imwrite或者imread时像素值发生变化

article/2025/10/3 8:35:02

我想读取元素图片，并进行像素值拉伸。代码中是直接将像素值乘以5.

for file in os.listdir(data_dir):                   ###最多读取两级目录找到图片
    if os.path.isdir(os.path.join(data_dir,file)):
        #print("it's a directory")
        if os.path.exists(os.path.join(save_dir,file)):
            #os.rmdir(os.path.join(save_dir,file)) #只能删除空目录
            shutil.rmtree(os.path.join(save_dir,file)) #空目录、有内容的目录都可以删
            os.mkdir(os.path.join(save_dir,file))
        else:
            os.mkdir(os.path.join(save_dir,file))
        for sub_file in os.listdir(os.path.join(data_dir,file)):
            if file is not "XLT_ASA01_IIT_L01_STP_20180308184752.png":  ####该图片是问题图片
            #if sub_file != "XLT_ASA01_IIT_L01_STP_20180308184752.png":
                img = cv.imread(os.path.join(os.path.join(data_dir,file),sub_file),2)
                print(type(img),img.dtype)
                #img = cv2.imread('/home/zhongjia/plasmabubble/scale_test.png',2)
                #print(type(img),img.shape,img.dtype)
                #plt.figure()
                #plt.imshow(img,cmap='Greys_r')
                #print(img.max())
                print(img.max(),img.min())
                print(img[50][50])
                img = img*5.0  ### imread输出的uint8变为float64
                print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                #img = np.array(img,dtype='uint16')
                #print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                ### medianBlur(InputArray src, OutputArray dst, int ksize),
                #InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个
                #img = (img-img.min())*(255/(img.max()-img.min()))
                #print(img[50][50])
                #print(type(img),img.dtype)
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file),img)
                img = cv.imread(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file))
                print(img.max(),img.min(),img.dtype,img.shape)
                print(img[50][50])
                img = np.array(img,dtype='uint8')
                print(img[50][50])
                img_lvbo = cv.medianBlur(img, 5)
                print(img.max(),img.min())
                #print(img.max())
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'lvbo_'+sub_file),img_lvbo)

输出结果：

可以看到原图最大最小值127，6 ，uint8

乘以5后变为最大最小值635，30 ，float64, 第50行50列元素50

经过imwrite和imread后，最大值255，最小值不变，第50行50列元素50不变，通道由1变为3，float64变为uint8.

修改代码img*1.0:

for sub_file in os.listdir(os.path.join(data_dir,file)):
            if file is not "XLT_ASA01_IIT_L01_STP_20180308184752.png":  ####该图片是问题图片
            #if sub_file != "XLT_ASA01_IIT_L01_STP_20180308184752.png":
                img = cv.imread(os.path.join(os.path.join(data_dir,file),sub_file),2)
                print(type(img),img.dtype)
                #img = cv2.imread('/home/zhongjia/plasmabubble/scale_test.png',2)
                #print(type(img),img.shape,img.dtype)
                #plt.figure()
                #plt.imshow(img,cmap='Greys_r')
                #print(img.max())
                print(img.max(),img.min())
                print(img[50][50])
                img = img*1.0  ### imread输出的uint8变为float64
                print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                #img = np.array(img,dtype='uint16')
                #print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                ### medianBlur(InputArray src, OutputArray dst, int ksize),
                #InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个
                #img = (img-img.min())*(255/(img.max()-img.min()))
                #print(img[50][50])
                #print(type(img),img.dtype)
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file),img)
                img = cv.imread(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file))
                print(img.max(),img.min(),img.dtype,img.shape)
                print(img[50][50])
                img = np.array(img,dtype='uint8')
                print(img[50][50])
                img_lvbo = cv.medianBlur(img, 5)
                print(img.max(),img.min())
                #print(img.max())
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'lvbo_'+sub_file),img_lvbo)

输出结果：

可以看到imwrite和imread没有改变像素值，仅仅有uint8变为float64.

从结果看，那么只有超过255的值会发生像素变化，究竟是imwrite引起的还是imread函数引起的。

参考https://blog.csdn.net/oukohou/article/details/82378552，说是报错的图像格式引起的。

但是我这里读取和保存的都是png格式，不应该是格式问题。

而当我仅仅改变读取像素值为uint16时，

for sub_file in os.listdir(os.path.join(data_dir,file)):
            if file is not "XLT_ASA01_IIT_L01_STP_20180308184752.png":  ####该图片是问题图片
            #if sub_file != "XLT_ASA01_IIT_L01_STP_20180308184752.png":
                img = cv.imread(os.path.join(os.path.join(data_dir,file),sub_file),2)
                print(type(img),img.dtype)
                #img = cv2.imread('/home/zhongjia/plasmabubble/scale_test.png',2)
                #print(type(img),img.shape,img.dtype)
                #plt.figure()
                #plt.imshow(img,cmap='Greys_r')
                #print(img.max())
                print(img.max(),img.min())
                print(img[50][50])
                img = img*1.0  ### imread输出的uint8变为float64
                print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                img = np.array(img,dtype='uint16')
                #print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                ### medianBlur(InputArray src, OutputArray dst, int ksize),
                #InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个
                #img = (img-img.min())*(255/(img.max()-img.min()))
                #print(img[50][50])
                #print(type(img),img.dtype)
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file),img)
                img = cv.imread(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file))
                print(img.max(),img.min(),img.dtype,img.shape)
                print(img[50][50])
                img = np.array(img,dtype='uint8')
                print(img[50][50])
                img_lvbo = cv.medianBlur(img, 5)
                print(img.max(),img.min())
                #print(img.max())
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'lvbo_'+sub_file),img_lvbo)

最大值最小值结果就发生了变化。

所以应该是矩阵在存为图像或者读取时，数据类型引起的错误。可见imwrite或者imread不能自动将数据线性压缩到0-255，而是会发生截断，大于255的值赋值为255.

通过查看imread函数API：

imread()参数说明
2   cv2.IMREAD_UNCHANGED = -1, //返回原通道原深度图像
3   cv2.IMREAD_GRAYSCALE = 0, //返回单通道（灰度），8位图像
4   cv2.IMREAD_COLOR = 1, //返回三通道，8位图像，为默认参数
5   cv2.IMREAD_ANYDEPTH = 2, //返回单通道图像。如果原图像深度为16/32 位，则返回原深度，否则转换为8位
6   cv2.IMREAD_ANYCOLOR = 4, //返回原通道，8位图像。

读取原始位深图是imread参数设置为2

修改代码：

for sub_file in os.listdir(os.path.join(data_dir,file)):
            if file is not "XLT_ASA01_IIT_L01_STP_20180308184752.png":  ####该图片是问题图片
            #if sub_file != "XLT_ASA01_IIT_L01_STP_20180308184752.png":
                img = cv.imread(os.path.join(os.path.join(data_dir,file),sub_file),2)
                print(type(img),img.dtype)
                #img = cv2.imread('/home/zhongjia/plasmabubble/scale_test.png',2)
                #print(type(img),img.shape,img.dtype)
                #plt.figure()
                #plt.imshow(img,cmap='Greys_r')
                #print(img.max())
                print(img.max(),img.min())
                print(img[50][50])
                img = img*5.0  ### imread输出的uint8变为float64
                print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                #img = np.array(img,dtype='uint16')
                #print(img[50][50],img.shape,img.max(),img.min(),img.dtype)
                ### medianBlur(InputArray src, OutputArray dst, int ksize),
                #InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个
                #img = (img-img.min())*(255/(img.max()-img.min()))
                #print(img[50][50])
                #print(type(img),img.dtype)
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file),img)
                img = cv.imread(os.path.join(os.path.join(save_dir,file),'pad_'+sub_file),2)
                print(img.max(),img.min(),img.dtype,img.shape)
                print(img[50][50])
                img = np.array(img,dtype='uint8')
                print(img[50][50])
                img_lvbo = cv.medianBlur(img, 5)
                print(img.max(),img.min())
                #print(img.max())
                cv.imwrite(os.path.join(os.path.join(save_dir,file),'lvbo_'+sub_file),img_lvbo)

imread读取原始位uint8，所以float64的矩阵通过imwrite函数存储是发生了改变。


http://chatgpt.dhexx.cn/article/ih3jyrK8.shtml

相关文章

cv::imwrite保存图像灰度值发生变化

cv::imwrite保存图像灰度值发生变化

现象 imwrite是一个很简单的函数，不过最近使用时发现如果保存为.jpg格式会影响灰度值，而保存为bmp格式灰度值不会发生变化。 原因 bmp格式的图片是不带任何压缩，而有些图片格式是自带压缩的，比如jpg格式，因此图像的…
阅读更多...
python opencv cv2.imwrite

python opencv cv2.imwrite

python opencv cv2.imwrite 环境说明 opencv 安装 pip install opencv-pythonopencv：opencv_python 4.5.5.64 介绍 方法： cv2.imwrite def imwrite(filename, img, paramsNone): 输入： filename：保留图片文件的路径&#…
阅读更多...
matlab imwrite 索引,Matlab imwrite（）质量

matlab imwrite 索引,Matlab imwrite（）质量

虽然我知道一些其他编程语言，但我对Matlab很陌生，所以请原谅我，如果这很简单。我无法在StackOverflow或其他地方找到任何答案。Matlab imwrite()质量 figure(6),imageplot(P); drawnow; ，看起来像这样： 我用下面的代码…
阅读更多...
imwrite() opencv压缩问题

imwrite() opencv压缩问题

函数&#xff1a; CV_EXPORTS_W bool imwrite( const String& filename, InputArray img, const std::vector<int>& params std::vector<int>()); 第三个参数说明&#xff1a;const std::vector&类型的params&#xff0c;表示为特定格式保存的参数…
阅读更多...
利用OpenCV的函数imwrite()保存图像到硬盘

利用OpenCV的函数imwrite()保存图像到硬盘

在图像处理的操作中&#xff0c;我们不仅要经常显示图像&#xff0c;还需要保存图像到硬盘或其它存储设备&#xff0c;可以利用函数imwrite()实现。 函数imwrite()的原型如下&#xff1a; C原型&#xff1a; bool cv::imwrite(const String & filename,InputArray img,co…
阅读更多...
Matlab中imwrite函数使用

Matlab中imwrite函数使用

目录 语法 说明 示例 将灰度图像写入 PNG 将索引图像数据写入 PNG 用 MATLAB 颜色图写入索引图像 将真彩色图像写入 JPEG 将多个图像写入 TIFF 文件 写入 GIF 动画 imwrite函数的作用是将图像写入图形文件。 语法 imwrite(A,filename) imwrite(A,map,filename) imwr…
阅读更多...
【OpenCV 例程300篇】02. 图像的保存（cv2.imwrite）

【OpenCV 例程300篇】02. 图像的保存（cv2.imwrite）

专栏地址&#xff1a;『youcans 的 OpenCV 例程300篇 - 总目录』 01. 图像的读取&#xff08;cv2.imread&#xff09; 02. 图像的保存&#xff08;cv2.imwrite&#xff09; 03. 图像的显示&#xff08;cv2.imshow&#xff09; 04. 用 matplotlib 显示图像&#xff08;plt.imsho…
阅读更多...
python-opencv第二期：imwrite函数详解

python-opencv第二期：imwrite函数详解

概要&#xff1a;众嗦粥之所周知&#xff0c;在如今计算机视觉&#xff08;Computer Version short for CV&#xff09;是人工智能与机器人技术发展的一个重大研究方向&#xff0c;而opencv作为一个专门为计算机视觉编程提供技术与函数支持的第三方库&#xff0c;自然是一个需要…
阅读更多...
mongodb自增主键ObjectID

mongodb自增主键ObjectID

一、了解mongodb的ObjectID MongoDB的文档固定是使用“_id”作为主键的&#xff0c;它可以是任何类型的&#xff0c;默认是个ObjectId对象&#xff08;在Java中则表现为字符串&#xff09;&#xff0c;那么为什么MongoDB没有采用其他比较常规的做法&#xff08;比如MySql的自增…
阅读更多...
java 生成objectid_算法~位运算ObjectId生成时的秒用

java 生成objectid_算法~位运算ObjectId生成时的秒用

位运算控制数字范围 通过位运算&#xff0c;可以对一个数进行限制&#xff0c;保证这个数在2n-1(3,7,15,31,63,127,255...)范围内&#xff0c;当大于指定的数时&#xff0c;会取这个0到2n-1里的某个数&#xff0c;不会让它溢出。 之前我写过的位运算的文章 本文在ObjectId里的应…
阅读更多...
mongodb objectid java_我可以确定字符串是否是MongoDB ObjectID吗？

mongodb objectid java_我可以确定字符串是否是MongoDB ObjectID吗？

回答(10) 2 years ago 我发现mongoose ObjectId验证器用于验证有效的objectIds&#xff0c;但我发现了一些无效ID被认为有效的情况 . (例如&#xff1a;任何12个字符长的字符串) var ObjectId require(mongoose).Types.ObjectId; ObjectId.isValid(microsoft123); //true Obje…
阅读更多...
MongoDB 认识ObjectId

MongoDB 认识ObjectId

官方文档&#xff1a;https://docs.mongodb.com/manual/reference/method/ObjectId/ 现在我们有一个集合如下 db.class0.insertMany([{"name": "一年级一班","headmaster": "王老师"},{"name": "一年级二班",&q…
阅读更多...
mysql objectid_【Mongodb】_id和ObjectId详解！

mysql objectid_【Mongodb】_id和ObjectId详解！

2.6.6 _id和ObjectId MongoDB 中存储的文档必须有一个"_id" 键。这个键的值可以是任何类型的&#xff0c;默认是个ObjectId 对象。在一个集合里面&#xff0c;每个文档都有唯一的"_id" 值&#xff0c;来确保集合里面每个文档都能被唯一标识。如果有两个集合…
阅读更多...
Mongodb ObjectId格式

Mongodb ObjectId格式

ObjectId是一个24位的字符串&#xff0c;实际是由一组十六进制的字符构成&#xff0c;共12个字节。&#xff08;1个字节8位能表示2个十六进制数&#xff0c;12个字节能表示24个十六进制数&#xff09;。 ObjectId 是一个12字节 BSON 类型数据&#xff0c;有以下格式&#xff1a…
阅读更多...
java objectid_关于MongoDB ObjectId

java objectid_关于MongoDB ObjectId

ObjectId的构成 ObjectId的值由12个字节组成&#xff0c;其中&#xff0c; 4个字节表示时间戳(自Unix纪元以来的秒数)&#xff0c;记录创建时间&#xff1b; 3个字节表示机器标识符&#xff0c;保证不同主机产生不同的ObjectId值&#xff1b; 2个字节表示进程ID&#xff0c;保证…
阅读更多...
从根上理解MongoDB的ObjectId生成原理！

从根上理解MongoDB的ObjectId生成原理！

想写这篇文章好久了&#xff0c;一直抽不出时间。这两天端午节放假&#xff0c;我和娃都泡在图书馆&#xff0c;在他看书的空闲期&#xff0c;我拿出电脑写下了本文。 我们都知道&#xff0c;在分布式系统中&#xff0c;分布式 ID 有很多特殊的要求&#xff0c;其中之二就是要求…
阅读更多...
ArcGIS中的OBJECTID、FID 和 OID 的区别！不要傻傻分不清

ArcGIS中的OBJECTID、FID 和 OID 的区别！不要傻傻分不清

喜欢就关注我们吧 时常有很多我朋友分不清OBJECTID、FID 和 OID有什么区别&#xff0c;不懂得怎么应用和管理&#xff0c;今天我们来说个明白。 ArcGIS Desktop 产品要求独立表和属性表均具有 ObjectID字段&#xff0c;该字段包含唯一的长整型用于标识每个记录。 此 ID 由 Esri…
阅读更多...
Mongo中id介绍

Mongo中id介绍

好记忆不如按烂笔头 &#xff0c;即便是最简单的&#xff0c;时间长了也难免会忘记&#xff0c;记下可以让你更明白。 2.6.6　_id和ObjectId MongoDB 中存储的文档必须有一个"_id" 键。这个键的值可以是任何类型的&#xff0c;默认是个ObjectId 对象。在一个集合里面…
阅读更多...
canal

canal

简介 canal [kənl]&#xff0c;译意为水道/管道/沟渠&#xff0c;主要用途是基于 MySQL 数据库增量日志解析&#xff0c;提供增量数据订阅和消费 早期阿里巴巴因为杭州和美国双机房部署&#xff0c;存在跨机房同步的业务需求&#xff0c;实现方式主要是基于业务 trigger 获取增…
阅读更多...
阿里的数据同步神器——Canal

阿里的数据同步神器——Canal

前言 同步数据的神器： Canal安装配置 canal [kə’nl]，译意为水道/管道/沟渠，主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费 早期阿里巴巴因为杭州和美国双机房部署， 存在跨机房同步的业务需求， 实现方式主要是基于业务 trigger 获取增量变更。从 2…
阅读更多...
推荐文章

Copyright @ 2022~2023