灰度图像分割答案

【问题标题】：Grayscale image segmentation灰度图像分割
【发布时间】：2014-08-28 17:24:04
【问题描述】：

我正在尝试分割从现场测量生成的灰度图片，这就是为什么它不是传统的 3 通道图片。

我试过这段代码：

import cv2 #this is the openCV library
import numpy as np

# some code to generate img

ret,thresh = cv2.threshold(img ,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

它会吐出这个错误：

cv2.error: ..\..\..\modules\imgproc\src\thresh.cpp:719: error: (-215) src.type() == CV_8UC1 in function cv::threshold

我不知道如何解决这个问题，因为用法似乎很简单，所以欢迎任何想法。

【问题讨论】：

你是如何创建图像的？
基本上它是一个从其中的稀疏值插值的矩阵。所以 img 是一个矩阵

标签： python opencv image-processing

【解决方案1】：

错误是由于thresh.cpp 中的以下断言语句CV_Assert( src.type() == CV_8UC1 ); 造成的，这意味着您的输入图像不是CV_8UC1 类型。

因此，请确保您生成的输入图像 img 实际上是 CV_8UC1（一个通道 8 位图像）。

【讨论】：

我该如何进行转换？可以用 img.astype(cv2.CV_8UC1) 吗？？
这取决于img的类型。你输入的图片img是什么类型的？
您可以使用cv2.convertScaleAbs进行转换。请参阅Documentation. 或者您可以编写您的代码进行转换。确保您了解不同的 Mat 类型以及它们如何存储在内存中。例如，8 位可以表示 0 到 255 的像素值，你如何将 1300 的浮点值转换为 8 位值。这需要以某种方式缩放浮点值以适应 0-255 范围。

【解决方案2】：

所以问题确实出在图像类型上，因为它包含需要标准化为 0 ~ 255 的双精度值。

在我的情况下，1000 是可能的最大值

img = cv2.convertScaleAbs(img / 1000.0 * 255)

这对我有用。

【讨论】：