Python

Question

我正在尝试在 python 中实现与此 post 相同的功能：link

但是，无论我尝试什么，我都无法获得顺利的结果，即使我尝试了两种实现方式、更正的 OP 之一和提供的第二个答案。

我可能遗漏了一些小东西，但我不知道是什么。

def local_norm(img, sigma_1, sigma_2):

    float_gray = img * cv2.CV_32FC1 / 255.0
    blur_1 = int(2 * np.ceil(- norm.ppf(0.05, loc=0, scale=sigma_1)) + 1)
    blurred_1 = cv2.GaussianBlur(float_gray, (blur_1, blur_1), sigma_1, sigma_1)
    temp_1 = float_gray - blurred_1

    temp_2 = cv2.pow(temp_1, 2.0)
    blur_2 = int(2 * np.ceil(- norm.ppf(0.05, loc=0, scale=sigma_2)) + 1)
    blurred_2 = cv2.GaussianBlur(temp_2, (blur_2, blur_2), sigma_2, sigma_2)
    temp_2 = cv2.pow(blurred_2, 0.5)

    float_gray = temp_1 / temp_2
    res = cv2.normalize(float_gray, 0, 255, cv2.NORM_MINMAX)
    res = res * cv2.CV_32S
    return res

我必须准确地说，最后我使用了 cv2.CV_32S 因为使用 OP 的编码我最终得到了一个黑色图像。对于其余部分，我使用相同的 sigma，2.0 和 20.0。

Answer 1

您的实现中存在一些错误，因此这是 python 中正确翻译的代码：

import cv2
import numpy as np

img = cv2.imread('lena.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

float_gray = gray.astype(np.float32) / 255.0

blur = cv2.GaussianBlur(float_gray, (0, 0), sigmaX=2, sigmaY=2)
num = float_gray - blur

blur = cv2.GaussianBlur(num*num, (0, 0), sigmaX=20, sigmaY=20)
den = cv2.pow(blur, 0.5)

gray = num / den

cv2.normalize(gray, dst=gray, alpha=0.0, beta=1.0, norm_type=cv2.NORM_MINMAX)

cv2.imwrite("./debug.png", gray * 255)

输出：

Python - OpenCV 中的局部归一化

Python - Local Normalization in OpenCV

opencv

normalization