Question

在这里，我试图对RGB图像进行标准化。

这是我的代码。

cv::Mat channels[3], normalize_rgb;
    split(image, channels);

    for (int i = 0; i < image.size().height; i++)
    {
        for (int j = 0; j < image.size().width; j++)
        {
            int b = (int)(image).at<cv::Vec3b>(i, j)[0];
            int g = (int)(image).at<cv::Vec3b>(i, j)[1];
            int r = (int)(image).at<cv::Vec3b>(i, j)[2];

                            double sum = b + g + r;
            double bnorm = b / sum * 255;
            double gnorm = g / sum * 255;
            double rnorm = r / sum * 255;

            channels[0].at<uchar>(i, j) = bnorm;
            channels[1].at<uchar>(i, j) = gnorm;
            channels[2].at<uchar>(i, j) = rnorm;
        }
    }
    merge(channels, 3, normalize_rgb);
    normalize = normalize_rgb.clone();

问题：归一化后，r，g，b值给出了非常小的值，变为0.因此我得到了黑色图像。

任何人都可以帮我解决问题。谢谢

Answer 1

首先将图片更改为double。它是黑色的，因为当你将int除以int时，你会得到零。然后你试图设置uchar = double这是完全错误的。

尝试： double bnorm = double (b) / sum * 255;

Answer 2

您需要将double bnorm = b * k; double gnorm = g * k; double rnorm = r * k;除以像素数。

在1000x1000图像中，您希望除以平均值，而不是平均值的一百万倍。

请注意，除以平均值可能会给出大于255的值（高于平均值的值），因此在缩放后需要进行钳位。可能更好的解决方案是将平均值变为128，而不是255

其中double average = sum / (image.size().height*image.size().width); double k = 127.0 / average;每个图像计算一次为

{{1}}

但请注意，这仍然会在输出中产生高于255的值。

如果你想拉伸，你需要用最大值进行标准化，而不是平均值，在这种情况下不需要夹紧。

Answer 3

我找到了一个与RGB Normalization相关的链接，文章中有一个数学列表。

实际上，你需要划分一个var total，每个total只是每个像素的总和，而不是整个图像（width（）* height（））。也许你应该试试这个：

for (int i = 0; i < image.size().height; i++)
{
    for (int j = 0; j < image.size().width; j++)
    {
        int b = (int)(image).at<cv::Vec3b>(i, j)[0];
        int g = (int)(image).at<cv::Vec3b>(i, j)[1];
        int r = (int)(image).at<cv::Vec3b>(i, j)[2];
        int sum = b + g  + r;

        double bnorm = b / sum * 255;
        double gnorm = g / sum * 255;
        double rnorm = r / sum * 255;

        channels[0].at<uchar>(i, j) = bnorm;
        channels[1].at<uchar>(i, j) = gnorm;
        channels[2].at<uchar>(i, j) = rnorm;
    }
}

RGB Normalizied给出黑色图像

3 个答案: