python opencv-图像数据归一化 - CSDN文库

6 浏览量更新于2023-05-03 3 收藏 71KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

python opencv-图像数据归一化图像数据归一化

1.1.定义：归一化把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。

1.2.优点：归一化使数据有可比性，同时又保持相比较的两个数据之间的相对关系

转换成标准模式，防止仿射变换的影响。

减小几何变换的影响;加快梯度下降求最优解的速度,收敛加快

1.3.作用：归纳统一样本统计分布;归一化在0-1是统计概率分布;归一化在某区间上是统计的坐标分布

1.4.方法：

1）线性函数转换：y=(x-MinValue)/(MaxValue-MinValue)

2）对数函数转换：y=log10(x)

3）反余切转换： y=atan(x)*2/PI

4）Z-score正态标：y=(x-x_mean)/std

5）Sigmoid函数： yt=1/(1+e^(-x))

2.函数

dst =cv2.normalize(src,dst [,double alpha=1,double beta=0,int norm_type,int dtype,mask])

用途：归一化数据。该函数分为范围归一化与数据值归一化

参数：

src 输入数组

dst 输出数组，数组的大小和原数组一致；

alpha 1,用来规范值，2.规范范围，并且是下限；

beta 只用来规范范围并且是上限

norm_type 归一化选择的数学公式类型；

1）NORM_MINMAX;（依据是：delta=max-min,也即最小值为0，最大值为1）最常用

NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化。

比如归一化到（min,max）范围内:(X-min(X))*(max-min)/(max(X)-min(X))+min

2）NORM_INF;（切比雪夫距离）L∞范数(绝对值的最大值) X/max(abs(X))

3）NORM_L1;（曼哈顿距离）L1-范数(绝对值的和) X/sum(abs(X))

4）NORM_L2;（依据是：单位向量为1，也即每个数除以根号下所有数的平方和）

(欧几里德距离)L2-范数 X/sqrt((sum(X^2)))

dtype 为负输出数组type与输入数组type相同；为正仅通道数相同而tpye=CV_MAT_DEPTH(dtype).

mark 掩码。选择感兴趣区域，选定后只能对该区域进行操作。

说明：

1）NORM_MINMAX多用于密集阵列；可用范围归一化和值归一化

2）其他3项多用于稀疏矩阵；，仅分析和转换非零值。因此，不允许对稀疏矩阵进行范围转换

若用范围将输出全部是0

3）范围归一化用:image/max(image)*255 设范围为【0，255】即把src缩放到【0，255】这个范围内

beta>alpha

2.实例：

#！/usr/bin/env python3

# -*- coding: utf-8 -*-

# @Author: tcy

# @Date: 2020-5-2 22:00:53

# @Version:V1.01

# @Last Modified by: tcy

# @Last Modified time: 2020-5-3 4:39:53

import cv2,numpy as np

import skimage as sk

class Color:

def minmaxNormalization(self,image):

Max=image.max()

Min=image.min()

return (image - Min) / (Max - Min)

def L1Normalization(self,image):

return image/np.abs(image).sum()

def L2Normalization(self,image):

tmp=np.sqrt(np.sum(np.power(image,2)))

return image/tmp

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

weixin_38725260

粉丝: 2
资源: 909

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈