图像的标准化

Question

我在灰度图像上应用了一些操作，现在我得到了新值，但问题是强度值现在小于0,0到255之间且大于255.对于[0-255]之间的值没有问题，但强度值<1。 0和强度值＆gt; 255存在问题，因为这些值不能出现在灰度图像中。

因此，我需要对这些值进行标准化，以便所有值为负数或大于255或其他任何值都在0到255范围内，以便显示图像。

为此，我知道两种方法：

方法＃1

newImg = ((255-0)/(max(img(:))-min(img(:))))*(img-min(img(:)))

其中min(img(:))和max(img(:))是对输入图像img执行某些操作后获得的最小值和最大值。 min可以小于0，max可以大于255。

方法＃2

我只是将小于0的所有值设为0，将所有大于255的值设为255，所以：

img(img < 0) = 0;
img(img > 255) = 255;

我尝试使用这两种方法但是我使用第二种方法获得了良好的结果，但没有使用第一种方法。你们中的任何人都可以告诉我这是什么问题吗？

Answer 1

这完全取决于图像内容本身。这两种方法都有效，可确保值范围介于[0,255]之间。但是，在您决定使用何种方法之前，您需要问自己以下问题：

问题＃1 - 是什么是我的形象？

您需要问的第一个问题是您的图片代表什么？例如，如果这是边缘检测器的输出，则您选择的方法将取决于结果中看到的值的动态范围（更多见于问题＃2）。例如，如果像素分布良好且方差较小，则最好使用第二种方法。但是，如果动态范围稍微小一些，那么您将要使用第一种方法来提高结果的对比度。

如果输出是图像减法，那么最好使用第一种方法，因为您想要可视化像素之间的确切差异。截断结果不会让您很好地了解差异。

问题＃2 - 值的动态范围是什么？

您需要注意的另一件事是有多宽最小值和最大值的动态范围。例如，如果最小值和最大值与[0,255]的限制相差不远，那么您可以使用第一种或第二种方法，但您不会注意到差异。但是，如果您的值在[0,255]范围内的小范围内，那么第一种方法会增加对比度，而第二种方法不会做任何事情。如果你的目标是增加图像的对比度，如果强度在有效[0,255]范围内，那么你应该采用第一种方法。

但是，如果您的最小值和最大值距离[0,255]范围相当远，例如min=-50和max=350，则第一种方法不会出现问题很好 - 如果灰度强度有很大差异，尤其。我的意思是巨大的差异是你会有高范围的值，低范围的值，没有别的。如果你使用第一种方法重新缩放，这意味着最小值被推到0，最大值被缩小到255，其余的强度在两者之间缩放，因此对于那些较低的值，它们会被缩放以便它们＆＃ 39;重新显示为灰色。

问题＃3 - 我是否有干净或嘈杂的图像？

这是很少有人想到的。你的形象很干净，还是有几个虚假的嘈杂斑点？当涉及到噪声像素时，第一种方法非常糟糕。如果您只有几个像素值具有非常大的值但其他像素在[0,255]范围内，则会使所有其他像素相应地重新缩放，从而降低图像的对比度。您可能希望忽略这些像素所做的贡献，因此第二种方法更可取。

结论

因此，您所谈到的这两种方法都没有错。您需要了解图像是什么，检查输出时看到的值的动态范围以及这是否是清晰或嘈杂的图像。你只需要做出明智的选择，牢记这两个因素。所以在你的情况下，第一个输出可能不起作用，因为你有非常大的负值和大的正值，也许这些值也很少。对您的应用程序执行截断可能更好。