不同图像堆栈的图像标准化、图像范围和图像缩放

Question

我对图像标准化、图像范围和图像缩放感到非常困惑。 我正在使用一种算法（我已在我的Previous Question 中上传了该算法），在应用该算法后，我使用wikipedia 中的这个公式来规范化图像：

使用 MATLAB 中的getrangefromclass(filtImag1{i})，应用算法前的矩阵范围为 [0 255]，应用算法后的矩阵范围为 [0 1]。

问题是我需要找到一个参考来确定归一化公式是否正确？我也有 5 叠图像，每叠包含 600 张图像。我已经为每个堆栈应用了算法，因为算法的结果是每个堆栈有 10 张图像，所以我最终需要对 50 张图像进行分析和比较。我找到了 50 个图像的最大值和最小值，然后将每个图像传递到公式中以对图像进行归一化。

虽然图像的范围是 [0 1] 但图像的最大值是： 最大值 = 3.6714e+004

为什么？不应该是1吗？ 这是正常化的正确方法吗？ 如何应用缩放？我需要这样做吗？

这是规范化代码：

%%%%%%%%%%%%%%Find Min and Max between the results%%%%%%%%%%%%%%%%%%%%%%% 
pre_max = max(filtImag1{1}(:));
for i=1:10
   new_max = max(filtImag1{i}(:));
    if (pre_max<new_max)
        pre_max=max(filtImag1{i}(:));
    end
end
new_max = pre_max;

pre_min = min(filtImag1{1}(:));
for i=1:10
   new_min = min(filtImag1{i}(:));
    if (pre_min>new_min)
        pre_min = min(filtImag1{i}(:));
    end
end
new_min = pre_min;

%%%%%%%%%%%%%%normalization %%%%%%%%%%%%%%%%%%%%%%%
 for i=1:10
 temp_imag = filtImag1{i}(:,:);
 x=isnan(temp_imag);
 temp_imag(x)=0;
 t_max = max(max(temp_imag));
 t_min = min(min(temp_imag));
 temp_imag = (double(temp_imag-t_min)).*((double(new_max)-double(new_min))/double(t_max-t_min))+(double(new_min));
 imag_test2{i}(:,:) = temp_imag;
 end

编辑 我已经根据建议的答案更改了代码，但结果是黑色图像

%找到它们之间的最大值和最小值 pre_max = max(sTStack{1}(:)); 对于 i=1:40 newMax = max(sTStack{i}(:)); 如果（pre_max

pre_min = min(sTStack{1}(:)); 对于 i=1:40 newMin = min(sTStack{i}(:)); 如果（pre_min>newMin） pre_min = min(sTStack{i}(:)); 结尾 结尾 t_min = pre_min;

%%%%%%%%%%%%%%%%%%%%%% 标准化图像：%%%%%%%%%%%%%%%%%%% %%%%%%%%

对于 i=1:40 NTstack{i} = (sTStack{i} - t_min)/(t_max-t_min); 结束

对于 i=10:10:40 图，imshow（NTstack{i}）； 彩条 彩色图喷射 结束

Answer 1

我通常将图像处理工具箱中的mat2gray 用于这些目的：mat2gray。我应用了与您在上面提到的完全相同的线性插值。在内部它调用imlincomb。

您所指的问题让我相信您以某种方式错误地执行了上述等式。

Answer 2

您提供的 Wikipedia sn-p 是正确的，可用于使用以下 MATLAB 代码对图像进行归一化：

%% Create an Example Image:
rand('seed', 1982);
n = 16;
myImg= rand(n,n)*.2 + .5;

%% Normalize the Image:
myRange = getrangefromclass(myImg(1));
newMax = myRange(2);
newMin = myRange(1);

myImgNorm = (myImg - min(myImg(:)))*(newMax - newMin)/(max(myImg(:)) - min(myImg(:))) + newMin;

一些图像的问题在于，尽管它们只占据了一小部分可能的值。如果您的值可以介于 0 和 1 之间，则黑色为 0，白色为 1。但是，如果图像中最暗的点是 0.5，最亮的点是 0.7，那么它可能看起来会褪色到您的处理或用户何时被可视化（请注意，MATLAB 的 imagesc 出于这个原因会在显示之前自动对图像进行规范化）。

如果您使用 hist(myImg(:)) 查看图像的直方图，您可以了解图像实际使用的允许值的必要性。在标准化图像中，最小值为 0，最大值为 1（或您使用的任何范围）。

实现这个公式的一个常见错误是没有正确放置括号，在缩放之前没有减去图像的最小值，或者没有添加回“newMin”。

您可以在以下代码和图像中一起查看所有内容。请注意原始图像 (1) 仅使用了一小部分空间 (2)，因此当我们不让 imagesc 自动缩放 clim 参数时，它看起来已经褪色。然而，一旦我们对 (3) 进行归一化，图像就会同时具有非常暗和非常亮的值，并且直方图从 0 一直延伸到 1 (4)。虽然尚不清楚您的代码在做什么或没有做什么，但将其与此示例进行比较应该可以解决您的问题。

%% Create an Example Image:
rand('seed', 1982);
n = 16;
myImg= rand(n,n)*.2 + .5;

%% Normalize the Image:
myRange = getrangefromclass(myImg(1));
newMax = myRange(2);
newMin = myRange(1);

myImgNorm = (myImg - min(myImg(:)))*(newMax - newMin)/(max(myImg(:)) - min(myImg(:))) + newMin;

%% Display the Image:
figure(42);
clf;

% Display the original:
subplot(2,2,1);
imagesc(myImg);
set(gca, 'clim', [0,1]);;
title('(1) Original Image');

% Display the hist of the original:
subplot(2,2,3);
hist(myImg(:))
xlim([0,1]);
title('(2) Histogram Of Original Image');

% Display the normalized image:
subplot(2,2,2);
imagesc(myImgNorm);
title('(3) Normalized Image');

% Display the hist of the normalized image:
subplot(2,2,4);
hist(myImgNorm(:))
title('(4) Histogram of Normalized Image');
xlim([0,1]);

colormap gray

编辑：

此外，关于 getrangefromclass(...) 将如何解决您的问题，需要注意一些要点。此函数返回“基于其类的图像的默认显示范围”——即，它返回 MATLAB 认为该数据类型表示图片的合理值范围。对于 uint8 数据，这是 [0, 255]。对于 int16，这是 [-32768, 32767]。对于您的情况，双精度，范围是 [0, 1] 不是因为这是最小值和最大值，而是因为这是常规的，双精度数据类型具有特殊的表示形式，使该范围非常合理。 请注意，范围与您的数据实际上是什么无关。如果您的数据小于或大于最小值，则最大值将与 MATLAB 认为适合图片的数据完全不同。在双重或单一的情况下，您的价值可能会大得多。要将值标准化到 [0, 1] 之间，我们可以使用我们一直在讨论的代码。

在这种情况下，我们会创建一个具有大正负值的随机图像，但我们会将它们全部缩放到 0 和 1 之间。也就是说，我们将最暗的颜色设为 0，将亮的颜色设为 1——而在此之前，最小的是负千位，最大的是正千位。但是，请注意当 x 轴值更改为 0,1 时，直方图形状如何保持不变。这应该说明为什么 MATLAB 范围是 [0,1] 但您的最小值/最大值不同——这很好，您的规范化代码将修复零和一之间的所有内容。

randn('seed', 1982);
myImg = randn(n,n)*1000;
% Normalize the Image:
myRange = getrangefromclass(myImg(1));
newMax = myRange(2);
newMin = myRange(1);

myImgNorm = (myImg - min(myImg(:)))*(newMax - newMin)/(max(myImg(:)) - min(myImg(:))) + newMin;

% Display the Image:
figure(42);
clf;

% Display the original:
subplot(2,2,1);
imagesc(myImg);
% set(gca, 'clim', [0,1]);;
title('(1) Original Image');
colorbar
% Display the hist of the original:
subplot(2,2,3);
hist(myImg(:))
title('(2) Histogram Of Original Image');
axis tight;

% Display the normalized image:
subplot(2,2,2);
imagesc(myImgNorm);
title('(3) Normalized Image');
colorbar

% Display the hist of the normalized image:
subplot(2,2,4);
hist(myImgNorm(:))
title('(4) Histogram of Normalized Image');
axis tight;

colormap gray

Answer 3

回答了你之前的问题，我想我理解你的困惑了。

首先，输入图像的类型为uint8（因此范围为[0,255]），由于我们需要对信号进行处理（巴特沃斯滤波），因此需要转换为double数据键入以避免被截断的值。

现在在处理结束时，生成的“图像”类型为double，但具有任意范围（它们代表信号中的平均能量）。现在，如果我们想要显示这些图像，甚至对它们执行图像处理（您试图在原始代码中应用 medfilt2），MATLAB 期望 double 类型的图像在 [0,1] 范围内。

我在代码中使用的公式和您刚刚提供的公式是兼容的，只是我正在规范化到 [0,1] 的范围，因此 newMax = 1 和 newMin = 0 和等式最终简单地为我之前描述过：

 img = ( img - min(img(:)) ) ./ ( max(img(:)) - min(img(:)) );

请记住，您应该单独对每个图像进行归一化，即在公式中为图像本身计算最小值/最大值，而不是从整个图像组中计算。如果你回顾我提出的解决方案，图像存储在一个单元格数组中，并且使用 CELLFUN 完成计算以分别获取每个图像的最小值/最大值：

Tf = cellfun(@(x)reshape((x-min(x))./range(x),sz), Tf, 'Uniform',false);

显然，信号被存储为线性化向量（每个都在一个单元格中），因此我们将每个信号标准化为 [0,1] 范围，然后我们将其重新整形为适当的图像矩阵。

现在，如果您想在那之后返回 uint8 图像，只需调用 im2uint8 即可。

我应该补充一点，我们上面执行的线性变换类型称为最小/最大归一化，但它肯定不是唯一的类型（其他示例请参见 this answer）。人们还可以研究其他对比度增强技术（想想直方图均衡和the like）