基于python的摄像头数据获取以及边缘检测算法实现

工程说明：

  本设计是基于python的图像检测与边缘处理算法测试，旨在于了解基本边缘检测算法功能实现效果，为后期硬件移植做好准备。后期硬件实现方案暂时想法为基于ZYNQ的视觉检测与人脸识别，以及后期的功能扩展，例如将捕获的视频图像通过ZYNQ的PL端进行相关算法处理，然后将处理后的图像存储，发送给PS端进行识别检测或传给上位机云台…吧啦吧啦…

平台：python3.8.1+JetBrains PyCharm 2018.2

相关理论原理：

一、边缘定义及类型

边缘类型可以简单分为4中类型，阶跃型、屋脊型、斜坡型、脉冲型，其中阶跃型和斜坡型是类似的，只是变化的快慢不同

二、常见边缘检测算子及优缺点

  导入所需要的第三方python库，本次主要使用opencv-python库，假如安装失败可以通过以下三个镜像切换下载
https://pypi.tuna.tsinghua.edu.cn/simple/
https://pypi.mirrors.ustc.edu.cn/simple/
http://mirrors.aliyun.com/pypi/simple/

#coding:utf-8

import cv2
import numpy as np

  建立显示窗口，设置窗口控件，建立摄像头操作对象

#定义函数
def nothing(x):
    pass

cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)      #创建一个摄像头对象
cv2.namedWindow('Canny',cv2.WINDOW_FREERATIO)       #创建一个显示窗口
cv2.namedWindow('Sobel',cv2.WINDOW_FREERATIO)
#创建滑动条
cv2.createTrackbar('minval','Canny',0,255,nothing)
cv2.createTrackbar('maxval','Canny',0,255,nothing)

  主程序部分

k=0
while(1):
    key = cv2.waitKey(50) & 0xFF
    if key == ord(' '):
        break

    ret, img = cap.read(0)
    #参数ret 为True 或者False,代表有没有读取到图片
    #第二个参数img表示截取到一帧的图片
    # 读取滑动条数值
    minval = cv2.getTrackbarPos('minval', 'Canny')
    maxval = cv2.getTrackbarPos('maxval', 'Canny')
    if(ret):
        img_0 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)       #灰度图
        edges_1 = cv2.Canny(img,minval,maxval)              #Canny算子边缘检测
        edges_2 = cv2.Sobel(src=img_0,ddepth=-1,dx=1,dy=1,ksize=5)    #sobel算子边缘检测
        img_1 = np.hstack((img_0,edges_1))
        cv2.imshow('Canny',img_1)
        cv2.imshow('Sobel',edges_2)
    else:
        ">>>>>获取图像失败"

cv2.destroyAllWindows()

  部分函数参数说明：

####################
#cv2.Sobel(src,ddepth,dx,dy)
#前四个是必须的参数：
#   第一个参数是需要处理的图像；
#   第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
#   dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2

#可选参数   ksize是Sobel算子的大小，必须为1、3、5、7

  显示效果图像

小结：本次实现功能较为单一，后期在移植到硬件上时需根据算法优化，最大程度发挥硬件和软件功能和效率。