如何在OpenCV中执行图像阈值处理和规范化？

Question

我有一个16位图像，我想转换为8位图像。 但是我想在此之前做一些过滤。 低于某个值（例如P1）的所有值都应为0.并且高于不同值（例如P2）的所有值应变为255.这些值之间的所有值都应根据它们与P1和P2的距离进行缩放。

以下代码执行此操作：

def transform(value):
    if value < P1:
        value = 0
    elif value > P2:
        value = 255
    else:
        value = (value - P1) * (255.0 / (P2 - P1))
    return value

然后使用原始的16位图像作为输入：

newImage= [[transform(value) for value in row] for row in originalImage]

然而，这是非常慢的...我试图使用cv2.convertScaleAbs做同样的cv2.convertScaleAbs ，这很快，但并不完全做我想要的。 特别是这个功能中的'Abs'部分让我无法使用。

我可以使用不同的功能以更快的方式获得我想要的东西吗？

Answer 1

我找到了一个使用cv2.convertScaleAbs的解决方案

首先将原始图像缩放为int32：

originalImage = numpy.array(originalImage, dtype=np.int32)

然后减去P1值，使所有小于P1的值为负：

newImage = np.array(originalImage - P1)

然后将负值剪辑为0：

newImage = newImage.clip(min=0)

最后使用带有正确alpha的convertScaleAbs ：

alpha = 255.0 / (P2 - P1)
newImage= cv2.convertScaleAbs(newImage, alpha=alpha)