在 numpy 中创建“白色”图像（二维图像）

Question

看起来我似乎在理解图像在 numpy 数组中的表示方式方面存在一些根本性的差距。

img = np.ones([100,100,3], dtype=np.uint8)*255
plt.imshow(img)

上面的代码创建了一个“白色”的 3 通道图像。

每个像素都有值 [255,255,255]

明白了。

现在我想创建一个“白色”灰度图像。我真的不需要 RGB 通道来存储白色图像，是吗？

img_bw = np.ones([100,100], dtype=np.uint8)*255
plt.imshow(img_bw, cmap = "gray")

即使每个像素位置的值为 255，这也会创建一个“黑色图像”？

好的，让我拿我之前的 3 通道白色图像并将其转换为灰度，看看 numpy 数组是什么样的。

img_bw1 = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
plt.imshow(img_bw1, cmap = "gray") 

这也给了我一个“黑色图像”？

那么灰度“白色图像”的 numpy 矩阵到底是什么样的呢？

img = io.imread("https://www.colorcombos.com/images/colors/FFFFFF.png" , as_grey=True)
plt.imshow(img*255, cmap = "gray")

这是一张白色的图像。该矩阵中的每个像素的值都为 216 及以上

plt.imshow(img, cmap = "gray")

这也是一个白色的图像。该矩阵中的每个像素的值都为 0.86 及以上。

我完全迷路了。

问题 -

1. 如何在 numpy 中创建灰度二维白色图像？

2. 为什么不使用 cv2.Color 将 numpy 中的 3 通道白色图像转换为灰度图像给我一个白色图像？

Answer 1

当使用颜色图显示 2D 数组时，matplotlib 将首先标准化数据，使其位于 0 和 1 之间。

您的白色数组仅由 255 个组成，当尝试对相等值的数组进行归一化时，文档指出它们都被转换为 0（参见上面的链接），从而导致黑色渲染。要手动指定范围，请使用：

plt.imshow(img, cmap='gray', vmin=0, vmax=255)

您还可以尝试将img_bw数组中的第一个像素设置为<255 的任何值，并使用您的原始方法来显示它，您应该会看到一个全白图像，角落里有一个黑色方块。

至于为什么这“有效”：

img = io.imread("https://www.colorcombos.com/images/colors/FFFFFF.png" , as_grey=True)
plt.imshow(img*255, cmap = "gray")

该链接中的图像周围有一个细灰色边框，因此在标准化之后，灰色边框（图像的最暗部分）缩放为 0（黑色），其余白色内部保持白色。