我正在使用 scipy 的 convolve2d:
for i in range(0, 12):
R.append(scipy.signal.convolve2d(self.img, h[i], mode = 'same'))
卷积后所有值都在 10000s 的数量级,但考虑到我正在处理图像,我需要它们在 0-255 的范围内。我该如何规范化它?
最佳答案
假设您想要在单个图像内进行归一化,您可以简单地使用 im_out = im_out/im_out.max() * 255
。
您还可以规范化内核或原始图像。
示例如下。
import scipy.signal
import numpy as np
import matplotlib.pyplot as plt
from skimage import color
from skimage import io
im = plt.imread('dice.jpg')
gray_img = color.rgb2gray(im)
print im.max()
# make some kind of kernel, there are many ways to do this...
t = 1 - np.abs(np.linspace(-1, 1, 16))
kernel = t.reshape(16, 1) * t.reshape(1, 16)
kernel /= kernel.sum() # kernel should sum to 1! :)
im_out =scipy.signal.convolve2d(gray_img, kernel, mode = 'same')
im_out = im_out / im_out.max() * 255
print im_out.max()
plt.subplot(2,1,1)
plt.imshow(im)
plt.subplot(2,1,2)
plt.imshow(im_out)
plt.show()
关于python - 处理图像时如何标准化 scipy 的 convolve2d?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36759987/