如何将 cv2 图像转换为 skimage？

Question

我正在读取来自cv2.COLOR_RGB2BGR格式的相机的图像。 以下是我想要实现的临时解决方法：

import cv2
from skimage import transform, io

...
_, img = cam.read()
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
cv2.imwrite("temp.png", img)
img = io.imread("temp.png", as_gray=True)
img = transform.resize(img, (320, 240), mode='symmetric', preserve_range=True)

---

我从这篇文章中找到了一种进行这种转换的方法，但是，图像数据似乎与我从路径中读取相同的图像不同？

我还从这个文档中发现我可以使用img_as_float(cv2_img) ，但是这种转换不会产生与io.imread("temp.png", as_gray=True)返回的结果相同的结果

---

有效地进行这种转换的正确方法是什么？ 我应该先将图像转换回 RGB 然后使用 img_as_float() 吗？

Answer 1

我想，您遇到的基本问题是 OpenCV 和 scikit-image 使用的不同亮度计算：

• OpenCV用途：

   Y = 0.299 * R + 0.587 * G + 0.114 * B

• scikit-image使用：

   Y = 0.2125 * R + 0.7154 * G + 0.0721 * B

让我们进行一些测试——例如使用下图：

import cv2
import numpy as np
from skimage import io

# Assuming we have some kind of "OpenCV image", i.e. BGR color ordering
cv2_bgr = cv2.imread('paddington.png')

# Convert to grayscale
cv2_gray = cv2.cvtColor(cv2_bgr, cv2.COLOR_BGR2GRAY)

# Save BGR image
cv2.imwrite('cv2_bgr.png', cv2_bgr)

# Save grayscale image
cv2.imwrite('cv2_gray.png', cv2_gray)

# Convert to grayscale with custom luma
cv2_custom_luma = np.uint8(0.2125 * cv2_bgr[..., 2] + 0.7154 * cv2_bgr[..., 1] + 0.0721 * cv2_bgr[..., 0])

# Load BGR saved image using scikit-image with as_gray; becomes np.float64
sc_bgr_w = io.imread('cv2_bgr.png', as_gray=True)

# Load grayscale saved image using scikit-image without as_gray; remains np.uint8
sc_gray_wo = io.imread('cv2_gray.png')

# Load grayscale saved image using scikit-image with as_gray; remains np.uint8
sc_gray_w = io.imread('cv2_gray.png', as_gray=True)

# OpenCV grayscale = scikit-image grayscale loaded image without as_gray? Yes.
print('Pixel mismatches:', cv2.countNonZero(cv2.absdiff(cv2_gray, sc_gray_wo)))
# Pixel mismatches: 0

# OpenCV grayscale = scikit-image grayscale loaded image with as_gray? Yes.
print('Pixel mismatches:', cv2.countNonZero(cv2.absdiff(cv2_gray, sc_gray_w)))
# Pixel mismatches: 0

# OpenCV grayscale = scikit-image BGR loaded (and scaled) image with as_gray? No.
print('Pixel mismatches:', cv2.countNonZero(cv2.absdiff(cv2_gray, np.uint8(sc_bgr_w * 255))))
# Pixel mismatches: 131244

# OpenCV grayscale with custom luma = scikit-image BGR loaded (and scaled) image with as_gray? Almost.
print('Pixel mismatches:', cv2.countNonZero(cv2.absdiff(cv2_custom_luma, np.uint8(sc_bgr_w * 255))))
# Pixel mismatches: 1

你看：

• 打开灰度图像时，scikit-image 只使用np.uint8值，而不管是否使用as_gray=True 。
• 当使用as_gray=True打开彩色图像时，scikit-image 应用rgb2gray ，将所有值缩放为0.0... 1.0 ，因此使用np.float64 。 即使缩小到0... 255和np.uint8在此图像和 OpenCV 灰度图像之间产生很多像素不匹配——由于不同的亮度计算。
• 当手动计算亮度并根据rgb2gray计算时，OpenCV 灰度图像几乎相同。 一个像素不匹配可能是由于浮点不准确造成的。

----------------------------------------
System information
----------------------------------------
Platform:      Windows-10-10.0.16299-SP0
Python:        3.9.1
NumPy:         1.20.1
OpenCV:        4.5.1
scikit-image:  0.18.1
----------------------------------------