python获取边缘图像

要获取图像的边缘，可以使用OpenCV库中的Canny函数。具体步骤如下：

1. 导入OpenCV库

import cv2

2. 读入图像

img = cv2.imread('image.jpg')

3. 将图像转换为灰度图像

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

4. 使用Canny函数获取边缘图像

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

其中，第二个参数100和第三个参数200分别表示Canny算法中的低阈值和高阈值，可以根据实际情况调整。

5. 显示图像

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

最后，记得释放窗口和摄像头资源：

cv2.destroyAllWindows()

相关问题

python获取人物图像轮廓

要使用Python获取人物图像轮廓，可以通过以下步骤实现：

1. 导入所需的库：

   import cv2
   import numpy as np

2. 读取图像：

   img = cv2.imread('image.jpg')

3. 将图像转换为灰度图像：

   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

4. 进行图像处理，以便更好地检测边缘：

   blurred = cv2.GaussianBlur(gray, (5, 5), 0)
   edges = cv2.Canny(blurred, 50, 150)

5. 找到轮廓：

   contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

6. 在原始图像上绘制轮廓：

   cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

7. 显示结果：

   cv2.imshow("Contours", img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

通过以上步骤，你可以使用Python获取人物图像的轮廓。这样做可以帮助你从图像中提取出人物的形状，以便进一步进行识别或其他图像处理任务。

python图像边缘检测倾斜校正代码

以下是使用OpenCV库进行图像边缘检测和倾斜校正的Python代码示例：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread('image.jpg')

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

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

# 获取直线
lines = cv2.HoughLines(edges, 1, np.pi/180, 200)

# 计算角度
angles = []
for line in lines:
    for rho, theta in line:
        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))
        angle = np.arctan2(y2-y1, x2-x1)
        angles.append(angle)

# 计算平均角度
avg_angle = np.mean(angles)

# 旋转校正
rows, cols = img.shape[:2]
M = cv2.getRotationMatrix2D((cols/2, rows/2), avg_angle*180/np.pi, 1)
corrected_img = cv2.warpAffine(img, M, (cols, rows))

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Corrected Image', corrected_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码中使用Canny边缘检测和Hough变换检测直线，计算直线角度，再根据平均角度旋转校正原始图像。