Opencv Numpy Uint8和float型对显示图像(cv.imshow)的影响

发现两个问题

在昨天做实验的内容时，图像部分显示很奇怪，该亮的地方是黑色的（使用np.uint8后溢出导致的），以及不该亮的画面，出现过分亮的样子(矩阵中元素是浮点数导致的)

该亮的地方是黑色的

出现过分亮的样子

dtype = float

其实不仅是定义了类型，在进行矩阵运算的过程中，数值也很容易变成浮点数，如果没有对图像数据定义为uint8，会出现整个画面过白的情况，详情见cv.imshow使用手册内容：

红圈部分说明了，如果数据是浮点数，cv.imshow会把数值×255，因为他默认你的浮点数位于0~1之间，×255后，就可以在0到255之间了。

但是如果我们的数据是大于1的呢？是20呢？也会×255，这样那个位置的灰度值必大于255，所以会显示成白色。

小小测验，定义四个区域，灰度值分别为0.0, 0.3，1.01, 15。对于前两个浮点数，×255后，仍在可显示范围内，对于1.01×255>255，应该显示白色，15.0×255＞255，应该显示白色。实验验证如下：

解决办法就是，在定义图像时，把他的类型定义成np.uint8型，如下：

	img = np.ones([500, 500, 1], dtype=np.uint8)

但是uint8型也有其问题，下面继续说。

dtype = np.uint8

今早看到大佬总结的np.uint8
其实把我想表达的都说了，np.uint8会把高位部分砍掉，意思就是，比如图像进行矩阵运算后，得到某点的灰度值为260，那他实际存储值为：260 - 256 = 4，以为他会是白色的，事实上显示出来是黑色的。

验证如下：定义四个区域，灰度值分别为


从实际输出也可以看出来，并没有按照想象中的白色输出，而是显示成了黑色。
上面链接里，大佬也给出了他的解决办法：

	cv2.normalize(img, out, 0, 255, cv2.NORM_MINMAX)
	np.array([out],dtype=‘uint8’)

这样是可以的，先对数据处理后，再改变数据类型，同样的，可以使用：

	np.clip(a, a_min, a_max)
	np.array([out],dtype=‘uint8’)

也可以实现相应的效果，基于能力有限，目前没想到其他解决的好办法。

np.ones定义图像

最后，关于np.ones定义图像时，如果没有定义类型，他默认输出的是浮点数型，浮点数型可能就会导致我上述说的错误，需要注意下。

	>>> a = np.ones([2,2,1])
	>>> print(a)
	[[[1.]
	  [1.]]
	
	 [[1.]
	  [1.]]]

定义类型后：

	b = np.ones([2,2,1], dtype = np.uint8)
	>>> print (b)
	[[[1]
	  [1]]
	
	 [[1]
	  [1]]]
	>>> 

补充更新（2020.11.16）

今天做图像减法的时候遇到的，当时就想了一下，如果减出负数的话，uint8会怎么样？（因为uint8是无符号的嘛，只能存储0~255），测验了一下，负数的话，输入-1，输出255，输入-255，输出1。

那么如果：
输入-N，（-256<N<0）
输出的值是256-N。
输入-N，（N<-256）
先把输入加上256的倍数，加到（-256，0）这个范围内，再带进上式
OK！

本文是本人小总结，有不足的地方欢迎批评指正！