THRESH_OTSU mode: ‘src_type == CV_8UC1 || src_type == CV_16UC1‘ where ‘src_type‘ is 6 (CV_

图像处理：解决浮点数据类型与阈值算法不匹配问题

最新推荐文章于 2023-07-11 13:16:26 发布

原创最新推荐文章于 2023-07-11 13:16:26 发布 · 8.1k 阅读

10 ·

CC 4.0 BY-SA版权

后端专栏收录该内容

50 篇文章

订阅专栏

博客讨论了在使用OpenCV进行图像处理时遇到的问题，即数据类型不匹配导致THRESH_OTSU阈值算法失败。原始代码尝试将浮点型数据转换为灰度图像并应用高斯滤波，然后进行二值化处理。问题在于，数据读取为CV_64FC1类型，而OTSU算法期望的是CV_8UC1或CV_16UC1类型的整数数据。解决方案是将图像数据转换为无符号8位整型。修复后的代码能够正确执行二值化操作。

问题：THRESH_OTSU mode: ‘src_type == CV_8UC1 || src_type == CV_16UC1’ where ‘src_type’ is 6(CV_64FC1)

def readTif(src):
    dataset = gdal.Open(src)
    if dataset ==None:
        print(src+"文件无法打开")
    im_width =dataset.RasterXSize
    im_height = dataset.RasterYSize
    im_bands = dataset.RasterCount
    im_geotrans = dataset.GetGeoTransform()
    im_pro = dataset.GetProjection()
    im_data = dataset.ReadAsArray(0,0,im_width,im_height)
    return im_data,im_width,im_height,im_bands,im_geotrans,im_pro
    im_data,im_width,im_height,im_bands,im_geotrans,im_pro =readTif(path)
    
# img_ = cv2.imread(path,0) #灰度图输出
if im_bands > 3:
    raise str("通道数过多无法转换")
elif im_bands == 3:
    img = im_data[0,:,:] * 0.8 +im_data[1,:,:]*0.1 + im_data[2,:,:]*0.1
    # SaveRaster(outPath, img, im_width, im_height, im_pro, im_geotrans,  band=1)

blur = cv2.GaussianBlur(im_data, (5,5), 0)    # 高斯滤波
ret1, th1 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)  #方法选择为THRESH_OTSU

在这里插入图片描述

原因

从异常中发现，可能是数据的类型不一致导致的，分析算法原理

在这里插入图片描述
算法计算灰度级时，按照整数统计，且在0-255之间，但读取的数据为float类型，最终导致错误。

解决方案

img =img.astype("uint8")
ret1, th1 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)  #方法选择为THRESH_OTSU