您好,登錄后才能下訂單哦!
這篇文章主要講解了python中opencv對圖像顏色通道進行加減操作溢出的解析,內容清晰明了,對此有興趣的小伙伴可以學習一下,相信大家閱讀完之后會有幫助。
由于opencv讀入圖片數據類型是uint8類型,直接加減會導致數據溢出現象
(1)用Numpy操作
可以先將圖片數據類型轉換成int類型進行計算,
data=np.array(image,dtype='int')
經過處理后(如:遍歷,將大于255的置為255,小于0的置為0)
再將圖片還原成uint8類型
data=np.array(image,dtype='uint8')
注意:
(1)如果直接相加,那么
當像素值 > 255時,結果為對256取模的結果,例如:(240+66) % 256=50
而不是自動按照255處理
(2)如果直接相減,那么
當像素值<0時,結果為加上256的結果,例如:(100-140)+ 256 = 216
而不是自動按照0處理
例如:
選取一張圖片R分量做實驗
情況一:直接numpy操作
先加到240,再加66,超過了255,可以看到,并不默認255,而是變成了50
再試試相減操作:再減去100,本來結果是-50,但是可以看到,變成了206(-50+256)
(2)用opencv自帶函數操作
圖像相加:
cv2.add()
像素值>255, 直接自動按照255處理
圖像相減:
cv2.subtract()
像素值小于0,直接自動按照0處理
例如:
r加上300,自動變成255
同理,小于0的自動變為0
以上兩種方法可以根據需要選擇。
補充知識:Opencv numpy中uint8類型存儲圖像
用opencv處理圖像時,可以發現獲得的矩陣類型都是uint8
import cv2 as cv img=cv.imread(hello.png) print(img) array([[[...], [...], [...]]],dtype='uint8')
uint8是專門用于存儲各種圖像的(包括RGB,灰度圖像等),范圍是從0–255
這里要注意如何轉化到uint8類型
1: numpy有np.uint8()函數,但是這個函數僅僅是對原數據和0xff相與(和最低2字節數據相與),這就容易導致如果原數據是大于255的,那么在直接使用np.uint8()后,比第八位更大的數據都被截斷了,比如:
>>>a=[2000,100,2] >>>np.uint8(a) array([208, 100, 2], dtype=uint8)
2: 用cv2.normalize函數配合cv2.NORM_MINMAX,可以設置目標數組的最大值和最小值,然后讓原數組等比例的放大或縮小到目標數組,如下面的例子中是將img的所有數字等比例的放大或縮小到0–255范圍的數組中,
cv2.normalize(img, out, 0, 255, cv2.NORM_MINMAX)
然后改變數據類型
np.array([out],dtype=‘uint8')
看完上述內容,是不是對python中opencv對圖像顏色通道進行加減操作溢出的解析有進一步的了解,如果還想學習更多內容,歡迎關注億速云行業資訊頻道。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。