cada blog, cada lema: Simplemente vive tu vida porque no vivimos dos veces.
0. Prefacio
En el aprendizaje profundo, específicamente en la segmentación semántica, las etiquetas suelen ser de un solo canal. La siguiente es una introducción al método general de lectura y visualización.
Más imágenes de conocimientos relacionados se refieren a conocimientos básicos
1. Texto
1.1 Método 1: matplotlib
import matplotlib.pyplot as plt
import matplotlib.image as mp
def show_img(path):
""" 读取并展示图片
:param path: 图片路径
:return:
"""
img = mp.imread(path)
print('图片的shape:', img.shape)
plt.imshow(img)
plt.show()
show_img(y_path)
resultado:
1.2 Método dos: opencv
def image_normalization(img, img_min=0, img_max=255):
"""数据正则化,将数据从一个小范围变换到另一个范围
默认参数:从(0,1) -> (0,255)
:param img: 输入数据
:param img_min: 数据最小值
:param img_max: 数据最大值
:return: 返回变换后的结果结果
"""
img = np.float32(img)
epsilon = 1e-12
img = (img - np.min(img)) * (img_max - img_min) / ((np.max(img) - np.min(img)) + epsilon) + img_min
return img
def show_img3(path):
""" 利用opencv 读取并显示单通道图片
:param path: 图片路径
:return:
"""
# 读取图片
img = cv.imread(path, cv.IMREAD_UNCHANGED)
# 将图片的值从一个小范围 转换到大范围
img = image_normalization(img)
# 改为uint8型
img = img.astype('uint8')
# 显示
cv.imshow('single channel', img)
cv.waitKey(0)
show_img3(y_path)
referencias
[1] https://blog.csdn.net/weixin_39190382/article/details/105917690
[2] https://www.jb51.net/article/102981.htm