图像标准化，图像范围和图像缩放不同的图像堆栈

我很困惑与图像规范化，图像范围，图像缩放。 我正在使用一种算法（我已经在上一个问题中上传算法），并且在应用算法之后，我使用维基百科的这个公式来规范图像：

使用来自MATLAB的getrangefromclass(filtImag1{i}) ，应用该算法之前的矩阵范围是[0 255]，并且在应用该算法之后，范围是[0 1]。

问题是我需要找到一个参考找出标准化公式是否正确？ 我也有5堆图像，每个包含600个图像。 我已经为每个堆栈应用了该算法，并且由于算法的结果是每个堆栈有10个图像，我最终将得到50个需要分析并将它们进行比较的图像。 我找到了50幅图像的最大值和最小值，然后将每幅图像传递到公式中以对图像进行归一化处理。

尽管图像的范围是[0 1]，但图像的最大值是：max = 3.6714e + 004

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

这里是规范化代码：

%%%%%%%%%%%%%%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

编辑我已根据建议的答案更改代码，但结果是黑色的图像

％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}（:)）; end end 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的数字，imshow（NTstack {i}）; colorbar colormap jet end

---

您提供的维基百科片段是正确的，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;

一些图像的问题是，尽管它们只占用一小部分可能的值。 如果你的值可以在0到1之间，那么黑色将是0，白色将是1.但是，如果你图像中最暗的点是.5，而最亮的点是.7，那么它可能看起来不适合你的处理或者用户何时可视化（请注意，MATLAB的imagesc在显示之前自动对图像进行规范化处理）。

如果使用hist（myImg（:)）查看图像的直方图，则可以确定图像实际使用的允许值的必须性。 在规格化图像中，最小值将为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圆括号，在缩放前不减去图像的最小值，或者不加回“newMin”。

你可以在下面的代码和图像中看到所有的东西。 请注意，原始图像（1）仅使用空间的一小部分（2），因此当我们不让图像c自动缩放爬升参数时，看起来会变得模糊不清。 一旦我们归一化（3），然而，图像有非常暗和非常明亮的值，直方图从0延伸到1（4）。 尽管不清楚你的代码是干什么的，但将它与这个例子进行比较可以解决你的问题。

%% 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：

另外，关于getrangefromclass（...）如何解决您的问题还有一些重要的注意事项。 这个函数返回“基于类的图像的默认显示范围”---也就是说，它返回MATLAB认为合理的值范围是用于表示图片的数据类型。 对于uint8数据，这是[0,255]。 对于int16，这是[-32768，32767]。 对于你的情况，加倍，范围[0,1]不是因为这是最小值和最大值，而是因为这是传统和双数据类型有一个特殊的表示，使这个范围相当合理。 请注意，范围与您的数据实际无关。 如果数据量小于或大于最小值和最大值，则与MATLAB认为对图片有用的数据会有很大不同。 在双倍或单一的情况下，您的价值可能会更大。 要将值标准化为[0,1]之间的值，我们可以使用我们一直在讨论的代码。

在这种情况下，我们创建一个具有较大正值和负值的随机图像，但我们会将它们全部缩放到零和一。 也就是说，我们制作最深的颜色0和发光的颜色1，而在最小的一个是负数之前，最大的是正数千。 但是，请注意直方图形状在x轴值变为0,1时是如何保持不变的。 这应该证明为什么MATLAB范围是[0,1]，但你的最小/最大值是不同的 - 这很好，你的规范化代码将修复零和一之间的一切。

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

---

回答你之前的问题后，我想我理解你的困惑。

首先，输入图像的类型为uint8 （因此范围[0,255]），并且由于我们需要对信号执行处理（巴特沃斯滤波），因此有必要将其转换为double数据类型以避免使值截断。

现在在处理结束时，所得到的“图像”是double类型的，但具有任意范围（它们表示信号中的平均能量）。 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（您正尝试在原始代码中应用medfilt2 ），MATLAB希望double类型的图像处于[0,1]范围内。

我在代码中使用的公式和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 ，并且方程最终只是按照我描述的之前：

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

请记住，您应该自行规范每个图像，即计算图像本身的公式中的最小值/最大值，而不是整个图像组。 如果回头看看我提出的解决方案，将图像存储在单元阵列中，然后使用CELLFUN完成计算，分别获得每个图像的最小/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的矢量（每个单元都在一个单元中），因此我们将每个信号归一化到[0,1]范围，然后我们将它重新整形成适当的图像矩阵。

现在，如果您想在uint8之后回到uint8图像，只需调用im2uint8 。

我应该补充一点，我们上面执行的线性变换的类型称为最小/最大归一化，但它当然不是唯一的类型（请参阅其他示例的答案）。 人们也可以看看其他对比度增强技术（认为直方图均衡等）

---

我通常使用图像处理工具箱中的mat2gray来达到这些目的：mat2gray。 我使用上面提到的完全相同的线性插值。 它在内部叫做imlincomb。

你提到的问题，使我相信你以某种方式错误地实现了上述等式。

链接地址: http://www.djcxy.com/p/79615.html

上一篇: image Normalization, image Range and image Scaling for different stack of images

下一篇: c#