(scikit-image) HOG 可视化图像在保存时显示为黑色

Question

我是计算机视觉和图像处理的新手，正在使用此代码

from skimage.feature import hog
hog_list, hog_img = hog(test_img_gray, 
                        orientations=8, 
                        pixels_per_cell=(16, 16), cells_per_block=(1, 1),
                        block_norm='L1', 
                        visualise=True,
                        feature_vector=True)
plt.figure(figsize=(15,10))
plt.imshow(hog_img)

得到这张HOG可视化图像

此时我有两个问题：

当我尝试保存此图像（作为 .pdf 或 .jpg）时，生成的图像是纯黑色的。将此图像转换为 PIL 格式并使用
检查它
hog_img_pil = Image.fromarray(hog_img) hog_img_pil.show()

图像仍显示为纯黑色。为什么会发生这种情况，我该如何解决？

当我尝试运行这段代码时

hog_img = cv2.cvtColor(hog_img, cv2.COLOR_BGR2GRAY)

将图像转换为灰度时出现错误 error: (-215) depth == CV_8U || depth == CV_16U || depth == CV_32F in function cvtColor。我需要做什么才能获得此灰度图像，为什么会发生这种情况？

作为附加信息，运行ning hog_img.shape returns (1632, 1224) 这只是图像的大小，我最初将其解释为图像是已经是灰度（因为它似乎缺少颜色通道的维度）。但是，当我随后尝试运行

test_img_bw = cv2.adaptiveThreshold(
    src=hog_img, 
    maxValue=255, 
    adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
    thresholdType=cv2.THRESH_BINARY, 
    blockSize=115, C=4)

我收到错误 error: (-215) src.type() == CV_8UC1 in function adaptiveThreshold，this 答案似乎表明图像不是灰度图像。

最后，另一个有用的信息是图像运行ning print(hog_img.dtype) returns float64.

我会继续调试，同时

感谢任何想法:)

Answer 1

用hog_img_inv = cv2.bitwise_not(hog_img)反转图像并使用 plt.figure(figsize=(15,10)) plt.imshow(hog_img_uint8_inv) 显示线条实际上在那里但非常微弱（为了方便起见，我在此处包含了图像，但你可以大麦看到它（但相信我，它就在那里））。我将不得不对图像进行更多处理以使线条更容易区分。
运行 print(hog_img.dtype) 表明 dtype 是 float64 而（我认为）它应该是 uint8。我通过运行 hog_img_uint8 = hog_img.astype(np.uint8) 解决了这个问题，这似乎解决了将图像传递给其他算法的问题（例如 cv2.adaptiveThreshold）。

Answer 2

如果有同样的问题。但是如果你看一下 docu，他们也使用这个代码来更好地可视化：

# Rescale histogram for better display
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.02))

但是我还是遇到了同样的问题。用matplotlib可视化没问题。用opencv（或skimage）保存图像只会保存黑色图像...

(scikit-image) HOG 可视化图像在保存时显示为黑色

(scikit-image) HOG visualization image appears black when saved

python

opencv

image

computer-vision

scikit-image