如何将 cv2 图像转换为 skimage？

如何解决如何将 cv2 图像转换为 skimage？

我正在从 cv2.COLOR_RGB2BGR 格式的相机读取图像。以下是我试图实现的临时解决方法：

import cv2
from skimage import transform,io

...
_,img = cam.read()
img = cv2.cvtColor(img,cv2.COLOR_RGB2BGR)
cv2.imwrite("temp.png",img)
img = io.imread("temp.png",as_gray=True)
img = transform.resize(img,(320,240),mode='symmetric',preserve_range=True)

---

我找到了一种从 this post 进行这种转换的方法，但是，图像数据似乎与从路径读取相同图像不同？

我还从 this documentation 发现我可以使用 img_as_float(cv2_img)，但这种转换产生的结果与 io.imread("temp.png",as_gray=True) 返回的结果不同

---

有效地进行这种转换的正确方法是什么？我应该先将图像转换回 RGB 然后使用 img_as_float() 吗？

解决方法

我想，您遇到的基本问题是 OpenCV 和 scikit-image 使用的不同 luma 计算：

• OpenCV 使用：

  Y = 0.299 * R + 0.587 * G + 0.114 * B
  

• scikit-image 使用：

  Y = 0.2125 * R + 0.7154 * G + 0.0721 * B
  

让我们进行一些测试——例如使用下图：

import cv2
import numpy as np
from skimage import io

# Assuming we have some kind of "OpenCV image",i.e. BGR color ordering
cv2_bgr = cv2.imread('paddington.png')

# Convert to grayscale
cv2_gray = cv2.cvtColor(cv2_bgr,cv2.COLOR_BGR2GRAY)

# Save BGR image
cv2.imwrite('cv2_bgr.png',cv2_bgr)

# Save grayscale image
cv2.imwrite('cv2_gray.png',cv2_gray)

# Convert to grayscale with custom luma
cv2_custom_luma = np.uint8(0.2125 * cv2_bgr[...,2] + 0.7154 * cv2_bgr[...,1] + 0.0721 * cv2_bgr[...,0])

# Load BGR saved image using scikit-image with as_gray; becomes np.float64
sc_bgr_w = io.imread('cv2_bgr.png',as_gray=True)

# Load grayscale saved image using scikit-image without as_gray; remains np.uint8
sc_gray_wo = io.imread('cv2_gray.png')

# Load grayscale saved image using scikit-image with as_gray; remains np.uint8
sc_gray_w = io.imread('cv2_gray.png',as_gray=True)

# OpenCV grayscale = scikit-image grayscale loaded image without as_gray? Yes.
print('Pixel mismatches:',cv2.countNonZero(cv2.absdiff(cv2_gray,sc_gray_wo)))
# Pixel mismatches: 0

# OpenCV grayscale = scikit-image grayscale loaded image with as_gray? Yes.
print('Pixel mismatches:',sc_gray_w)))
# Pixel mismatches: 0

# OpenCV grayscale = scikit-image BGR loaded (and scaled) image with as_gray? No.
print('Pixel mismatches:',np.uint8(sc_bgr_w * 255))))
# Pixel mismatches: 131244

# OpenCV grayscale with custom luma = scikit-image BGR loaded (and scaled) image with as_gray? Almost.
print('Pixel mismatches:',cv2.countNonZero(cv2.absdiff(cv2_custom_luma,np.uint8(sc_bgr_w * 255))))
# Pixel mismatches: 1

你看：

• 打开灰度图像时，scikit-image 仅使用 np.uint8 值，而不管是否使用 as_gray=True。
• 当用 as_gray=True 打开彩色图像时，scikit-image 应用 rgb2gray，将所有值缩放到 0.0 ... 1.0，从而使用 np.float64。由于亮度计算不同，即使缩小到 0 ... 255 和 np.uint8 也会在此图像和 OpenCV 灰度图像之间产生大量像素不匹配。
• 手动计算亮度并相应于 rgb2gray 时，OpenCV 灰度图像几乎相同。一个像素不匹配可能是由于浮点不准确。

----------------------------------------
System information
----------------------------------------
Platform:      Windows-10-10.0.16299-SP0
Python:        3.9.1
NumPy:         1.20.1
OpenCV:        4.5.1
scikit-image:  0.18.1
----------------------------------------