利用小波变换进行图像边缘检测代码

下面是一个基于Python和OpenCV库实现的利用小波变换进行图像边缘检测的代码示例：

import cv2
import numpy as np
import pywt

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

# 进行小波分解
coeffs = pywt.dwt2(img, "haar")
cA, (cH, cV, cD) = coeffs

# 选择高频小波系数作为边缘信息
edge = np.sqrt(cH**2 + cV**2)

# 设定阈值，得到二值化的边缘图像
threshold = 50
edge[edge < threshold] = 0
edge[edge >= threshold] = 255

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

代码中使用了haar小波作为小波基函数，进行了一次小波分解，得到了4个小波系数，其中水平和垂直方向的小波系数用于提取边缘信息。通过设定阈值，将得到的边缘信息二值化，得到最终的边缘图像。可以根据需要修改小波基函数和阈值等参数，来得到不同的边缘检测效果。