pythontype(1+0xf*3.14)_numpy强制类型转换|图像线性增强|不同数据类型与图像的显示...

创建矩阵

a=np.ones((3,3),dtype=np.uint8)

b=np.arange(9).reshape((3,3))

c=np.array([[50,55,60],[65,70,75],[80,85,90]])

如果在创建的时候没有指定数据类型，那么默认是int32

强制类型转换

方法一：

b.dtype=np.uint8

虽然dtype变了，但是shape也变了，再看看里面的数据

除了原先的数据，又添加了新的数据0

方法二：astype

对c这个对象做astype这个操作

c.astype(np.uint8)

Out[11]:

array([[50, 55, 60],

[65, 70, 75],

[80, 85, 90]], dtype=uint8)

这样就是期望的结果了。

不同数据类型之间的运算

1.int32+uint8=int32

f=c+d

2.uint8+float32=float32

g=d+e

cv2和plt显示矩阵的数据类型

d=c.astype(np.uint8)

plt.imshow(c,'gray')

Out[13]:

plt.imshow(d,'gray')

Out[14]:

plt显示uint8和int32的效果是一样的，都可以显示

cv2.namedWindow('1', cv2.WINDOW_NORMAL);

cv2.imshow('1',c);

cv2.imshow('1',d);

cv2.imshow()也可以显示uint8和int32类型的矩阵，由于矩阵过小，cv的窗口很小，就不截图了。

浮点型

1.简单例子

e=np.arange(9).reshape((3,3)).astype(np.float32)

plt.imshow(e,'gray')

Out[20]:

cv2.imshow('1',e)

cv2.imshow和plt都可以显示

2.但是如果是三通道的图片，像素是float型，那么plt无法显示

例如

lina=cv2.imread('lina2.png')

n1=0.5;

lina1=lina*n1

plt.imshow(lina1)

Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).

Out[9]:

plt.imshow(lina1.astype(np.float32),'gray')

Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).

但是，plt可以显示单通道的float型

img=cv2.imread('lina2.png',0)

n1=0.5;n2=2

img1=img*n1

plt.imshow(img1,'gray')

lina=cv2.imread('lina2.png',0)

n1=0.5;n2=2

lina1=lina*n1

plt.subplot(121);plt.title('uint8')

plt.imshow(lina1.astype(np.uint8),'gray')

plt.subplot(122);plt.title('float64')

plt.imshow(lina1,'gray')

plt.show()

cv2

cv2.imshow('1',img1)

cv2.imshow('1',img1.astype(np.float32))

对于float32，float64。cv2显示都是一片空白

但是：

cv2.imshow('1',img1.astype(np.uint8))

可见:

cv2的显示只能显示uint8

数据溢出

数据类型：https://www.runoob.com/numpy/numpy-dtype.html

d矩阵是有c矩阵int32强制类型转化成的，数据类型是uint8，说明范围是0~255

通过赋值，观察console台中的数据变化发现

超过255的，从0开始，循环始终是从0到255

输入255对应255，输入256对应0，输入257对应1，输入365对应365-256=109，输入900对应900-256*2=132

输入-256对应0，-255对应1，-257对应255

如果从int32转换成uint8，是不是如上的数值结果呢？

c[0,:]=[256,365,900];c[1,:]=[-256,-255,-257]

d=c.astype(np.uint8)

结果与上述分析相同

总结：

在规定的数据类型下有一个数据范围，超过数据范围的数则从这个范围的最小开始重新计数

图像线性增强

1.对像素直接加上或减去一个数值

import cv2

import numpy as np

import matplotlib.pylab as plt

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

lina = cv2.imread('lina2.png',0)

rows,cols = lina.shape

a=np.ones((rows,cols),dtype=lina.dtype)

plt.subplot(321)

plt.imshow(a*20+lina,'gray');plt.title('+20')

plt.subplot(322)

plt.imshow(a*50+lina,'gray');plt.title('+50')

plt.subplot(323)

plt.imshow(lina-a*20,'gray');plt.title('-20')

plt.subplot(324)

plt.imshow(lina-a*50,'gray');plt.title('-50')

plt.subplot(325)

plt.imshow(lina,'gray');plt.title('source')

plt.show()

加减20是在正常的范围内，因为原图像素的最大是37，最小是17

而加减50就会出现原来是白，变成黑，原来是黑又变成白的情况，因为原图Lina是uint8格式，新构建的矩阵a也是uint8，所以结果也是uint8类型的。

0到255从黑到白，然后又一轮从黑到白

import cv2

import numpy as np

import matplotlib.pylab as plt

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# #直接对像素加上一个实数来对图像的亮度进行一个整体的提升

lina = cv2.imread('lina2.png',0)

rows,cols = lina.shape

构造数据类型是float64的常数矩阵

a=np.ones((rows,cols))

默认类型是float64

然后吧和这个float64+uint8

b=a*50+lina

plt.imshow(b,'gray')

用plt去显示一个float6的4矩阵

得到：

构造数据类型是uint8的常数矩阵

aa=np.ones((rows,cols),dtype=lina.dtype);

bb=aa*50+lina

plt.imshow(bb,'gray')

所以说，如果想避免以上的情况的话

一开始的常数矩阵就构造float型，最后用plt显示float型矩阵

但是…发现这么搞之后，跟原图没啥大的区别了

lina = cv2.imread('lina2.png',0)

rows,cols = lina.shape

#a=np.ones((rows,cols),dtype=lina.dtype)

a=np.ones((rows,cols))

plt.subplot(321)

plt.imshow(a*20+lina,'gray');plt.title('+20')

plt.subplot(322)

plt.imshow(a*5000+lina,'gray');plt.title('+5000')

plt.subplot(323)

plt.imshow(lina-a*20,'gray');plt.title('-20')

plt.subplot(324)

plt.imshow(lina-a*5000,'gray');plt.title('-5000')

plt.subplot(325)

plt.imshow(lina,'gray');plt.title('source')

plt.show()

3.直接对像素乘以一个系数n来对图像的对比度进行增加或减小，

其中n=2,n=0.5，注意灰度值超出255的区域还是以255来显示。

import cv2

import numpy as np

import matplotlib.pylab as plt

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

##线性增强

#直接对像素乘以一个系数n来对图像的对比度进行增加或减小，其中n=2,n=0.5，注意灰度值超出255的区域还是以255来显示。

lina=cv2.imread('lina2.png',0)

n1=0.5;n2=2

lina1=lina*n1

plt.subplot(121);plt.title('*0.5')

plt.imshow(lina1,'gray')

#这一步先转成int32，再乘以2，这样的话超过255的值会正常显示

lina2=lina.astype(np.int32)*n2

lina2[lina2>255]=255 #超过255的设为255

plt.subplot(122);plt.title('*2')

plt.imshow(lina2,'gray')

plt.show()