将bgr彩色矩阵归一化到0-255之间 【RGB image normalization】

最新推荐文章于 2024-07-10 09:55:17 发布
最新推荐文章于 2024-07-10 09:55:17 发布
阅读量9.3k 收藏 7
点赞数 5
分类专栏： 图像处理 文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiamentingtao/article/details/85884787
版权

参考下面文章，可以使用normalize 函数。 https://blog.csdn.net/kuweicai/article/details/78988886

对于彩色rgb图像，也可以直接使用以上函数, 参考 https://devtalk.nvidia.com/default/topic/1042100/rgb-image-normalization/?offset=8

image = cv2.normalize(image, None, 0, 255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8UC3)

非常简单。

以上主要应用于给定矩阵image，但是里面的数值没有归一化到0-255之间，不方便保存。因此可以使用以上函数归一化后保存。

xiamentingtao
关注
专栏目录
使用Python处理图像数据
程序员光剑
08-01 2766
随着科技的飞速发展，图像数据的收集、存储、管理和分析也越来越重要。图像数据是计算机视觉领域的基础数据类型，是研究物体形状、颜色和空间关系的关键数据。因此，掌握图像数据的处理方法对于机器学习、图像识别等领域的应用至关重要。在本文中，我们将介绍利用Python语言进行图像数据的预处理、特征提取和图像分类的方法。
微调的实践：如何使用机器学习技术提高图像质量
程序员光剑
07-25 2264
随着计算机视觉技术的发展，越来越多的人们开始关注图像质量问题，并逐渐意识到图像质量的重要性。在AI领域，尤其是在图像处理、图像分析等方面，如何提升图像质量一直是一个热点。本文将以现代计算机视觉中常用的图像增强技术——微调（Finetuning）为例，通过对AI模型进行微调，提升图像质量，以期达到目标。文章先从背景介绍、基本概念、核心算法原理及具体操作步骤等内容介绍微调技术。最后，将讨论微调的优缺点，以及微调适用的领域。
归一化RGB
lxiaoxiaot的专栏
06-19 1万+
通过对图像的RGB色彩空间进行归一化处理，在某些情况下是去除光照和阴影影响的一种简单和有效的方法。 假设RGB代表原图像某点的像素值，rgb表示归一化之后的值，则 r = R / (R+G+B)；g = G / (R+G+B)；b = B / (R+G+B)；  实现归一化RGB的方法如下： // 对输入的原始RGB图像获取对应的归一化图像IplImage* Normal
【拜小白opencv】44-灰度直方图（一维直方图）calcHist()函数、minMaxLoc()函数、normalize()函数
拜小白的成长之路，告别小白
12-09 8228
直方图(Histogram)又称柱状图、质量分布图，是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。在图像处理上，直方图是图像信息统计的有力工具。其实也就是统计一幅图某个亮度像素数量。
【OpenCV】BGR三色通道的提取与合并--超详细解读
最新发布
m0_71212744的博客
07-10 862
在OpenCV中，处理图像时经常需要提取或合并图像的RGB（红、绿、蓝）三色通道。OpenCV默认使用BGR（蓝、绿、红）顺序来存储图像的颜色通道，这一点与很多图像处理库（如PIL/Pillow）不同，后者通常使用RGB顺序。不过，OpenCV提供了灵活的方法来处理这种差异，并允许我们轻松地提取和合并颜色通道。
opencv-灰度图像归一化到0~255
小可爱的博客
04-16 9669
#include <opencv2/imgproc/imgproc.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <iostream> cv::Mat contrastStretch(cv::Mat ...
matlab将矩阵数据归一化到[0,255]
u010555688的专栏
08-23 3万+
function OutImg = Normalize(InImg) ymax=255;ymin=0; xmax = max(max(InImg)); %求得InImg中的最大值 xmin = min(min(InImg)); %求得InImg中的最小值 OutImg = round((ymax-ymin)*(InImg-xmin)/(xmax-xmin) + ymin); %GUI end
将数据变换到0到255之间，归一化
热门推荐
lingmengxiaotong的博客
11-22 3万+
piexl为各个坐标点的数据值（将其转换到0到255之间） int ymax=255;//要归一的范围的最大值 int ymin=0;//要归一的范围的最小值 xmax=max(piexl);所有数据中最大的 xmin=min(piexl);所有数据中最小的 xiugaihou_piexl=round((ymax-ymin)*(piexl_m-xmin)/(xmax-xmin)+ymin
Python opencv 图片归一化转换到255
Kp0fS的草稿纸
05-20 1961
# 归一化一张图片： aaa = curImgData[:,:,0] norm_image = cv.normalize(aaa, None, alpha=0, beta=1, norm_type=cv.NORM_MINMAX, dtype=cv.CV_32F) bbb = norm_image*255 ccc = bbb.astype(np.uint8) 真的服了。Python no yyds
永兴的笔记-OpenCV-7图像直方图 2 直方图均衡化、图像掩膜 、图像归一化、直方图的反向投影
深度探寻者
01-02 1539
一、直方图均衡化： 1、什么是直方图均衡化： 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比越大，差异范围越小代表对比越小，好的对比率120:1就可容易地显示生动、丰富的色彩，当对比率高达300:1时，便可支持各阶的颜色。 对比度也就是画面黑与白的比值，也就是从黑到白的渐变层次。比值...
tensorflow学习之二 alexnet vgg resnet目标分类
xiao__run的博客
06-06 1438
1、引言 这节我们将介绍图像分类问题，任务是给定一个输入图片，将其指派到一个已知的混合类别中的某一个标签。图像分类是计算机视觉领域的核心问题之一，尽管它很（看上去）很简单，但是却有广泛的实践应用。而且，在之后的我将会使用tensorlfow 实现图像分割，许多其他的看上去不同的计算机视觉任务（例如物体识别，分割），都能够还原成图像分类。 例如，在下图中，一个图像分类模型将一个图片分配给四个类别（c...
Deeplab V3+工作原理讲解：背景知识、基本概念及其操作步骤
程序员光剑
08-07 1843
DeepLab v3+ (Rethinking Atrous Convolution for Semantic Image Segmentation) 是Google于2019年提出的一种基于Atrous Spatial Pyramid Pooling (ASPP)模块的语义分割网络，可以有效提升语义分割的准确率并减少计算量。
【图像处理】——灰度变换心得（cv2.normalize规范化值0-255，cv2.convertScaleAbs(new_img)转为8位图）
python_AI_fans的博客
10-15 4185
目录 一、灰度变换函数 对数变换 加码变换 常见雷点 常见灰度变换函数 两个函数cv2.normalize，cv2.convertScaleAbs(new_img) 一、灰度变换函数 Python图像处理（一）【灰度化、二值化、灰度变换】 Python实现对数变换、幂律变换 对数变换 加码变换 常见雷点 注意：上述的变换是先将原始的像素值进行对数或者幂律变换，然后得到相应变换后的矩阵，为了使得能够正常的显示，还需要将矩阵元素值的范围限制在0-255之间，以及将其转换为8位图
浮点型0-1像素转0-255，如何才能减小误差
qq_45906101的博客
11-03 342
待自己证明....
图像像素0-1转换为0-255
weixin_44669966的博客
05-07 5115
图像像素0-1转换为0-255 import matplotlib.pyplot as plt from skimage import io,data import os import cv2 import pydicom import numpy as np import nibabel as nib import SimpleITK as sitk import matplotlib.pyplot as plt %matplotlib inline folderPath = 'new_png_256'
Opencv学习之：将图片的值进行范围调整 cv2.normalize()
qq_42902997的博客
01-23 3万+
cv2.normalize() 指定将图片的值放缩到 0-255 之间 array = cv2.normalize(array,None,0,255,cv2.NORM_MINMAX) cv2.NORM_MINMAX ：使用的放缩方式是 min_max 的方式 其对应的原理是： x^=x−minmax−min∗(max′−min′)+min′\hat{x} = \frac{x-min}{max-min} * (max^{'}-min^{'}) + min^{'}x^=max−minx−min​∗(ma
简述图像归一化
11-08 3102
# 图像归一化，将图像的各像素值归一化到0~1区间。 train_images /= 255 test_images /= 255 在深度学习中，对数据进行归一化是为了将特征值尺度调整到相近的范围。 如果不归一化，尺度大的特征值，梯度也比较大，尺度小的特征值，梯度也比较小，而梯度更新时的学习率是一样的，如果学习率小，梯度小的就更新慢，如果学习率大，梯度大的方...
190313-Matlab矩阵映射
专注机器学习之路
03-13 4350
浅析image,imagesc,imshow的用法 % 10个样本，每个样本的维度为5 r = rand(10,5) % mapminmax(): 对矩阵的每一行进行线形映射到 [min, max],mapped1依旧是double类型 mapped1 = mapminmax(r',0,255)' % uint8():这种方式把I转化成uint8，负数会被归零，超过255的被置为255，而且...
图像常规变换之归一化/反归一化变换，RGB通道变换
SimpleLearning
02-15 1322
===
BGR颜色空间归一化python代码
04-18
BGR颜色空间是一种常用的图像颜色表示方式，其中B、G、R分别代表蓝色、绿色和红色通道。在Python中，可以使用OpenCV库来进行BGR颜色空间的归一化。下面是一个简单的示例代码： ```python import cv2 def normalize_bgr(image): # 将图像转换为浮点型 image = image.astype(float) # 分别计算各个通道的最大值和最小值 b_max = image[:,:,0].max() g_max = image[:,:,1].max() r_max image[:,:,2].max() b_min = image[:,:,0].min g_min image[:,:,1].min() r_min = image[:,:,2].min() # 归一化处理 image[:,:,0] = (image[:,:,0] - b_min) /b_max - b_min) image[:,:,1] = (image[:,:,1] -_min) / (g_max - g_min) image[:,:,2] =image[:,:,2] - r_min) / (r_max - r_min) return image # 读取图像 image = cv2.imread('image.jpg') # 归一化处理 normalized_image = normalize_bgr(image) # 显示归一化后的图像 cv2.imshow('Normalized Image', normalized_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码中，`normalize_bgr`函数接受一个BGR图像作为输入，并对每个通道进行归一化处理。归一化的方法是将每个通道的像素值减去最小值，然后除以最大值与最小值的差。最后，返回归一化后的图像。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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