Canny边缘检测：让图像"棱角分明"的艺术

# 导入需要的库
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取彩色图像
color_image = cv2.imread('images/color_image.jpg')

# 检查图像是否成功读取
if color_image is None:
    print('无法读取图像，请检查文件路径是否正确')
    exit()

# 转换为RGB格式（因为OpenCV默认读取的是BGR格式）
rgb_image = cv2.cvtColor(color_image, cv2.COLOR_BGR2RGB)

# 转换为灰度图像
gray_image = cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY)

# 方法1：使用OpenCV内置函数实现Canny边缘检测
# 参数说明：50和150分别是低阈值和高阈值
canny_edges = cv2.Canny(gray_image, 50, 150)

# 尝试不同的阈值组合
canny_edges_low = cv2.Canny(gray_image, 30, 100)  # 低阈值组合
canny_edges_high = cv2.Canny(gray_image, 100, 200)  # 高阈值组合

# 方法2：手动实现简化版Canny边缘检测（仅作演示）
def simple_canny(image, low_threshold, high_threshold):
    # 1. 高斯模糊去噪
    blurred = cv2.GaussianBlur(image, (5, 5), 1.5)
    # 2. 计算梯度
    grad_x = cv2.Sobel(blurred, cv2.CV_64F, 1, 0, ksize=3)
    grad_y = cv2.Sobel(blurred, cv2.CV_64F, 0, 1, ksize=3)
    # 计算梯度幅值和方向
    magnitude = np.sqrt(grad_x**2 + grad_y**2)
    direction = np.arctan2(grad_y, grad_x) * (180 / np.pi)
    # 3. 非极大值抑制（简化版）
    edges = np.zeros_like(image)
    for i in range(1, image.shape[0]-1):
        for j in range(1, image.shape[1]-1):
            # 这里省略了复杂的方向判断，仅保留梯度幅值大于阈值的点
            if magnitude[i, j] > low_threshold:
                edges[i, j] = 255
    # 4. 双阈值检测（简化版）
    # 这里仅使用单一阈值，实际应用中应使用双阈值
    return edges

# 手动实现的Canny边缘检测
manual_canny = simple_canny(gray_image, 50, 150)

# 显示原图和不同方法得到的边缘检测结果
plt.figure(figsize=(20, 10))

plt.subplot(231)
plt.imshow(rgb_image)
plt.title('彩色原图')
plt.axis('off')

plt.subplot(232)
plt.imshow(gray_image, cmap='gray')
plt.title('灰度图像')
plt.axis('off')

plt.subplot(233)
plt.imshow(canny_edges, cmap='gray')
plt.title('OpenCV Canny边缘检测 (50, 150)')
plt.axis('off')

plt.subplot(234)
plt.imshow(canny_edges_low, cmap='gray')
plt.title('低阈值Canny (30, 100)')
plt.axis('off')

plt.subplot(235)
plt.imshow(canny_edges_high, cmap='gray')
plt.title('高阈值Canny (100, 200)')
plt.axis('off')

plt.subplot(236)
plt.imshow(manual_canny, cmap='gray')
plt.title('手动实现简化版Canny')
plt.axis('off')

plt.tight_layout()
plt.show()

# 保存边缘检测结果
cv2.imwrite('images/canny_edges.jpg', canny_edges)
print('边缘检测图像已保存！')