python - Python 中的 OpenCV mat::convertTo答案

【问题标题】：python - OpenCV mat::convertTo in pythonpython - Python 中的 OpenCV mat::convertTo
【发布时间】：2013-04-16 05:56:06
【问题描述】：

OpenCV python 包装器中是否有与 OpenCV 2 中 Mat 的 convertTo 方法相同的功能？

我基本上是想在python中调用这个函数

out.convertTo( out, CV_32F, 1.0/255, 0 );

out 是灰度图像。

我已经通过将我的 dst 参数保持为 CV_32FC1 类型来使用 cv.ConvertScale，但我试图让我的 python 代码尽可能地符合 cv2。有什么线索吗？

【问题讨论】：

标签： python opencv

【解决方案1】：

在 OP 中，

0

因此您不必担心下溢或溢出。 Adid Rahman K 和 knipknap 的解决方案可以正常工作。而且它们应该很快。

如果出于任何原因，您需要一个大于 1 的乘数，那么您可能会遇到溢出问题。也就是说，该值不足以容纳所选的数据类型。大多数 OpenCV 函数将通过截断到数据类型的最大值来处理溢出。但是，NumPy 只会“翻转”该值（例如，对于 8 位数据类型——最大值 255——OpenCV 将强制 260 变为 255，但 NumPy 将强制 260 变为 4！）。

因此，要处理 8 位灰度图像并处理欠/溢流，请执行以下操作：

img2 = np.int16(img1)     # convert to signed 16 bit integer to allow overflow
img2 = scale_factor*img2  # apply scale factor
img2 = clip(img2, 0, 255) # force all values to be between 0 and 255

# after clip img2 is effectively unsigned 8 bit, but make it explicit:
img2 = np.uint8(img2)

【讨论】：

【解决方案2】：

如果您不尝试转换数据类型，请使用：

cv2.convertScaleAbs(image, result, alpha, beta)

其中 alpha 是您的比例因子，而 beta 是移位值。 More details in the OpenCV docs.

【讨论】：

我比我更喜欢这个答案，因为它会在一行代码中自动处理下溢/溢出。一般来说，OpenCV 函数会为您处理下溢/溢出，而且它们速度很快（因此它们应该优于 NumPy 函数）

【解决方案3】：

您可以简单地使用 Numpy 函数。

例如：

res = np.float32(out)

缩放，你必须单独做：

res = res*scaling_factor

【讨论】：

Numpy 函数是否与 opencv convertTo 一样快？
你不能只使用它，因为它不能像 .convertTo 那样解决溢出问题
@FedorChervinskii 您可以使用 clip(res,0,255) 解决溢出问题。
@Mr.WorshipMe，使用clip() 有一个警告：你必须有一个足够大的数组数据类型来首先容纳溢出。出于这个原因，我更喜欢尽可能使用像 convertScaleAbs 这样的 OpenCV 函数。