matplotlib与opencv图像读取与显示的问题

个人博客:Sekyoro的博客小屋
个人网站:Proanimer的个人网站

最近在用opencv和matplotlib展示图片,但是遇到了一些问题,这里展开说说
首先需要明确的是,opencv和matplotlib读取图片都是通道在最后,而前者默认可见光图像是BGR,后者是RGB.此外还有PIL以及imageio等读取图像的工具,这里不一一赘述.

Opencv

对于opencv,使用cv2.imshow,cv2.imread以及cv2.imwrite来读写以及显示.

imshow

显示图像的缩放取决于图像深度：
对 8 位无符号图像，按原样显示；
对 16 位无符号或 32 位整数图像，将像素值范围 [0,255*255] 映射到 [0,255] 显示；
对 32 位浮点图像，将像素值范围 [0,1] 映射到 [0,255] 显示；

当cv2.imshow()处理图像深度为CV_8U（默认范围为[0,255]）时，按原数据显示；

当处理图像深度为CV_16U（默认范围为[0,65535]）时，除以256,映射到[0,255]；

当图像深度为CV_32F和CV_64F时（默认范围为[0,1]），乘以255映射到[0,255],超过255直接饱和；

当输入负数时，当作0来处理

import numpy as np
import cv2

img = np.zeros((500, 500, 1))
print(img.dtype)
img[150:170, 150:350] = 10
img[250:270, 150:350] = -1
img[350:370, 150:350] = -10
print(img[350:170, 150:350])
cv2.imshow('img', img)
cv2.waitKey()

由于numpy默认类型float64,浮点数会乘以255,所以只有最上面有一条白线.负值直接黑色

image-20231116201141606 
import numpy as np
import cv2
# 新建numpy数组，注意np.zero()创建的数据类型为float64
img = np.zeros((500, 500, 1))
print(img.dtype)
img[150:170, 150:350] = 10
img[250:270, 150:350] = 255
img[350:370, 150:350] = 1
print(img[350:170, 150:350])
cv2.imshow('img', img)
cv2.waitKey()
image-20231116201615437

而如果是大于1的浮点数,也是直接饱和.

如果是uint8,如果超出255,则会被numpy截取,也就是取模

img = np.zeros((500, 500, 1),dtype=np.uint8)
print(img.dtype)
img[150:170, 150:350] = 10
img[250:270, 150:350] = 20
img[350:370, 150:350] = 30
cv2.imshow('img', img)
print(img[350:370, 150:350])
cv2.waitKey()
image-20231116201823217 
img = np.zeros((500, 500, 1),dtype=np.uint8)
print(img.dtype)
img[150:170, 150:350] = 10
img[250:270, 150:350] =  512
img[350:370, 150:350] = 255
cv2.imshow('img', img)
print(img[250:270, 150:350])
cv2.waitKey()

打印img[250:270, 150:350]的值发现是0

image-20231116202123379 
img = np.zeros((500, 500, 1))
print(img.dtype)
img[150:170, 150:350] = 10
img[250:270, 150:350] =  512
img[350:370, 150:350] = 255
cv2.imshow('img', img)
print(img[250:270, 150:350])
cv2.waitKey()
image-20231116202222468

所以这涉及两个问题,一个是本身numpy的截取另一个是opencv的截取机制.

img = np.zeros((500, 500, 1), dtype=np.uint16)
print(img.dtype)
img[150:170, 150:350] = 2
img[250:270, 150:350] = 255*255
img[350:370, 150:350] = 255*100
cv2.imshow('img', img)
cv2.waitKey(0)
print(img[250:270, 150:350])
cv2.imwrite("test.png", img)
image-20231116202916344

如果是16位无符号整数,会除以255.

最后注意,如果是int32可能会报错

imwrite

机制与imshow类似,不过会根据保存文件的后缀进行编码参数.

cv2.imwrite() 能保存 BGR 3通道图像，或 8 位单通道图像、或 PNG/JPEG/TIFF 16位无符号单通道图像

注意:如果保存float32的图像值超过了1,此时会与imshow机制不同,表现为值被归到0-255

a = np.ones([255,255,1],dtype=np.float32)
a[0:255,0:255] = 10
print(a)
cv2.imshow("img",a)
cv2.waitKey()
cv2.imwrite("test.png",a)

在这里插入图片描述

image-20231116222107874

上面有两张图,分别是imwrite的图片与imshow的图片,由于是浮点数,imshow展示时乘了255导致饱和白色.所以会说imwrite对浮点数不友好,不符合imshow的道理,

imread

注意如果有通道则通道在最后,可以设置

IMREAD_UNCHANGED = -1, //如果设置，则返回的数据带有alpha通道（R,G,B,A 四个通道），否则没有alpha通道
IMREAD_GRAYSCALE = 0, //如果设置，则将图像转换为单通道灰度图像
IMREAD_COLOR = 1, //如果设置，则将图像转换成3通道BGR彩色图像
IMREAD_ANYDEPTH = 2, //如果设置，则在输入具有相应深度时返回16位/32位图像，否则将其转换为8位
IMREAD_ANYCOLOR = 4, //如果设置，则图像可能以任何颜色格式读取
IMREAD_LOAD_GDAL = 8, //如果设置，使用gdal驱动程序加载图像
IMREAD_REDUCED_GRAYSCALE_2 = 16, //如果设置，总是将图像转换为单通道灰度图像且图像大小减少1/2
IMREAD_REDUCED_COLOR_2 = 17, //如果设置，总是将图像转换为3通道BGR彩色图像且图像大小减少1/2
IMREAD_REDUCED_GRAYSCALE_4 = 32, //如果设置，总是将图像转换为单通道灰度图像且图像大小减少1/4
IMREAD_REDUCED_COLOR_4 = 33, //如果设置，总是将图像转换为3通道BGR彩色图像且图像大小减少1/4
IMREAD_REDUCED_GRAYSCALE_8 = 64, //如果设置，总是将图像转换为单通道灰度图像且图像大小减少1/8
IMREAD_REDUCED_COLOR_8 = 65, //如果设置，总是将图像转换为3通道BGR彩色图像且图像大小减少1/8
IMREAD_IGNORE_ORIENTATION = 128 //如果设置，不会根据EXIF的方向标志旋转图像

Matplotlib

imshow

主要讲讲matplotlib的imshow

matplotlib在imshow时，如果接收到的是二维矩阵，会自动归一化，映射到彩色。如果输入的矩阵里面值都是一样的，归一化会把他们全部变为255，也就是呈现黑色。

用于在使用 cmap 映射到颜色之前将标量数据缩放到 [0, 1] 范围的归一化方法。默认情况下，使用线性缩放，将最低值映射到 0，将最高值映射到 1。

imshow的输入

图像数据。支持的数组形状有：(M,N)：具有标量数据的图像。使用归一化和颜色图将值映射到颜色。请参阅参数norm、cmap、vmin、vmax。

(M, N, 3)：具有 RGB 值（0-1 float 或 0-255 int）的图像。

(M, N, 4)：具有 RGBA 值（0-1 float 或 0-255 int）的图像，即包括透明度。前两个维度（M、N）定义图像的行和列。超出范围的 RGB(A) 值将被剪裁。

所以如果使用单通道的数据,会默认norm,而这种norm是根据输入值的min-max进行norm,并不是norm到0-255

image-20231116210309620

img = torch.ones(152,152,1,dtype=torch.uint8)*220
img = img.numpy()
plt.imshow(img,cmap="gray")
plt.show()

解决办法是设置vmin=0,vmax=255,当然使用三通道也可以

image-20231116210559535

相关问题

  1. matplotlib 可视化图像明明255，结果出来全为黑色的问题_plt.imshow 不加vmin和vmax参数是全黑的_佳hong的博客-CSDN博客
  2. 有关函数cv2.imshow()处理不同图像深度时的数据转化问题_cv2.cv_8u图像深度-CSDN博客这篇文章有点问题,目前opencv将负值作为0处理
  3. opencv中imwrite对float的处理 - siren27 - 博客园 (cnblogs.com)
  4. 【精选】使用 tiff/png 文件类型对 uint16_t/float 数据类型存取的无聊实验_float存储方式和uint16-CSDN博客

如有疑问,欢迎各位交流!

服务器配置
宝塔:宝塔服务器面板，一键全能部署及管理
云服务器:阿里云服务器
Vultr服务器
GPU服务器:Vast.ai

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/203501.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

东明石化集团领导团队参访震坤行工业超市

东明石化集团领导团队参访震坤行工业超市

东明石化集团领导团队参访震坤行工业超市 10月16日，山东东明石化集团（以下简称东明石化）总裁李治先生一行带队来访参观交流震坤行，与震坤行工业超市董事长兼CEO陈龙、销售负责团队开展座谈。期间，双方就企业数字化转型…
阅读更多...
图扑软件受邀出席高交会-全球清洁能源创新博览会

图扑软件受邀出席高交会-全球清洁能源创新博览会

“相聚鹏城深圳，共享能源盛宴” 第二十五届中国国际高新技术成果交易会(简称“高交会”)于 11 月 15-18 日在深圳盛大开幕。高交会由商务部、科学技术部、工业和信息化部、国家发展改革委、农业农村部、国家知识产权局、中国科学院、中国工程院和深圳市人民政府共同…
阅读更多...
C#图像处理OpenCV开发指南（CVStar，04）——图片像素访问与多种局部放大效果的实现代码

C#图像处理OpenCV开发指南（CVStar，04）——图片像素访问与多种局部放大效果的实现代码

​​​​​​​ 使用本文代码需要预先设置一点开发环境，请阅读另外一篇博文： C#图像处理OpenCV开发指南（CVStar，03）——基于.NET 6的图像处理桌面程序开发实践第一步https://blog.csdn.net/beijinghorn/article/deta…
阅读更多...
ESP32-Web-Server编程- WebSocket 编程

ESP32-Web-Server编程- WebSocket 编程

ESP32-Web-Server编程- WebSocket 编程 概述 在前述 ESP32-Web-Server 实战编程-通过网页控制设备的 GPIO 中，我们创建了一个基于 HTTP 协议的 ESP32 Web 服务器，每当浏览器向 Web 服务器发送请求，我们将 HTML/CSS 文件提供给浏览器。 使用…
阅读更多...
[Linux] linux防火墙

[Linux] linux防火墙

一、防火墙是什么 防火墙（FireWall）：隔离功能，工作在网络或主机的边缘，数据包的匹配规则与由一组功能定义的操作组件处理的规则相匹配，根据特定规则检查网络或主机的入口和出口 当要这样做时，基…
阅读更多...
EXCEL一对多关系将结果合并到一个单元格

EXCEL一对多关系将结果合并到一个单元格

EXCEL一对多关联结果，合并到1个单元格，变成一对一 需求说明 举例说明 假设给出国家省和国家市的对应表，因为每个省都有很多个城市（如图1，截取了部分），属于一对多的情况； 如何将同…
阅读更多...
vue3学习--初始

vue3学习--初始

阅读更多...
数据清洗和特征工程的关系是什么？有什么区别？

数据清洗和特征工程的关系是什么？有什么区别？

1.数据清洗独立于特征工程 数据清洗是独立于特征工程的：一方面，数据清洗不仅适用于机器学习项目，也适用于一般的数据统计分析过程，而特征工程仅适用于机器学习项目；另一方面，针对机器学习项目，…
阅读更多...
小程序云开发中引入vant

小程序云开发中引入vant

首先看一下云开发中的小程序的目录结构 安装 vant 上面是官方的方法 具体到我们的项目是这样子的 最后，构建一下就可以了
阅读更多...
Stable Video Diffusion（SVD）参数使用教程

Stable Video Diffusion（SVD）参数使用教程

Stable Video Diffusion（SVD）安装和测试 官网 github | https://github.com/Stability-AI/generative-modelsHugging Face | https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xtPaper | https://stability.ai/research/stable-vid…
阅读更多...
今年全国收缴各类假章假证1200余万枚！契约锁为组织防范萝卜章

今年全国收缴各类假章假证1200余万枚！契约锁为组织防范萝卜章

近期公安部召开新闻发布会并通报：今年以来，全国立案侦办假章假证犯罪案件7700余起，收缴各类假章假证1200余万枚。 （截图自国家公安部官网） 印章作为国家机关依法行政和企事业单位依法从事生产活动的重要信用凭证&…
阅读更多...
ACM32F070 RTC 引脚做普通 GPIO 用法配置

ACM32F070 RTC 引脚做普通 GPIO 用法配置

有场景需要把带RTC引脚功能的IO当做普通的GPIO使用，但是按照正常的GPIO初始化却无法使用，该芯片手册中有给出介绍 现给出配置方法，参考官方SDK里面PC13的配置： // PC13 GPIOC_Handle.Pin GPIO_PIN_13; GPIOC_Handle.Mod…
阅读更多...
C++基础 -21-多继承与多级继承

C++基础 -21-多继承与多级继承

多继承 代码示例 #include "iostream"using namespace std;class base1 { public:base1() {}base1(int a, int b) : a(a), b(b) {}int a;protected:int b; };class base2 { public:base2() {}base2(int a, int b) : c(a), d(b) {}int c;protected:int d; };class …
阅读更多...
springboot+netty化身Udp服务端，go化身客户端模拟设备实现指令联动

springboot+netty化身Udp服务端，go化身客户端模拟设备实现指令联动

🎏：你只管努力，剩下的交给时间 🏠 ：小破站 springbootnetty化身Udp服务端，go化身客户端模拟设备实现指令联动 🔗涉及链接前言异步通信的优势异步通信的优势：异步通信的应用场景&…
阅读更多...
SD-WAN是否将终结IPsec VPN？

SD-WAN是否将终结IPsec VPN？

在网络架构的演进历程中，IPsec VPN一直扮演着至关重要的技术角色。而近年来备受关注的SD-WAN技术日益成熟，各大服务供应商纷纷将其与IPsec VPN进行对比，似乎预示着SD-WAN必然替代传统的IPsec VPN。 然而事实究竟如何？SD-WAN等于IP…
阅读更多...
Node.js 万字教程

Node.js 万字教程

0. 基础概念 Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境，使用了一个事件驱动、非阻塞式 I/O 模型，让 JavaScript 运行在服务端的开发平台。 官方地址：https://nodejs.org/en 中文地址：https://nodejs.org/zh-cn 代…
阅读更多...
leetcode 18. 四数之和（优质解法）

leetcode 18. 四数之和（优质解法）

代码&#xff1a; class Solution {public List<List<Integer>> fourSum(int[] nums, int target) {List<List<Integer>> listsnew ArrayList<>();int lengthnums.length;Arrays.sort(nums);for(int i0;i<length-4;){for(int ji1;j<lengt…
阅读更多...
【EasyExcel实践】万能导出，一个接口导出多张表以及任意字段（可指定字段顺序）

【EasyExcel实践】万能导出，一个接口导出多张表以及任意字段（可指定字段顺序）

文章目录 前言正文一、POM依赖二、核心Java文件2.1 自定义表头注解 ExcelColumnTitle2.2 自定义标题头的映射接口2.3 自定义有序map存储表内数据2.4 表头工厂2.5 表flag和表头映射枚举2.6 测试用的实体2.6.1 NameAndFactoryDemo2.6.2 StudentDemo 2.7 启动类2.8 测试控制器 三、…
阅读更多...
【Node.js】笔记整理 5 - Express框架

【Node.js】笔记整理 5 - Express框架

写在最前&#xff1a;跟着视频学习只是为了在新手期快速入门。想要学习全面、进阶的知识&#xff0c;需要格外注重实战和官方技术文档&#xff0c;文档建议作为手册使用 系列文章 【Node.js】笔记整理 1 - 基础知识【Node.js】笔记整理 2 - 常用模块【Node.js】笔记整理 3 - n…
阅读更多...
阿里云崩溃了，为什么你没有收到补偿？【补偿领取方式放文末】

阿里云崩溃了，为什么你没有收到补偿？【补偿领取方式放文末】

事情经过 北京时间11月27日&#xff0c;阿里云部分地域云数据库控制台访问出现异常。据悉&#xff0c;从当日09:16起&#xff0c;阿里云监控发现北京、上海、杭州、深圳、青岛、香港以及美东、美西地域的数据库产品(RDS、PolarDB、Redis等)的控制台和OpenAPI访问出现异常&…
阅读更多...
最新文章

Copyright @ 2022~2023