OpenCV-Python中的函数说明

函数说明

OpenCV C++的图像对象Mat有一个函数convertTo可以把图像数据在不同的精度类型之间来回切换比如从字节到浮点数之间来回切换。非常方便，该函数的官方说明如下：

其中参数alpha可以让数据放缩到指定的范围内，比如从字节到浮点数类型

CV_8U 转换为CV_32Falpha=1.0/255.0时表示从0～255切换到0～1之间

浮点数类型到字节类型

CV_32F 转换为CV_8Ualpha=255时表示从0～1切换到0～255之间

同时该函数还有另外一个功能就是对超过范围的数据进行最大最小极限取值，低于0的取值0，大于255取值255。 但是到了Python中之后，很多人就会认为convertTo函数只是一个数据精度类型转换函数，不会太过关心细节，然后直接使用它。这样的结果往往导致一些细数据差异跟输出不一致问题出现。

C++/Python对比

对一张输入图像完成Sobel滤波操作，C++实现的代码如下：

Matimage=imread("D:/images/dannis1.png",IMREAD_GRAYSCALE);
imshow("input",image);
Matm1,m2;
image.convertTo(m1,CV_32F,1.0/255.0);
Matgradx;
Sobel(m1,gradx,-1,1,0);
gradx.convertTo(m2,CV_8U,255);
imshow("sobel",m2);

Python对应的代码如下：

importcv2ascv
importnumpyasnp

image=cv.imread("D:/images/dannis1.png",cv.IMREAD_GRAYSCALE)
cv.imshow("input",image)
m1=np.float32(image)/np.float(255)
gradx=cv.Sobel(m1,-1,1,0);
m2=np.uint8(gradx*255)
cv.imshow("sobel",m2)
cv.waitKey(0)
cv.destroyAllWindows()

以往的经验处理方式是先对gradx做归一化然后再显示

这个时候只需添加一行代码即可获得正确结果，把代码：

m2 = np.uint8(gradx * 255)

替换为：

cv.normalize(gradx, gradx, 0, 1.0, cv.NORM_MINMAX)m2 = np.uint8(gradx * 255)

但是实际结果与C++并不一致，这个时候正确修改方式如下：

m2 = np.uint8(gradx * 255)

替换为：

m2 = np.uint8(np.clip(gradx * 255, 0, 255))

Python版本结果跟C++保持一致了！这个很多书上跟博文并没有人提到，所以我写出来分享一下，这个技术细节点！
审核编辑：何安