Data Standardization——图像z-score normalization及python实现

z-score normalization就是标准化,将影像的R、G、B分别减去其均值然后再除以方差
在深度学习中,这样做可以加快模型的收敛速度。

imgdir = os.listdir(filepath)
mean = np.zeros(3)
std = np.zeros(3)
count = 0
for z in imgdir:
	count += 1
	img = cv2.imread(filepath + z)	
	for d in range(3):
		mean[d] += img[:, :, d].mean()
		std[d] += img[:, :, d].std()
mean = mean/count
std = mean/count
print (list(mean), list(std))
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

拖延癌晚期患者7777

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值