用python写一个边缘提取方法，获取缺陷的外接矩形并利用图像配准中所得的变换矩阵反向求取外接矩形在样本图中坐标，截取样本图中包含缺陷部位的ROI区域

以下是一个基于Canny边缘检测方法的简单示例代码：

import cv2
import numpy as np

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

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

# 使用Canny边缘检测方法提取图像边缘
edges = cv2.Canny(gray, 100, 200)

# 查找轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 获取所有轮廓的外接矩形
rects = []
for contour in contours:
    rect = cv2.boundingRect(contour)
    rects.append(rect)

# 在原始图像上绘制外接矩形
for rect in rects:
    cv2.rectangle(img, rect, (0, 0, 255), 2)

# 显示结果
cv2.imshow('Edges', edges)
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在获取到缺陷的外接矩形后，可以通过图像配准中所得的变换矩阵反向求取外接矩形在样本图中的坐标，并截取样本图中包含缺陷部位的ROI区域。这部分的代码需要根据具体的图像配准方法和实现方式进行编写。