python把灰度图像变成0-1灰度图像

可以使用以下代码将灰度图像变成0-1灰度图像：

import cv2

# 读取灰度图像
img_gray = cv2.imread('gray_image.png', cv2.IMREAD_GRAYSCALE)

# 将灰度图像转换为0-1灰度图像
img_binary = cv2.threshold(img_gray, 0, 1, cv2.THRESH_BINARY)[1]

# 显示0-1灰度图像
cv2.imshow('0-1 Gray Image', img_binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`cv2.threshold()`函数可以将灰度图像二值化，第一个参数为原始灰度图像，第二个参数为阈值，第三个参数为最大值，第四个参数为二值化方式。在本例中，阈值为0，最大值为1，二值化方式为`cv2.THRESH_BINARY`，即将大于阈值的像素值设为最大值，小于等于阈值的像素值设为0。最终得到的`img_binary`就是0-1灰度图像。

相关问题

测量压缩前后灰度图像的MS-SSIM

要测量压缩前后灰度图像的 MS-SSIM，可以使用 `skimage` 库中的 `compare_ssim()` 方法。具体步骤如下：

1. 安装 `skimage` 库：

使用 pip 命令安装 `skimage` 库：

pip install scikit-image

2. 导入 `skimage` 库并读取原始图像和压缩后的图像：

from skimage import io, img_as_float
from skimage.measure import compare_ssim

# 读取原始图像和压缩后的图像
img_original = img_as_float(io.imread('original_image.png', as_gray=True))
img_compressed = img_as_float(io.imread('compressed_image.jpg', as_gray=True))

在上面的代码中，我们使用 `io.imread()` 方法读取原始图像和压缩后的图像，并使用 `img_as_float()` 方法将像素值归一化到 [0, 1] 区间。

3. 计算 MS-SSIM 值：

# 计算 MS-SSIM 值
ms_ssim = compare_ssim(img_original, img_compressed, multichannel=False)

print('MS-SSIM:', ms_ssim)

在上面的代码中，我们使用 `compare_ssim()` 方法计算原始图像和压缩后的图像的 MS-SSIM 值，并将其输出到控制台。

需要注意的是，MS-SSIM 值越接近 1，说明压缩后的图像与原始图像的质量越接近。当 MS-SSIM 值为 1 时，说明压缩后的图像与原始图像完全相同。

pytorch把cifar10灰度范围从0-255变换到0-1之间

可以使用torchvision.transforms.Normalize()函数来完成这个变换，具体代码如下：

import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 将RGB范围从0-1变换到-1到1之间
])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)

这里的Normalize()函数将RGB范围从0-1变换到-1到1之间，因为CIFAR10数据集是RGB图像，而不是灰度图像。如果想要将灰度范围从0-255变换到0-1之间，可以使用transforms.Normalize((0.5,), (0.5,))，这样只需要对单通道灰度图像进行变换即可。