我有大量的形狀[批次大小，寬度，高度，通道數](它們不是RGB圖像，而是類似的2D字段概念)。在

我想對每個頻道的圖像進行歸一化處理。有沒有比下面這些更性感的方式來做這件事？特別是我不喜歡的是頻道上的循環，我發現必須這樣做很奇怪np.min.最小值以及np.最大值在切片上。同樣，這是硬編碼，只工作在張量與排名4，它如何適應有動態排名，或通道在一個動態軸上？在def get_img_ch_min_max(imgs):

'''return minimum and maximum for each channel of [batch, width, height, channels]'''

if len(imgs.shape)==3: imgs = np.expand_dims(imgs, axis=-1)

# iterate each channel

ch_min = np.array([np.min(imgs[:,:,:,i]) for i in range(imgs.shape[-1])])

ch_max = np.array([np.max(imgs[:,:,:,i]) for i in range(imgs.shape[-1])])

return ch_min, ch_max

def normalise_per_channel(imgs):

'''normalise batch of images per channel, [batch, width, height, channels]'''

if len(imgs.shape)==3: imgs = np.expand_dims(imgs, axis=-1)

ch_min, ch_max = get_img_ch_min_max(imgs)

ch_range = ch_max - ch_min

imgs_ret = np.copy(imgs)

for i in range(imgs.shape[-1]): # iterate each channel

if ch_range[i] > 0: # avoid divide by zero

imgs_ret[:,:,:,i] = (imgs[:,:,:,i] - ch_min[i]) / ch_range[i]

imgs_ret = np.squeeze(imgs_ret)

return imgs_ret

總結

以上是生活随笔為你收集整理的python numpy创建矩阵、并归一化_每通道以numpy为单位对一批图像进行归一化处理...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。