由于opencv读入图片数据类型是uint8类型,直接加减会导致数据溢出现象
(1)用Numpy操作
可以先将图片数据类型转换成int类型进行计算,
data=np.array(image,dtype=’int’)
经过处理后(如:遍历,将大于255的置为255,小于0的置为0)
再将图片还原成uint8类型
data=np.array(image,dtype=’uint8′)
注意:
(1)如果直接相加,那么
当像素值 255时,结果为对256取模的结果,例如:(240+66) % 256=50
而不是自动按照255处理
(2)如果直接相减,那么
当像素值<0时,结果为加上256的结果,例如:(100-140)+ 256 = 216
而不是自动按照0处理
例如:
选取一张图片R分量做实验
情况一:直接numpy操作
先加到240,再加66,超过了255,可以看到,并不默认255,而是变成了50
再试试相减操作:再减去100,本来结果是-50,但是可以看到,变成了206(-50+256)
(2)用opencv自带函数操作
图像相加:
cv2.add()
像素值 255, 直接自动按照255处理
图像相减:
cv2.subtract()
像素值小于0,直接自动按照0处理
例如:
r加上300,自动变成255
同理,小于0的自动变为0
以上两种方法可以根据需要选择。
补充知识:Opencv numpy中uint8类型存储图像
用opencv处理图像时,可以发现获得的矩阵类型都是uint8
import cv2 as cv
img=cv.imread(hello.png)
print(img)
array([[[...],
[...],
[...]]],dtype='uint8')
uint8是专门用于存储各种图像的(包括RGB,灰度图像等),范围是从0–255
这里要注意如何转化到uint8类型
1: numpy有np.uint8()函数,但是这个函数仅仅是对原数据和0xff相与(和最低2字节数据相与),这就容易导致如果原数据是大于255的,那么在直接使用np.uint8()后,比第八位更大的数据都被截断了,比如:
a=[2000,100,2]
np.uint8(a)
array([208, 100, 2], dtype=uint8)
2: 用cv2.normalize函数配合cv2.NORM_MINMAX,可以设置目标数组的最大值和最小值,然后让原数组等比例的放大或缩小到目标数组,如下面的例子中是将img的所有数字等比例的放大或缩小到0–255范围的数组中,
cv2.normalize(img, out, 0, 255, cv2.NORM_MINMAX)
然后改变数据类型
np.array([out],dtype=‘uint8′)
总结:
要想将当前的数组作为图像类型来进行各种操作,就要转换到uint8类型,转换的方式推荐使用第二种,因为第一种在值大于255以后就容易丢失。
以上这篇浅谈python opencv对图像颜色通道进行加减操作溢出就是小编分享给大家的全部内容了,希望能给大家一个参考。