点击上方蓝字关注我们
微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识
函数说明
OpenCV C 的图像对象Mat有一个函数convertTo可以把图像数据在不同的精度类型之间来回切换比如从字节到浮点数之间来回切换。非常方便，该函数的官方说明如下：
其中参数alpha可以让数据放缩到指定的范围内，比如从字节到浮点数类型
CV_8U 转换为CV_32Falpha=1.0/255.0时表示从0～255切换到0～1之间浮点数类型到字节类型
CV_32F 转换为CV_8Ualpha=255时表示从0～1切换到0～255之间同时该函数还有另外一个功能就是对超过范围的数据进行最大最小极限取值，低于0的取值0，大于255取值255。
但是到了Python中之后，很多人就会认为convertTo函数只是一个数据精度类型转换函数，不会太过关心细节，然后直接使用它。这样的结果往往导致一些细数据差异跟输出不一致问题出现。
C /Python对比
对一张输入图像完成Sobel滤波操作，C 实现的代码如下：
代码语言：javascript复制Mat image = imread("D:/images/dannis1.png", IMREAD_GRAYSCALE);
imshow("input", image);
Mat m1, m2;
image.convertTo(m1, CV_32F, 1.0 / 255.0);
Mat gradx;
Sobel(m1, gradx, -1, 1, 0);
gradx.convertTo(m2, CV_8U, 255);
imshow("sobel", m2);运行结果如下：
Python对应的代码如下：
代码语言：javascript复制import cv2 as cv
import numpy as np
image = cv.imread("D:/images/dannis1.png", cv.IMREAD_GRAYSCALE)
cv.imshow("input", image)
m1 = np.float32(image) / np.float(255)
gradx = cv.Sobel(m1, -1, 1, 0);
m2 = np.uint8(gradx * 255)
cv.imshow("sobel", m2)
cv.waitKey(0)
cv.destroyAllWindows()运行结果如下：
以往的经验处理方式是先对gradx做归一化然后再显示
这个时候只需添加一行代码即可获得正确结果，把代码：
m2 = np.uint8(gradx * 255)替换为：
cv.normalize(gradx, gradx, 0, 1.0, cv.NORM_MINMAX)m2 = np.uint8(gradx * 255)然后再次运行，截图如下：
但是实际结果与C 并不一致，这个时候正确修改方式如下：
m2 = np.uint8(gradx * 255)替换为：
m2 = np.uint8(np.clip(gradx * 255, 0, 255))然后再次运行，截图如下：
Python版本结果跟C 保持一致了！这个很多书上跟博文并没有人提到，所以我写出来分享一下，这个技术细节点！
扫码查看OpenCV OpenVIO Pytorch系统化学习路线图
推荐阅读
CV全栈开发者说 - 从传统算法到深度学习怎么修炼
2022入坑深度学习，我选择Pytorch框架！
Pytorch轻松实现经典视觉任务
教程推荐 | Pytorch框架CV开发-从入门到实战
OpenCV4 C 学习 必备基础语法知识三
OpenCV4 C 学习 必备基础语法知识二
OpenCV4.5.4 人脸检测 五点landmark新功能测试
OpenCV4.5.4人脸识别详解与代码演示
OpenCV二值图象分析之Blob分析找圆
OpenCV4.5.x DNN YOLOv5 C 推理
OpenCV4.5.4 直接支持YOLOv5 6.1版本模型推理
OpenVINO2021.4 YOLOX目标检测模型部署测试
比YOLOv5还厉害的YOLOX来了，官方支持OpenVINO推理
