使用OpenCV Python对灰度图像进行假设

我试图使用opencv在python中对一个图像进行后期处理，经过一段时间的搜索，我发现了一条线索。但正如你们看到的rgb图像，我得到的是一个灰度图像，不管怎样，我做了，得到了奇怪的输出。我调整了代码中的一些地方，得到了更奇怪的输出。有人能解释一下发生了什么事吗

编辑：

我的代码

import numpy as np
import cv2

img = cv2.imread('Lenna.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Z = np.float32(gray)

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8
ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

center = np.uint8(center)
res = center[label.flatten()]

cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入图像：

输出图像：

---

如果您进一步查看示例，您可以找到如下解决方案：

import numpy as np
import cv2

img = cv2.imread('Lenna.png')

Z = img.reshape((-1,3))

# convert to np.float32
Z = np.float32(Z)

# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8


ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

# Now convert back into uint8, and make original image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))

cv2.imshow('res2',res2)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，此处的重塑将考虑RGB图像

有人能解释一下发生了什么事吗

Kmeans输入是一个向量向量，或者在很多情况下是一个像素向量或2D/3D点向量。在代码中传递的是一个图像，它是一行中值的向量。这就是为什么你会得到这种奇怪的价值观

你能做什么？ 简单地说，将输入重塑为灰度值的一维向量

Z = img.reshape((-1,1))

---

这样，它将尝试使用每个灰色值作为输入来对它们进行聚类（分组），然后相应地标记每个值

在我看来，你想要的是某种图像量化。我认为你可以通过使用垃圾箱来实现这一点。这也有助于了解什么是奇怪的输出和变化，也许你可以发布一张图片或其他东西，以及一些你用来解释发生了什么的代码。是的。量化是一个恰当的词p您缺少重塑部分

Z=img。在您的情况下，重塑（-1,3））

是1而不是3（1个通道而不是3）。如果你不这样做，那么你是在传递奇怪的向量（我认为是行），你是对的，伙计。。成功了……）