为什么 cv2.bilateralFilter 对于不同的数据类型表现如此不同？

如何解决为什么 cv2.bilateralFilter 对于不同的数据类型表现如此不同？

正如标题所述，为什么 cv2.bilateralFilter 对于不同的 dtype 表现如此不同？ 文档说，cv2.bilateralFilter 仅适用于 np.float32 或 np.uint8 dtype。但是当我将它应用于我的图像时，两种 dtype 的输出看起来大不相同。

我正在使用 skimage 函数 img_as_x 在数据类型之间进行转换，因为我听说在处理图像时必须从不使用 .astype(x)。所以我的代码看起来像这样：

Radargram = img_as_float32(cv2.imread(image)[:,:,::-1])
CropRadGram = (Radargram[700:2450,:])[:,0]
SigmaAll = 10
RadGramFilter = cv2.bilateralFilter(img_as_ubyte(CropRadGram),-1,SigmaAll,SigmaAll) #As uint8
RadGramFilter2 = cv2.bilateralFilter(CropRadGram,SigmaAll) #as float32
plt.figure(figsize=(20,20)); plt.imshow(RadGramFilter,cmap='gray')
plt.figure(figsize=(20,20)); plt.imshow(RadGramFilter2,cmap='gray')
RadGramFilterImg = Image.fromarray(img_as_ubyte(RadGramFilter)) #Transform to uint8 and construct image
RadGramFilterImg.save(f'Prepared_CropGrams/{IMG_nr}_RAD_prepared.png') #Save the image

RadGramFilter 和 RadGramFilter2 的输出可以在这里看到：

谢谢

解决方法

[...] 因为我听说在处理图像时必须从不使用 .astype(x)。

这在很大程度上取决于使用的库和用例！在这个非常具体的示例中，首先使用 img_as_float32 而不是 .astype(np.float32) 会导致观察到的行为！

查看有关 cv2.bilateralFilter 的文档，我们看到有一个参数 sigmaColor，您将其设置为 20，用于与 np.uint8 和 { {1}} 个图像。但是，np.float32 仅适用于此处的 sigmaColor = 20 情况，因为它的值在 np.uint8 的范围内。另一方面，您的 [0 ... 255] 图像具有 np.float32 范围内的值，这解释了严重模糊。

因此，有两个选项可以解决该问题，均涉及手动缩放：

1. 在开头使用 [0.0 ... 1.0]。然后，您可以使用 .astype(np.float32)，但您生成的图像的值将在 sigmaColor = 20 范围内，因此您需要除以 0.0 ... 255.0，例如在使用 255 绘图之前。

matplotlib

2. 在 import cv2 import matplotlib.pyplot as plt import numpy as np from skimage import img_as_float32,img_as_ubyte # Use .astype(x) instead of img_as_x img = cv2.imread('path/to/your/image.jpg')[...,::-1] filter_uint8 = cv2.bilateralFilter(img,200,200) filter_float32 = cv2.bilateralFilter(img.astype(np.float32),200) plt.figure(1,figsize=(14,8)) plt.subplot(2,2,1),plt.imshow(img),plt.title('Original image') plt.subplot(2,2),plt.imshow(filter_uint8),plt.title('uint8 filtered') plt.subplot(2,3),plt.imshow(filter_float32),plt.title('float32 filtered') plt.subplot(2,4),plt.imshow(filter_float32 / 255),plt.title('float32 filtered,corrected') plt.tight_layout() 调用中将 sigmaColor 除以 255。因此，您的结果将直接具有 cv2.bilateralFilter 范围内的值：

0.0 ... 1.0

import cv2
import matplotlib.pyplot as plt
from skimage import img_as_float32,img_as_ubyte

# Scale sigmaColor w.r.t. to float value range of [0.0 ... 1.0]
img = img_as_float32(cv2.imread('path/to/your/image.jpg')[...,::-1])
filter_uint8 = cv2.bilateralFilter(img_as_ubyte(img),200)
filter_float32 = cv2.bilateralFilter(img,200)
filter_float32_corr = cv2.bilateralFilter(img,200/255,200)

plt.figure(0,plt.imshow(filter_float32_corr),corrected')
plt.tight_layout(),plt.show()