Opencv attire numpy.les zéros comme une image en nuances de gris

J'ai du mal à comprendre comment opencv interprète des tableaux numpy.

import cv2
import numpy as np

if __name__ == '__main__':
    size = (w, h, channels) = (100, 100, 1)
    img = np.zeros(size, np.int8)
    cv2.imshow('result', img), cv2.waitKey(0)
    cv2.destroyAllWindows()

Gris noir 100x100 l'image de droite?
Non, c'est en me montrant le gris! Pourquoi?

OriginalL'auteur Vanuan | 2013-09-22

  1. 8

    Ok, la partie cruciale est dtype. J'ai choisi np.int8. Lorsque j'utilise np.uint8, il est noir.

    Curieusement, lorsque dtype=np.int8, des zéros sont interprétées comme des 127(128)!

    Je m'attend à ce que le zéro est toujours égale à zéro, peu importe s'il est signé ou non signé.

    Si le zéro dans int8 était noir, comment voulez-vous représenter blanc?
    Je pensais que uint8(-1) = 255. Semble comme opencv ne pas faire n'importe quel type de coulée et interprète les entiers signés et non signés différemment.
    Rappelons que tout nombre est juste un tableau de bits, et le type de données nous montre comment interpréter ce tableau. OpenCV aussi ne voit que peu de tableaux et utilise dtype de l'information à l'interprétation d'une image. Quand il voit uint8 il pense qu'il est en niveaux de gris de l'image à niveaux de gris de 0 à 127 (à partir de la plus basse à la plus haute valeur possible). Lorsque OpenCV voit int8, il interprète l'image en niveaux de gris avec des niveaux de gris de -128 à 127 (encore une fois, de la plus basse à la plus élevée). Pixels en virgule flottante image normalement avoir des valeurs entre 0 et 1. Donc, dtype est juste une façon d'interpréter un tableau de bits, et OpenCV est-il assez intuitive 😉
    Il aurait été plus intuitive, si elle a toujours typecased à uint8, depuis np.uint8(np.array([-1], np.int8)) == array([255], dtype=uint8). Mon intuition dit que 0 est un pixel noir (pas de lumière), 255 est un pixel blanc (max light). Une lumière négative n'a pas de sens pour moi, donc il devrait être typecasted non signé (ou produire une erreur). Virgule flottante interprétation est irrelavant, puisque nous parlons abount signé / non signé problème ici. Comment voulez-vous traiter "-0.5 de couleur"? En suivant votre intuition, si le type est int32, un zéro doit être aussi gris, mais il n'est pas! En fait, uint32 produire une erreur.
    Ce que j'essaie de dire, c'est que imshow utilise des règles particulières pour interpréter les matrices de types de données particulier, et ces règles sont tout à fait indépendants les uns des autres. Si vous aviez seulement int8 et pas de unit8, comment voulez-vous interpréter les valeurs? Pour moi, c'est assez intuitif à utiliser un minimum de valeur (-128) en noir et valeur maximale (+127), comme le blanc, bien que vous pouvez être en désaccord avec moi. De toute façon, c'est la façon dont il est mis en œuvre. Notez, cependant, que c'est spécifique à OpenCV. Dans PIL ou Matplotlib, par exemple, les zéros de uint8, int8 et float32 va tous être interprété comme noir.

    OriginalL'auteur Vanuan

  2. 2

    Pour un BGR image,

    img = np.zeros([height, width, 3], dtype=np.uint8)

    OriginalL'auteur Mateen Ulhaq