【问题标题】：Posturizing grayscale image using OpenCV-Python使用 OpenCV-Python 对灰度图像进行预处理
【发布时间】：2017-09-25 16:51:00
【问题描述】：

我试图在 python 中使用 opencv 对图像进行分色处理，经过一段时间的搜索后，我在openCV documentations 中找到了线索。但是正如您所看到的，它用于 rgb 图像，而我得到的是灰度图像，无论如何我都这样做了，并且得到了奇怪的输出。我调整了代码中的一些地方，得到了更奇怪的输出。有人可以解释一下发生了什么吗？

编辑：

我的代码

import numpy as np
import cv2

img = cv2.imread('Lenna.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Z = np.float32(gray)

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8
ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

center = np.uint8(center)
res = center[label.flatten()]

cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入图片：

输出图像：

【问题讨论】：

据我所知，您想要的是某种图像量化。例如，我认为您可以通过使用垃圾箱来实现这一点。它还有助于了解奇怪的输出和变化，也许您可以发布图像或其他内容，以及您正在使用的一些代码来解释正在发生的事情。
是的。量化是正确的词。 :P
您缺少重塑部分 Z = img.reshape((-1,3)) 在您的情况下是 1 而不是 3（1 通道而不是 3）。如果你不这样做，那么你正在传递奇怪的向量（我认为是行）
你是对的，伙计..它成功了.. :)

标签： python opencv grayscale

【解决方案1】：

谁能解释一下这是怎么回事？

Kmeans 输入是向量的向量，或者在很多情况下，是像素向量或 2D/3D 点的向量。在您的代码中，您传递的是一个图像，它是一行中的值的向量。这就是为什么你会得到这个奇怪的值。

你能做什么？

简单，将输入重塑为灰度值的一维向量。

Z = img.reshape((-1,1))

这样，它将尝试使用每个灰度值作为输入来对它们进行聚类（分组），然后相应地标记每个值。

【讨论】：

【解决方案2】：

如果您进一步查看示例，您可以找到这样的解决方案：

import numpy as np
import cv2

img = cv2.imread('Lenna.png')

Z = img.reshape((-1,3))

# convert to np.float32
Z = np.float32(Z)

# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8


ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

# Now convert back into uint8, and make original image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))

cv2.imshow('res2',res2)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意此处的重塑以考虑 RGB 图像。

【讨论】：