Python的OpenCV的规格化具有零均值和单位方差

Question

我试图如下

out_image = np.zeros((32,32),dtype=np.float32) 
out_array = np.zeros((len(X),32,32), dtype=np.uint8)   
for imageindex in range(0,len(X)): 
    img = X[imageindex].squeeze() 
    if proctype == 'MeanSubtraction': 
     out_image = img.astype(np.float32) - np.mean(img.astype(np.float32)) 
    elif proctype == 'Normalization': 
     out_image = cv2.normalize(img.astype(np.float32), out_image, alpha=-0.5, beta=0.5,\ 
              norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F) 
    elif proctype == 'HistEqualization': 
     out_image = cv2.equalizeHist(img) 

    elif proctype == 'CLAHE': 
     clahe = cv2.createCLAHE(tileGridSize=(6,6),clipLimit = 20.0) 
     out_image = clahe.apply(img) 

    out_array[imageindex] = out_image.astype(np.uint8) 

return out_array 

然而正常化灰度图像具有零均值和单位方差与cv2.normalize功能的数组，如果使用0和1（或0和255）用于归一化函数的参数alpha和beta，它可以工作。但是如果我使用-0.5和+0.5，它会给我一个空的图像（全零）

为什么会发生这种情况？

Answer 1

​​的类型是np.uint8，所以不能精确地表示浮点值。因此，当您将out_image（其中包含[-0.5, 0.5]范围内的浮点值）转换为np.uint8与out_image.astype(np.uint8)时，所有这些值都被截断为零。考虑下面这个例子：

# generate random numbers in the range [-0.5, 0.5] 
x_float32 = (np.random.random((32, 32)) - 0.5).astype(np.float32) 
print x_float32.min(), x_float32.max() # prints -0.49861032, 0.4998906 
x_uint8 = x_float32.astype(np.uint8) 
print x_uint8.min(), x_uint8.max()  # prints 0, 0 

如果你想储存浮点值​​，首先需要改变其dtype到np.float32。或者，您可以将[-0.5, 0.5]范围内的值重新归一化为[0, 255]范围内的无符号整数。