python 将图片归一化

将图像进行归一化处理是一种常见且重要的预处理步骤，在机器学习、计算机视觉等领域尤为重要。在Python中，我们可以使用各种库如PIL (Pillow) 和 OpenCV 等来进行图像处理工作。图像归一化的目的是调整像素值的范围，通常将其调整到0到1之间（或0到255等其他范围内），这样可以改善模型的表现，减少计算复杂度，并有助于提高数据的一致性和可比较性。

### 使用PIL进行图像归一化：

首先安装PIL库（如果还未安装）：

pip install pillow

然后使用以下代码对图像进行归一化处理：

from PIL import Image

# 打开图片文件
img = Image.open('image.jpg')
# 获取图片尺寸
width, height = img.size

# 创建新的黑白图存储归一化后的结果
normalized_img = Image.new("L", (width, height))

for x in range(width):
    for y in range(height):
        # 获取每个像素的颜色值，这里我们只处理灰度图，所以值是单通道的
        pixel = img.getpixel((x, y))
        
        # 归一化操作：将像素值从0~255缩放到0~1
        normalized_pixel = pixel / 255.0
        
        # 将处理后的像素值设置回新图中
        normalized_img.putpixel((x, y), int(normalized_pixel * 255))
        
# 显示归一化后的图像（可选）
normalized_img.show()

### 使用OpenCV进行图像归一化：

如果你需要在颜色空间上操作，OpenCV是一个更强大的选择。OpenCV默认支持BGR色彩空间而不是PIL的RGB，因此在处理之前可能需要转换颜色空间：

import cv2

# 加载图片
img = cv2.imread('image.jpg')

# 转换为灰度图以便简化归一化过程
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 归一化操作
gray_img_normalized = gray_img.astype(float)
max_val = np.max(gray_img_normalized)
min_val = np.min(gray_img_normalized)
gray_img_normalized = (gray_img_normalized - min_val) / (max_val - min_val)

# 将浮点数转回8位整数以保存图像
gray_img_normalized = (gray_img_normalized * 255).astype(np.uint8)

# 显示归一化后的图像（可选）
cv2.imshow('Normalized Image', gray_img_normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

###