python numpy创建矩阵、并归一化_每通道以numpy为单位对一批图像进行归一化处理...

我有大量的形状[批次大小，宽度，高度，通道数](它们不是RGB图像，而是类似的2D字段概念)。在

我想对每个频道的图像进行归一化处理。有没有比下面这些更性感的方式来做这件事？特别是我不喜欢的是频道上的循环，我发现必须这样做很奇怪np.min.最小值以及np.最大值在切片上。同样，这是硬编码，只工作在张量与排名4，它如何适应有动态排名，或通道在一个动态轴上？在def get_img_ch_min_max(imgs):

'''return minimum and maximum for each channel of [batch, width, height, channels]'''

if len(imgs.shape)==3: imgs = np.expand_dims(imgs, axis=-1)

# iterate each channel

ch_min = np.array([np.min(imgs[:,:,:,i]) for i in range(imgs.shape[-1])])

ch_max = np.array([np.max(imgs[:,:,:,i]) for i in range(imgs.shape[-1])])

return ch_min, ch_max

def normalise_per_channel(imgs):

'''normalise batch of images per channel, [batch, width, height, channels]'''

if len(imgs.shape)==3: imgs = np.expand_dims(imgs, axis=-1)

ch_min, ch_max = get_img_ch_min_max(imgs)

ch_range = ch_max - ch_min

imgs_ret = np.copy(imgs)

for i in range(imgs.shape[-1]): # iterate each channel

if ch_range[i] > 0: # avoid divide by zero

imgs_ret[:,:,:,i] = (imgs[:,:,:,i] - ch_min[i]) / ch_range[i]

imgs_ret = np.squeeze(imgs_ret)

return imgs_ret