在计算机视觉中常见的图片数据预处的操作

本文重点

图片数据是计算机视觉处理的核心，一般的图片数据并不能直接放到神经网络中，而是应该使用一些数据与处理的方式来解决。常见的三种数据预处理的方式有：去均值，归一化，PCA/白化。

去均值

把图片各个维度（每个像素）都中心化到0，这里我们只求训练集的均值，然后用图片剪掉均值，这样就完成了去均值的操作，测试集的也减去训练集的均值。

去均值会使得数据均匀一些，目前均值的方式有两种方式：

以一个32*32*3的图片数据集为例，第一种方式是每一个像素点计算均值，也就是说我们要计算出32*32*3个均值。AlexNet就是这样

还有一种方式是每一个通道计算一个均值，那么这样就有3个均值，分别是三个通道上的均值。VGG就是这样

归一化

把数据归一化到同一范围，比如【0，1】等等，图片基本不做归一化，因为图片的数据像素范围都在0到255之间，都在同一范围，所以没有必要做归一化。

 

PCA/白化

PCA是用于降维，比如图片的shape比较大，那么此时可以降维，但是一般我们对图片处理的时候都是reshape，所以一般不用降维了。

白化： 白化是对数据每个特征轴上的幅度归一化

 

总结

以上就是图片数据处理的方式，但是常常只进行均值化操作，而基本不做标准化、PCA和白化 。