使用 OpenCV-Python 對灰度圖像進行姿態處理

Question

我試圖使用 opencv 在 python 中對圖像進行后處理，經過一段時間的搜索，我在openCV 文檔中找到了一個線索。 但是正如您所看到的 rgb 圖像，而我得到的是灰度圖像，無論如何我都這樣做了並得到了奇怪的輸出。 我調整了代碼中的一些地方，得到了更奇怪的輸出。 有人可以解釋一下發生了什么嗎？

編輯：

我的代碼

import numpy as np
import cv2

img = cv2.imread('Lenna.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Z = np.float32(gray)

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8
ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

center = np.uint8(center)
res = center[label.flatten()]

cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸入圖像：

輸出圖像：

Answer 1

有人可以解釋一下發生了什么嗎？

Kmeans 輸入是向量的向量，或者在很多情況下，是像素向量或 2D/3D 點向量。 在您的代碼中，您正在傳遞一個圖像，它是一行中的值的向量。 這就是為什么你會得到這個奇怪的值。

你能做什么？

簡單，將輸入重塑為灰度值的一維向量。

Z = img.reshape((-1,1))

這樣，它會嘗試使用每個灰度值作為輸入來對它們進行聚類（分組），然后相應地標記每個值。

Answer 2

如果您在示例中進一步查看，您可以找到如下解決方案：

import numpy as np
import cv2

img = cv2.imread('Lenna.png')

Z = img.reshape((-1,3))

# convert to np.float32
Z = np.float32(Z)

# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8


ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

# Now convert back into uint8, and make original image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))

cv2.imshow('res2',res2)
cv2.waitKey(0)
cv2.destroyAllWindows()

請注意此處的重塑以考慮 RGB 圖像。