圖像處理為什么要?dú)w一化和如何歸一化

答：其中一個(gè)原因是，對(duì)于網(wǎng)絡(luò)模型訓(xùn)練等，是為了加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂，以及保證程序運(yùn)行時(shí)收斂加快。其他原因見(jiàn)下面參考博客。

對(duì)圖像歸一化有2種處理方式：

• (1) img/255.0
• (2) img/127.5 - 1

第一種圖像歸一化方式，范圍為[0, 1];
第二種圖像歸一化方式，范圍為[-1, 1]，這兩種只是歸一化范圍不同.

---

參考1：原文鏈接
參考2：原文鏈接

matlab圖像處理為什么要?dú)w一化和如何歸一化？一、為什么歸一化

1.基本上歸一化思想是利用圖像的不變矩尋找一組參數(shù)使其能夠消除其他變換函數(shù)對(duì)圖像變換的影響。也就是轉(zhuǎn)換成唯一的標(biāo)準(zhǔn)形式以抵抗仿射變換

圖像歸一化使得圖像可以抵抗幾何變換的攻擊，它能夠找出圖像中的那些不變量，從而得知這些圖像原本就是一樣的或者一個(gè)系列的。

因?yàn)槲覀冞@次的圖片有好多都是一個(gè)系列的，所以老師把這個(gè)也作為我研究的一個(gè)方向。

我們主要要通過(guò)歸一化減小醫(yī)學(xué)圖片由于光線不均勻造成的干擾。

2.matlab里圖像數(shù)據(jù)有時(shí)候必須是浮點(diǎn)型才能處理，而圖像數(shù)據(jù)本身是0-255的UNIT型數(shù)據(jù)所以需要?dú)w一化，轉(zhuǎn)換到0-1之間。

3.歸一化是一種簡(jiǎn)化計(jì)算的方式，即將有量綱的表達(dá)式，經(jīng)過(guò)變換，化為無(wú)量綱的表達(dá)式，成為純量。目的是為了：

(1).避免具有不同物理意義和量綱的輸入變量不能平等使用

(2).bp中常采用sigmoid函數(shù)作為轉(zhuǎn)移函數(shù)，歸一化能夠防止凈輸入絕對(duì)值過(guò)大引起的神經(jīng)元輸出飽和現(xiàn)象

(3).保證輸出數(shù)據(jù)中數(shù)值小的不被吞食

3.神經(jīng)網(wǎng)絡(luò)中歸一化的原因

歸一化是為了加快訓(xùn)練網(wǎng)絡(luò)的收斂性，可以不進(jìn)行歸一化處理

歸一化的具體作用是歸納統(tǒng)一樣本的統(tǒng)計(jì)分布性。歸一化在0-1之間是統(tǒng)計(jì)的概率分布，歸一化在-1–+1之間是統(tǒng)計(jì)的坐標(biāo)分布。歸一化有同一、統(tǒng)一和合一的意思。無(wú)論是為了建模還是為了計(jì)算，首先基本度量單位要同一，神經(jīng)網(wǎng)絡(luò)是以樣本在事件中的統(tǒng)計(jì)分別幾率來(lái)進(jìn)行訓(xùn)練(概率計(jì)算)和預(yù)測(cè)的，歸一化是同一在0-1之間的統(tǒng)計(jì)概率分布；當(dāng)所有樣本的輸入信號(hào)都為正值時(shí)，與第一隱含層神經(jīng)元相連的權(quán)值只能同時(shí)增加或減小，從而導(dǎo)致學(xué)習(xí)速度很慢。為了避免出現(xiàn)這種情況，加快網(wǎng)絡(luò)學(xué)習(xí)速度，可以對(duì)輸入信號(hào)進(jìn)行歸一化，使得所有樣本的輸入信號(hào)其均值接近于0或與其均方差相比很小。

歸一化是因?yàn)閟igmoid函數(shù)的取值是0到1之間的，網(wǎng)絡(luò)最后一個(gè)節(jié)點(diǎn)的輸出也是如此，所以經(jīng)常要對(duì)樣本的輸出歸一化處理。所以這樣做分類(lèi)的問(wèn)題時(shí)用[0.8, 0.1, 0.1]就要比用[1, 0, 0]要好。

但是歸一化處理并不總是合適的，根據(jù)輸出值的分布情況，標(biāo)準(zhǔn)化等其它統(tǒng)計(jì)變換方法有時(shí)可能更好。

原文鏈接：

總結(jié)

以上是生活随笔為你收集整理的【opencv】21.图像处理为什么要归一化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。