图像归一化normalization

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_38784454/article/details/80449445

一、图像归一化的好处：

1、转换成标准模式，防止仿射变换的影响。

2、减小几何变换的影响。

3、加快梯度下降求最优解的速度。

二、图像归一化的方法

1、线性函数转换，表达式如下：
y=(x-MinValue)/(MaxValue-MinValue)
说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。
2、对数函数转换，表达式如下：
y=log10(x)
说明：以10为底的对数函数转换。
3、反余切函数转换，表达式如下：

y=atan(x)*2/PI

三、线性函数转换代码（matlab）

%% 图像归一化
clc
clear
close all
image = imread('E:\裂纹\a\3\53.bmp');
image = rgb2gray(image);
figure
imshow(image);

image = double(image);
image_minGray = min(min(image));
image_maxGray = max(max(image));
image_distance = image_maxGray-image_minGray;
min_Gray = 0;
max_Gray = 255;
image_normalization = (image-image_minGray)/image_distance;  %归一化，图像的灰度值限制到（0~1）之间
figure 
imshow(image_normalization)

image_255 = max_Gray*image_normalization +min_Gray;  
figure 
imshow(uint8(image_255))

%% 方法二直接调用matlab函数mat2gray
image_norm = mat2gray(image);
figure
imshow(image_norm)

原图

归一化后的图

原图

归一化后的图片