OpenCV-Python快速入门系列18图像像素类型转换与归一化

前言

在图像处理过程中，像素类型的转换与归一化是常用的操作。像素类型转换可以调整数据的存储格式以适应不同算法的需求，而归一化则是对像素值进行线性映射以方便后续处理。在 OpenCV 中，这些操作可以通过简单的函数调用实现。

功能实现

本示例实现了以下功能：

1. 加载一张图片，并将其像素类型转换为 float32。
2. 使用 cv.normalize 对图像进行归一化，将像素值映射到 [0, 1]。
3. 恢复图像为 [0, 255] 范围并显示结果。

完整代码

import cv2 as cv
import numpy as np

def norm_demo():
    # 加载图像
    image = cv.imread('images/example.png')
    if image is None:
        raise FileNotFoundError("图像路径错误，请检查路径是否正确！")

    # 创建窗口
    cv.namedWindow("norm_demo", cv.WINDOW_AUTOSIZE)

    # 初始化结果图像
    result = np.zeros_like(np.float32(image))

    # 图像归一化，将像素值映射到 [0, 1] 范围
    cv.normalize(np.float32(image), result, 0, 1, cv.NORM_MINMAX, dtype=cv.CV_32F)

    # 恢复到 [0, 255] 并转换为 uint8 类型
    normalized_image = np.uint8(result * 255)

    # 显示结果
    cv.imshow("norm_demo", normalized_image)
    cv.waitKey(0)
    cv.destroyAllWindows()

# 调用函数
norm_demo()

图像归一化

result = np.zeros_like(np.float32(image))
cv.normalize(np.float32(image), result, 0, 1, cv.NORM_MINMAX, dtype=cv.CV_32F)

将原始图像的像素值转换为 float32 类型，适配归一化操作。使用 cv.normalize 实现归一化：

• 输入：np.float32(image)，将图像数据转换为 float32 类型。
• 输出：result，存储归一化后的图像。
• 范围：将像素值映射到 [0, 1]。
• 归一化类型：cv.NORM_MINMAX，最小值映射为 0，最大值映射为 1。
• 数据类型：指定输出类型为 cv.CV_32F。

恢复像素值范围

normalized_image = np.uint8(result * 255)

• 将归一化结果乘以 255，将像素值恢复到 [0, 255]。
• 转换为 uint8 类型以适配显示需求。

归一化将像素值线性映射到 [0, 1] 范围，方便后续处理,显示时再转换回 [0, 255]，保持视觉一致性。归一化是深度学习中常见的数据预处理步骤。将像素值标准化到 [0, 1] 或 [-1, 1] 范围，提升模型的训练效果。