将 RGB 图像中每个通道的均值和标准差更改为自定义值的最有效方法？答案

【问题标题】：Most efficient way to change the mean and standard deviation of each channel in an RGB image to custom values?将 RGB 图像中每个通道的均值和标准差更改为自定义值的最有效方法？
【发布时间】：2021-02-13 18:52:46
【问题描述】：

我有一个 512x512 RGB 图像的数据集。我有两个 1x3 数组

mean_value  = [0.485,0.456,0.406]
std_value = [0.229,0.224,0.225]

每个元素代表一个 RGB 通道的所需均值和标准差。这是计算新图像的公式，1个下标代表原始图像，2个下标代表期望的均值和标准。

到目前为止，我的代码包含一个用于遍历所有通道的 for 循环。

for i in range(3):
        norm_tmp = np.subtract(img[:,:,i],np.mean(img[:,:,i]))
        std_mult = np.divide(std_value[i],np.std(img[:,:,i]))
        img[:,:,i] = np.add(mean_value[i],np.multiply(norm_tmp,std_mult))

但是，我想避免这种情况，并可能找到一个没有 for 循环的 numpy 实现。我也看到了一些使用 openCV 函数的尝试，所以如果有一个有效的函数，我也会很高兴，但到目前为止我还没有找到令人满意的解决方案。

【问题讨论】：

标签： python performance numpy image-processing

【解决方案1】：

你可以做广播：

# random data
np.random.seed(42)
img = np.random.rand(512,512,3)

norm_tmp = img - img.mean(axis=-1)[...,None]
std_mul = std_value / img.std(axis=-1)[...,None]
scaled_img = mean_value + norm_tmp * std_mul

输出（左侧刻度）

【讨论】：