实施mat2gray OpenCV中与Python

我跟他有同样的问题：Scaling a matrix in OpenCV 实施mat2gray OpenCV中与Python

我和他有同样的问题，我有一个彩色的画面，我用MATLAB读取图片：Input = imread('input1.jpg');，和格式的图像是612x612x3 UINT8，我打印5x5x1像素在画面如下：Input(1:5,1:5,1)

201 201 201 201 201 
201 201 201 201 201 
202 202 202 202 202 
203 203 203 203 203 
204 204 204 204 204

通过使用mat2gray功能：rgb_out = mat2gray(Input);，这些像素可以被转化到这一点，他们都在范围在0和1之间：rgb_out(1:5,1:5,1)

0.9684 0.9455 0.9266 0.9099 0.9047 
0.9657 0.9542 0.9432 0.9354 0.9299 
0.9642 0.9571 0.9502 0.9495 0.9456 
0.9621 0.9609 0.9562 0.9532 0.9516 
0.9673 0.9633 0.9597 0.9580 0.9575

所以，问题是我怎么能在OpenCV中使用Python实现这一点，我想为下面的代码：

print(Input) 
rgb_out = np.zeros(Input.shape, np.uint8) 
cv2.normalize(Input,rgb_out,1,0,cv2.NORM_MINMAX) 
print(rgb_out)

但第一次印刷是：

[[[205 207 201] 
    [205 207 201] 
    [205 207 201] 
    ..., 
    [232 254 242] 
    [232 254 242] 
    [231 253 241]]...

和元素在rgb_out中不超过1或0.请帮忙，谢谢。

来源

2016-10-01 Chris

你的输入矩阵是一个整数数据类型，你的输出矩阵被定义为np.uint8（一个整数类型）。默认情况下，cv2.normalize将返回与输入相同数据类型的结果。如果你想要输出值在0.0和1.0之间，你会想要使用浮点数据类型。

一种选择将是你的输入和输出转换为np.double调用cv2.normalize

A = np.double(A) 
out = np.zeros(A.shape, np.double) 
normalized = cv2.normalize(A, out, 1.0, 0.0, cv2.NORM_MINMAX)

或者之前，您可以通过dtype kwarg指定浮点数据类型为cv2.normalize强制特定的输出数据类型。

A = np.array([1, 2, 3]) 
out = np.zeros(A.shape, np.double) 
normalized = cv2.normalize(A, out, 1.0, 0.0, cv2.NORM_MINMAX, dtype=cv2.CV_64F)

来源

2016-10-01 15:54:46 Suever

感谢了很多，它确实帮助我 – Chris

这是不正确的。你需要除以255，而不是标准化。规范化在这种情况下起作用的事实只是运气，因为原始图像具有0和255的值。 – Miki

@Miki他希望模拟'mat2gray'在MATLAB中的行为。 'mat2gray'不会被255分频，而是会缩放输入中的所有值，以使它们跨越0到1，而不管输入的最大值如何。 – Suever

实施mat2gray OpenCV中与Python

回答

相关问题