问题是原来的图像显示正确，修正后的图像显示黑色，你知道是什么原因吗？
import cv2
import numpy as np
from google.colab import drive
from google.colab.patches import cv2_imshow
# Uploading an image
drive.mount("/content/drive")
img = cv2.imread('./drive/MyDrive/python/bird/maxresdefault.jpg', cv2.IMREAD_GRAYSCALE)
# Calculating the minimum and maximum pixel values
r_min = np.min(img)
r_max = np.max(img)
# Linear image correction
img_corrected = (img - r_min) * 255 / (r_max - r_min)
# Converting an image to an 8-bit format
img_corrected = np.uint8(img_corrected)
img_corrected = cv2.cvtColor(img_corrected, cv2.COLOR_BGR2RGB)
# Displaying the original and corrected images
cv2_imshow(img)
cv2.imwrite("./drive/MyDrive/python/bird/corrected_image.jpg", img_corrected)
img_corrected = cv2.imread("./drive/MyDrive/python/bird/corrected_image.jpg")
cv2.waitKey(0)
cv2.destroyAllWindows()呈现具有校正的图像和具有校正的图像：第一节第一节第一节第一节第一次
1条答案
按热度按时间gcmastyq1#
在这一行中，
img是一个uint8图像，img-r_min也是，(img-r_min)*255也是（有点随机，因为它溢出了。这实际上是一种生成伪随机数的方法：乘以一个会溢出的数，然后用一个较小的常数来保存余数（aka %），这里隐式地做了，因为它隐式地和(img-r_min)*255 % 256相同，所以这不是伪随机数生成器的理想数，但也不是很理想，但这没关系，重要的是，无论(img-r_min)*255的值是多少，它们都是0和255之间的np.uint8）。因此，
(img_rmin)*255/(r_max-r_min)接近0，因为r_max-r_min对于此图像为244（对于任何正常可见的输入图像，应该非常接近255）。img_corrected由0和1组成。(You例如，可以通过显示
img_corrected*100来检查某些像素确实是1，而大多数是0）。解决方案是：首先将
img转换为计算不会溢出的数据类型，然后将结果转换回uint8（您已经这样做了，但是您的转换是无用的，因为img_corrected已经是一个uint8，这就是问题所在）。例如
或者，更简单（但可读性较低的代码）
强制乘法的结果为浮点数，因为255.0是浮点数。