python实现图像边缘检测

本文实例为大家分享了python实现图像边缘检测的具体代码，供大家参考，具体内容如下

任务描述

背景

边缘检测是数字图像处理领域的一个常用技术，被广泛应用于图像特征提取、目标识别、计算机视觉等领域。边缘可以理解为像素值发生跃迁的地方，而边缘检测就是要找到这样的地方。如下图所示，对左图进行边缘检测，结果为右图。

基于卷积运算可实现边缘检测，对图像 1（设分辨率为 w×h）进行边缘检测的方法如下：

1）将图像 1 转换成灰度图，仍称为图像 1；
2）新建图像 2，图像 2 为灰度图，分辨率与图像 1 相同；
3）对于图像 1 中坐标为 (x,y) 的像素 p，求 p 的卷积 c，若 c>0，则将图像 2 中 (x,y) 处的像素值设置成 0（即黑色），否则设置成 255（即白色），其中，1≤x≤w−2、1≤y≤h−2；
4）保存图像 2，图像 2即存放了检测结果。

其中，第 3 步要计算 (x,y) 处像素 p 的卷积 c，计算方法如下：

1）选择一个卷积核（本关选择的卷积核是一个如上左图所示的 3×3 矩阵）；
2）选取以 p 为中心的 3×3 图像区域，如上右图所示，每个小方格代表一个像素，数字表示像素颜色值，像素 p 的坐标为 (x,y)，则选取的图像区域为黄色底纹区域；
3）对于步骤 1 中选择的 3×3 卷积核和步骤 2 中选取的 3×3 图像区域，将它们对应位置的元素相乘，然后再求和，即得到像素 p 的卷积 c，例如，上图中的像素 p 的卷积为：

c=1×11+1×12+1×13+1×14−8×15+1×101+1×16+1×102+1×103=252

任务

本关任务是补全程序，使其能进行边缘检测。本关程序与上关结构类似，可参考上关。

相关知识

略。

编程要求

在 Begin-End 区间补全代码，具体要求见上。

测试说明

测试集正确结果如下：

(1  , 1 ) -> 0
(34 , 27) -> -537
(117, 78) -> -576
(242, 97) -> 528
(276, 61) -> 0

你的图像与正确答案相同！

说明如下：

1）系统会调用你编写的convolute函数，并以“像素坐标 -> 卷积”的格式打印结果，如测试集第 1 行的(1 , 1 ) -> 0表示：(1,1) 处像素的卷积为0；
2）此外，系统会检查程序生成的图像文件，若正确则在测试集最后一行打印你的图像与正确答案相同！。

开始你的任务吧，祝你成功！

from PIL import Image

# 求图像img中(x,y)处像素的卷积c
def convolute(img, x, y):
    ########## Begin ##########
    juanjihe = [1,1,1,1,-8,1,1,1,1]
    L = []
    xl = [x - 1, x, x + 1]
    yl = [y - 1, y, y + 1]
    for j in yl:
        for i in xl:
            gray = img.getpixel((i, j))  # 取出灰度值
            L.append(gray)
    c = 0
    for i,j in zip(juanjihe,L):
        c = c + i*j
    ########## End ##########
    return c

# 对图像文件1进行边缘检测，并将结果保存为图像文件2
# 图像文件1和2的路径分别为path1和path2
def detectEdge(path1, path2):
    img1 = Image.open(path1)  # 图像1
    img1 = img1.convert('L')  # 将图像1转换为灰度图
    w, h = img1.size
    img2 = Image.new('L', (w, h), 'white')  # 图像2
    ########## Begin ##########
    ##此部分功能：依次求img1中每个像素的卷积c，再将c放到img2的对应位置
    for x in range(1, w - 1):
        for y in range(1, h - 1):
            c = convolute(img1, x, y)  # 计算卷积c
            if c>0:
                s=0
            else:
                s=255
            img2.putpixel((x, y), s)  # 再将c放到img2的对应位置
    ########## End ##########
    img2.save(path2)

path1 = 'step5.bmp'  # 原始图像
path2 = 'step5_2.bmp'  # 检测到的边缘图像
detectEdge(path1, path2)

来源：https://blog.csdn.net/qq_42833469/article/details/121581713