将标准化应用于RGB图像并将RGB图像作为输出

Question

我的问题非常简短而且非常幼稚，但我在互联网上找到了截然不同的答案。对RGB图像进行标准化的最有效（并且实际上在计算机视觉社区中使用）的方法是什么 这个问题来自于PCA或甚至对比度归一化等算法在2D版本中经常被描述的事实。 因此，对于白化/全局对比度归一化或任何您希望预处理图像以提供给您喜欢的统计方法的方法：您是单独考虑每个通道还是将深度为3的物体重新塑造为矩形2D阵列（深度 - 1）（以及如何在保留结构的同时做到这一点）做你的事情，然后把它分成以前的形状？

我认为每种方法都有其优点，考虑到整体图像看起来更有意义，但分别应用于每个频道更简单。

Answer 1

你的问题没有简单的答案。

对于大多数任务，在单独的RGB或HSI通道上操作就足够了。无论如何，图像处理中的大多数图像都是灰度级，因此大多数算法都期望灰度输入 在大多数情况下，预处理的唯一目的是将信息减少到必要的最小值。因此，不存在具有保留结构的“返回其前一种形状”的RGB输出。至少在我的世界里。 如果您想要RGB输入的RGB输出，您将实现一个对RGB值进行操作的函数。除非您可以将计算减少到灰度并且已经实现了必要的灰度函数。 如何将图像重塑为2D阵列？通常图像是2D阵列......

Answer 2

我将针对ZCA美白做出我的回答，但我想其他人也是如此： 由于PCA的输入具有具有（nsamplesxfeatures）维度的2D矩阵的形状。我想过将RGB通道用作nsamples，并将那些通道中的图像展平为特征 答案似乎是使用nsamples作为nsamples（如果你有几个RGB图像，你拥有的图像数量），并使用完全展平为平面的RGB图像。
这个答案让我相信，如果你想要标准化图像，你应该使用图像的一般均值和一般标准偏差，而不是分别考虑每个通道。 如果有人不同意他可以自由发表评论，我同意我的问题有点过于宽泛。