Python+OpenCv实现图像边缘检测（滑动调节阈值）
前言
闲来无事，帮阿婆主室友处理图像。花了一天时间研究cv2中的几个函数，参考其他博主的优秀代码，在此基础上杂糅丰富，制作了一个图像边缘检测程序，通过滑动条实时调节阈值和其他参数，并能选择是否保存图像。最后通过pyinstaller将程序打包成.exe文件发送给室友使用。
（第一次学习图像处理和第一次撰写文章，如有错误，欢迎指正）
一、导入模块
使用 cv2 模块（opencv-python）
在终端中输入指令： pip install opencv-python 安装 cv2
安装成功后导入 cv2
import cv2
二、核心代码
1.图像预处理
输入三个参数，当标志位为1时表示使用该方法处理图像
默认采用 高斯滤波+直方图均衡化 的方法
def image_processing(img, Gauss_flag=1, Color_flag=1, Gray_flag=0):
if Gauss_flag == 1:
img = cv2.GaussianBlur(img, (3, 3), 0)
if Color_flag == 1:
img = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
if Gray_flag == 1:
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.equalizeHist(img)
return img
2.滑动调参
创建滑动条，分别控制 cv2.Canny函数中的各个参数
Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)
cv2.createTrackbar('threshold1', 'Canny', 50, 300, nothing)
cv2.createTrackbar('threshold2', 'Canny', 100, 300, nothing)
cv2.createTrackbar('apertureSize', 'Canny', 0, 2, nothing)
cv2.createTrackbar('L2gradient', 'Canny', 0, 1, nothing)
实时读取并返回滑动条所在位置的值
threshold1 = cv2.getTrackbarPos('threshold1', 'Canny')
threshold2 = cv2.getTrackbarPos('threshold2', 'Canny')
L2gradient = cv2.getTrackbarPos('L2gradient', 'Canny')
aperturesize = cv2.getTrackbarPos('apertureSize', 'Canny')
size = aperturesize * 2 + 3
3.边缘检测
使用cv2中的Canny函数进行边缘检测，并通过窗口显示图像
img_edges = cv2.Canny(img, threshold1, threshold2, apertureSize=size, L2gradient=L2gradient)
cv2.imshow('Canny', img_edges)
4.图像保存
检测按键，按 q退出，不保存图像；按 s退出，保存图像。
（保存的图像路径与原图像相同，名命为output.jpg）
if cv2.waitKey(1) == ord('q'):
break
elif cv2.waitKey(1) == ord('s'):
cv2.imwrite('\\'.join(img_path.split('\\')[:-1]) + '\\output.jpg', img_edges)
print("图像成功保存")
break
5.主函数
输入图像地址和图像预处理函数的三个参数。
先对图像进行预处理，然后进行边缘检测。
if __name__ == "__main__":
img_path = input("请输入图片地址(如E:\\Code\\xx.jpg)：")
guass_flag = int(input("是否进行高斯滤波(输入1进行，输入0不进行)："))
color_flag = int(input("是否均衡彩色图像(输入1进行，输入0不进行)："))
gray_flag = int(input("是否均衡灰度图像(输入1进行，输入0不进行)："))
image = cv2.imread(img_path)
img = image_processing(image, Gauss_flag=guass_flag, Color_flag=color_flag, Gray_flag=gray_flag)
cv2.imshow('Original', image)
cv2.imshow('Pretreatment', img)
image_canny(img)
三、运行结果
预处理后图像：
保存后图像：
; 四、完整代码
import cv2
def nothing():
pass
def image_processing(img, Gauss_flag=1, Color_flag=1, Gray_flag=0):
if Gauss_flag == 1:
img = cv2.GaussianBlur(img, (3, 3), 0)
if Color_flag == 1:
img = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
if Gray_flag == 1:
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.equalizeHist(img)
return img
def image_canny(img):
cv2.namedWindow('Canny')
cv2.createTrackbar('threshold1', 'Canny', 50, 300, nothing)
cv2.createTrackbar('threshold2', 'Canny', 100, 300, nothing)
cv2.createTrackbar('L2gradient', 'Canny', 0, 1,
nothing)
while (1):
threshold1 = cv2.getTrackbarPos('threshold1', 'Canny')
threshold2 = cv2.getTrackbarPos('threshold2', 'Canny')
L2gradient = cv2.getTrackbarPos('L2gradient', 'Canny')
img_edges = cv2.Canny(img, threshold1, threshold2, L2gradient=L2gradient)
cv2.imshow('Canny', img_edges)
if cv2.waitKey(1) == ord('q'):
break
elif cv2.waitKey(1) == ord('s'):
cv2.imwrite('\\'.join(img_path.split('\\')[:-1]) + '\\output.jpg', img_edges)
print("图像成功保存")
break
cv2.destroyAllWindows()
if __name__ == "__main__":
img_path = input("请输入图片地址(如E:\\Code\\xx.jpg)：")
guass_flag = int(input("是否进行高斯滤波(输入1进行，输入0不进行)："))
color_flag = int(input("是否均衡彩色图像(输入1进行，输入0不进行)："))
gray_flag = int(input("是否均衡灰度图像(输入1进行，输入0不进行)："))
image = cv2.imread(img_path)
img = image_processing(image, Gauss_flag=guass_flag, Color_flag=color_flag, Gray_flag=gray_flag)
cv2.imshow('Original', image)
cv2.imshow('Pretreatment', img)
image_canny(img)
五、程序打包
在终端中输入指令： pip install pyinstaller 安装 pyinstaller
安装成功后输入指令： pyinstaller -F canny.py 进行文件打包
Original: https://blog.csdn.net/qq_52516071/article/details/122770930
Author: 图南_Tren
Title: Python+OpenCv实现图像边缘检测（滑动调节阈值）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/640513/
转载文章受原作者版权保护。转载请注明原作者出处！