一、Canny边缘检测：
import cv2
import numpy as np# 定义图像显示函数
def cv_show(name, img):cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()
# 阈值指定的越大，检测的图像的包括的内容越少，阈值越小，检测到的细节信息越多
img = cv2.imread('images\lena_color_256.tif',cv2.IMREAD_GRAYSCALE)
v1 = cv2.Canny(img,80, 150)
v2 = cv2.Canny(img,50, 100)
res = np.hstack((v1, v2))
cv_show('threshold', res)
二、图像金字塔
高斯金字塔 ：向下采样（缩小）
原理：将Ci与高斯内核卷积
将所有的偶数行和列去掉
高斯金字塔 ：向上采样（放大）
原理： 将图像在每个方向上扩大为原来的两倍，新增的行与列用0填充
使用先前同样的内核（乘以4）与放大后的图像卷积获得近似值
img_oringe = cv2.imread('images/cameraman.tif')
cv_show('oringe', img_oringe)up_image = cv2.pyrUp(img_oringe)
down_image = cv2.pyrDown(img_oringe)
# 不能使用np来展示图像
# res = np.hstack((up_image, down_image))
# cv_show('res', res)
cv_show("up", up_image)
cv_show("down", down_image)# 拉普拉斯金字塔
# l = Gi - pyrUp(PyrDown(Gi))
down = cv2o.pyrDown(img_oringe)
down_up = cv2.pyrUp(down)
l_l = down_up
cv_show('lapulase',l_l)
三、轮廓检测法
