小编XV1*_*V15的帖子

我对一些问题Canny边缘检测中的OpenCV。

这是我试过的代码。

def auto_canny(image, sigma=0.33):
    v = np.median(image)
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    edged = cv2.Canny(image, lower, upper)

然后，

##### first situation #####
img = cv2.imread('mango.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
auto = auto_canny(gray)
cv2.imwrite('mango_gray_edge.jpg', auto)

在这种情况下，我得到了这样的图像：

##### second situation #####
img = cv2.imread('mango.jpg')
auto = auto_canny(img)
cv2.imwrite('mango_color_edge.jpg', auto)

在这种情况下，我得到了这样的图像：

这是原始图像：

第一种情况和第二种情况的区别在于我是否将彩色图像转换为灰度。但是，我对此感到困惑。因为，

在第一种情况下，我将图像转换为灰度，因此图像具有单个通道。而在第二种情况下，图像仍然具有三个通道。

当我没有将其转换为灰度时，边缘会好得多，就像在第二种情况下一样。

所以我的问题是，

1. OpenCV 中的 Canny 函数是否包括将图像转换为灰度的方法？我的意思是，我需要在使用之前将图像转换为灰度cv2.Canny()吗？

2. Canny 如何同时处理单通道（第一种情况转换为灰度）和三通道（原始图像如第二种情况）图像？

3. Canny实际上是如何工作的？Canny …