本期我们一起看看如何进行图像边缘的检测。边缘检测通常用于理解图像中的对象，帮助机器做出更好的预测。编写边缘检测程序是了解机器如何看待外界的好方法。现在就让我们使用python进行边缘检测吧。
我们将为该项目使用两个主要模块：Numpy，Matplotlib和OpenCV。Matplotlib是一个完整的库，用于在Python中生成静态，动画和交互式可视化。OpenCV是一个高度优化的库，专注于实时应用程序。
OpenCV
OpenCV（开源计算机视觉库）是一个开源计算机视觉和机器学习软件库。OpenCV的构建旨在为计算机视觉应用程序提供通用的基础结构，并加速商业产品中的机器感知。作为BSD许可的产品，OpenCV使企业可以轻松地使用和修改代码。
参考：https : //opencv.org
让我们从安装库开始。
安装库
我们必须安装库，以便我们的程序正常运行。如前所述，我们将只需要两个库。使用PIP库管理器将它们安装在一行中：
pip安装numpy matplotlib opencv-python
安装过程完成后，我们可以将它们导入到我们的代码中。我们将使用Atom文本编辑器完成。
导入cv2 导入numpy作为np 导入matplotlib.pyplot作为plt
边缘检测功能
现在，我们可以转到有趣的部分，在这里我们将编写边缘检测功能。您会惊讶于使用OpenCV软件包如此简单。此OpenCV检测模型也称为Canny边缘检测模型。我们的功能包括三个部分：边缘检测，可视化，最后保存结果。
边缘检测
def simple_edge_detection（image）： edgesdetected = cv2.Canny（image，100，200） images = [image，edgesdetected]
了解代码：
- Canny是我们调用的使用OpenCV进行边缘检测的方法。
- Image是函数的参数，这意味着我们将在调用函数时传递图像。这样，您可以轻松地用不同的图像测试程序。
- 100和200是磁滞阈值的最小值和最大值。
可视化
location = [121，122] 对于loc，zip中的edge_image（位置，图片）： plt.subplot（loc） plt.imshow（edge_image，cmap ='gray'）
了解代码：
- 绘图部分需要位置数组。
- 然后，我们同时可视化原始图像和边缘检测图像。
- cmap参数用于更改图像的颜色。就我们而言，我们正在将它们转换为灰色。
保存结果
该功能的最后一部分将保存边缘检测图像和比较图。OpenCv和Matplotlib软件包；imwrite和savefig函数都为我们提供了这个功能。在最后一行中，show函数可以向我们显示创建的图。
cv2.imwrite（'edge_detected.png'，edgesdetected）plt.savefig（'edge_plot.png'）plt.show（）
选择图片
我们要找到一张测试Canny Edge检测程序的图像。下载图像后，请确保将它们放入与项目相同的文件夹中。这将有助于轻松地将它们导入程序。让我们定义一个图像变量并导入图像。这是使用OpenCV读取图像的方法：
img = cv2.imread（'test_image.jpg'，0）
这是我将测试模型的示例图像：
运行程序
是时候运行程序了。到目前为止，没有任何东西可以触发该功能。我们必须调用函数也不要忘记将图像作为参数传递进去：
simple_edge_detection（img）
结果如下：
我们已经使用Python创建了边缘检测的代码。
