Python中的图像过滤（图像归一化）

【问题标题】：Image filtering in Python (image normalization)Python中的图像过滤（图像归一化）
【发布时间】：2016-12-18 20:43:56
【问题描述】：

我想编写执行图像过滤的代码。我使用简单的 3x3 内核，然后使用 scipy.ndimage.filters.convolve() 函数。过滤后，值的范围是 -1.27 到 1.12。过滤后如何规范化数据？我是否需要裁剪值（小于零的值设置为零，大于 1 的值设置为 1），还是使用线性归一化？如果过滤后的值大于范围[0,1]可以吗？

【问题讨论】：

这取决于您的目的。我假设您的卷积包含负系数。在这种情况下，将输出范围限制为与最小/最大可视值匹配是很常见的——但这样做会丢失信息。

标签： python image numpy filtering

【解决方案1】：

>>> import numpy as np
>>> x = np.random.randn(10)
>>> x
array([-0.15827641, -0.90237627,  0.74738448,  0.80802178,  0.48720684,
    0.56213483, -0.34239788,  1.75621007,  0.63168393,  0.99192999])

尽管您会丢失这些信息，但您可以剪掉范围之外的值：

>>> np.clip(x,0,1)
array([ 0.        ,  0.        ,  0.74738448,  0.80802178,  0.48720684,
    0.56213483,  0.        ,  1.        ,  0.63168393,  0.99192999])

为了保持缩放，您可以线性地重新归一化到 0 到 1 的范围内：

>>> (x - np.min(x))/(np.max(x) - np.min(x))
array([ 0.27988553,  0.        ,  0.6205406 ,  0.64334869,  0.52267744,
    0.55086084,  0.21063013,  1.        ,  0.57702102,  0.71252388])

如果过滤后的值大于范围[0,1]可以吗？

这实际上取决于您对过滤图像的用例。

【讨论】：