Image processing 显示具有负值的特征面
在使用numpy实现python的特征脸算法之后,我注意到标准化特征向量包含负值。当特征面显示为图像时,这些负值是如何表示的,例如?我认为图像由正强度值组成。这些特征脸图像是通过特征向量上的直方图均衡化生成的吗?负值的绘制取决于绘图功能的实现。例如,Matlab的Image processing 显示具有负值的特征面,image-processing,numpy,face-recognition,Image Processing,Numpy,Face Recognition,在使用numpy实现python的特征脸算法之后,我注意到标准化特征向量包含负值。当特征面显示为图像时,这些负值是如何表示的,例如?我认为图像由正强度值组成。这些特征脸图像是通过特征向量上的直方图均衡化生成的吗?负值的绘制取决于绘图功能的实现。例如,Matlab的imagesc,将图像数据缩放到当前颜色贴图的全范围,并显示图像。这比直方图均衡化更简单。是的,为了可视化的目的,只需将min(本征面)映射到0,将max(本征面)映射到255即可。您的链接图像似乎正在执行此操作。(注意每个特征面如何占
imagesc
,将图像数据缩放到当前颜色贴图的全范围,并显示图像。这比直方图均衡化更简单。是的,为了可视化的目的,只需将min(本征面)
映射到0,将max(本征面)
映射到255即可。您的链接图像似乎正在执行此操作。(注意每个特征面如何占据整个动态范围。)
本征面(或通常的本征向量)可能有正元素和负元素。因为这只是一个假设/猜测,我不会提出它作为答案,但我认为归一化范围-1:1直接映射到0:255。