为什么将两张图像转换为黑白会产生两种不同的结果？答案

【问题标题】：Why does converting two images to black and white produce two different results?为什么将两张图像转换为黑白会产生两种不同的结果？
【发布时间】：2019-07-20 18:27:27
【问题描述】：

我正在尝试做一个关于机器学习的小项目，在此过程中，我必须将一些图像转换为黑白图像以对图像进行分类。我的问题是，相同的方法使用相同的算法会产生截然不同的结果。这是转换前的图像Image 1 和this 是转换后的样子。是的，看起来不错。

这是我使用的代码。

test_img=Image.open(str(idx) + '.png')
test_img=test_img.resize((100,100),Image.ANTIALIAS)
test_img.show()
test_img=test_img.convert('1')

现在我将对产生this 结果的image 做同样的事情。如您所见，它已被转换，我在图像上到处都是奇怪的黑点。这是我使用的代码：

source_img=source_img.resize((100,100),Image.ANTIALIAS)
source_img=source_img.convert('1')
source_img.show()

我尝试了多种方法将图像转换为黑白，包括source_img.convert('L') 方法和其他方法，我无法将图像展平为一维数组。

有谁知道为什么转换对第一张图像有效，而对第二张无效？

【问题讨论】：

如果您不使用 OpenCV，为什么您的问题会被标记？
你确定 bw/1bit 吗？大多数 ML 算法都在灰度上工作，例如8位深度。亚历山大的回答可能表明了推理：很难用 1 位保留大量原始信息。

标签： python image-processing computer-vision

【解决方案1】：

PIL 方法convert("1") 使用抖动转换为黑白，如the docs state：

将灰度（“L”）或“RGB”图像转换为双电平（模式“1”）图像的默认方法使用 Floyd-Steinberg 抖动来近似原始图像亮度级别。

抖动通过在图像中放置噪点来近似多种颜色，从而以更少的颜色复制多种颜色。查看Wikipedia article for dithering 了解更多信息。例如，从那个页面开始，下面的图像是抖动的——只有黑白像素，但抖动使它看起来有点灰度。这就是为什么你的第二张图像有一些点画——颜色不是很白，所以它试图用一些黑色来近似灰色。在那里不是特别令人信服，尽管它在其他类型的图像上更令人印象深刻：

如果要对图像进行二值化，最简单的方法是设置一个阈值，使高于该阈值的每个像素都被视为白色，低于该阈值的所有像素都被视为黑色。作为convert() 状态的文档：

如果抖动为 NONE，则所有非零值都设置为 255（白色）。要使用其他阈值，请使用point() 方法。

您可以找到here 的文档。如果您想使用 OpenCV，您可以通过cv2.threshold()、文档here、教程here 以及我之前给出的相关堆栈溢出答案here 来完成此操作。

【讨论】：