在 OpenCV 中标准化图像会产生黑色图像？

Question

我编写了以下代码以在 OpenCV 中使用 NORM_L1 规范化图像。但输出图像只是黑色。如何解决这个问题？

 import cv2
import numpy as np
import Image

img = cv2.imread('img7.jpg')
gray_image = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
a = np.asarray(gray_image)

dst = np.zeros(shape=(5,2))

b=cv2.normalize(a,dst,0,255,cv2.NORM_L1)

im = Image.fromarray(b)

im.save("img50.jpg")

cv2.waitKey(0)
cv2.destroyAllWindows()

原文由 N.Chandimali 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

如果要将范围更改为 [0, 1]，请确保输出数据类型为 float 。

 image = cv2.imread("lenacolor512.tiff", cv2.IMREAD_COLOR)  # uint8 image
norm_image = cv2.normalize(image, None, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F)

原文由 Sounak 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

其他答案基于 _整个图像规范化图像_。但是如果你的图像有一个主要的颜色（比如黑色），它会掩盖你试图增强的特征，因为它不会那么明显。为了绕过这个限制，我们可以根据感兴趣的分段区域 (ROI) 对图像进行归一化。本质上，我们将根据我们想要增强的图像部分进行归一化，而不是用相同的权重平等对待每个像素。以这张地球图像为例：

输入图像 -> 基于整幅图像的归一化

如果我们想通过基于整个图像的归一化来增强云，结果将不会很清晰并且会由于黑色背景而过度饱和。要增强的功能丢失了。因此，为了获得更好的结果，我们可以裁剪 ROI，根据 ROI 进行归一化，然后将归一化应用回原始图像。假设我们裁剪以绿色突出显示的 ROI：

这给了我们这个投资回报率

想法是计算 ROI 的均值和标准差，然后根据下限和上限范围裁剪帧。此外，我们可以使用偏移量来动态调整剪辑强度。从这里我们将原始图像标准化到这个新范围。结果如下：

之前 -> 之后

代码

import cv2
import numpy as np

# Load image as grayscale and crop ROI
image = cv2.imread('1.png', 0)
x, y, w, h = 364, 633, 791, 273
ROI = image[y:y+h, x:x+w]

# Calculate mean and STD
mean, STD  = cv2.meanStdDev(ROI)

# Clip frame to lower and upper STD
offset = 0.2
clipped = np.clip(image, mean - offset*STD, mean + offset*STD).astype(np.uint8)

# Normalize to range
result = cv2.normalize(clipped, clipped, 0, 255, norm_type=cv2.NORM_MINMAX)

cv2.imshow('image', image)
cv2.imshow('ROI', ROI)
cv2.imshow('result', result)
cv2.waitKey()

---

通过对结果应用热图，可以直观地看到基于整个图像的标准化与 ROI 的特定部分之间的差异。注意云的定义方式的不同。

输入图像 -> 热图

在整个图像上标准化 -> 热图

归一化 ROI -> 热图

热图代码

import matplotlib.pyplot as plt
import numpy as np
import cv2

image = cv2.imread('result.png', 0)
colormap = plt.get_cmap('inferno')
heatmap = (colormap(image) * 2**16).astype(np.uint16)[:,:,:3]
heatmap = cv2.cvtColor(heatmap, cv2.COLOR_RGB2BGR)

cv2.imshow('image', image)
cv2.imshow('heatmap', heatmap)
cv2.waitKey()

注意： ROI 边界框坐标是使用 how to get ROI Bounding Box Coordinates without Guess & Check 获得的，热图代码来自 how to convert a grayscale image to heatmap image with Python OpenCV

原文由 nathancy 发布，翻译遵循 CC BY-SA 4.0 许可协议