import cv2from matplotlib import pyplot as pltimport numpy as npimg= 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 breakcv2.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！