我如何利用边缘检测算法处理原图中的灰色图像，消除物体边缘附近带来的干扰，以便专注于非边缘区域的缺陷识别？ 给我一段完整的python代码，并且能够对比处理前后的图像

为了实现边缘检测并消除边缘附近的干扰，你可以使用OpenCV库中的Canny算子。以下是一个Python代码示例，展示了如何对灰度图像应用Canny边缘检测，并将结果与原始图像进行比较：

import cv2
import numpy as np

# 假设你有一个名为"original_image.jpg"的灰度图像
image_path = "original_image.jpg"
gray_image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

# 对图像进行高斯滤波以平滑噪声
blurred_image = cv2.GaussianBlur(gray_image, (5, 5), 0)

# 应用Canny边缘检测
canny_edges = cv2.Canny(blurred_image, 50, 150)  # 边缘阈值可以根据实际需求调整

# 创建一个新的窗口来显示原始图像和边缘检测后的图像
window_titles = ["Original Image", "Edge Detection Result"]
side_by_side = np.hstack((gray_image, canny_edges))
cv2.imshow(tuple(window_titles), side_by_side)
cv2.waitKey(0)  # 按任意键关闭窗口

# 保存处理后的图像
output_image_path = "edge_detected_image.jpg"
cv2.imwrite(output_image_path, canny_edges)

这段代码首先读取一个灰度图像，然后应用高斯滤波器去除噪声。接着，使用Canny算子进行边缘检测，设定较低的阈值捕获较弱的边缘，较高的阈值保留更强的边缘。最后，它创建一个侧边栏显示原始图像和处理后的边缘图像，并保存结果。