将有符号浮点数转换为 uint8 图像 opencv

Question

我有一个来自 cv2.matchTemplate 的图像，它是浮点范围 -1,1：

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)

res 的值如下： [[ 0.00730964 -0.00275442 -0.02477949 ... -0.16014284 -0.13686109 -0.13015044]

我可以看到模式匹配的灰度图：

cv2.imshow("Match", res)

但是我想在颜色图中看到，使用：

resC = cv2.applyColorMap(res, cv2.COLORMAP_JET)

使用它我会立即遇到以下问题： "cv::ColorMap 在函数'operator()'中只支持CV_8UC1或CV_8UC3类型的源图像"

所以我尝试了 skimage 转换：

from skimage import img_as_ubyte
res = img_as_ubyte(res)

或

from skimage import exposure
res = exposure.rescale_intensity(res, out_range=(0, 255))

有了它们，我得到如下输出： [[48 46 42 ... 14 19 20] [52 56 54 ... 22 28 30]

现在更好了，整数。但是，有些地方是错误的，因为我只得到（蓝色）单色颜色图，而不是来自 cv2.COLORMAP_JET 范围的漂亮颜色图。它似乎以某种方式发生了变化。

关于如何正确地将 -1,1 转换为 0,255 的任何提示？

Answer 1

为什么这不起作用：

我不认为此功能正在执行您希望的重新缩放。考虑下面reference manual 中的示例：

>>> image = np.array([-10, 0, 10], dtype=np.int8)
>>> rescale_intensity(image, out_range=(0, 127))
array([  0,  63, 127], dtype=int8)

它将输入数组中的最小数字映射为 0，将最大数字映射为 1。如果您的输入数组中没有精确的 -1 和 1 值，则使用此函数将不起作用。

---

你可以做什么：

我建议编写一个简单的函数来将值从 -1 重新调整为 1 到 0 到 255：

>>> image = np.random.uniform(-1,1,(3,3))
>>> scaled = (image + 1)*255/2.
>>> image
array([[ 0.59057256,  0.01683666, -0.24498247],
       [-0.25144806, -0.32312655, -0.02319944],
       [ 0.50878506, -0.04102033,  0.3094886 ]])
>>> scaled
array([[ 202.79800129,  129.64667417,   96.26473544],
       [  95.44037187,   86.3013643 ,  124.54207199],
       [ 192.37009459,  122.26990741,  166.95979601]])

它是如何工作的：

• image + 1 将所有数字移到 [0,2] 范围内
• (image +1)/2. 将所有数字缩放为 [0,1]
• (image +1)*255/2. 将数字从 [0,1] 缩放到 [0,255]