) # 输入1为进行高斯滤波&＃xff0c;输入0为不进行
color_flag &＃61; int(input("是否均衡彩色图像(输入1进行&＃xff0c;输入0不进行)&＃xff1a;")) # 输入1为进行彩色图像均衡&＃xff0c;输入0为不进行
gray_flag &＃61; int(input("是否均衡灰度图像(输入1进行&＃xff0c;输入0不进行)&＃xff1a;")) # 输入1为进行灰度图像均衡&＃xff0c;输入0为不进行
# 载入图像
image &＃61; cv2.imread(img_path)
# 图像预处理
img &＃61; image_processing(image, Gauss_flag&＃61;guass_flag, Color_flag&＃61;color_flag, Gray_flag&＃61;gray_flag)
# 显示原图像
cv2.imshow(&＃39;Original&＃39;, image)
# 显示预处理后图像
cv2.imshow(&＃39;Pretreatment&＃39;, img)
# 图像边缘检测
image_canny(img)

六、程序打包

在终端中输入指令&＃xff1a;pip install pyinstaller 安装 pyinstaller
安装成功后输入指令&＃xff1a;pyinstaller -F canny.py 进行文件打包