python – Opencv – 灰度模式与灰色转换

import cv2

path = 'some/path/to/color/image.jpg'

# Load color image (BGR) and convert to gray
img = cv2.imread(path)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Load in grayscale mode
img_gray_mode = cv2.imread(path, 0)

# diff = img_gray_mode - img_gray
diff = cv2.bitwise_xor(img_gray,img_gray_mode)

cv2.imshow('diff', diff)
cv2.waitKey()

当我查看差异图像时,我可以看到左边的像素而不是黑色的喷射图像.你能说出任何理由吗？使用灰度图像的正确方法是什么.
附：当我在SIFT中使用这两个图像时,关键点是不同的,这可能导致不同的结果,特别是在处理质量差的图像时.

为了说明,我打开了这个相同颜色的JPEG图像：

一旦使用转换

img = cv2.imread(path)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

另一种是以灰度模式加载它

img_gray_mode = cv2.imread(path, cv2.IMREAD_GRAYSCALE)

就像你记录的那样,两幅图像之间的差异并不完全是0,我可以看到左右两侧的差异像素

我也总结了差异

import numpy as np
np.sum(diff)
# I got 6143, on a 494 x 750 image

我尝试了所有cv2.imread()模式

在cv2.imread()的所有IMREAD_模式中,只能使用COLOR_BGR2GRAY转换IMREAD_COLOR和IMREAD_ANYCOLOR,并且它们都给了我与IMREAD_GRAYSCALE中打开的图像相同的差异.

差异似乎并不大.我的猜测来自两种方法中数值计算的差异(加载灰度与转换为灰度)

当然,您要避免的是在特定版本的图像上微调您的代码,以发现它对于来自不同来源的图像来说是次优的.

简而言之,我们不要混合处理管道中的版本和类型.

所以我会保持图像源均匀,例如如果您从BGR中的摄像机捕获图像,那么我将使用BGR作为源,并将BGR转换为灰度转换cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

反之亦然,如果我的最终源是灰度,那么我将以灰度cv2.imread(path,cv2.IMREAD_GRAYSCALE)打开文件和视频捕获