一：图像标准化处理

使用深度学习在进行图像分类或者对象检测时候，首先需要对图像做数据预处理，最常见的对图像预处理方法有两种，正常白化处理又叫图像标准化处理，另外一种方法叫做归一化处理，下面就详细的说一下这两种处理方法。

一：图像标准化处理

标准化处理的公式如下：

tensorflow中对图像标准化预处理的API函数如下：

1. tf.image.per_image_standardization(image)
2. - image 参数表示一个三维的张量(tensor) 分别对应图像高、宽、通道数目(height, width, channels)

函数返回处理以后的图像，大小与通道数目与原图像保持一致。使用opencv+tensorflow对图像进行标准化处理的代码演示如下：

1. import tensorflow as tf
2. import cv2 as cv
3.  
4. image = cv.imread("D:/javaopencv/dahlia_4.jpg")
5. cv.imshow("input", image)
6. std_image = tf.image.per_image_standardization(image)
7. with tf.Session() as sess:
8. result = sess.run(std_image)
9. print(result)
10. cv.imshow("result", result)
11. cv.waitKey(0)
12. cv.destroyAllWindows()

运行效果

解释

图像标准化是将数据通过去均值实现中心化的处理，根据凸优化理论与数据概率分布相关知识，数据中心化符合数据分布规律，更容易取得训练之后的泛化效果, 数据标准化是数据预处理的常见方法之一