python 边缘检测得到像素坐标

Python中可以使用OpenCV库进行边缘检测，其中Canny算法是常用的边缘检测算法之一。使用Canny算法可以得到边缘像素的坐标。下面是一个简单的示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)

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

# 获取边缘像素坐标
coordinates = cv2.findNonZero(edges)

# 打印坐标
print(coordinates)

在上面的代码中，首先使用`cv2.imread()`函数读取图像，然后使用`cv2.Canny()`函数进行边缘检测，得到边缘图像。接着使用`cv2.findNonZero()`函数获取边缘像素的坐标，最后打印坐标即可。

相关问题

用opencv焊缝检测，实时返回中心点像素坐标，请给出python代码

以下是使用OpenCV进行焊缝检测并返回中心点像素坐标的Python代码示例：

import cv2

# 读取图像
img = cv2.imread('welding.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 进行霍夫线变换
lines = cv2.HoughLines(edges, 1, cv2.cv2.PI / 180, 200)

# 绘制检测到的直线
for line in lines:
    rho, theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * (a))
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * (a))
    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

# 计算焊缝中心点像素坐标
x_center = int((x1 + x2) / 2)
y_center = int((y1 + y2) / 2)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，此代码仅为示例，您需要根据您的实际情况进行调整和修改。

python 图片的坐标

在Python中，对于图片的坐标表示通常使用两个整数数对（x，y）来表示图片上的一个点的位置。

x坐标表示从图片的左侧边缘开始的水平位置，其值可以是正数、负数或是零。当x为正数时，表示该点在图片的右侧；当x为负数时，表示该点在图片的左侧；当x为零时，表示该点在图片的左侧边缘上。

y坐标表示从图片的顶部边缘开始的垂直位置，其值也可以是正数、负数或是零。当y为正数时，表示该点在图片的底部；当y为负数时，表示该点在图片的顶部；当y为零时，表示该点在图片的顶部边缘上。

通过使用坐标，我们可以精确地确定图片上的每个像素的位置。像素是构成一个图片的最小单位，每个像素都有一个特定的颜色值，通过组合不同的颜色值，我们可以得到图片上的各种图案、形状和色彩。

当我们需要在Python中操作图片时，比如修改像素的颜色、截取图片的一部分等，需要了解图片的坐标系统，以便准确地定位和处理图片上的像素。在使用Python的图像处理库（如PIL、OpenCV等）时，可以使用对应的坐标系统函数或方法来进行相关操作。