如何在 OpenCV 中执行图像阈值化和归一化？

Question

我有一个 16 位图像，我想将其转换为 8 位图像。但是我想在那之前做一些过滤。所有低于某个值（比如 P1）的值都应该变为 0。所有高于不同值（比如 P2）的值都应该变为 255。这些值之间的所有值都应该根据它们到 P1 和 P2 的距离进行缩放。

以下代码执行此操作：

def transform(value):
    if value < P1:
        value = 0
    elif value > P2:
        value = 255
    else:
        value = (value - P1) * (255.0 / (P2 - P1))
    return value

然后使用原始 16 位图像作为输入：

newImage= [[transform(value) for value in row] for row in originalImage]

然而，这非常慢...我尝试使用 cv2.convertScaleAbs 来做同样的事情，速度很快，但并不完全符合我的要求。特别是这个函数中的 'Abs' 部分让我无法使用。

我可以使用不同的功能来更快地获得我想要的东西吗？

Answer 1

我找到了一个确实使用 cv2.convertScaleAbs

的解决方案

首先将要插入的原始图像缩放为int32:

originalImage = numpy.array(originalImage, dtype=np.int32)

然后减去P1的值，使所有小于P1的值都为负值：

newImage = np.array(originalImage - P1)

然后将负值裁剪为 0:

newImage = newImage.clip(min=0)

最后使用 convertScaleAbs 和正确的 alpha:

alpha = 255.0 / (P2 - P1)
newImage= cv2.convertScaleAbs(newImage, alpha=alpha)

如何在 OpenCV 中执行图像阈值化和归一化？

How to perform image thresholding and normalization in OpenCV?

python

opencv

image-processing

cv2