实验一 边缘提取

一、 实验目的
利用opencv编写实现下图的边缘提取

二、实验内容
利用opencv python实现边缘提取
(1)在python安装opencv库
如果安装了python，直接安装：pip install opencv-python

测试是否安装成功：python命令行输入import cv2，没有报错即成功

(2)编写代码
代码如下：

import cv2 

#导入图片
img = cv2.imread('E:\\test.bmp')
cv2.namedWindow("image",cv2.WINDOW_AUTOSIZE)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #将图像转为灰度图像
gray = cv2.GaussianBlur(gray,(5,5),0)       #将图像进行高斯模糊
edged = cv2.Canny(gray,75,200)              #Canny边缘检测
#反色
def inverse_color(edged):
    height,width = edged.shape
    img2 = edged.copy()
    for i in range(height):
        for j in range(width):
            img2[i,j] = (255-edged[i,j])
    return img2
#显示图片
cv2.imshow('image',inverse_color(edged))
cv2.waitKey(0)
cv2.destroyAllWindows()

三、 运行结果

四、 问题及解决方法
(1)在下载opencv-python库时，可能因为网络超时而失败，这时可以下载whl文件，在命令提示符里输入：“pip install whl文件所在位置的绝对路径”，就会安装成功
Whl文件下载网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
(2)运行报错，且显示不出图片

解决办法：
在用到imread函数时，图像文件名索引地址中不能出现任何中文字符，如果在windows系统下，文件名的索引地址的分隔符需要用“\\”而不能用“\”，即“cv2.imread(‘E:\\test.bmp’)”而不是“cv2.imread(‘E:\test.bmp’)”

五、 实验总结
这次实验主要是利用opencv实现图像的边缘提取，一开始我选择的是利用vs来进行编写，可能是因为版本原因，导致总会报错，后来我看到网上有说opencv也提供python的接口，就选择了利用python来实现，在进行边缘提取时，了解了一些新的概念：

1. 灰度图像：灰度图像（gray image）是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；但是，灰度图像在黑色与白色之间还有许多级的颜色深度。
2. 高斯模糊：来减少图像噪声以及降低细节层次，使图片产生模糊效果
3. Canny()函数：使用Canny算法对对输入图像进行边缘检测，Canny边缘检测的步骤：
   (1)使用高斯滤波，以平滑图像，滤除噪声；
   (2)计算图像中每个像素点的梯度强度和方向；
   (3)应用非极大值抑制，以消除边缘检测带来的杂散响应；
   (4)应用双阈值检测来确定真实的和潜在的边缘；
   (5)通过抑制孤立的弱边缘最终完成边缘检测。