如何标准化（-1,1）之间的图像集答案

【问题标题】：How to normalize set of images between (-1,1)如何标准化（-1,1）之间的图像集
【发布时间】：2019-05-04 07:47:52
【问题描述】：

我有一个图像数据集，我想在将它们提供给 NN 之前对它们进行标准化 (-1,1) 我该怎么做？

x=sample
#Normalized Data
normalized = (x-min(x))/(max(x)-min(x))

# Histogram of example data and normalized data
par(mfrow=c(1,2))
hist(x,          breaks=10, xlab="Data",            col="lightblue", main="")
hist(normalized, breaks=10, xlab="Normalized Data", col="lightblue", main="")

我在网上找到了这段代码，但它没有解决我的问题，因为我有图像数据集

【问题讨论】：

normalized = (x-min(x))/(max(x)-min(x))，只需将此公式扩展到二维数组（=“图像”）。如果您仍然想要一个准确的答案，您应该告诉我们您的图像是如何导入 python (numpy ? cv2 ?) 以及以什么格式导入的。
以 png 格式导入为 numpy

标签： python matlab tensorflow pytorch

【解决方案1】：

假设img 是您的图片名称

import numpy as np
normalized = 2*[(img - img.min()) / (img.max() - img.min())] - 1

应该给你介于 -1 和 1 之间的标准化图像

【讨论】：

但这只是一张图片，我想标准化一个包含 30 张图片的数据集

【解决方案2】：

假设您的图像img_array 是np.array：

normalized_input = (img_array - np.amin(img_array)) / (np.amax(img_array) - np.amin(img_array))

会将您的数据标准化为 0 到 1 之间。

然后，2*normalized_input-1 会将其在 -1 和 1 之间移动

如果你想对多张图片进行归一化，你可以把它变成一个函数：

def normalize_negative_one(img):
    normalized_input = (img - np.amin(img)) / (np.amax(img) - np.amin(img))
    return 2*normalized_input - 1

然后遍历一个例如列表，名为 imgs 的图像元组：

for i,img in enumerate(imgs):
    imgs[i] = normalize_negative_one(img)

【讨论】：

谢谢你让我们说我正在使用 pytorhc ，我应该把这一行放在 getitem 中吗？
不知道你的意思，应该属于同一个问题吗？