深度学习图像的一些处理--持续更新

项目场景：

深度学习输入图像的处理

---

问题描述：

1处理有多种：去均值、归一化、标准化。但该怎么选择呢？

2对新来的图像制作label:二值化？

---

解决方案：

1/这里是去均值的方案：包括原因分析

https://blog.csdn.net/weixin_37251044/article/details/81157344#fn:2

D是ng样本和ok样本，为了找ng样本中的缺陷，可能求出ok样本的均值在这里会更加适合吧？还是得靠实验说话！

---

2/

from PIL import Image

Img = Image.open('test.jpg'). convert('L')#先灰度化0-255,以下操作对象为PIL.Image对象

# 自定义灰度界限，大于这个值为黑色，小于这个值为白色，这个值根据你多次实验效果决定

threshold = 200 

table = []

for i in range(256):

  if i < threshold:

    table.append(0)

  else:

    table.append(1)  

# 图片二值化

photo = Img.point(table, '1')# '1':output mode

photo.save("test2.jpg")

注：这种二值化的图片，打开的时候mode应该convert（‘1’）否则值会不对劲。