python图像归一化处理 如何利用opencv对图像进行灰度归一化呢？
如何利用opencv对图像进行灰度归一化呢？
对比度？如果只是随机检查，那就是直方图。它可以被bgr2gray或bgr2hsv/HLS展平以获得单通道图像。或者将直接彩色RGB图像分为三个通道分别计算。为了平衡对比度的方法，有直方图均衡化和另外一种算法，叫白化之类的，很少使用，但在特定情况下效果更好。[现在躺在床上，我不记得它到底叫什么了]如果将来需要二值化，可以直接选择大津大律自适应二值化或三角形自适应二值化。它们有不同的特点。此外，在某些情况下，这种全局自适应二值化是不平衡的。或者在去除背景后分别计算上述两种算法的全局自适应二值化阈值。特定的场景需要特定的算法。至于什么时候用什么，你得自己试试。别问我。用我导师的话来说，“图像处理是一个经验算法，你只能通过更多的尝试才能知道。”。顺便说一句：对比度均衡化的效果通常不好，会带来噪音，影响后续的操作，会丢失一些原始图像的信息，所以我一般不做对比度均衡化/直方图归一化。
如何进行数据的归一化处理？
首先，测试集的标准化平均值和标准偏差应来自训练集。如果您熟悉Python的sklearn，您应该知道应该首先对训练集数据进行拟合，得到包括均值和标准差的定标器，然后分别变换训练集和验证集。这个问题其实很好。很多人不注意。最容易犯的错误是在划分训练测试集之前进行规范化。
第二个问题是不同归一化方法的选择，如均值方差归一化、最大最小归一化等。归一化的目的是调整每个场之间的数量级差异。均值-方差归一化可能更适合不知道数据边界在哪里的情况。最大和最小规格化相当于积分到01，这意味着您知道该字段的边界在哪里。所以我个人更喜欢均值方差的标准化。我只是凭经验说的，不一定是对的。
python图像归一化处理 python归一化处理 python归一化函数
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
