python二值图像边缘提取

在Python中，二值图像边缘提取通常用于计算机视觉中，目的是找出图像中的轮廓和边界信息。常见的边缘检测算法有Sobel算子、Canny算子等。以下是使用Canny边缘检测算法的一个简单步骤：

1. **读取和转换图像**：首先使用`PIL`库（Pillow）读取图像，并将其转换为灰度图像，方便后续处理。

from PIL import Image

img = Image.open('image.png').convert('L')

2. **高斯滤波**：为了平滑图像并减少噪声，可以应用高斯滤波器。

import cv2
blur = cv2.GaussianBlur(img, (5, 5), 0)

3. **计算梯度**：对模糊后的图像求导数，得到强度变化的信息，这一步会生成两个方向的梯度图，如 Sobel 算子（`cv2.Sobel()`）或 LoG 操作（局部极值差分）。

sobel_x = cv2.Sobel(blur, cv2.CV_64F, 1, 0, ksize=5)  # 对x轴进行操作
sobel_y = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=5)  # 对y轴进行操作

4. **非极大值抑制**：通过这个步骤，去除响应峰值周围的次高峰点，保留真正的边缘位置。

grad_mag = np.sqrt(sobel_x**2 + sobel_y**2)
_, thresh = cv2.threshold(grad_mag, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
edges = cv2.Canny(thresh, 50, 150)

5. **连接边缘**：最后，可能需要使用`cv2.findContours()`函数找到边缘像素，并使用`cv2.drawContours()`将它们绘制到原图像上。

contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    cv2.drawContours(img, [contour], -1, (0, 255, 0), 2)