我很困惑图像均值减法是否对我的用例有用。
我正在用道路图像训练 SegNet 网络，并在训练期间减去平均值。
当我比较均值减法前后的图像时，没有均值减法的图像似乎具有更多的特征和详细的像素信息。
我了解平均减法的重要性，因为它可以减少不同光照的影响，并且还有助于训练过程中的梯度计算。但是，这是否意味着我丢失了一些重要信息。我附上图片以供参考。
原创
平均减法
查看上面的图片，我假设没有均值减法的图像可以学习更多特征，尤其是关于汽车的特征（这在这里非常重要）。平均减法的图像在汽车周围大多是黑暗的。
将不胜感激提供解释或链接到可能解释这一点的某些来源。谢谢。
【问题讨论】：
标签： image-processing computer-vision image-segmentation
这里有两点需要考虑：
如果您的图像是无符号整数类型（例如uint8），并且您减去平均值而不将图像转换为其他类型，则可能会破坏图像信息。例如，如果您的图像包含像素值
204 208 100 75 86
平均值为 100.3，减去该平均值的uint8 结果为
104 108 0 0 0 -- saturated subtraction
或
104 108 0 231 242 -- C-style subtraction
取决于您使用的是饱和减法还是 C 风格的算术。在这两种情况下，图像都不再包含与之前相同的信息。
正确的当然是使用浮点值：
103.7 107.7 -0.3 -25.3 -14.3 -- floating-point subtraction
在这种情况下，数据仍然包含完全相同的信息，只是现在是零均值。
现在，如何在屏幕上显示这个零均值图像？您可以将每个 255 的值映射到 255，这样有效范围 [0,255] 之外的值就会饱和；或者您可以在数据中找到最小值和最大值，将像素值线性映射到有效范围。在第一种情况下，它看起来像是您损坏了图像（如您的示例中所示），在第二种情况下，图像看起来没有太大变化。也就是说，没有办法将图像显示在屏幕上，仍然可以看到均值减法的效果。
【讨论】：