注意:这不是重复,因为OP知道来自cv2.imread的图像是BGR格式(不同于建议的重复问题,假设它是RGB,因此提供的答案仅解决该问题)
为了说明,我打开了这个相同颜色的JPEG图像:
一旦使用转换
img = cv2.imread(path)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
另一种是以灰度模式加载它
img_gray_mode = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
就像你记录的那样,两幅图像之间的差异并不完全是0,我可以看到左右两侧的差异像素
我也总结了差异
import numpy as np
np.sum(diff)
# I got 6143, on a 494 x 750 image
我尝试了所有cv2.imread()模式
在cv2.imread()的所有IMREAD_模式中,只能使用COLOR_BGR2GRAY转换IMREAD_COLOR和IMREAD_ANYCOLOR,并且它们都给了我与IMREAD_GRAYSCALE中打开的图像相同的差异.
差异似乎并不大.我的猜测来自两种方法中数值计算的差异(加载灰度与转换为灰度)
当然,您要避免的是在特定版本的图像上微调您的代码,以发现它对于来自不同来源的图像来说是次优的.
简而言之,我们不要混合处理管道中的版本和类型.
所以我会保持图像源均匀,例如如果您从BGR中的摄像机捕获图像,那么我将使用BGR作为源,并将BGR转换为灰度转换cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
反之亦然,如果我的最终源是灰度,那么我将以灰度cv2.imread(path,cv2.IMREAD_GRAYSCALE)打开文件和视频捕获