Question

我正在尝试使用cv2.normalize函数将零均值和单位方差的灰度图像数组标准化，如下所示

out_image = np.zeros((32,32),dtype=np.float32)
out_array = np.zeros((len(X),32,32), dtype=np.uint8)        
for imageindex in range(0,len(X)): 
    img = X[imageindex].squeeze()
    if proctype == 'MeanSubtraction':
        out_image = img.astype(np.float32) - np.mean(img.astype(np.float32))
    elif proctype == 'Normalization':
        out_image = cv2.normalize(img.astype(np.float32), out_image, alpha=-0.5, beta=0.5,\
                                             norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F)
    elif proctype == 'HistEqualization':
        out_image = cv2.equalizeHist(img)

    elif proctype == 'CLAHE':
        clahe = cv2.createCLAHE(tileGridSize=(6,6),clipLimit = 20.0)
        out_image = clahe.apply(img)

    out_array[imageindex] = out_image.astype(np.uint8)

return out_array

但是，如果我使用0和1（或0和255）作为normalize函数的参数alpha和beta，它可以工作。但是如果我使用-0.5和+0.5，它会返回一个空图像（全零）

为什么会这样？

Answer 1

out_array的类型为np.uint8，因此无法准确表示浮点值。因此，当您将out_image（包含[-0.5, 0.5]范围内的浮点值）转换为np.uint8 out_image.astype(np.uint8)时，所有这些值都会被截断为零。考虑这个例子：

# generate random numbers in the range [-0.5, 0.5]
x_float32 = (np.random.random((32, 32)) - 0.5).astype(np.float32)
print x_float32.min(), x_float32.max()  # prints -0.49861032, 0.4998906
x_uint8 = x_float32.astype(np.uint8)
print x_uint8.min(), x_uint8.max()      # prints 0, 0

如果要在out_array中存储浮点值，首先需要将其dtype更改为np.float32。或者，您可以将范围[-0.5, 0.5]中的值重新规范化为[0, 255]范围内的无符号整数。

Python openCV使用零均值和单位方差进行归一化

1 个答案: