图像处理为什么要用归一化_图像处理中为什么要归一化 - CSDN
  • 二就是特征归一化(Feature Scaling),这也是许多机器学习模型都需要注意的问题。 有些模型在各个维度进行不均匀伸缩后,最优解与原来不等价,例如SVM。对于这样的模型,除非本来各维数据的分布范围就比较接近,...

    一就是特征组合问题,比如房子的长和宽作为两个特征参与模型的构造,不如把其相乘得到面积然后作为一个特征来进行求解,这样在特征选择上就做了减少维度的工作。

    二就是特征归一化(Feature Scaling),这也是许多机器学习模型都需要注意的问题。

    有些模型在各个维度进行不均匀伸缩后,最优解与原来不等价,例如SVM。对于这样的模型,除非本来各维数据的分布范围就比较接近,否则必须进行标准化,以免模型参数被分布范围较大或较小的数据dominate。

    有些模型在各个维度进行不均匀伸缩后,最优解与原来等价,例如logistic regression。对于这样的模型,是否标准化理论上不会改变最优解。但是,由于实际求解往往使用迭代算法,如果目标函数的形状太“扁”,迭代算法可能收敛得很慢甚至不收敛。所以对于具有伸缩不变性的模型,最好也进行数据标准化。

    归一化后有两个好处:

    1. 提升模型的收敛速度

    如下图,x1的取值为0-2000,而x2的取值为1-5,假如只有这两个特征,对其进行优化时,会得到一个窄长的椭圆形,导致在梯度下降时,梯度的方向为垂直等高线的方向而走之字形路线,这样会使迭代很慢,相比之下,右图的迭代就会很快

     


    2.提升模型的精度

    归一化的另一好处是提高精度,这在涉及到一些距离计算的算法时效果显著,比如算法要计算欧氏距离,上图中x2的取值范围比较小,涉及到距离计算时其对结果的影响远比x1带来的小,所以这就会造成精度的损失。所以归一化很有必要,他可以让各个特征对结果做出的贡献相同。

    下边是常用归一化方法

    1). 线性归一化,线性归一化会把输入数据都转换到[0 1]的范围,公式如下

    该方法实现对原始数据的等比例缩放,其中Xnorm为归一化后的数据,X为原始数据,Xmax、Xmin分别为原始数据集的最大值和最小值。

    2). 0均值标准化,0均值归一化方法将原始数据集归一化为均值为0、方差1的数据集,归一化公式如下:

    其中,μ、σ分别为原始数据集的均值和方法。该种归一化方式要求原始数据的分布可以近似为高斯分布,否则归一化的效果会变得很糟糕。

    关于归一化方法的选择

    1) 在分类、聚类算法中,需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候,第二种方法(Z-score standardization)表现更好。


    2) 在不涉及距离度量、协方差计算、数据不符合正太分布的时候,可以使用第一种方法或其他归一化方法。比如图像处理中,将RGB图像转换为灰度图像后将其值限定在[0 255]的范围。

    选择方法是参考自http://blog.csdn.net/zbc1090549839/article/details/44103801,至于为什么,我现在也还不清楚

    转载:https://www.cnblogs.com/ooon/p/4947347.html

    总结:为什么要对数据归一化?

    • 首先目标函数,也就是损失函数是关于输入数据x的特征的一个函数,如上图可以看出,归一化之后收敛速度更快。
    • 还有就是精度的问题了。
    展开全文
  • [转载]matlab图像处理为什么要归一化和如何归一化 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换函数对图像变换的影响。...

    [转载]matlab图像处理为什么要归一化和如何归一化

    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。
      我们主要要通过归一化减小医学图片由于光线不均匀造成的干扰。
    2.matlab里图像数据有时候必须是浮点型才能处理,而图像数据本身是0-255的UNIT型数据所以需要归一化,转换到0-1之间。
    3.归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为纯量。 目的是为了:
    (1).避免具有不同物理意义和量纲的输入变量不能平等使用 
    (2).bp中常采用sigmoid函数作为转移函数,归一化能够防止净输入绝对值过大引起的神经元输出饱和现象 
    (3).保证输出数据中数值小的不被吞食 
    3.神经网络中归一化的原因
            归一化是为了加快训练网络的收敛性,可以不进行归一化处理 
            归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算,首先基本度量单位要同一,神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的,归一化是同一在0-1之间的统计概率分布; 当所有样本的输入信号都为正值时,与第一隐含层神经元相连的权值只能同时增加或减小,从而导致学习速度很慢。为了避免出现这种情况,加快网络学习速度,可以对输入信号进行归一化,使得所有样本的输入信号其均值接近于0或与其均方差相比很小。
            归一化是因为sigmoid函数的取值是0到1之间的,网络最后一个节点的输出也是如此,所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用[1 0 0]要好。
    但是归一化处理并不总是合适的,根据输出值的分布情况,标准化等其它统计变换方法有时可能更好。

    二、如何归一化
    matlab中的归一化处理有三种方法
    1. premnmx、postmnmx、tramnmx
    2. restd、poststd、trastd
    3. 自己编程
    (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为底的对数函数转换。
    (3)反余切函数转换,表达式如下:
    y=atan(x)*2/PI
    (4)一个归一化代码.
    I=double(I);
    maxvalue=max(max(I)');%max在把矩阵每列的最大值找到,并组成一个单行的数组,转置一下就会行转换为列,再max就求一个最大的值,如果不转置,只能求出每列的最大值。
    f = 1 - I/maxvalue; 
    Image1=f;



    本文引用地址:http://blog.sciencenet.cn/blog-444691-322182.html 

    展开全文
  • 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...

    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。
      我们主要要通过归一化减小医学图片由于光线不均匀造成的干扰。
    2.matlab里图像数据有时候必须是浮点型才能处理,而图像数据本身是0-255的UNIT型数据所以需要归一化,转换到0-1之间。
    3.归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为纯量。 目的是为了:
    (1).避免具有不同物理意义和量纲的输入变量不能平等使用
    (2).bp中常采用sigmoid函数作为转移函数,归一化能够防止净输入绝对值过大引起的神经元输出饱和现象
    (3).保证输出数据中数值小的不被吞食
    3.神经网络中归一化的原因
    归一化是为了加快训练网络的收敛性,可以不进行归一化处理
    归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1–+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算,首先基本度量单位要同一,神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的,归一化是同一在0-1之间的统计概率分布; 当所有样本的输入信号都为正值时,与第一隐含层神经元相连的权值只能同时增加或减小,从而导致学习速度很慢。为了避免出现这种情况,加快网络学习速度,可以对输入信号进行归一化,使得所有样本的输入信号其均值接近于0或与其均方差相比很小。
    归一化是因为sigmoid函数的取值是0到1之间的,网络最后一个节点的输出也是如此,所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用[1 0 0]要好。
    但是归一化处理并不总是合适的,根据输出值的分布情况,标准化等其它统计变换方法有时可能更好。

    二、如何归一化
    matlab中的归一化处理有三种方法

    1. premnmx、postmnmx、tramnmx
    2. restd、poststd、trastd
    3. 自己编程
      (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为底的对数函数转换。
      (3)反余切函数转换,表达式如下:
      y=atan(x)*2/PI
      (4)一个归一化代码.
      I=double(I);
      maxvalue=max(max(I)’);%max在把矩阵每列的最大值找到,并组成一个单行的数组,转置一下就会行转换为列,再max就求一个最大的值,如果不转置,只能求出每列的最大值。
      f = 1 - I/maxvalue; %为什么要用1去减?
      Image1=f;
    展开全文
  • 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(不变矩能够描述图像整体特征,因其具有平移不变性、比例不变性和旋转不变性等性质)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...

    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(不变矩能够描述图像整体特征,因其具有平移不变性、比例不变性和旋转不变性等性质)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。

    2.   matlab里图像数据有时候必须是浮点型才能处理,二图像数据本身是0-255的UNIT型数据所以需要归一化,转换到0-1之间。

    3.   归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为纯量。目的是为了:

          (1) 避免具有不同物理意义和量纲输入变量不能平等使用;

          (2) bp中常采用sigmoid函数作为转移函数,归一化能够防止净输入绝对值过大引起的神经元输出饱和现象;

          (3) 保证输出数据中数值小的不被吞食。

    4.   神经网络中归一化的原因

          (1) 归一化是为了加快训练网络的收敛性,可以不进行归一化处理。

          (2) 归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1~+1之间是统计的坐标分布。归一化有,同一,统一和和合一的意思。无论是为了建模还是为了计算,首先基本度量单位要同一,神经网络是以样本在时间中的统计分别几率来进行训练(概率计算)和预测的,归一化是同一在0-1之间的统计概论分布;当所有样本的输入信号都为正值时,与第一隐含层神经元相连的权值只能同时增加或减小,从而导致学习的速度很慢。为了避免出现这种情况,加快网络学习速度,可以对输入信号进行归一化,使得所有样本的输入信号其均值接近于0或与其均方差相比很小。

          (3) 归一化是因为sigmoid函数的取值是0到1之间的,网络最后一个节点的输出也是如此,所以经常要对样本输出进行归一化处理。所以这样做分类的问题时[0.9 0.1 0.1]就要比用[1 0 0]要好。但是归一化处理并不总是合适的,根据输出值得分布情况,标准化等其它统计变换方法有时可能更好。

     

    二、 如何归一化

          matlab中的归一化处理有三种方法

          1. premnmx、postmnmx、tramnmx

          2. restd、poststd、trastd

          3. 自己编程

          (1) 线性函数转换,表达式如下:

               y=(x-MinValue)/(Maxvalue-Minvalued)

          (2) 对数函数转换,表达式如下:

               y=log10(x)

           (3) 反余切函数转换,表达式如下:

                y=atan(x)*2/pi

            

     

          

     

    转载于:https://www.cnblogs.com/zoramon/p/5249435.html

    展开全文
  • 本文引用地址:... ... 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换函数对
  • 归一化: 就是把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内。...在许多图像处理系统中,对图像进行归一化都是必备的预处理过程。一般而言,对于灰度图像(或彩色通道的每个颜...
  • 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...
  • 为什么要数据归一化归一化方法

    万次阅读 2017-09-22 09:02:31
    为什么要进行归一化处理,下面从寻找最优解这个角度给出自己的看法。 例子 假定为预测房价的例子,自变量为面积,房间数两个,因变量为房价。 那么可以得到的公式为: 其中代表房间数,代表变量前面的系数。 ...
  • MATLAB实现图像灰度归一化

    万次阅读 2017-03-11 20:08:17
    在许多图像处理系统中,对图像进行归一化都是必备的预处理过程。一般而言,对于灰度图像(或彩色通道的每个颜色分量)进行灰度归一化就是:使其像素的灰度值分布在0~255之间,避免图像对比度不足(图像像素亮度分布...
  • 图像归一化normalization

    万次阅读 2018-05-25 14:42:05
    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)...
  • 二:图像归一化处理

    千次阅读 2019-11-08 22:29:42
    二:图像归一化处理 图像归一化最常见的就是最大最小值归一化方法,公式如下: OpenCV中实现图像最大与最小值归一化的函数如下: normalize( src, // 表示输入图像, numpy类型 dst, // 表示归一化之后图像,...
  • 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  ...
  • 图像归一化作用和方法

    千次阅读 2017-06-20 11:26:10
    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  ...
  • 在对人脸表情进行识别时,人脸的归一化处理是至关重要的一环,它涉及到下一步处理的好坏。 人脸的归一化包括几何归一化和灰度归一化,几何归一化分两步:人脸校正和人脸裁剪。而灰度归 一化主要是增加图像的对比度...
  • 为什么要进行归一化处理,下面从寻找最优解这个角度给出自己的看法。 例子 假定为预测房价的例子,自变量为面积,房间数两个,因变量为房价。 那么可以得到的公式为: 其中代表房间数,代表变量前面的系数。 ...
  • 图像处理中数据归一化

    千次阅读 2014-04-23 11:01:38
    在统计学中,归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1--+1之间是统计的坐标分布。 即该函数在(-∞,+∞)的积分1 例如概率中的密度函数就满足归一化条件 ...
  • opencv图像处理基本操作_归一化

    千次阅读 2018-11-06 11:09:40
     NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围,线性归一化,一般较常用。  NORM_INF: 此类型的定义没有查到,根据OpenCV 1的对应项,可能是归一化数组的C-范数(绝对值的最大值)  NORM_L1 : 归一化...
  • 图像直方图归一化 图像直方图概念: 图像直方图是反映一个图像像素分布的统计表,其实横坐标代表了图像像素的种类,可以是灰度的,也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的...
1 2 3 4 5 ... 20
收藏数 42,414
精华内容 16,965
关键字:

图像处理为什么要用归一化