我有一张16位的灰度图像，我想在OpenCV for Python中把它转换成8位的灰度图像，以便用各种函数（如
findContours
等）来使用它。我怎样才能在Python中做到这一点？
|
|
如何在OpenCV中把16位图像转换为8位图像？
27
人关注
4
个评论
Micka
：
In c++ its done with .convertTo . Maybe you can find it with this information. In addition if you want to convert to binary (e.g. for findContours) a simple > 0 operation might do the trick.
pap-x
：
@Micka 即使我用你提到的方法改变了图像深度，OpenCV仍然会把图像当作16位图像。
Micka
：
对不起，对Python openCv无能为力。只有在C++ openCV方面有经验。
pap-x
发布于
2014-08-25
7
个回答
Vasanth
发布于
2022-02-23
已采纳
0
人赞同
你可以使用numpy转换方法，因为OpenCV的mat是一个numpy数组。
This works:
img8 = (img16/256).astype('uint8')
Assaf-ge
：
为了处理的目的，你可以添加另一个凹槽。 【替换代码0
mdh
发布于
2022-02-23
0
人赞同
你可以在Python中使用NumPy通过查找表对图像进行映射来做到这一点。
import numpy as np
def map_uint16_to_uint8(img, lower_bound=None, upper_bound=None):
Map a 16-bit image trough a lookup table to convert it to 8-bit.
Parameters
----------
img: numpy.ndarray[np.uint16]
image that should be mapped
lower_bound: int, optional
lower bound of the range that should be mapped to ``[0, 255]``,
value must be in the range ``[0, 65535]`` and smaller than `upper_bound`
(defaults to ``numpy.min(img)``)
upper_bound: int, optional
upper bound of the range that should be mapped to ``[0, 255]``,
value must be in the range ``[0, 65535]`` and larger than `lower_bound`
(defaults to ``numpy.max(img)``)
Returns
-------
numpy.ndarray[uint8]
if not(0 <= lower_bound < 2**16) and lower_bound is not None:
raise ValueError(
'"lower_bound" must be in the range [0, 65535]')
if not(0 <= upper_bound < 2**16) and upper_bound is not None:
raise ValueError(
'"upper_bound" must be in the range [0, 65535]')
if lower_bound is None:
lower_bound = np.min(img)
if upper_bound is None:
upper_bound = np.max(img)
if lower_bound >= upper_bound:
raise ValueError(
'"lower_bound" must be smaller than "upper_bound"')
lut = np.concatenate([
np.zeros(lower_bound, dtype=np.uint16),
np.linspace(0, 255, upper_bound - lower_bound).astype(np.uint16),
np.ones(2**16 - upper_bound, dtype=np.uint16) * 255
return lut[img].astype(np.uint8)
# Let's generate an example image (normally you would load the 16-bit image: cv2.imread(filename, cv2.IMREAD_UNCHANGED))
img = (np.random.random((100, 100)) * 2**16).astype(np.uint16)
# Convert it to 8-bit
map_uint16_to_uint8(img)
uhoh
：
+1
的答案，尽管另一个答案更快 :)我想知道是否有可能直接使用
.clip(lb, ub)
，因为它能很好地处理
None
？
mdh
：
@uhoh
clip()
won't handle the case where
lower_bound
and
upper_bound
are both
None
.
img.clip(None, None)
raises
ValueError: array_clip: must set either max or min
uhoh
：
老鼠!这是一个很好的观点。我对此感到惊讶；我想知道为什么决定不处理这种情况。这两个值可能来自不同的地方，而且事先不知道对方的情况。例如，在matplotlib中
plt.xlim(None, None)
就可以正常工作。好的，我会记住这一点的。谢谢!
had to modify here: if lower_bound is not None: if not(0 <= lower_bound < 2
16): raise ValueError( '"lower_bound" must be in the range [0, 65535]') if upper_bound is not None: if not(0 <= upper_bound < 2
16): raise ValueError( '"upper_bound "必须在[0, 65535]范围内')
Steven
发布于
2022-02-23
0
人赞同
Opencv provides the function
cv2.convertScaleAbs()
image_8bit = cv2.convertScaleAbs(image, alpha=0.03)
Alpha只是一个可选的比例因子。也适用于多通道图像。
OpenCV 文件:
缩放，计算绝对值，并将结果转换为8位。
在输入数组的每个元素上，函数convertScaleAbs
依次进行三个操作：缩放、取绝对值、转换为无符号的8位类型。
值，转换为无符号8位类型。
Stackoverflow上的其他信息。OpenCV：如何使用convertScaleAbs()函数
Thomas Van Der Weide
发布于
2022-02-23
0
人赞同
使用scipy.misc.bytescale转换为8位真的很容易。OpenCV的矩阵是一个numpy数组，所以bytescale将完全按照你的要求来做。
from scipy.misc import bytescale
img8 = bytescale(img16)
A. Attia
：
替换代码0】在SciPy 1.0.0中被废弃，并将在1.2.0中被移除。
这已被skimage.util.img_as_ubyte取代。
A. Attia
发布于
2022-02-23
0
人赞同
来自scipy的代码（现在已经废弃了）。
def bytescaling(data, cmin=None, cmax=None, high=255, low=0):
Converting the input image to uint8 dtype and scaling
the range to ``(low, high)`` (default 0-255). If the input image already has
dtype uint8, no scaling is done.
:param data: 16-bit image data array
:param cmin: bias scaling of small values (def: data.min())
:param cmax: bias scaling of large values (def: data.max())
:param high: scale max value to high. (def: 255)
:param low: scale min value to low. (def: 0)
:return: 8-bit image data array
if data.dtype == np.uint8:
return data
if high > 255:
high = 255
if low < 0:
low = 0
if high < low:
raise ValueError("`high` should be greater than or equal to `low`.")
if cmin is None:
cmin = data.min()
if cmax is None:
cmax = data.max()
cscale = cmax - cmin
if cscale == 0:
cscale = 1
scale = float(high - low) / cscale
bytedata = (data - cmin) * scale + low
return (bytedata.clip(low, high) + 0.5).astype(np.uint8)
