深度学习中的图片归一化处理笔记

在机器学习和深度学习中，图片数据的归一化是一个重要的预处理步骤。对于灰度图片（单通道图片），归一化通常意味着将图片的像素值从原始的0-255范围缩放到一个更小的范围，如0-1或-1到1。这样做有助于加速训练过程，提高模型的性能，并使得模型更容易优化。

以下是几种常见的灰度图片归一化方法：

1. 归一化到0-1范围

将每个像素值除以255（像素值的最大值），从而将像素值范围从0-255缩放到0-1。

　　

import numpy as np  
  
# 假设 img 是一个形状为 (height, width) 的 numpy 数组，表示灰度图片  
img_normalized = img.astype('float32') / 255.0

　　

2. 归一化到-1到1范围

img_normalized = (img.astype('float32') / 255.0 - 0.5) * 2

　　

3. 使用TensorFlow或PyTorch进行归一化

如果你正在使用TensorFlow或PyTorch等深度学习框架，你可以使用它们的数据加载和预处理工具来进行归一化

import tensorflow as tf  
  
# 假设 img 是一个形状为 (height, width, 1) 的 Tensor，表示灰度图片  
img_normalized = tf.image.convert_image_dtype(img, tf.float32)  # 这将自动将像素值归一化到0-1范围  
  
# 如果需要归一化到-1到1范围  
img_normalized_minus_one_to_one = (img_normalized - 0.5) * 2