如何在OpenCV Python中规范化图像？-CFANZ编程社区

我们使用函数 cv2.normalize（）来规范化 OPenCV 中的图像。此函数接受参数 - src，dst，alpha，beta，norm_type，dtype和掩码。 SRC 和 DST 是输入图像和输出，与输入大小相同，alpha 是范围归一化的下限值，beta 是范围归一化的上限范数值，norm_type是归一化类型，dtype 是输出的数据类型，掩码是可选的操作掩码。

步骤

要规范化图像，我们可以按照以下步骤操作 -

导入所需的库。在以下所有示例中，所需的 Python 库是 OpenCV。确保您已经安装了它。
使用 cv2.imread（） 方法将输入图像读取为灰度图像。使用图像类型（即.png或 jpg）指定图像的完整路径。
在输入图像 img 上应用 cv2.normalize（） 函数。传递参数 src、dst、alpha、beta、norm_type、dtype 和掩码。

img_normalized = cv2.normalize(img, None, 0, 1.0, cv2.NORM_MINMAX, dtype=cv2.CV_32F)

显示归一化的输出图像。
打印归一化前后的图像数据。尝试找出这两个图像数据之间的差异。

让我们借助一些 Python 示例来理解这个问题。

在以下示例中，我们将使用此图像作为输入文件 -

如何在OpenCV Python中规范化图像？_归一化

例

在这个 Python 程序中，我们使用最小-最大范数对颜色输入图像进行归一化。图像像素值归一化为范围 [0，1]。

# import required library import cv2 # read the input image in grayscale img = cv2.imread('jeep.jpg',0) print("Image data before Normalize:\n", img) # Normalize the image img_normalized = cv2.normalize(img, None, 0, 1.0, cv2.NORM_MINMAX, dtype=cv2.CV_32F) # visualize the normalized image cv2.imshow('Normalized Image', img_normalized) cv2.waitKey(0) cv2.destroyAllWindows() print("Image data after Normalize:\n", img_normalized)

输出

当你运行上面的程序时，它将产生以下输出 -

Image data before Normalize:
[[ 37 37 37 ... 55 55 55]
[ 39 39 39 ... 57 56 56]
[ 39 39 39 ... 56 56 56]
...
[243 244 244 ... 82 85 86]
[242 245 245 ... 83 91 91]
[242 245 245 ... 86 94 93]]
Image data after Normalize:
[[0.14509805 0.14509805 0.14509805 ... 0.21568629 0.21568629 0.21568629]
[0.15294118 0.15294118 0.15294118 ... 0.22352943 0.21960786 0.21960786]
[0.15294118 0.15294118 0.15294118 ... 0.21960786 0.21960786 0.21960786]
...
[0.95294124 0.9568628 0.9568628 ... 0.32156864 0.33333334 0.3372549 ]
[0.9490197 0.9607844 0.9607844 ... 0.3254902 0.35686275 0.35686275]
[0.9490197 0.9607844 0.9607844 ... 0.3372549 0.36862746 0.3647059 ]]

我们得到以下窗口，显示规范化图像 -

如何在OpenCV Python中规范化图像？_Image_02

例

在这个 Python 程序中，我们使用最小-最大范数规范化二进制输入图像。归一化后的图像像素值为 0 或 1。

# import required library import cv2 # read the input image as grayscale image img = cv2.imread('jeep.jpg',0) print("Image data before Normalize:\n", img) # Apply threshold to create a binary image ret,thresh = cv2.threshold(img,140,255,cv2.THRESH_BINARY) print("Image data after Thresholding:\n", thresh) # normalize the binary image img_normalized = cv2.normalize(thresh, None, 0, 1.0, cv2.NORM_MINMAX, dtype=cv2.CV_32F) # visualize the normalized image cv2.imshow('Normalized Image', img_normalized) cv2.waitKey(0) cv2.destroyAllWindows() print("Image data after Normalize:\n", img_normalized)

输出

当你运行上面的 Python 程序时，它会产生以下输出 -

Image data before Normalize:
[[ 37 37 37 ... 55 55 55]
[ 39 39 39 ... 57 56 56]
[ 39 39 39 ... 56 56 56]
...
[243 244 244 ... 82 85 86]
[242 245 245 ... 83 91 91]
[242 245 245 ... 86 94 93]]
Image data after Thresholding:
[[ 0 0 0 ... 0 0 0]
[ 0 0 0 ... 0 0 0]
[ 0 0 0 ... 0 0 0]
...
[255 255 255 ... 0 0 0]
[255 255 255 ... 0 0 0]
[255 255 255 ... 0 0 0]]
Image data after Normalize:
[[0. 0. 0. ... 0. 0. 0.]
[0. 0. 0. ... 0. 0. 0.]
[0. 0. 0. ... 0. 0. 0.]
...
[1. 1. 1. ... 0. 0. 0.]
[1. 1. 1. ... 0. 0. 0.]
[1. 1. 1. ... 0. 0. 0.]]

我们得到以下窗口，显示规范化的二进制图像 -

如何在OpenCV Python中规范化图像？_python_03