使用OpenCV-python3实现滑动条更新图像的Canny边缘检测功能实例

本篇文章小编给大家分享一下使用OpenCV-python3实现滑动条更新图像的Canny边缘检测功能实例，小编觉得挺不错的，现在分享给大家供大家参考，有需要的小伙伴们可以来看看。

import cv2
from matplotlib import pyplot as plt
import numpy as np
img= cv2.imread('39.jpg')#加载图片
cv2.namedWindow('Canny edge detect')#设置窗口,cv2.WINDOW_NORMAL表示窗口大小可自动调节
cv2.namedWindow('Original Image',cv2.WINDOW_NORMAL)
cv2.namedWindow('Canny edgeImage',cv2.WINDOW_NORMAL)
def nothing(x):#回调函数
  pass
#创建两个滑动条，分别控制minVal(最小阈值)、maxVal(最大阈值).
# minVal:滑动条名称; 'Canny edge detect':窗口名; 60:滑动条默认滑动位置; 300:最大值 ; nothing:回调函数
cv2.createTrackbar('minVal','Canny edge detect',60,300,nothing)
cv2.createTrackbar('maxVal','Canny edge detect',100,400,nothing)
while(1):
  #获得滑动条所在的位置
  #cv2.getTrackbarPos(滑动条名称，窗口名);
  minVal = cv2.getTrackbarPos('minVal','Canny edge detect')
  maxVal = cv2.getTrackbarPos('maxVal','Canny edge detect')
  #Canny边缘检测
  #cv2.Canny函数参数解析：
  # img:原图像名
  # minVal:最小梯度
  # maxVal:最大梯度
  # 5 ：5*5大小的高斯滤波器(卷积核)，用来消除噪声影响
  # L2gradient :求图像梯度，从而进行去除非边界上的点（非极大值抑制）
  edgeImage = cv2.Canny(img,minVal,maxVal,5,L2gradient=True)

L2gradient，它可以用来设定 求梯度大小的方程。如果设为 True，就会使用方程，

否则 False ,使用方程：

其中Gx,Gy为使用 Sobel 算子的计算水平方向和竖直方向的一阶导数。

 #显示图片
  cv2.imshow('Original Image',img) #原图
  cv2.imshow('Canny edgeImage',edgeImage) # Canny检测后的图

  k = cv2.waitKey(1)
  if k ==ord('w')& 0xFF: # 按 w 退出
    break
cv2.destroyAllWindows()#销毁窗口

效果图如下