【问题标题】:Why does MinMaxScaler add lines to image?为什么 MinMaxScaler 会在图像中添加线条?
【发布时间】:2016-10-11 15:02:45
【问题描述】:

我想将图像的像素值标准化为每个通道(R、G、B)的范围 [0, 1]。

小例子

#!/usr/bin/env python

import numpy as np
import scipy
from sklearn import preprocessing

original = scipy.misc.imread('Crocodylus-johnsoni-3.jpg')
scipy.misc.imshow(original)

transformed = np.zeros(original.shape, dtype=np.float64)

scaler = preprocessing.MinMaxScaler()
for channel in range(3):
    transformed[:, :, channel] = scaler.fit_transform(original[:, :, channel])
scipy.misc.imsave("transformed.jpg", transformed)

会发生什么

以https://commons.wikimedia.org/wiki/File:Crocodylus-johnsoni-3.jpg, 我得到以下“标准化”结果:

如您所见,右侧有从上到下的线条。那里发生什么了?在我看来,规范化出了问题。如果是这样:我该如何解决?

【问题讨论】:

    标签: numpy image-processing machine-learning scikit-learn


    【解决方案1】:

    在 scikit-learn 中,形状为 (m, n) 的二维数组通常被解释为 m 个样本的集合,每个样本都有 n 个功能。

    MinMaxScaler.fit_transform() 转换每个特征,因此数组的每一列都独立于其他列进行转换。这会导致图像中出现垂直“条纹”。

    看起来您打算独立缩放每个颜色通道。为此,请使用MinMaxScaler,重新调整输入,使每个通道成为一列。即如果原图有形状(m, n, 3),在传递给fit_transform()方法之前reshape成(m*n, 3),然后恢复结果的形状,创建变换后的数组.

    例如,

    ascolumns = original.reshape(-1, 3)
    t = scaler.fit_transform(ascolumns)
    transformed = t.reshape(original.shape)
    

    有了这个,transformed 看起来像这样:

    图片看起来和原图一模一样,因为在数组original中,每个通道的最小值和最大值分别为0和255:

    In [41]: original.min(axis=(0, 1))
    Out[41]: array([0, 0, 0], dtype=uint8)
    
    In [42]: original.max(axis=(0, 1))
    Out[42]: array([255, 255, 255], dtype=uint8)
    

    所以fit_transform 在这种情况下所做的只是将所有输入值统一转换为浮点范围 [0.0, 1.0]。如果其中一个通道的最小值或最大值不同,则转换后的图像看起来会有所不同。


    顺便说一句,使用纯 numpy 执行转换并不难。 (我使用的是 Python 3,因此在下文中,除法会自动将结果转换为浮点数。如果您使用的是 Python 2,则需要将其中一个参数转换为浮点数,或使用 from __future__ import division。 )

    In [58]: omin = original.min(axis=(0, 1), keepdims=True)
    
    In [59]: omax = original.max(axis=(0, 1), keepdims=True)
    
    In [60]: xformed = (original - omin)/(omax - omin)
    
    In [61]: np.allclose(xformed, transformed)
    Out[61]: True
    

    (该方法的一个潜在问题是,如果其中一个通道是恒定的,它将产生错误,因为omax - omin 中的值之一将是 0。)

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2021-10-05
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多