from scipy.misc import imread
from matplotlib import pyplot
import cv2
from cv2 import cv
from SRM import SRM ## Module for Statistical Regional Segmentation
im = imread("lena.png")
im2 = cv2.imread("lena.png")
print type(im), type(im2), im.shape, im2.shape
## Prints <type 'numpy.ndarray'> <type 'numpy.ndarray'> (120, 120, 3) (120, 120, 3)
srm = SRM(im, 256)
segmented = srm.run()
srm2 = SRM(im2, 256)
segmented2 = srm2.run()
pic = segmented/256
pic2 = segmented2/256
pyplot.imshow(pic)
pyplot.imsave("onePic.jpg", pic)
pic = pic.astype('uint8')
cv2.imwrite("onePic2.jpg", pic2)
pyplot.show()
onePic.jpg
提供了正确的分段图像,但onePic2.jpg
提供了完整的黑色图像。
使用uint8
将数据类型转换为pic = pic.astype('uint8')
没有帮助。我仍然给出一个黑色的图像!
onePic.jpg使用pyplot.imsave()
:
onePic2.jpg使用cv2.imwrite()
:
请帮忙!
答案 0 :(得分:18)
在将pic
转换为uint8
之前,您需要将其乘以255以获得正确的范围。
答案 1 :(得分:0)
虽然我同意@sansuiso的观点,但在我的情况下,我发现了一个可能的边缘情况,即我的图像在缩放比例上向上或向下移动了一个
由于我们正在处理无符号整数,因此单次移位意味着可能发生下溢/上溢,并且这可能会破坏整个图像。
我发现cv2的convertScaleAbs的alpha值为255.0,可以产生更好的结果。
def write_image(path, img):
# img = img*(2**16-1)
# img = img.astype(np.uint16)
# img = img.astype(np.uint8)
img = cv.convertScaleAbs(img, alpha=(255.0))
cv.imwrite(path, img)
此answer会更详细。