Question

我知道这个问题确实很简单，但是我没有找到如何绕过该问题的方法：

我正在处理图像，输出像素为 float32 ，其值在[-1; 1]范围内。关键是，使用openCV保存时，所有负数据和浮点值都丢失了（我只得到0或1个值的图像）

所以我需要将这些图像转换为[0; 255] （Int8）

我尝试过

img * 255，但是这样做对负值没有帮助。
(img + 1) * 255，我要删除负值，但我要创建溢出

有没有一种（干净的）方法？

我正在使用Python35，OpenCV2和Numpy，但我认为这是数学问题，而不是库问题

Answer 1

如您所见，img * 255的结果范围为[-255:255]，而(img + 1) * 255的结果范围为[0:510]。您在正确的轨道上。

您需要的是int((img + 1) * 255 / 2)或round((img + 1) * 255 / 2)。这会将输入从[-1:1]移到[0:2]，然后乘以127.5得到[0.0:255.0]。

使用int()实际上会导致[0:254]

Answer 2

您可以使用cv2.normalize()

考虑以下数组a：

a = np.array([[-0.12547205, -1.        ],
              [ 0.49696118,  0.91790167],
              [ 0.81638017,  1.        ]])

norm_image = cv2.normalize(image, None, alpha = 0, beta = 255, norm_type = cv2.NORM_MINMAX, dtype = cv2.CV_32F)

norm_image.astype(np.uint8)

norm_image返回以下数组：

array([[111,   0],
      [190, 244],
      [231, 255]], dtype=uint8)

在此示例中：

-1将映射到0
1将被mpmp到255
介于两者之间的所有内容都将进行相应映射（0、255）

注意事项：

确保数组的类型为float
值的 extreme 分别位于alpha和beta中。

Answer 3

如果您只需要将 range -1，1映射到 range 0，255，则可以简单地比较范围：

OldMin = -1
OldMax = 1
NewMin = 0
NewMax = 255

OldValue = 0.42

OldRange = (OldMax - OldMin)  
NewRange = (NewMax - NewMin)  
NewValue = int((((OldValue - OldMin) * NewRange) / OldRange) + NewMin)

print NewValue #OUTPUT: 181

有关正确的映射，请参见this question

从[-1;转换图像1]至[0; 255]

3 个答案: