摘要
在深度学习中,需要对数据预处理,经常会遇到都为三元组的标准差,在不知道数据集标准差和均值时,默认为[0.5,0.5,05.],本文给出计算均值和标准差的代码。
代码
import numpy as np
import cv2
import os
data_path = '/path/to/images' # 数据集路径
img_height, img_width = 512, 512 # 图片尺寸
# 初始化变量
img_count = 0
img_sum = np.zeros((3,))
img_squared_sum = np.zeros((3,))
# 遍历数据集文件夹中的所有图片
for root, dirs, files in os.walk(data_path):
for file in files:
img_path = os.path.join(root, file)
img = cv2.imread(img_path).astype(np.float32) / 255
img = cv2.resize(img, (img_width, img_height)) # 缩放图片至指定尺寸
img_count += 1
img_sum += np.sum(img, axis=(0, 1))
img_squared_sum += np.sum(img ** 2, axis=(0, 1))
# 计算每个通道的均值和标准差
channel_mean = img_sum / (img_count * img_height * img_width)
channel_std = np.sqrt((img_squared_sum / (img_count * img_height * img_width)) - (channel_mean ** 2))
print('每个通道的均值:', channel_mean)
print('每个通道的标准差:', channel_std)