Question

In my ex-post我将python迭代循环优化为numpy方式。

然后我面临下一个将它转换为二进制图像的问题

def convertRed(rawimg):
    blue = rawimg[:,:,0]
    green = rawimg[:,:,1]
    red = rawimg[:,:,2]
    exg = 1.5*red-green-blue
    processedimg = np.where(exg > 50, exg, 2)
    ret2,th2 = cv2.threshold(processedimg,0,255,cv2.THRESH_OTSU) //error line

    return processedimg

错误在这里

错误：（-215）src.type（）== CV_8UC1 in function cv :: threshold

如何解决这个问题？

Answer 1

cv2.threshold函数只接受uint8值，这意味着如果图像中的像素值介于0到255之间，则只能应用Otsu算法。

正如您所看到的，当您将值乘以1.5时，您的图片会开始显示浮点值，使您的图片不适合cv2.threshold，因此您的错误消息 src.type （）== CV_8UC1 。

您可以修改代码的以下部分：

processedimg = np.where(exg > 50, exg, 2)
processedimg = cv2.convertScaleAbs(processedimg)
ret2,th2 = cv2.threshold(processedimg,0,255,cv2.THRESH_OTSU) //error line

我们在这里做的是使用OpenCV函数cv2.convertScaleAbs，您可以在OpenCV Documentation中看到：

cv2. convertScaleAbs
缩放，计算绝对值，并将结果转换为8位。

Python：cv2.convertScaleAbs（src [，dst [，   alpha [，beta]]]）→dst

Answer 2

这是“数据类型”的错误，

埃利泽说，当您乘以1.5时，exg矩阵转换为float64，这对cv2.threshold无效，需要uint8数据类型，

所以，其中一个解决方案可能是添加：

def convertRed(rawimg):
    b = rawimg[:,:,0]
    g = rawimg[:,:,1]
    r = rawimg[:,:,2]
    exg = 1.5*r-g-b;
    processedimg = np.where(exg > 50, exg, 2)
    processedimg = np.uint8(np.abs(processedimg));#abs to fix negative values,

    ret2,th2 = cv2.threshold(processedimg,0,255,cv2.THRESH_OTSU) #error line

return processedimg

我在np.uint8()之后使用了np.abs()，以避免在转换为uint8数据类型时出现错误结果（与白色相关）。

虽然，你的数组processedimg是正数，因为之前应用了np.where语句，但这种做法通常更安全。

为什么它转换为float64？因为在python中，当将任何整数值乘以“float comma”时，它会转换为float，

喜欢：

type(1.5*int(7))==float # true

另一点是使用numpy函数而不是Opencv，这通常更快。

使用numpy后Opencv Otsu Thresholding错误？

2 个答案: