importcv2frommatplotlibimportpyplotaspltimportnumpyasnpimg=cv2.imread('39.jpg')#加载图片cv2.namedWindow('Cannyedgede
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。
总结
以上所述是小编给大家介绍的使用OpenCV-python3实现滑动条更新图像的Canny边缘检测功能，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！ 如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
OpenCV python3 边缘检测 OpenCV python滑动