关于深度图/视差图转为伪彩色的方法

今天实验跑完后生成了深度图，但是深度图很难看清，所以需要伪彩色增强，搞了半天最后是搞出来了。首先得到深度图后要看位深度是16还是8。一般灰度图位深度是8，但是有一些是16。在转换的时候有可能会出现错误，在做伪色彩增强的时候如果将16位转成8位图像，再用转换来的八位图像做增强的话会出现错误，转换出来的效果就是红色图所示。

而在代码中16位变成8位再增强的话就会得到正确结果，如蓝色图所示。最后分别附上8位图像和16位图像转换的代码

8位图像增强：

import cv2
import os.path
import glob
import numpy as np
from PIL import Imagedef convertPNG(pngfile, outdir):# 读取灰度图im_depth = cv2.imread(pngfile)# 转换成伪彩色（之前必须是8位图片）# 这里有个alpha值，深度图转换伪彩色图的scale可以通过alpha的数值调整，我设置为1，感觉对比度大一些im_color = cv2.applyColorMap(cv2.convertScaleAbs(im_depth, alpha=1), cv2.COLORMAP_JET)# 转成pngim = Image.fromarray(im_color)# 保存图片im.save(os.path.join(outdir, os.path.basename(pngfile)))for pngfile in glob.glob("F:/GASDA-master/results/original_02/*.png"):convertPNG(pngfile, "F:/GASDA-master/results/original_02_result")

16位图像增强：

import cv2
import os.path
import glob
import numpy as np
from PIL import ImagePNG_FILE = 'F:/GASDA-master/results/original_02/*.png'
TARGET_FILE = 'F:/GASDA-master/results/original_02_result'
def convertPNG(pngfile,outdir):#读取16位深度图（像素范围0～65535），并将其转化为8位（像素范围0～255）uint16_img = cv2.imread(pngfile, -1)    #在cv2.imread参数中加入-1，表示不改变读取图像的类型直接读取，否则默认的读取类型为8位。uint16_img -= uint16_img.min()uint16_img = uint16_img / (uint16_img.max() - uint16_img.min())uint16_img *= 255#使得越近的地方深度值越大，越远的地方深度值越小，以达到伪彩色图近蓝远红的目的。uint16_img = 255 - uint16_img# cv2 中的色度图有十几种，其中最常用的是 cv2.COLORMAP_JET，蓝色表示较高的深度值，红色表示较低的深度值。# cv.convertScaleAbs() 函数中的 alpha 的大小与深度图中的有效距离有关，如果像我一样默认深度图中的所有深度值都在有效距离内，并已经手动将16位深度转化为了8位深度，则 alpha 可以设为1。im_color=cv2.applyColorMap(cv2.convertScaleAbs(uint16_img,alpha=1),cv2.COLORMAP_JET)#convert to mat pngim=Image.fromarray(im_color)#save imageim.save(os.path.join(outdir,os.path.basename(pngfile)))print(os.path.basename(pngfile))for pngfile in glob.glob(PNG_FILE):#C:/Users/BAMBOO/Desktop/source pics/rgbd_6/depth/*.pngconvertPNG(pngfile, TARGET_FILE)#C:/Users/BAMBOO/Desktop/source pics/rgbd_6/color

最后做完增强之后就能看的比较清晰了

关于深度图/视差图转为伪彩色的方法相关推荐

视差图转为深度图_纽劢研习社 | 深度图的非深度讲解
本期话题:深度图内容要点 1. 深度图基础知识 2. 不同的技术路径传统方法早期深度学习方法当前深度学习方法结合时序信息的深度学习方法 3. 深度估计的主要模块对很多人来说,自动驾驶早已不 ...
视差图转为深度图_Parallax Mapping视差映射：模拟冰块
继续练习一个模拟冰块的效果,模拟的是一个不透明内部有杂质的冰块,内部杂质用视差映射来实现,表面就是简单的法线贴图+Cubemap反射采样,也可以直接只计算高光不反射图案.文章会把视差映射讲一下,算是对 ...
立体图像——NCC匹配方法计算视差图
文章目录一.什么是立体图像二.以窗口代价计算视差的原理三.归一化互相关(NCC)算法匹配原理四.实验 1.实验要求 2.实验代码 3.实验结果五.实验小结一.什么是立体图像一个多视图成像 ...
视差图转换为深度图公司_视差刻录：使用SVG将照片从2D转换为3D
视差图转换为深度图公司 Last week we talked about ZorroSVG, a tool for converting your chunky transparent PNG-32 ...
双目立体视觉建立深度图_计算机视觉实验五双目立体匹配获得视差图，深度图...
完整源码链接 https://github.com/LamyaLi/cvLab 文章目录一. 立体匹配的研究背景及意义二. 立体匹配算法的基本实现思想 1.误差能量函数 2.基于最小平均误差能量的 ...
2019-9-29 opencv摄像机标定与三维重构4-Depth Map from Stereo Images立体图像中的深度图（视差图）
官网参见https://docs.opencv.org/3.4.1/dd/d53/tutorial_py_depthmap.html 上一节中,我们学习了极线约束的概念和相关术语.主要包含:如果我们有 ...
iconfont 图标转为字体_阿里巴巴Iconfont矢量图转为字体图标的方法
我们在做网站时,网站里会有很多的小图标,通常这些小图标会使用小图片来制作,但修改起来比较麻烦.所以现在很多网站都使用字体图片来制作小图标. 今天学做网站论坛介绍一下阿里巴巴Iconfont矢量图转为字 ...
立体匹配入门指南（8）：视差图、深度图、点云
本篇是比较简单的基础概念,刚入门的朋友可能是需要的. 视差图三维点云首先,我们要介绍下这三个概念. 视差(disparity) 视差 ddd 等于同名点对在左视图的列坐标减去在右视图上的列坐标,是 ...
视差图（Disparity）三维重投影得到特征点的三维空间坐标的2种方法
文章目录前提方法1-perspectiveTransform() 方法2-reprojectimageto3d() PS 参考前提 1.使用BM或者SGBM算法计算得到了双目图像的合适左右视差图 ...
openMVS深度图计算：DenseReconstruction Estimate之EVTEstimateDepthMap之视差图初始化
视差图初始化 1 对图像下采样 2 TriangulatePoints2DepthMap(对稀疏点三角化.栅格化.对depthMap进行插值) 3 三角网格栅格化本文讲的是TSGM的视差图初始化,采 ...

关于深度图/视差图转为伪彩色的方法

关于深度图/视差图转为伪彩色的方法相关推荐

最新文章

热门文章