在Python环境中搭建机器视觉创新实践的开发环境
1.在已经安装配置完成Python环境的前提下，配置opencv环境
在配置opencv环境前，还需要先安装matplotlib、numpy库，这两个库主要为图像处理的库。
打开cmd控制台，输入pip install matplotlib，点击回车键，系统自行搜索安装matplotlib库，运行过程中，应保持网络的连接，如图：
同理，在cmd控制台中分别输入pip install numpy和pip install opencv-python安装numpy和opencv库。
2.选择目标边缘提取图片feature.jpg
3.编码实现边缘提取
#导入库文件 import cv2 import numpy as np from matplotlib import pyplot as plt #导入目标图片 img=cv2.imread(\'feature.jpg\',0) #调用cv2.Canny()函数对图片进行边缘提取，并显示 edges = cv2.Canny(img,100,200) plt.subplot(121), plt.imshow(img,cmap = \'gray\') plt.title(\'artwork_master\'), plt.xticks([]), plt.yticks([])plt.subplot(122), plt.imshow(edges,cmap = \'gray\') plt.title(\'Canny edge_detection\'), plt.xticks([]), plt.yticks([]) plt.show()
4.实验效果图
5.总结
在Pythong环境中配置opencv环境，只需要下载Python对应的opencv库就可以解决问题，本次实验，我是在jupyter notebook编译环境中实现的，也可以选择在sublime中编码实现。