我有一堆图像，我随机发现对我的图像最好的预处理是使用 matplotlib imshow 和 cmap=gray。这是我的 RGB 图像（我不能发布原始图像，这是我为说明我的观点而创建的示例。所以原始图像不是像这样无噪音和完美的）：
当我使用plt.imshow(img, cmap='gray') 时，图像将是：
我想在 Opencv 中实现这个过程。我尝试使用 OpenCV 颜色图，但那里没有任何灰色。我使用了these solutions，但结果就像第一张图片而不是第二张。 (result here)
所以我想知道除了更改颜色图之外，当我们调用imshow 时，matplotlib 对图像应用了哪些预处理？
P.S：您可能会建议二值化，我已经测试了这两种技术，但在我的数据二值化会破坏一些样本，而这种方法 (matplotlib) 不会。
【问题讨论】：
标签： python opencv matplotlib
cv::normalize 和 NORM_MINMAX 应该可以帮助您。它可以映射强度值，使最暗的变为黑色，最亮的变为白色，而不管绝对值是多少。
OpenCV 文档的这一部分包含示例代码。这是一个固定链接。
或者当 normType=NORM_MINMAX 时 minIdst(I)=alpha, maxIdst(I)=beta（仅适用于密集数组）
这意味着，对于 NORM_MINMAX，alpha=0，beta=255。这两个参数对于不同的 normTypes 有不同的含义。对于 NORM_MINMAX ，似乎代码会自动交换它们，因此将两者的较低值用作下限等。
此外，uint8 类型数据的范围是0 .. 255。给1 只对浮点数据有意义。
示例：
import numpy as np
import cv2 as cv
im = cv.imread("m78xj.jpg")
normalized = cv.normalize(im, dst=None, alpha=0, beta=255, norm_type=cv.NORM_MINMAX)
cv.imshow("normalized", normalized)
cv.waitKey(-1)
cv.destroyAllWindows()
应用中值模糊来去除噪声像素（超出文本的平均灰度）：
blurred = cv.medianBlur(im, ksize=5)
# ...normalize...
或手动进行缩放。应用中值模糊，在那个版本中找到最大值，然后将其应用到原始图像。
output = im.astype(np.uint16) * 255 / blurred.max()
output = np.clip(output, 0, 255).astype(np.uint8)
# ...
【讨论】：
img = cv2.normalize(img, 0, 1, cv2.NORM_MINMAX)