python-3.x - 当最大像素值小于65535时，如何规范化uint16图像并将其转换为uint8？

Question

我需要将图像从uint16转换为uint8，以便在uint16图像的最大像素值不是65535(小于该值)(实际上是2970)时将其保存到磁盘。我注意到scikit-image具有用于这种转换的方法 img_as_ubyte 。似乎此方法将65535转换为255，并且所有值均与之成比例。问题是图像的最大值2000转换为12，会损失很多分辨率。我也在考虑将图像保存为numpy

我尝试使用建议的scalet函数here和cv2.normalize函数。但是，我注意到cv2.normalize函数创建了一个图像 dtype = uint16 。

另外，我检查了来自matlab的mat2gray和cv2.normalize与mat2gray相比，比普通python中具有normalize函数的方法更相似。

使用普通python:

orig_min = mammogram_dicom.min()
orig_max = mammogram_dicom.max()
target_min = 0.0
target_max = 255.0
mammogram_scaled = (mammogram_dicom-orig_min)*((target_max- 
target_min)/(orig_max-orig_min))+target_min
mammogram_uint8_by_function = mammogram_scaled.astype(np.uint8)

我觉得使用np.uint8很奇怪，我宁愿不使用它，但这是我进入uint 8的唯一方法

对于cv2.normalized，我还必须使用np.uint8来获取uint8:

mammogram_uint8_by_cv2 = np.zeros(mammogram_dicom.shape).astype(np.uint8)
mammogram_uint8_by_cv2 = cv2.normalize(mammogram_dicom, None, 0, 255, cv2.NORM_MINMAX)

有没有更好的方法可以在uint8中将此图像转换为uint16？

我期望在matlab中与mat2gray类似或更好的行为。我对来自matlab的同一图像和使用上述代码计算出的图像进行了比较。 Cv2标准化是最相似的一种。具有重缩放功能的方法-我称之为“纯python”-看起来与肉眼相似，但有所不同:
mat2gray_from_matlab_image-plain_python_image

有一些差异，值为1像素

有没有办法标准化scikit-image中的图像？

Answer 1

1)OpenCV解决方案

如果未指定normalize，则OpenCV dtpye 返回与源类型相同的图像。要将uint16标准化为uint8而不使用numpy，请使用:

mammogram_uint8_by_cv2 = cv2.normalize(mammogram_dicom, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

2)Skimage解决方案

首先将图像 rescale 完整显示，然后使用 uint8 将其转换为 img_as_ubyte:

from skimage import exposure, img_as_ubyte
mammogram_uint8_by_ski = img_as_ubyte(exposure.rescale_intensity(mammogram_dicom))