python - 将图像作为灰度导入并将其转换为灰度在乘以 255 时不会产生相同的结果

Question

我目前正在进行一个项目，将车牌从图像中分离出来。

当我使用 cv2.imread("filename",0) 导入图像时，我获得的灰度图像或多或少是相同的(由于我转换的事实，可能有一些舍入差异它到整数。)当我使用 cv2.imread("filename") 导入它然后使用 np.dot(original_image[...,:3], [0.299, 0.587, 0.144]).

但是，当我将 ndarrays 与 255 相乘时，我没有获得相同的输出矩阵。两个灰度图像具有相同的尺寸，当我将它们转换为图形时产生相同的输出，具有相同的类型并产生相同的 otsu 阈值。为什么会这样？ OpenCV 是否以不同方式显示和保存图像 ndarrays？

在将第二张灰度图像乘以 255 后，如何操作它以产生与第一张灰度图像相同的输出？

def func():
    rgb_image=cv2.imread('filename')
    gray_image=cv2.imread('filename',0)

    rgb_converted_to_gray_image=np.dot(rgb_image[...,:3], [0.299, 0.587, 0.144])

    print("Before multiplying with 255")
    print(gray_image)
    print("------------")
    print(rgb_converted_to_gray_image)

    gray_image=gray_image*255
    rgb_converted_to_gray_image=rgb_converted_to_gray_image*255

    print("After multiplying with 255")
    print(gray_image)
    print("------------")
    print(rgb_converted_to_gray_image)

输出如下:

乘以255之前

[[32 29 34 ... 92 88 86]
 [33 28 32 ... 85 85 86]
 [35 29 28 ... 85 93 99]
 ...
 [ 8  8  8 ... 32 32 32]
 [ 8  8  8 ... 32 32 32]
 [ 8  8  8 ... 33 33 33]]
------------
[[ 27.512  24.721  29.129 ... 105.014 100.894  98.989]
 [ 29.14   23.99   27.069 ...  97.804  97.804  99.432]
 [ 30.912  25.02   23.547 ...  98.701 106.797 112.977]
 ...
 [  9.292   9.292   9.292 ...  33.558  33.558  33.558]
 [  9.292   9.292   9.292 ...  33.558  33.558  33.558]
 [  9.292   9.292   9.292 ...  34.588  34.588  34.588]]

乘以 255 后:

[[224 227 222 ... 164 168 170]
 [223 228 224 ... 171 171 170]
 [221 227 228 ... 171 163 157]
 ...
 [248 248 248 ... 224 224 224]
 [248 248 248 ... 224 224 224]
 [248 248 248 ... 223 223 223]]
------------
[[ 7015.56   6303.855  7427.895 ... 26778.57  25727.97  25242.195]
 [ 7430.7    6117.45   6902.595 ... 24940.02  24940.02  25355.16 ]
 [ 7882.56   6380.1    6004.485 ... 25168.755 27233.235 28809.135]
 ...
 [ 2369.46   2369.46   2369.46  ...  8557.29   8557.29   8557.29 ]
 [ 2369.46   2369.46   2369.46  ...  8557.29   8557.29   8557.29 ]
 [ 2369.46   2369.46   2369.46  ...  8819.94   8819.94   8819.94 ]]69.46  ...  8819.94   8819.94   8819.94 ]]

因此，我希望最后一个矩阵看起来与上面的矩阵相同。

Answer 1

观察到结果差异的原因有两个。

1. 数据类型的差异
2. channel 顺序

正如@Cris Luengo 在评论中指出的，第一个原因是 gray_image 和 rgb_converted_to_gray_image 之间的数据类型差异。 gray_image 的类型为 uint8 而 rgb_converted_to_gray 的类型为 float32。作为乘以 255 的结果，gray_image 的值被缩放到 uint8 的范围内。要解决此问题，只需将 255 更改为 255.0 即可进行浮点乘法。

gray_image = gray_image * 255.0

现在是第二期。即使我们进行浮点乘法，结果也会不同，因为 OpenCV 图像默认按 channel 顺序 BGR 存储，而您以 RGB 提供灰度转换系数> 订单。此外，蓝色值的系数不正确。它应该是 0.114 而不是 0.144。为了验证RGB系数值的逻辑正确性，检查它们的和应该等于1。校正后的系数数组应该是这样的:

[0.114, 0.587, 0.299]

最终代码可能是这样的:

def func():
    rgb_image=cv2.imread('filename')
    gray_image=cv2.imread('filename',0)

    rgb_converted_to_gray_image=np.dot(rgb_image[...,:3], [0.114, 0.587, 0.299])

    print("Before multiplying with 255")
    print(gray_image)
    print("------------")
    print(rgb_converted_to_gray_image)

    gray_image=gray_image*255.0
    rgb_converted_to_gray_image=rgb_converted_to_gray_image*255

    print("After multiplying with 255")
    print(gray_image)
    print("------------")
    print(rgb_converted_to_gray_image)