图像的归一化

Question

我对灰度图像应用了一些操作，现在我得到了新值，但问题是强度值现在小于 0，介于 0 和 255 之间，大于 255。对于 [0-255] 之间的值，有没问题，但对于强度值 255 存在问题，因为这些值不能出现在灰度图像中。

因此，我需要对这些值进行标准化，以便所有值（无论是负数还是大于 255 或其他任何值）都在 0 到 255 的范围内，以便显示图像。

为此我知道两种方法：

方法#1

newImg = ((255-0)/(max(img(:))-min(img(:))))*(img-min(img(:)))

其中min(img(:))和max(img(:))是对输入图像img进行一些操作后得到的最小值和最大值。 min 可以小于 0，max 可以大于 255。

方法#2

我只是将所有小于 0 的值设为 0，将所有大于 255 的值设为 255，所以：

img(img < 0) = 0;
img(img > 255) = 255;

我尝试使用这两种方法，但使用第二种方法我得到了很好的结果，但第一种方法却没有。谁能告诉我是什么问题？

Answer 1

这完全取决于图像内容本身。这两种方法都是有效的，以确保值的范围在[0,255] 之间。但是，在您决定使用哪种方法之前，您需要问自己以下问题：

问题 #1 - 什么是我的形象？

您需要问的第一个问题是您的图片代表什么？例如，如果这是边缘检测器的输出，您选择的方法将取决于结果中看到的值的动态范围（在问题 #2 中有更多内容）。例如，如果像素分布良好且方差较低，则最好使用第二种方法。但是，如果动态范围有点小，那么您将需要使用第一种方法来提高结果的对比度。

如果输出是图像减法，那么最好使用第一种方法，因为您想要可视化像素之间的确切差异。截断结果不会很好地显示差异。

问题 #2 - 值的动态范围是多少？

您需要注意的另一件事是最小值和最大值的动态范围有多大。例如，如果最小值和最大值与[0,255] 的限制相差不大，那么您可以使用第一种或第二种方法，您不会注意到太大的差异。但是，如果您的值在[0,255] 内的一个小范围内，那么执行第一种方法会增加对比度，而第二种方法不会做任何事情。如果您的目标也是增加图像的对比度，并且强度在有效的[0,255] 范围内，那么您应该使用第一种方法。

但是，如果您的最小值和最大值与[0,255] 范围相差甚远，例如min=-50 和max=350，那么执行第一种方法就不是好兆头了 - 尤其是 如果灰度强度有很大的差异。我所说的巨大差异的意思是，您将拥有处于高范围内的值，处于低范围内的值，仅此而已。如果您使用第一种方法重新缩放，这将意味着最小值被推到 0，最大值被缩小到 255，其余的强度在两者之间缩放，因此对于那些较低的值，它们被缩放以便它们重新可视化为灰色。

问题 #3 - 我的图像是干净还是嘈杂？

这是没有多少人想到的。您的图像是否非常干净，或者是否有一些虚假的噪点？对于嘈杂的像素，第一种方法非常糟糕。如果您只有几个像素值非常大，但其他像素在[0,255] 的范围内，这将使所有其他像素相应地重新缩放，从而降低图像的对比度。您可能希望忽略这些像素的贡献，因此第二种方法更可取。

结论

因此，您所说的这两种方法都没有问题。您需要了解图像是什么、您在检查输出后看到的动态值范围以及这是清晰还是嘈杂的图像。您只需要做出明智的选择，牢记这两个因素。所以在你的情况下，第一个输出可能不起作用，因为你有很大的负值和很大的正值，而且这些值可能也很少。进行截断可能对您的应用程序更好。