选择一幅图像，对其进行Canny 边缘检测

Canny边缘检测是一种常用的图像处理技术，它由John F. Canny于1986年提出，用于找出图像中的强边缘。以下是使用Python和OpenCV库进行Canny边缘检测的基本步骤，假设我们已经有一幅名为"example.jpg"的图像：

import cv2
import numpy as np

# 1. 读取图像
img = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)

# 2. 高斯滤波 - 减少噪声影响
blurred_img = cv2.GaussianBlur(img, (5, 5), 0)

# 3. 计算梯度幅值和方向
sobel_x = cv2.Sobel(blurred_img, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(blurred_img, cv2.CV_64F, 0, 1, ksize=3)
gradient_magnitude = np.sqrt(sobel_x**2 + sobel_y**2)
gradient_angle = np.arctan2(sobel_y, sobel_x)

# 4. 非极大值抑制（Non-Maximum Suppression）
angle_gradients = np.hypot(sobel_x, sobel_y)
directions = np.vstack((np.cos(gradient_angle), np.sin(gradient_angle)))
indices = np.argmax(angle_gradients, axis=0)
angles = directions[indices]
canny_output = np.zeros_like(angle_gradients)
canny_output[np.arange(len(angles)), angles.astype(int)] = angle_gradients

# 5. 双阈值处理（Double Thresholding）
low_threshold, high_threshold = 50, 150  # 可调整阈值
edges = np.zeros_like(canny_output)
edges[(canny_output >= low_threshold) & (canny_output <= high_threshold)] = 255

# 6. 寻找连续区域
edges = cv2.Canny(img, low_threshold, high_threshold)

# 显示原始图像及结果
cv2.imshow("Original Image", img)
cv2.imshow("Canny Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个过程中，我们先模糊图像减少噪声，然后计算梯度及其方向，接着进行非极大值抑制和双阈值处理，最后连接边缘形成最终的Canny边框。