Python中的mark_boundaries()函数实现图像边缘检测

在Python的图像处理库scikit-image中，mark_boundaries()函数可以用于在图像中标记边界。该函数可以将图像中的边界像素标记为不同的颜色，以便于观察图像的边缘。

mark_boundaries()函数的基本语法如下：

skimage.segmentation.mark_boundaries(image, label_img, color=(1, 0, 0))

其中，image是输入的原始图像，label_img是标记了不同区域或对象的图像，color是标记边界的颜色。默认情况下，边界标记的颜色为红色。

下面我们通过一个例子来演示mark_boundaries()函数的使用：

import matplotlib.pyplot as plt
from skimage.segmentation import mark_boundaries
from skimage.io import imread

# 读取图像
image = imread('image.jpg')

# 标记边界
boundary_image = mark_boundaries(image, label_img)

# 显示原始图像和标记后的图像
fig, axes = plt.subplots(1, 2, figsize=(10, 5))
axes[0].imshow(image)
axes[0].set_title('Original Image')
axes[1].imshow(boundary_image)
axes[1].set_title('Boundary Image')
plt.show()

在上述代码中，我们首先使用imread()函数读取了一个名为image.jpg的图像。然后，我们使用mark_boundaries()函数将图像中的边界像素标记为红色。最后，我们使用matplotlib库来显示原始图像和标记后的图像。

运行上述代码后，将会显示原始图像和标记后的图像。标记后的图像中，边界像素将以红色显示。

需要注意的是，使用mark_boundaries()函数进行边缘检测并不会真正找到图像的边缘，而是将图像中的边界像素进行着色标记。如果你需要进行真正的边缘检测，可以考虑使用其他的边缘检测算法，例如Canny边缘检测算法等。

总结起来，mark_boundaries()函数是Python中用于图像边缘检测的常用函数之一。通过mark_boundaries()函数，我们可以将图像中的边界像素标记以便于观察图像的边缘。