OpenCV计算I(x,y)/Io(x,y)时出现NaN及图像显示差异问题

一、cv2.meanStdDev返回NaN的原因及解决 #

核心原因 #

分母图像Io(x,y)中存在0值像素，导致除法运算生成NaN：
尼康NEF原始图像转灰度后，暗部区域（比如未校准的黑场、死像素）可能出现0值。当使用cv2.divide做除法时，0作为分母会直接产生NaN值，而cv2.meanStdDev无法处理包含NaN的数组，因此返回NaN。

解决办法 #

1. 给分母加极小偏移量：
   将图像转成浮点型后，给所有像素添加一个极小的非零值（比如1e-6），彻底避免除以0的情况：

   import rawpy
   import cv2
   import numpy as np
   
   # 读取原始图像并转灰度
   with rawpy.imread('init.nef') as raw:
       init_rgb = raw.postprocess()
   Io = cv2.cvtColor(init_rgb, cv2.COLOR_RGB2GRAY).astype(np.float32) + 1e-6
   
   with rawpy.imread('brut.nef') as raw:
       brut_rgb = raw.postprocess()
   I = cv2.cvtColor(brut_rgb, cv2.COLOR_RGB2GRAY).astype(np.float32)
   
   # 执行除法
   test = cv2.divide(I, Io)
   

2. 用numpy除法过滤0分母：
   使用np.divide的where参数，指定仅在分母非0时执行除法，0分母的位置设为默认值（比如0）：

   test = np.divide(I, Io, out=np.zeros_like(I, dtype=np.float32), where=Io != 0)
   

二、matplotlib与cv2.imshow显示差异的原因及解决 #

核心原因 #

两者对图像数据的处理逻辑完全不同：

1. 数据范围与类型解析不同：
   • cv2.imshow仅正确显示两种格式：8位无符号整数（0-255）、32位浮点（0.0-1.0）。如果你的test是浮点型且范围超出0-1（比如I比Io亮，导致部分像素值>1），cv2.imshow会直接截断超出部分，显示为白色；而matplotlib.pyplot.imshow会自动将整个图像的像素值归一化到0-1范围后显示，所以明暗效果不同。
   • 若test是16位整数，cv2.imshow会自动缩放到8位显示，matplotlib则默认按原始数值处理，导致亮度差异。
2. 默认颜色映射不同：
   cv2.imshow显示灰度图用线性灰度映射，而matplotlib默认使用viridis彩色映射（除非手动指定cmap='gray'），这会直接导致视觉上的颜色差异。

解决办法 #

1. 统一数据格式与范围：
   将test归一化到0-1浮点型或0-255的8位整数，确保两者解析规则一致：

   # 归一化到0-1浮点型
   test_norm = cv2.normalize(test, None, 0.0, 1.0, cv2.NORM_MINMAX, dtype=cv2.CV_32F)
   # 或者转成0-255的8位整数
   test_8bit = cv2.normalize(test, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
   

2. 统一显示设置：

   • 使用matplotlib时指定灰度映射：

     import matplotlib.pyplot as plt
     plt.imshow(test_norm, cmap='gray')
     plt.show()
     

   • 使用cv2.imshow直接显示归一化后的图像：

     cv2.imshow('test', test_norm)
     cv2.waitKey(0)
     cv2.destroyAllWindows()
     

   这样两者的显示效果就会一致。

内容的提问来源于stack exchange，提问作者Suntory