1.题目描述
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。它是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、 I/O卡等)。
而在机器视觉中，一个非常基础的操作就是图像处理，而在图像处理中有一个十分重要的知识就是边缘提取。边缘提取，指数字图像处理中，对于图片轮廓的一个处理。对于边界处，灰度值变化比较剧烈的地方，就定义为边缘。也就是拐点，拐点是指函数发生凹凸性变化的点。和高数的导数有联系，将某个指定的物体的边缘进行提取出来。
本次实验中要用到的边缘提取技术是python+opencv，python是一种很方便的高级编程语言，代码量少，而OpenCV是一个基于BSD许可发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。用python+opencv可以很方便地进行边缘提取操作。从而感受机器视觉技术在现实中的实际应用。
2.实现过程
（1）下载python以及Anaconda开源包，并购配置好环境变量，配置好后在命令台检测python已经安装成功了。
（2）下载opencv_python
opencv_python是open配合python运行的工具，在网站
https://www.lfd.uci.edu/~gohlke/pythonlibs/
上可以选择下载：
这里选择下载opencv_python-4.0.0.21-cp37-cp37m-win_amd64.whl，然后在cmd输入pip install opencv_python-4.0.0.21-cp37-cp37m-win_amd64.whl即可完成opencv和opencv的python环境的安装。
安装成功后如下：
（3） 在sublime配置python
python的编辑器和编译器有很多，这里选择的是用十分简单的sublime，配置好sublime中的python后，先新建一个文件夹，并把需要边缘提取的图片放进去：
（4） 对图像进行阈值分割并反色
首先需要新建一个python文件，导入cv2的库（OpenCV2的python库），并显示一张图片，代码为：
import cv2
# 读取本相对路径下的initial.bmp文件
image = cv2.imread ("initial.bmp")
# 将image对应图像在图像窗口显示出来
cv2.imshow('initial',image)
# waitKey使窗口保持静态直到用户按下一个键
cv2.waitKey(0)
对图像进行阈值分割，阈值设定为80，得到二值化灰度图，代码为：
# 对图像进行阈值分割，阈值设定为80，得到二值化灰度图
ret,image1 = cv2.threshold(image,80,255,cv2.THRESH_BINARY)
cv2.imshow('grayscale',image1)
将图像进行反色，代码如下：
# 将图像进行反色
image2 = image1.copy() # 复制图片
for i in range(0,image1.shape[0]): #image.shape表示图像的尺寸和通道信息(高,宽,通道)
for j in range(0,image1.shape[1]):
image2[i,j]= 255 - image1[i,j]
cv2.imshow('colorReverse',image2)
（5） 边缘提取
下面就是边缘提取了，用findContours差影法或者Canny方法检测边缘，用原图像减去腐蚀后的收缩图像，提取边缘。代码如下：
# 边缘提取
img = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
canny_img_one = cv2.Canny(img,300,150)
canny_img_two = canny_img_one.copy() # 复制图片
for i in range(0,canny_img_one.shape[0]): #image.shape表示图像的尺寸和通道信息(高,宽,通道)
for j in range(0,canny_img_one.shape[1]):
canny_img_two[i,j]= 255 - canny_img_one[i,j]
cv2.imshow('edge',canny_img_two)
3.运行结果（效果）
图3-1 sublime中opencv显示图片
图3-2 转为灰度图
图3-3 反色显示图片
图3-4 边缘提取图片
4.问题及解决方法
由于python之前很熟练，且安装比较繁琐，因此这里只研究有关进行机器视觉的问题。
（1）安装python-opencv问题
问题一：no module named cv2
在安装的时候，代码中有anaconda，但导入的时候，还会有no module named cv2问题。我的解决办法是在windows中，直接找到对应的cv2.pyd，拷贝到python路径中。这样就成功了：
图4-1 正确安装cv2
问题二：在安装的时候遇到：
图4-2 未找到opencv_python问题
在搜索问题的时候发现是pip没有更新，这个时候输入pip install –upgrade pip成功了。
（2）代码问题
问题三：
图4-3 未能阈值切割问题
这个是之前的阈值分割函数：
cv2.threshold(image,80,255,cv2.THRESH_BINARY)
应该有两个返回值，其中的ret是获得一些相关信息进行设置的，也需要带上。
问题四：
图4-4 未能找到图片问题
这个问题是因为直接获得读取信息的参数，是一个读取结果，需要先转化为灰度图才行，加上下面的第一行代码即可。
img_gray = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
# 对图像进行阈值分割，阈值设定为80，得到二值化灰度图
ret,image1 = cv2.threshold(img_gray,80,255,cv2.THRESH_BINARY)
# cv2.imshow('grayscale',image1)