用 Python 在 Opencv 中实现 mat2gray答案

【问题标题】：implement mat2gray in Opencv with Python用 Python 在 Opencv 中实现 mat2gray
【发布时间】：2016-10-01 15:47:51
【问题描述】：

我和他有同样的问题：Scaling a matrix in OpenCV

我和他有同样的问题，我有一张彩色图片，我用matlab读取图片：Input = imread('input1.jpg');，图片格式为612x612x3 uint8，我打印图片中的5x5x1像素如下： 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函数：rgb_out = mat2gray(Input);，这些像素可以转换成这个，它们都在0到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

所以问题是如何在 Opencv 中使用 Python 实现这一点，我尝试了如下代码：

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

但第一个打印是：

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

并且rgb_out中的元素不超过1或0。请帮忙，谢谢。

【问题讨论】：

标签： python matlab opencv

【解决方案1】：

您的输入矩阵是整数数据类型，而您的输出矩阵定义为np.uint8（整数类型）。默认情况下，cv2.normalize 将返回与输入数据类型相同的结果。如果您想要0.0 和1.0 之间的输出值，您将需要使用浮点数据类型。

一种选择是在调用cv2.normalize之前将您的输入和输出转换为np.double

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，您可以通过dtype kwarg 将浮点数据类型指定为cv2.normalize，以强制使用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)

【讨论】：

这是不正确的。您需要除以 255，而不是标准化。归一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 值。
@Miki 他想在 MATLAB 中模拟mat2gray 的行为。 mat2gray 不会除以 255，而是缩放输入中的所有值，以便它们跨越 0 到 1，而不管输入的最大值如何。
我想缩放图像不是从 0 到 1，而是从 0 到 255
@semicolon 您只需将 1.0 更改为 255.0 或传递一个 8 位无符号整数的输入

【解决方案2】：

引用自 @Suever 的答案，这里我的工作变量与 Matlab 的 mat2gray 相同。

# python function replica of matlab's mat2gray
def matlab_mat2grey(A = false, alpha = min(A.flatten()), beta = max(A.flatten())):
  I = A
  cv2.normalize(A, I, alpha , beta ,cv2.NORM_MINMAX)
  I = np.uint8(I)
  return I

【讨论】：