如何在Python中对图像进行去归一化处理？

Question

我正在做一个项目，需要将图像标准化为[0,1]，然后在处理后对该图像执行dwt和idwt操作。首先，我将图像转换为数组，然后使用以下代码将其标准化：

def normalization (array):    
    maxs = max([max(l) for l in array])
    mins = min([min(l) for l in array])
    range = max - mins
    A = []
    for x in array:
        m = [(float(xi) - mins)/range for xi in x]
        A.append(m)    
    return A

代码运行良好，现在我不知道如何将其反规范化为实际范围。有人可以帮忙吗？

- Z98n

---

你有没有在任何地方跟踪原始范围？如果没有，你需要这样做。 - user2357112

你最后找到解决办法了吗？ - Scott

Answer 1

我使用以下方法来将任意区间 [a, b] 映射到 [c, d] 区间，并进行反向映射：

import numpy as np

def interval_mapping(image, from_min, from_max, to_min, to_max):
    # map values from [from_min, from_max] to [to_min, to_max]
    # image: input array
    from_range = from_max - from_min
    to_range = to_max - to_min
    scaled = np.array((image - from_min) / float(from_range), dtype=float)
    return to_min + (scaled * to_range)

一个例子：

image = np.random.randint(0, 255, (3, 3))
image

返回：

array([[186, 158, 187],
       [172, 176, 232],
       [124, 167, 155]])

现在将其从 [0, 255] 映射到 [0, 1]。

norm_image = interval_mapping(image, 0, 255, 0.0, 1.0)
norm_image

返回：

array([[ 0.72941176,  0.61960784,  0.73333333],
       [ 0.6745098 ,  0.69019608,  0.90980392],
       [ 0.48627451,  0.65490196,  0.60784314]])

现在从[0，1]转回到[0，255]：

orig_image =interval_mapping(norm_image, 0.0, 1.0, 0, 255).astype('uint8')
orig_image

返回：

array([[186, 158, 187],
       [172, 176, 232],
       [124, 167, 155]], dtype=uint8)

您还可以将其应用于单列的image并将其映射到[-1.0，1.0]：

col = image[:, 1]
print col
interval_mapping(col, 0, 255, -1.0, 1.0)

返回值：

[158 176 167]
array([ 0.23921569,  0.38039216,  0.30980392])

或者是一个标量：

interval_mapping(1.0, 0, 255, -1.0, 1.0)

返回值：

-0.99215686274509807

- Scott

Answer 2

你只需要做反归一化。因此，乘以原始范围并加上最小值。只需键入未经测试的代码：

def denormalization (array, mins, range):    
    A = []
    for x in array:
        m = [(float(xi) * range) + mins for xi in x]
        A.append(m)    
    return A

显然，您需要将原始范围和最小值作为全局变量保留才能在此函数中使用它们。

- Roger Rowland