img = cv2.imread('.jpg', 0) edges = cv2.Canny(img, 100, 200) plt.subplot(121) plt.imshow(img, cmap = 'gray') plt.title('Original Image') plt.xticks([]) plt.yticks([]) plt.subplot(122) plt.imshow(edges, cmap = 'gray') plt.title('Edge Image') plt.xticks([]) plt.yticks([]) plt.show()

<think>嗯，用户想了解如何使用OpenCV进行图像边缘检测，并用Matplotlib显示原图和边缘图像。首先，我需要回忆一下OpenCV中常用的边缘检测方法，比如Canny、Sobel、Laplacian等。用户特别提到了Canny，所以应该重点讲解Canny边缘检测的步骤。 接下来，用户需要Matplotlib显示原图和边缘图的对比。我记得Matplotlib的subplot功能可以并排显示多个图像，这可能用到。要确保图像以灰度显示，因为边缘检测通常在灰度图上进行。 然后，我得检查示例代码是否正确。比如，读取图像应该用cv2.imread，并且注意参数是否正确，比如cv2.IMREAD_GRAYSCALE。Canny函数需要两个阈值，通常用高低阈值，可能需要解释如何选择这些值。 还要注意OpenCV和Matplotlib的颜色通道差异。OpenCV是BGR格式，而Matplotlib是RGB，但如果是灰度图的话，可能不需要转换。不过示例中的原图是灰度图，所以应该没问题。但如果有原图是彩色的，可能需要转换，不过用户的问题里没提到彩色图，可能可以忽略这一步。 另外，代码中是否有必要的异常处理，比如图像路径是否正确，但用户可能更关注核心步骤，所以示例代码可能简化这些部分。然后，绘制图像时，设置正确的标题和布局，使用plt.show()来展示图像。 还要考虑引用的问题。用户提供的引用中有Canny边缘检测的示例，应该引用对应的引用[2]。同时，在绘制直方图的部分可能涉及引用[1]，但当前问题可能不需要直方图，所以可能只引用到引用[2]和引用[3]，不过引用[3]是关于Roberts算子的卷积操作，可能和Canny无关，但用户的问题没有提到Roberts，所以可能不需要引用这部分。 需要确保代码中的变量名一致，比如image和edges是否正确读取和处理。同时，plt.subplot的参数是否正确，比如1行2列，第一个子图和第二个子图的编号是否正确。 可能用户会遇到的问题包括图像路径错误、阈值设置不当导致边缘检测效果不好，或者Matplotlib显示图像颜色异常。不过用户的问题主要是示例代码，所以应该给出一个完整的、可运行的示例，并解释关键步骤。 最后，生成相关问题时要围绕边缘检测的其他方法、参数调整、不同显示方式等，确保问题有针对性，帮助用户深入学习。</think>### OpenCV Canny边缘检测与Matplotlib图像显示 以下是使用OpenCV实现Canny边缘检测，并利用Matplotlib并排显示原始图像与边缘检测结果的完整示例： #### 实现步骤 1. **图像读取与灰度转换** 若原始图像为彩色格式，需先转换为灰度图像。OpenCV的`cvtColor`方法可实现此操作，但若直接以灰度模式读取图像更高效： ```python image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE) ``` 2. **Canny边缘检测** 使用`cv2.Canny()`函数，需设置高低阈值参数。一般建议低阈值为高阈值的1/3至1/2： ```python edges = cv2.Canny(image, threshold1=100, threshold2=200) ``` 3. **Matplotlib双图对比显示** 通过`plt.subplot()`创建1行2列的子图布局，分别显示原始图像和边缘检测结果[^2]： ```python plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.title('原始图像') plt.imshow(image, cmap='gray') plt.axis('off') # 隐藏坐标轴 plt.subplot(1, 2, 2) plt.title('Canny边缘检测') plt.imshow(edges, cmap='gray') plt.axis('off') plt.tight_layout() # 自动调整子图间距 plt.show() ``` #### 完整代码示例 ```python import cv2 import matplotlib.pyplot as plt # 读取图像（强制灰度模式） image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE) # Canny边缘检测 edges = cv2.Canny(image, 100, 200) # 创建画布并显示对比结果 plt.figure(figsize=(10, 5)) # 显示原始图像 plt.subplot(1, 2, 1) plt.title('Original Image') plt.imshow(image, cmap='gray') plt.axis('off') # 显示边缘检测结果 plt.subplot(1, 2, 2) plt.title('Canny Edges') plt.imshow(edges, cmap='gray') plt.axis('off') # 优化布局并显示 plt.tight_layout() plt.show() ``` #### 关键参数说明 - **阈值选择**：Canny算法通过`threshold1`和`threshold2`识别强边缘与弱边缘。当强边缘与弱边缘相连时，弱边缘会被保留 - **颜色映射**：`cmap='gray'`确保图像以灰度模式显示，避免Matplotlib默认的颜色映射干扰 - **图像尺寸**：`figsize=(10,5)`定义显示窗口尺寸，适应大多数屏幕显示需求