opencv-灰度(gray)-高斯濾波(GaussianBlur)-邊緣檢測(Canny)

 灰度

cv2.cvtColor(img,p1)

是顏色空間轉換函數，img是需要轉換的圖片，p2是轉換成格式。
cv2.COLOR_BGR2RGB 將BGR格式轉換成RGB格式
cv2.COLOR_BGR2GRAY將BGR格式轉換成圖像

邊緣檢測

edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 

第一個參數是需要處理的原圖像，該圖像必須為單通道的灰度圖；
第二個參數是閾值1；
第三個參數是閾值2。

高斯濾波

cv2.GaussianBlur（ SRC，ksize，sigmaX [，DST [，sigmaY [，borderType ] ] ] ）

 

Src –輸入圖像；圖像可以具有任何數量的信道，其獨立地處理的，但深度應CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。

Dst –輸出與圖像大小和類型相同的圖像src。

Ksize –高斯核大小。 Ksize.width 並且 ksize.height 可以有所不同，但它們都必須是正數和奇數。或者，它們可以為零，然後從計算 sigma*。

SigmaX – X方向上的高斯核標準偏差。

SigmaY – Y方向上的高斯核標準差；如果 sigmaY 為零，則將其設置為等於 sigmaX；如果兩個西格瑪均為零，則分別根據ksize.width 和 進行計算 ksize.height（getGaussianKernel()有關詳細信息，請參見 link)；完全控制的結果，無論這一切的語義未來可能的修改，建議指定所有的ksize，sigmaX和sigmaY。
BorderType –像素外推方法

import cv2

img = cv2.imread(r"C:\Users\blair\Pictures\saveImg\lena.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (7, 7), 2)
canny = cv2.Canny(img, 200, 200)
cv2.imshow("canny", canny)
cv2.imshow("blur", blur)
cv2.imshow("gray", gray)
while True:
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break