为什么在向具有不同 dtype 的二进制图像添加噪声时会得到不同的结果答案

【问题标题】：Why do I get different results while adding noise to a binary images which have different dtypes为什么在向具有不同 dtype 的二进制图像添加噪声时会得到不同的结果
【发布时间】：2021-08-22 03:38:53
【问题描述】：

我使用以下代码生成图像，然后添加白噪声以最终将形态学运算（打开）应用于最终图像。

**问题 ** - 当我添加带有 UINT8 噪声的 UINT8 图像时，为什么会得到不同的结果（Result-1）

img1 = np.zeros((300,600),np.uint8)
cv2.putText(img1, 'ABCD', org=(100,200), fontFace=cv2.FONT_ITALIC, fontScale=5, color=(255,255,255), thickness=25)

img2 = np.zeros((300,600))
cv2.putText(img2, 'ABCD', org=(100,200), fontFace=cv2.FONT_ITALIC, fontScale=5, color=(255,255,255), thickness=25)


noise1 = np.random.randint(low=0, high=2, size=(300,600), dtype=np.uint8) 
noise2 = np.random.randint(low=0, high=2, size=(300,600)) 

noise1_img1 = img1+(noise1*255) 
noise2_img2 = img2+(noise2*255) 
noise1_img2 = img2+(noise1*255) 
noise2_img1 = img1+(noise2*255)

结果：

【问题讨论】：

标签： python-3.x numpy image-processing computer-vision opencv-python

【解决方案1】：

Uint8 dtype 本质上仅限于 0 到 255 之间的值。因此，当您将另一个 uint8 值添加到值为 255 的值（在您的情况下为白色文本）时，它不能再高了，并且将上限为 255（忽略下溢/溢出）。

现在，当您将 uint8 添加到更高位大小的值（float、int、double 等）时，python 固有地将结果转换为更大的位数。因此，如果您有一个 uint8 图像并向其添加 int32 噪声，则结果将能够具有高于 255 的值（您将文本设置为该值）。要删除它，您需要将结果转换为 uint8：

noise2_img2 = (img2+(noise2*255)).astype(np.uint8)

或将字体的值 (255,255,255) 设置为 int32 的最大值：2,147,483,647！

【讨论】：