我有一张图像的最大像素值为287.4976094062538
,最小像素值为-41.082841881780645
,我正试图将它们置于0-255
之间
我做了什么:-
- 我用最大像素值除以所有像素值,然后乘以255
- 这使得我的最高像素值为1,但我的最小像素值仍为负像素值CCD_ 4
这是一张医学图像,所以我想保留每个像素的强度,所以我不想在0-255 之间剪辑它们
但是我如何才能在不剪切的情况下将它们放在那个范围内(这会损坏图像结构(。
用CCD_ 5或CCD_。
Scikit图像具有以下功能:
https://scikit-image.org/docs/dev/api/skimage.exposure.html#skimage.exposure.rescale_intensity
最好将其重新缩放到范围(0,1(,以浮点格式进行所有处理,并在保存前转换为int8。
In [1]: from skimage.exposure import rescale_intensity
In [2]: from skimage import img_as_ubyte
In [3]: import numpy as np
In [4]: im = np.random.uniform(low=-100, high=400, size=(3,3))
In [5]: im
Out[5]:
array([[351.2177509 , 313.89196632, 241.73850855],
[-21.12284801, 97.84166107, -66.925235 ],
[267.75593733, -15.78767759, 252.63980599]])
In [6]: im = rescale_intensity(im, in_range='image', out_range=(0,1))
In [7]: im
Out[7]:
array([[1. , 0.9107344 , 0.7381775 ],
[0.10953762, 0.39404439, 0. ],
[0.80039887, 0.12229682, 0.76424824]])
In [8]: im = img_as_ubyte(im) # 8bit
In [9]: im
Out[9]:
array([[255, 232, 188],
[ 28, 100, 0],
[204, 31, 195]], dtype=uint8)
如果这是黑色&白色图像超过256个灰色阴影,我建议使用16位PNG格式并将其重新缩放到范围(65535(。
如果你有更多相似的图像,你可以使用自定义in_range,这样所有图像的重新缩放都是一致的,正如Guang建议的那样。
import numpy as np
from skimage.exposure import rescale_intensity
from skimage import img_as_uint
from imageio import imwrite
im = np.linspace(-40,288,10000).reshape(100,100)
im = rescale_intensity(im, in_range=(-100,400), out_range=(0,1))
im = img_as_uint(im) # 16bit
imwrite("image.png", im)
编辑:如果你不想使用scikit图像,你可以定义类似的功能,如下所示:
def rescale_intensity(arr, in_range=None, out_range=(0, 1)):
"""Normalize numpy array.
Returns: float array
"""
imin, imax = in_range if in_range is not None else (np.min(arr), np.max(arr))
omin, omax = out_range
if imin == imax:
raise ValueError("Cannot rescale array, imin == imax")
else:
z = omin + omax * ((arr - imin) / (imax - imin))
return np.clip(z, a_min=omin, a_max=omax)
您只对图像的正范围进行归一化,忽略负值。
您希望将以下等式应用于您的值:
mx = np.amax(img)
mn = np.amin(img)
img = (img - mn) / (mx - mn) * 255
我们首先减去最小值,使图像中的最小值变为0。接下来我们进行除法运算,将最大值设置为1。mx-mn
是数据的全部范围,因此是将最小值设置为0后数据中的最大值。