在cv2.imread()之后应用img_to_array()有什么用？
在一本书中，我看到了从目录加载图像的以下代码：
1.image = cv2.imread(imagePath)
2.image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
3.image = cv2.resize(image, (28,28))
4.image = img_to_array(image)
5.data.append(image)cv2.imread()
它以BGR格式将图像转换为数字数组。
img_to_array()
它将PIL实例转换为numpy数组，但在这种情况下，图像将保持BGR格式，因为图像是由cv2加载的。
在cv2.imread()之后使用img_to_array() (来自keras.preprocessing.image模块)是什么，因为它已经在numpy数组中了。
还：
为了进行双重检查，我在使用cv2.imshow()应用img_to_array()之前和之后显示图像。
在应用img_to_array()
之前
应用img_to_array()
后
还包括：
但是，如果我尝试使用cv2将图像保存到一个文件中，它们都将被保存为正常的(即。就像第一张图片)。为什么会发生这种情况？
回答 1
Data Science用户
发布于 2020-11-18 09:42:32
这是因为您为imshow()函数提供了数据类型。
检查文档：
该函数可以缩放图像，这取决于其深度:如果图像是8位无符号，它将按原样显示。如果图像是16位无符号或32位整数，则像素除以256.也就是说，值范围0 255*256映射到0,255。如果图像是32位或64位浮点，则像素值乘以255.也就是说，值范围0,1映射到0,255。
因此，当使用cv2.imread()时，它读取数据uint8，即8位无符号格式，因此imshow()显示原始数据。
但是，当您使用img_to_array()时，它会将数据转换为浮点数。因此imshow()将它乘以256。它期望浮点值以规范化的形式存在，即所有像素除以256。这就是这种展示的原因。
cv2.imread()数据是这样的.
它的数据类型..。
img_to_array()数据是这样的.
它的数据类型..。
如果您将图像除以1.0以将其转换为浮点数.
import cv2
# from keras.preprocessing.image import img_to_array
image = cv2.imread("car.jpg")
image = image/1.0
cv2.imshow("Divided by 1.0", image)
cv2.waitKey(0)...this是您将得到的：
和img_to_array一样。
但是它用256.0来划分图像如下：
import cv2
# from keras.preprocessing.image import img_to_array
image = cv2.imread("car.jpg")
image = image/256.0
cv2.imshow("Divided by 256.0", image)
cv2.waitKey(0)您将获得原始图像，因为imshow()将浮点数乘以256。
因此，您需要的是将img_to_array()输出除以256个或将其转换为uint8。
https://datascience.stackexchange.com/questions/85586
复制相似问题
腾讯云开发者
