python opencv图像二值化函数_python+opencv边缘提取与各函数参数解析

前情提要：作为刚入门机器视觉的小伙伴，第一节课学到机器视觉语法时觉得很难理解，

很多人家的经验，我发现都千篇一律，功能函数没解析，参数不讲解，就一个代码，所以在此将搜集的解析和案例拿出来汇总！！!

一、opencv+python环境搭建

其实能写python的就能写opencv，但是工具很总要，代码提示也很重要，你可能会用submit vs等工具，submit编码个人觉得不够智能，vs的话过完年我学的方向不一致，所以没用

推荐 pycharm ,在项目setting中的项目解释器中安装 opencv-python 即可进行编码。python环境搭建也灰常方便。

二、边缘提取案例

import cv2

def edge_demo(image):

#GaussianBlur图像高斯平滑处理

blurred = cv2.GaussianBlur(image, (3, 3), 0)

#(3, 3)表示高斯矩阵的长与宽都是3,意思就是每个像素点按3*3的矩阵在周围取样求平均值，，标准差取0

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#颜色模式转换成cv2.COLOR_BGR2GRAY模式下的灰度图像

edge_output = cv2.Canny(gray, 50, 150)

#提取上一步中处理好的图像边缘，50和150分别代表低阈值和高阈值，高阈值用来将物体与背景区分开来，低的用于平滑连接高阈值产生的片段，使图像成一个整体

cv2.imshow("canny edge", edge_output)#输出灰度图像

#原