opencv的canny算子边缘检测

以下是使用OpenCV实现Canny边缘检测的步骤：

1. 读取图像并将其转换为灰度图像

import cv2

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

2. 使用高斯滤波器平滑图像，以减少噪声

blur = cv2.GaussianBlur(gray, (3, 3), 0)

3. 计算图像中每个像素点的梯度强度和方向

edges = cv2.Canny(blur, 100, 200)

其中，第一个参数是输入图像，第二个参数是阈值1，第三个参数是阈值2。阈值1和阈值2用于控制边缘的强度，只有当像素的梯度大于阈值2时，才被认为是真正的边缘；当像素的梯度小于阈值1时，被认为是非边缘；当像素的梯度在阈值1和阈值2之间时，只有当与真正的边缘相连时，才被认为是边缘。

4. 应用非极大值抑制，以消除边缘检测带来的杂散响应

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)

5. 对每个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的

contours, hierarchy = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

以上就是使用OpenCV实现Canny边缘检测的完整步骤。