Python cv.Canny()方法参数详解与代码示例

小石头

发布时间：2026-10-15| 5人浏览过

原创

本文详细介绍Python OpenCV中cv.Canny()函数的使用方法及核心参数。涵盖image输入图像、threshold1与threshold2阈值设置、apertureSize Sobel核大小以及L2gradient梯度计算模式。附带完整代码示例，展示如何读取图像并进行边缘提取，帮助开发者快速掌握Canny算法在Python中的实际应用。

函数原型与参数详解

OpenCV库提供了cv.Canny()函数，用于将输入的原始图像转换为包含边缘信息的图像。

该函数的具体原型如下所示：

cv.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> 	edges
cv.Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

其中，image参数接收array格式的输入图像数据。
threshold1和threshold2分别代表下界阈值与上界阈值，用于控制边缘检测的灵敏度。
apertureSize参数指定用于计算图像梯度的Sobel核的大小，其默认值为3。
L2gradient是一个布尔型参数，用于指定计算梯度幅值的公式，默认值为False。若设置为True，则采用L2范数计算；否则采用L1范数。

以下是具体的实现代码：

def canny_detect(image_path, show=True):
    # 读取图像
    image = cv2.imread(image_path, 0)
    # 获取结果
    edges = cv2.Canny(image, 100, 200)
    if show:
        # 绘制原图
        plt.subplot(121)
        plt.imshow(image, cmap='gray')
        plt.title('Original Image')
        plt.xticks([])
        plt.yticks([])

        # 绘制边缘图
        plt.subplot(122)
        plt.imshow(edges, cmap='gray')
        plt.title('Edge Image')
        plt.xticks([])
        plt.yticks([])
        plt.show()
    return edges
canny_detect('images/2.jpeg')