pyplot.imsave()正确保存图像,但cv2.imwrite()保存了与黑色相同的图像

Ani*_*dey 14 opencv image python-2.7

from scipy.misc import imread
from matplotlib import pyplot

import cv2
from cv2 import cv

from SRM import SRM ## Module for Statistical Regional Segmentation

im = imread("lena.png") 
im2 = cv2.imread("lena.png")
print type(im), type(im2), im.shape, im2.shape 
## Prints <type 'numpy.ndarray'> <type 'numpy.ndarray'> (120, 120, 3) (120, 120, 3)

srm = SRM(im, 256)
segmented = srm.run()

srm2 = SRM(im2, 256)
segmented2 = srm2.run()

pic = segmented/256
pic2 = segmented2/256

pyplot.imshow(pic)
pyplot.imsave("onePic.jpg", pic)

pic = pic.astype('uint8')
cv2.imwrite("onePic2.jpg", pic2)

pyplot.show()
Run Code Online (Sandbox Code Playgroud)

onePic.jpg给出正确的分割图像,但onePic2.jpg给出完整的黑色图像.将数据类型转换为uint8使用pic = pic.astype('uint8')没有帮助.我仍然给出一个黑色的图像!

onePic.jpg使用pyplot.imsave():

在此输入图像描述

onePic2.jpg使用cv2.imwrite():

在此输入图像描述

请帮忙!

san*_*iso 24

在转换pic为之前uint8,您需要将其乘以255以获得正确的范围.

  • 您好,您能否为此提供更深入的说明,并提供有关深度图像,数据类型和图像规范化的更多信息?我也在从事类似的项目。真的很有帮助 (2认同)

小智 7

尽管我同意@sansuiso,但就我而言,我发现了一种可能的边缘情况,即我的图像在比例上移动了一位或向下移动了一位。

由于我们处理的是无符号整数,因此单个移位意味着可能的下溢/上溢,这可能会损坏整个图像。

我发现cv2的convertScaleAbs的alpha值为255.0可以产生更好的结果。

def write_image(path, img):
    # img = img*(2**16-1)
    # img = img.astype(np.uint16)
    # img = img.astype(np.uint8)
    img = cv.convertScaleAbs(img, alpha=(255.0))
    cv.imwrite(path, img)
Run Code Online (Sandbox Code Playgroud)

这个答案更详细。