我正在尝试在不剪裁像素值的情况下对其进行操作

Question

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_。

Answer 1

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)

Answer 2

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。