本期我們一起看看如何進行圖像邊緣的檢測。邊緣檢測通常用于理解圖像中的對象，幫助機器做出更好的預測。編寫邊緣檢測程序是了解機器如何看待外界的好方法?，F在就讓我們使用python進行邊緣檢測吧。

我們將為該項目使用兩個主要模塊：Numpy，Matplotlib和OpenCV。Matplotlib是一個完整的庫，用于在Python中生成靜態，動畫和交互式可視化。OpenCV是一個高度優化的庫，專注于實時應用程序。

OpenCV

OpenCV（開源計算機視覺庫）是一個開源計算機視覺和機器學習軟件庫。OpenCV的構建旨在為計算機視覺應用程序提供通用的基礎結構，并加速商業產品中的機器感知。作為BSD許可的產品，OpenCV使企業可以輕松地使用和修改代碼。

參考：https://opencv.org

讓我們從安裝庫開始。

安裝庫

我們必須安裝庫，以便我們的程序正常運行。如前所述，我們將只需要兩個庫。使用PIP庫管理器將它們安裝在一行中：

pip安裝numpy matplotlib opencv-python

安裝過程完成后，我們可以將它們導入到我們的代碼中。我們將使用Atom文本編輯器完成。

導入cv2 導入numpy作為np 導入matplotlib.pyplot作為plt

邊緣檢測功能

現在，我們可以轉到有趣的部分，在這里我們將編寫邊緣檢測功能。您會驚訝于使用OpenCV軟件包如此簡單。此OpenCV檢測模型也稱為Canny邊緣檢測模型。我們的功能包括三個部分：邊緣檢測，可視化，最后保存結果。

邊緣檢測

def simple_edge_detection（image）： edgesdetected = cv2.Canny（image，100，200） images = [image，edgesdetected]

了解代碼：

Canny是我們調用的使用OpenCV進行邊緣檢測的方法。

Image是函數的參數，這意味著我們將在調用函數時傳遞圖像。這樣，您可以輕松地用不同的圖像測試程序。

100和200是磁滯閾值的最小值和最大值。

可視化

location = [121，122] 對于loc，zip中的edge_image（位置，圖片）： plt.subplot（loc） plt.imshow（edge_image，cmap ='gray'）

了解代碼：

繪圖部分需要位置數組。

然后，我們同時可視化原始圖像和邊緣檢測圖像。

cmap參數用于更改圖像的顏色。就我們而言，我們正在將它們轉換為灰色。

保存結果

該功能的最后一部分將保存邊緣檢測圖像和比較圖。OpenCv和Matplotlib軟件包；imwrite和savefig函數都為我們提供了這個功能。在最后一行中，show函數可以向我們顯示創建的圖。

cv2.imwrite（'edge_detected.png'，edgesdetected）plt.savefig（'edge_plot.png'）plt.show（）

選擇圖片

我們要找到一張測試Canny Edge檢測程序的圖像。下載圖像后，請確保將它們放入與項目相同的文件夾中。這將有助于輕松地將它們導入程序。讓我們定義一個圖像變量并導入圖像。這是使用OpenCV讀取圖像的方法：

img = cv2.imread（'test_image.jpg'，0）

這是我將測試模型的示例圖像：

運行程序

是時候運行程序了。到目前為止，沒有任何東西可以觸發該功能。我們必須調用函數也不要忘記將圖像作為參數傳遞進去：

simple_edge_detection（img）

結果如下：

我們已經使用Python創建了邊緣檢測的代碼。

責任編輯：彭菁