先看高级版的python3的canny的自适应边缘检测：
内容：
1 canny的边缘检测的介绍。
2 三种方法的canny的边缘检测，由浅入深地介绍：固定值的静态，可自调节的，自适应的。
说明：
1 环境：python3.8、opencv4.5.3和matplotlib3.4.3。
2 图片：来自品阅网正版免费图库。
上述的代码，本机均有报错，故对代码进行修改，注释和运行。
初级canny：
1 介绍：opencv中给出了canny边缘检测的接口，直接调用：
即可得到边缘检测的结果ret，其中，t1，t2是需要人为设置的阈值。
2 python的opencv的一行代码即可实现边缘检测。
3 Canny函数及使用：
4 Canny边缘检测流程：
去噪 -->梯度 -->非极大值抑制 -->滞后阈值
5 代码：
6 操作和过程：
7 原图：
8 疑问：
ret = cv2.canny(img,t1,t2)，其中，t1，t2是需要人为设置的阈值，一般人怎么知道具体数值是多少，才是最佳的呀？所以，这是它的缺点。
中级canny：
1 中级canny，就是可调节的阈值，找到最佳的canny边缘检测效果。
2 采用cv2.createTrackbar来调节阈值。
3 代码：
4 操作和效果：
5 原图：
高级canny：
1 自适应canny的算法：
ret = cv2.canny(img,t1,t2)
即算法在运行过程中能够自适应地找到较佳的分割阈值t1，t2。
2 文件结构：
3 main.py代码：
4 dog.py代码：
5 bilateralfilt.py代码：
6 原图：
7 效果图：本文第一个gif图，此处省略。
小结：
1 本文由浅入深，总结的很好，适合收藏。
2 对于理解python的opencv的canny的边缘检测，很有帮助。
3 本文高级版canny自适应的算法参考2篇文章，虽然我进行代码的删除，注释，修改，优化等操作，故我不标注原创，对原作者表达敬意。
4 自己总结和整理，分享出来，希望对大家有帮助。
1. 使用装饰器来衡量函数执行时间有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果： import time from functoolsimport wraps import random def fn_timer(function): @wraps(function) def function_timer(*args, **kwargs): t0= time.time() result= function(*args, **kwargs) t1= time.time() print("Total time running %s: %s seconds" % (function.__name__, str(t1- t0)) ) return result return function_timer @fn_timer def random_sort(n): return sorted([random.random() for i in range(n)]) if __name__== "__main__": random_sort(2000000) 输出：Total time running random_sort: 0.6598007678985596 seconds 使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了 或者 # 可监控程序运行时间 import time import random def clock(func): def wrapper(*args, **kwargs): start_time= time.time() result= func(*args, **kwargs) end_time= time.time() print("共耗时: %s秒" % round(end_time- start_time, 5)) return result return wrapper @clock def random_sort(n): return sorted([random.random() for i in range(n)]) if __name__== "__main__": random_sort(2000000) 输出结果：共耗时: 0.65634秒2. 使用timeit模块另一种方法是使用timeit模块，用来计算平均时间消耗。 执行下面的脚本可以运行该模块。这里的timing_functions是Python脚本文件名称。 在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop 这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。 如果不指定测试或重复次数，默认值为10次测试，每次重复5次。3. 使用Unix系统中的time命令然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。 运行time实用工具： 输出结果为： Total time running random_sort: 1.3931210041 seconds real 1.49 user 1.40 sys 0.08 第一行来自预定义的装饰器，其他三行为： real表示的是执行脚本的总时间 user表示的是执行脚本消耗的CPU时间。 sys表示的是执行内核函数消耗的时间。 注意：根据维基百科的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。 因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。4. 使用cProfile模块 5. 使用line_profiler模块6. 使用memory_profiler模块7. 使用guppy包安装python3.10时，提示未检测到安装解决如下：1、windows系统下的python3.10安装，主要是针对Windows开发，所以安装在windows10系统下。
2、先关闭cmd，再重新打开，然后输入python-version并回车。
3、打开后安装了cmd2.点击下载的安装包，选择修复，根据提示重试。
4、没有python版本，是环境变量没有设置好，打开系统环境变量的Path变量，查看是否有Python目录。
