如何在不修改边缘图像的前提下对Canny边缘图执行距离变换？

首先纠正代码中的基础错误：cv2.imshow是用于显示图像的函数，读取图像需要使用cv2.imread；同时Canny边缘检测的阈值参数t_lower和t_upper必须设定具体数值。

核心原理分析 #

OpenCV的distanceTransform函数默认计算前景像素（非0值）到最近背景像素（0值）的距离。你的Canny边缘图像中，边缘为白色（255，前景），其余区域为黑色（0，背景），因此每个边缘像素到最近背景的距离仅为1，导致输出视觉上与输入几乎一致。

无需修改原图像的解决方案 #

不需要对原边缘图像做膨胀操作，只需将边缘图像取反：让原边缘变为黑色（0，背景），原背景区域变为白色（255，前景）。此时distanceTransform会计算原背景区域内每个像素到最近边缘的距离，输出结果会呈现从边缘向外渐变的效果，符合你的预期。

修改后的完整代码 #

import cv2

# 读取图像（修正imshow为imread）
img = cv2.imread("image.jpg")
# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 设置Canny阈值，可根据图像实际情况调整
t_lower, t_upper = 100, 200
# 提取边缘
edge = cv2.Canny(gray, t_lower, t_upper)
# 生成边缘图像的反转副本（不修改原edge）
inv_edge = 255 - edge
# 执行距离变换，DIST_L2为欧氏距离，精度更高；核大小5保证计算准确性
dist_transform = cv2.distanceTransform(inv_edge, cv2.DIST_L2, 5)
# 归一化距离值到0-255范围，方便可视化显示
dist_transform_normalized = cv2.normalize(dist_transform, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

# 展示结果
cv2.imshow("Original Edge", edge)
cv2.imshow("Distance Transform Result", dist_transform_normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

补充说明 #

• 取反操作仅生成原边缘图像的副本，完全不会修改原始的edge图像，满足你“不修改原图像”的要求。
• 如果需要更平滑的距离变换结果，可以对反转前的边缘副本做轻微高斯模糊（如cv2.GaussianBlur(edge.copy(), (3,3), 0)），同样不会影响原图像。
• 距离变换的原始输出是浮点型数组，直接显示无法呈现清晰的渐变效果，加入归一化步骤后可将数值映射到可视化的0-255区间。

内容的提问来源于stack exchange，提问作者yunusE