我有一个 16 位灰度图像，我想在 OpenCV for Python 中将其转换为 8 位灰度图像，以便将其与各种功能（如 findContours 等）一起使用。如何在 Python 中做到这一点？
【问题讨论】：
标签： python numpy opencv image-processing
您可以使用 NumPy 在 Python 中通过查找表映射图像来执行此操作。
import numpy as np
def map_uint16_to_uint8(img, lower_bound=None, upper_bound=None):
'''
Map a 16-bit image trough a lookup table to convert it to 8-bit.
Parameters
----------
img: numpy.ndarray[np.uint16]
image that should be mapped
lower_bound: int, optional
lower bound of the range that should be mapped to ``[0, 255]``,
value must be in the range ``[0, 65535]`` and smaller than `upper_bound`
(defaults to ``numpy.min(img)``)
upper_bound: int, optional
upper bound of the range that should be mapped to ``[0, 255]``,
value must be in the range ``[0, 65535]`` and larger than `lower_bound`
(defaults to ``numpy.max(img)``)
Returns
-------
numpy.ndarray[uint8]
'''
if not(0 <= lower_bound < 2**16) and lower_bound is not None:
raise ValueError(
'"lower_bound" must be in the range [0, 65535]')
if not(0 <= upper_bound < 2**16) and upper_bound is not None:
raise ValueError(
'"upper_bound" must be in the range [0, 65535]')
if lower_bound is None:
lower_bound = np.min(img)
if upper_bound is None:
upper_bound = np.max(img)
if lower_bound >= upper_bound:
raise ValueError(
'"lower_bound" must be smaller than "upper_bound"')
lut = np.concatenate([
np.zeros(lower_bound, dtype=np.uint16),
np.linspace(0, 255, upper_bound - lower_bound).astype(np.uint16),
np.ones(2**16 - upper_bound, dtype=np.uint16) * 255
])
return lut[img].astype(np.uint8)
# Let's generate an example image (normally you would load the 16-bit image: cv2.imread(filename, cv2.IMREAD_UNCHANGED))
img = (np.random.random((100, 100)) * 2**16).astype(np.uint16)
# Convert it to 8-bit
map_uint16_to_uint8(img)
【讨论】：
+1 的答案，虽然另一个更快:) 我想知道是否可以以某种方式使用.clip(lb, ub)，因为它可以很好地处理None？
clip() 不会处理lower_bound 和upper_bound 都是None 的情况。 img.clip(None, None) 提高 ValueError: array_clip: must set either max or min
plt.xlim(None, None) 中可以正常工作。好的，我会记住这一点。谢谢！
您可以使用 numpy 转换方法，因为 OpenCV mat 是一个 numpy 数组。
这行得通：
img8 = (img16/256).astype('uint8')
【讨论】：
ratio = np.amax(im16) / 256 ; img8 = (im16 / ratio).astype('uint8')
使用 scipy.misc.bytescale 转换为 8 位真的很容易。 OpenCV 矩阵是一个 numpy 数组，因此 bytescale 将完全满足您的需求。
from scipy.misc import bytescale
img8 = bytescale(img16)
【讨论】：
bytescale 在 SciPy 1.0.0 中已弃用，并将在 1.2.0 中删除。
来自 scipy 的代码（现已弃用）：
def bytescaling(data, cmin=None, cmax=None, high=255, low=0):
"""
Converting the input image to uint8 dtype and scaling
the range to ``(low, high)`` (default 0-255). If the input image already has
dtype uint8, no scaling is done.
:param data: 16-bit image data array
:param cmin: bias scaling of small values (def: data.min())
:param cmax: bias scaling of large values (def: data.max())
:param high: scale max value to high. (def: 255)
:param low: scale min value to low. (def: 0)
:return: 8-bit image data array
"""
if data.dtype == np.uint8:
return data
if high > 255:
high = 255
if low < 0:
low = 0
if high < low:
raise ValueError("`high` should be greater than or equal to `low`.")
if cmin is None:
cmin = data.min()
if cmax is None:
cmax = data.max()
cscale = cmax - cmin
if cscale == 0:
cscale = 1
scale = float(high - low) / cscale
bytedata = (data - cmin) * scale + low
return (bytedata.clip(low, high) + 0.5).astype(np.uint8)
【讨论】：
是的，您可以在 Python 中使用。要获得预期结果，请根据您希望从 uint16 映射到 uint8 的值选择一种方法。
例如，
如果你这样做 img8 = (img16/256).astype('uint8') 低于 256 的值将映射到 0
如果你这样做img8 = img16.astype('uint8') 255 以上的值将映射到 0
在上面描述和更正的 LUT 方法中，您必须定义映射。
【讨论】：
Opencv提供函数cv2.convertScaleAbs()
image_8bit = cv2.convertScaleAbs(image, alpha=0.03)
Alpha 只是一个可选的比例因子。也适用于多通道图像。
OpenCVdocumentation:
缩放、计算绝对值并将结果转换为 8 位。
在输入数组的每个元素上，函数 convertScaleAbs 依次执行三个操作：缩放、取绝对值 值，转换为无符号 8 位类型：
关于 Stackoverflow 的其他信息：OpenCV: How to use the convertScaleAbs() function
【讨论】：