数据集 mean std计算方法

原创已于 2024-03-15 14:03:22 修改 · 688 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

于 2023-12-06 14:03:01 首次发布

图像处理专栏收录该内容

3 篇文章

订阅专栏

本文展示了如何使用OpenCV（cv2）对VOC2007数据集中的图像进行预处理，包括读取、缩放、归一化，并计算BGR通道的像素均值和标准差，以便后续深度学习模型使用。

import numpy as np
import cv2
import os
 
# img_h, img_w = 32, 32
img_h, img_w = 32, 48   #根据自己数据集适当调整，影响不大
means, stdevs = [], []
img_list = []
 
imgs_path = './VOCdevkit/VOC2007/JPEGImages/'
imgs_path_list = os.listdir(imgs_path)
 
len_ = len(imgs_path_list)
i = 0
for item in imgs_path_list:
    img = cv2.imread(os.path.join(imgs_path,item))
    img = cv2.resize(img,(img_w,img_h))
    img = img[:, :, :, np.newaxis]
    img_list.append(img)
    i += 1
    print(i,'/',len_)    
 
imgs = np.concatenate(img_list, axis=3)
imgs = imgs.astype(np.float32) / 255.
 
for i in range(3):
    pixels = imgs[:, :, i, :].ravel()  # 拉成一行
    means.append(np.mean(pixels))
    stdevs.append(np.std(pixels))
 
# BGR --> RGB ， CV读取的需要转换，PIL读取的不用转换
means.reverse()
stdevs.reverse()
 
print("normMean = {}".format(means))
print("normStd = {}".format(stdevs))