当前位置：极客教程 > Opencv > Python OpenCV > 如何在OpenCV Python中归一化图像？

如何在OpenCV Python中归一化图像？

如何在OpenCV Python中归一化图像？

我们使用函数cv2.normalize()在OpenCV中归一化图像。此函数接受参数- src、dst、alpha、beta、norm_type、dtype 和 mask。src 和dst是输入图像和与输入相同大小的输出图像，alpha是用于范围归一化的较低标准值， beta 是用于范围归一化的较高标准值，norm_type是归一化类型， dtype 是输出数据类型，而 mask 是可选的操作掩码。

步骤

要归一化图像，我们可以按照以下步骤进行：

  • 导入所需的库。在以下所有示例中，所需的Python库是 OpenCV 。请确保您已经安装了它。

  • 使用 cv2.imread() 方法将输入图像作为灰度图像读取。指定图像的完整路径以及图像类型（即png或jpg）。

  • 在输入图像img上应用 cv2.normalize() 函数。传递参数 src、dst、alpha、beta、norm_type、dtype 和 mask 。

img_normalized = cv2.normalize(img, None, 0, 1.0, cv2.NORM_MINMAX, dtype=cv2.CV_32F)
Python

  • 显示归一化输出图像。

  • 在Normalize之前和之后打印图像数据。试图找出这两个图像数据之间的差异。

让我们通过一些Python示例来了解问题。

我们将使用此图像作为 输入文件 在以下示例中。

如何在OpenCV Python中归一化图像？

示例

在此Python程序中，我们使用min-max norm对彩色输入图像进行归一化。将图像像素值归一化到范围[0,1]。

#导入所需的库
import cv2

#使用灰度图像读取输入图像
img = cv2.imread('jeep.jpg',0)
print("Normalize之前的图像数据：\n", img)

#归一化图像
img_normalized = cv2.normalize(img, None, 0, 1.0,
cv2.NORM_MINMAX, dtype=cv2.CV_32F)

#可视化归一化图像
cv2.imshow('归一化图像', img_normalized)
cv2.waitKey(0).destroyAllWindows()
print("Normalize之后的图像数据：\n", img_normalized)
Python

输出

运行上述程序时，将产生以下输出 −

Normalize之前的图像数据：
[[ 37 37 37 ... 55 55 55]
[ 39 39 39 ... 57 56 56]
[ 39 39 39 ... 56 56 56]
...
[243 244 244 ... 82 85 86]
[242 245 245 ... 83 91 91]
[242 245 245 ... 86 94 93]]
Normalize之后的图像数据：
[[0.14509805 0.14509805 0.14509805 ... 0.21568629 0.21568629 0.21568629]
[0.15294118 0.15294118 0.15294118 ... 0.22352943 0.21960786 0.21960786]
[0.15294118 0.15294118 0.15294118 ... 0.21960786 0.21960786 0.21960786]
...
[0.95294124 0.9568628 0.9568628 ... 0.32156864 0.33333334 0.3372549 ]
[0.9490197 0.9607844 0.9607844 ... 0.3254902 0.35686275 0.35686275]
[0.9490197 0.9607844 0.9607844 ... 0.3372549 0.36862746 0.3647059 ]]
Python

并且我们得到以下窗口显示归一化的图像 –

如何在OpenCV Python中归一化图像？

示例

在这个Python程序中，我们使用min-max norm规范化二进制输入图像。规范化后的图像像素值为0或1。

# 导入所需库
import cv2

# 读取输入图像作为灰度图像
img = cv2.imread('jeep.jpg',0)
print("标准化前的图像数据：\n", img)

# 应用阈值创建二进制图像
ret,thresh = cv2.threshold(img,140,255,cv2.THRESH_BINARY)
print("阈值化后的图像数据：\n", thresh)

# 规范化二进制图像
img_normalized = cv2.normalize(thresh, None, 0, 1.0,
cv2.NORM_MINMAX, dtype=cv2.CV_32F)

# 可视化规范化后的图像
cv2.imshow('规范化后的图像', img_normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()
print("标准化后的图片数据：\n", img_normalized)
Python

输出

当您运行上述Python程序时，它将产生以下 输出 −

标准化前的图像数据：
[[ 37 37 37 ... 55 55 55]
[ 39 39 39 ... 57 56 56]
[ 39 39 39 ... 56 56 56]
...
[243 244 244 ... 82 85 86]
[242 245 245 ... 83 91 91]
[242 245 245 ... 86 94 93]]
阈值化后的图像数据：
[[ 0 0 0 ... 0 0 0]
[ 0 0 0 ... 0 0 0]
[ 0 0 0 ... 0 0 0]
...
[255 255 255 ... 0 0 0]
[255 255 255 ... 0 0 0]
[255 255 255 ... 0 0 0]]
标准化后的图片数据：
[[0. 0. 0. ... 0. 0. 0.]
[0. 0. 0. ... 0. 0. 0.]
[0. 0. 0. ... 0. 0. 0.]
...
[1. 1. 1. ... 0. 0. 0.]
[1. 1. 1. ... 0. 0. 0.]
[1. 1. 1. ... 0. 0. 0.]]
Python

然后我们得到以下窗口显示规范化后的二进制图像−

如何在OpenCV Python中归一化图像？

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Python OpenCV

登录

找回密码？

注册