图像处理_如何保存浮点型数值的图像？ (C++ / OpenCV)

﹏ヽ暗。殇╰゛Y 2023-01-09 01:05 411阅读 0赞

**目录**

前言

方式1

结果

方式2

结果

--------------------

# 前言 #

保存浮点型的图像,比如保存深度图,深度值不是整数的情况. 但一般的图像格式(png jpg等)只能保存整数类型的数值,因为要显示出来的话,需要与整数类型的颜色表一一对应.这里给出两种方式.

# 方式1 #

将对应的数值整数化,即乘以一个值,转成整数,保存起来,在使用时再除以这个整数(比如256)

#include <opencv2/opencv.hpp>
    #include <cstdlib>
    #include <ctime>
    
    int main_png(int argc, char **argv)
    {
    	cv::Mat depthMapPng = cv::Mat::zeros(600, 800, CV_16UC1); // data range: 0~65526
        for (size_t i = 0; i <depthMapPng.rows; ++i)
        {
            for (size_t j = 0; j <depthMapPng.cols; ++j)
            {
                srand(i*j);
                float value = rand()%6000;
                depthMapPng.ptr<int>(i)[j] = value;
            }
        }
        cv::imwrite("test.png",depthMapPng); //uint16
    
    }

## 结果 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70][]

# 方式2 #

使用**tiff格式**直接保存浮点型数值,但用一般的视图工具打开显示时,会很奇怪.

int main(int argc, char **argv)
    {
        cv::Mat depthMapPng = cv::Mat::zeros(600, 800, CV_32FC1); 
        for (size_t i = 0; i <depthMapPng.rows; ++i)
        {
            for (size_t j = 0; j <depthMapPng.cols; ++j)
            {
                srand(i*j);
                float value = rand()%6000 + 0.1;
                depthMapPng.ptr<float>(i)[j] = value;
            }
        }
        cv::imwrite("test_float.tiff",depthMapPng);
    
    }

## 结果 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1][]

# 方式3 #

假设读取的是png 16位深度图，想要保存成**float 32位**的浮点型图像

cv::Mat imDepth = cv::imread("1.png",cv::IMREAD_UNCHANGED);
    imDepth.convertTo(imDepth,CV_32F,scaleFactor); //scaleFactor为尺度因子,缩放用,可设为1
    cv::imwrite("1.tiff", imDepth);

# 其他参考 #

*  [如何保存浮点型数值的图像？ (Python的/ PIL)][_Python_ PIL]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70]: /images/20221119/243587fca9c84938b75fd7e5a47697ee.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1]: /images/20221119/efc770806c5e4b8fa50a625a5e6c0c41.png
[_Python_ PIL]: https://blog.csdn.net/shyjhyp11/article/details/109391258