16bit转8bit图像（Python，简单易实现）

前言

 一些工业相机采集的图像是16位的，不方便进行图像处理。比如opencv处理的常常是8位灰度图像，而深度学习模型输入图像也往往是单通道或者三通道的。因此，对16位图像做位深度转换，从而方便后续的一系列操作，是很有必要的！
 本文主要介绍用opencv+numpy实现16位图像转8位图像，做法是线性缩放

线性缩放

• 基本原理：将16bit图像的动态范围映射到0-255
• 公式：
  matrix_16: 16bit图像矩阵
  min: 16bit图像动态范围最小值
  max: 16bit图像动态范围最大值
  matrix_8: 8bit图像矩阵
  matrix_8=255.0∗(matrix_16 - min)/(max - min)
• 代码实现

import cv2
import numpy as np

def transfer_16bit_to_8bit(image_path):
    image_16bit = cv2.imread(image_path, cv2.IMREAD_UNCHANGED)
    min_16bit = np.min(image_16bit)
    max_16bit = np.max(image_16bit)
    # image_8bit = np.array(np.rint((255.0 * (image_16bit - min_16bit)) / float(max_16bit - min_16bit)), dtype=np.uint8)
    # 或者下面一种写法
    image_8bit = np.array(np.rint(255 * ((image_16bit - min_16bit) / (max_16bit - min_16bit))), dtype=np.uint8)
    print(image_16bit.dtype)
    print('16bit dynamic range: %d - %d' % (min_16bit, max_16bit))
    print(image_8bit.dtype)
    print('8bit dynamic range: %d - %d' % (np.min(image_8bit), np.max(image_8bit)))

image_path = './00003.tif'
transfer_16bit_to_8bit(image_path)

• 关键代码块

    image_8bit = np.array(np.rint((255.0 * (image_16bit - min_16bit)) / float(max_16bit - min_16bit)), dtype=np.uint8)
    # 或者下面一种写法
    image_8bit = np.array(np.rint(255 * ((image_16bit - min_16bit) / (max_16bit - min_16bit))), dtype=np.uint8)

• 输出结果

uint16
16bit dynamic range: 80 - 1084
uint8
8bit dynamic range: 0 - 255

扩展

 如果是使用单通道图像训练深度学习分类网络，可参考我的另一篇博客：ResNet训练单通道图像分类网络（Pytorch）