亚像素边缘检测opencv python

在 OpenCV 和 Python 中进行亚像素边缘检测，你可以使用以下步骤：

1. 导入必要的库：

import cv2
import numpy as np

2. 读取图像并将其转换为灰度图像：

image = cv2.imread('your_image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

3. 对图像应用 Sobel 运算器来计算图像的梯度：

gradient_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
gradient_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

4. 计算梯度的幅值和方向：

gradient_magnitude = np.sqrt(gradient_x**2 + gradient_y**2)
gradient_direction = np.arctan2(gradient_y, gradient_x)

5. 对幅值和方向进行非最大抑制，以保留边缘的细节：

gradient_direction = gradient_direction * (180 / np.pi)  # 将弧度转换为角度
gradient_direction[gradient_direction < 0] += 180  # 将负值添加到180以内

suppressed_magnitude = cv2.morphologyEx(gradient_magnitude, cv2.MORPH_CLOSE, np.ones((3, 3)))
suppressed_magnitude[gradient_magnitude != suppressed_magnitude] = 0

6. 应用亚像素边缘检测以获取更准确的边缘位置：

edges = cv2.cornerSubPix(suppressed_magnitude, np.float32(gradient_x), (3, 3), (-1, -1),
                         (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.1))

7. 显示边缘检测结果：

cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码将显示图像中的亚像素边缘。请确保已安装 OpenCV 库，并将 `'your_image.jpg'` 替换为你自己的图像路径。