用python写一段Canny算子的边缘检测程序

好的，以下是用Python实现Canny算子的边缘检测程序：

import cv2

# 读取图像
img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)

# Canny算子边缘检测
edges = cv2.Canny(img, 100, 200)

# 显示结果
cv2.imshow('output', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`cv2.imread()`函数用来读取图像，`cv2.IMREAD_GRAYSCALE`表示以灰度模式读取。

`cv2.Canny()`函数用来进行Canny算子边缘检测，其中第二个和第三个参数分别为低阈值和高阈值，可以根据具体需求进行调整。

最后，使用`cv2.imshow()`函数显示结果，`cv2.waitKey()`等待用户按键关闭窗口，`cv2.destroyAllWindows()`释放窗口。

相关问题

用python处理一段视频，边缘方向直方图：使用canny算子边缘检测器计算边缘，然后统计边缘方向直方图。

在Python中，使用OpenCV库进行边缘方向直方图的计算通常涉及以下几个步骤：

1. **加载视频**:

import cv2
import numpy as np
import matplotlib.pyplot as plt

cap = cv2.VideoCapture('video.mp4')

2. **读取每一帧**:

while True:
    ret, frame = cap.read()
    if not ret:
        break

3. **灰度化和边缘检测**:

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, threshold1, threshold2)  # 设置Canny算子阈值

4. **计算边缘方向直方图**:

    angles = np.zeros((np.pi, 2), dtype=np.int)
    lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=100, maxLineGap=20)  # 阈值和线长设置

    for line in lines:
        x1, y1, x2, y2 = line[0]
        dx = x2 - x1
        dy = y2 - y1
        ang = np.arctan2(dy, dx) * 180 / np.pi
        angles[(ang >= 0) & (ang < 180), 0] += 1
        angles[(ang >= 180) & (ang < 360), 1] += 1

    histogram, _ = np.histogram(angles, bins=np.arange(-90, 270, 180))

5. **绘制和显示直方图**:

    plt.plot(np.arange(-90, 270, 180), histogram)
    plt.title('Edge Direction Histogram')
    plt.xlabel('Angle (degrees)')
    plt.ylabel('Number of Edges')
    plt.grid(True)
    plt.show()

6. **释放资源**:

cap.release()

在这个过程中，`threshold1` 和 `threshold2` 是Canny算子的关键参数，它们控制边缘检测的敏感度。`HoughLinesP` 函数则用来找到直线，进而计算出每个方向的边缘数。

帮我写一段采用 OTSU 算法改进的Canny 算子边缘检测的基于python&opencv的代码

当然可以，以下是基于Python的OTSU算法改进版Canny边缘检测代码：

import cv2
import numpy as np

def otsu_threshold(img):
    # OTSU二值化处理
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret,thresh = cv2.threshold(gray_img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
    return thresh

def canny_detector(img, thresh1=100, thresh2=200, apertureSize=3, L2gradient=True):
    # Canny边缘检测
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray_img, thresh1, thresh2, apertureSize=apertureSize, L2gradient=L2gradient)
    return edges

# 加载图片
img = cv2.imread('test.jpg')

# OTSU处理
otsu_img = otsu_threshold(img)

# Canny检测
canny_img = canny_detector(img)

# 比较Canny和OTSU+Canny结果，选择更优的结果
result_img = cv2.bitwise_or(otsu_img, canny_img)

# 显示结果
cv2.imshow("Result", result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里，我们首先对输入图像进行了OTSU二值化处理，然后使用OTSU二值化后的结果和Canny检测的结果进行了逐像素逻辑或运算，得到最终结果。

这种改进的方法可以弥补Canny算法在某些情况下对光照和噪声敏感的问题，从而提高边缘检测的准确性。