用python实现将 图片中进行边缘检测 并将边缘检测后的点拟合成曲线

以下是用Python实现将图片进行边缘检测并将边缘检测后的点拟合成曲线的代码：

import cv2
import numpy as np
from scipy.interpolate import UnivariateSpline

# 读取图片并转换为灰度图
img = cv2.imread('image.png', 0)

# 边缘检测
edges = cv2.Canny(img, 100, 200)

# 找到所有的轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 选择第一个轮廓
cnt = contours[0]

# 将轮廓点集拟合成曲线
x, y = cnt[:, 0, 0], cnt[:, 0, 1]
spl = UnivariateSpline(x, y)

# 绘制拟合曲线
import matplotlib.pyplot as plt
plt.plot(x, y, 'ro', ms=5)
xs = np.linspace(0, img.shape[1], 1000)
plt.plot(xs, spl(xs), 'g', lw=3)
plt.show()

在这个例子中，我们首先读取了一张图片，并将其转换为灰度图。然后使用Canny算法进行边缘检测，得到了边缘点的集合。接着使用cv2.findContours()函数找到所有的轮廓，并选择了第一个轮廓。最后使用UnivariateSpline类将轮廓点集拟合成曲线，并使用matplotlib库绘制拟合曲线。