相关疑难解决方法(0)

我在Python OpenCV中加载彩色图像并绘制相同的图像.然而,我得到的图像的颜色都混淆了.

这是代码:

import cv2
import numpy as np
from numpy import array, arange, uint8 
from matplotlib import pyplot as plt


img = cv2.imread('lena_caption.png', cv2.IMREAD_COLOR)
bw_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

images = []
images.append(img)
images.append(bw_img)

titles = ['Original Image','BW Image']

for i in xrange(len(images)):
    plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])

plt.show()

这是原始图像:

这是绘制的图像:

拍摄一张纸时（例如，使用电话摄像头），我得到以下结果（左图）（jpg 在此处下载）。所需的结果（使用图像编辑软件手动处理）在右侧：

我想用openCV处理原始图像，以自动获得更好的亮度/对比度（以使背景更白）。

假设：图像具有A4纵向格式（在本主题中，我们无需对其进行透视变形），并且纸页为白色，可能带有黑色或彩色的文本/图像。

到目前为止，我已经尝试过：

1. 各种自适应阈值方法，例如高斯，OTSU（请参阅OpenCV doc 图像阈值）。通常可以与OTSU配合使用：

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

   Run Code Online (Sandbox Code Playgroud)

   但仅适用于灰度图像，不适用于彩色图像。此外，输出是二进制（白色或黑色），我不希望这样：我更喜欢保留彩色非二进制图像作为输出

2. 直方图均衡

   • 应用于Y（在RGB => YUV变换之后）
   • 或应用于V（在RGB => HSV变换之后），

   如本建议答案（直方图均衡化不是彩色图像的工作- OpenCV的）或该一个（OpenCV的Python的equalizeHist彩色图像）：

   img3 = cv2.imread(f)
   img_transf = cv2.cvtColor(img3, cv2.COLOR_BGR2YUV)
   img_transf[:,:,0] = cv2.equalizeHist(img_transf[:,:,0])
   img4 = cv2.cvtColor(img_transf, cv2.COLOR_YUV2BGR)
   cv2.imwrite('test.jpg', img4)
   

   Run Code Online (Sandbox Code Playgroud)

   或使用HSV：

   img_transf = cv2.cvtColor(img3, cv2.COLOR_BGR2HSV)
   img_transf[:,:,2] = cv2.equalizeHist(img_transf[:,:,2])
   img4 = cv2.cvtColor(img_transf, cv2.COLOR_HSV2BGR)
   

   Run Code Online (Sandbox Code Playgroud)

   不幸的是，结果非常糟糕，因为它会在本地创建可怕的微对比度（？）：

   

   我还尝试了YCbCr，这很相似。

3. 我还尝试了CLAHE（对比度受限的自适应直方图均衡化），范围tileGridSize从 …

我有一个代表彩色图像的numpy 2d矩阵。这个矩阵有一些负数和浮点数，但是我当然可以使用imshow（my_matrix）显示图像。

my_matrix_screenshot

我需要对该彩色图像执行直方图均衡化，因此我在这里使用cv2（OpenCV Python equalizeHist彩色图像）在stackoverflow中找到了一个代码，但是问题是我无法将2d矩阵转换为需要三个RGB通道的cv矩阵。

我再次搜索，但发现的只是将常规3d numpy矩阵转换为cv2矩阵，那么如何将numpy 2d矩阵转换为具有3个通道的cv2矩阵？