matlab图像归一化方法

本文引用地址：http://blog.sciencenet.cn/blog-444691-322182.html  此文来自科学网张建国博客 http://www.cnblogs.com/LBSer/p/4440590.html matlab图像处理为什么要归一化和如何归一化 一、为什么归一化 1.    　基本上归一化思想是利用图像的不变矩寻找一组参数使其能够消除其他变

图像归一化是一种预处理步骤，用于将图像数据标准化到一个特定的范围或分布内。这种方法特别重要，因为它可以减少不同图像之间由于光照、对比度和噪声等因素造成的影响。归一化的目的是确保算法的稳健性，使同一算法对不同来源和条件的图像都能有效工作。通过归一化，图像数据的可比较性得以提高，进而提高图像分析和识别任务的准确性和效率。灰度图像是一类只包含亮度信息而没有颜色信息的图像。在灰度图像中，每个像素点的值是介于纯黑和纯白之间的灰度级别，常用于减少数据复杂性和简化图像处理流程。灰度级。

一、为什么归一化？  1、   基本上归一化思想是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转   换成唯一的标准形式以抵抗仿射变换。     图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一  样的或者一个系列的。 　　因为我们这次的图片有好多都是一个系列的，所以老师把这个也作为我研究的一个方向。 　　我

一、图像归一化的好处：1、转换成标准模式，防止仿射变换的影响。2、减小几何变换的影响。3、加快梯度下降求最优解的速度。二、图像归一化的方法1、线性函数转换，表达式如下：y=(x-MinValue)/(MaxValue-MinValue)说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。2、对数函数转换，表达式如下：y=log10(x)说明：以10为底的...

tmp = double(image_all(:,:,i)); maxv = max(tmp(:)); minv = min(tmp(:)); tmpimg = uint8(((tmp + abs(min(tmp(:))))/(abs(maxv) + abs(minv)))*255);