Image 不同的图像规格化方法

我想对像素值可能为负值的图像进行规范化，并找到了两种不同的方法。给定一个二维矩阵

X

，我可以执行以下操作：

a）

X=0.5*（（X/max（abs（X））+1）

b）

X=（X-min（X））/（max（X）-min（X））

---

因为我不是专家，所以我不确定这两种方法中哪一种更有用。这两个选项中的一个是否具有某些优势？

第二种方法将使用0到1之间的完整范围，这可能是您想要的。第一种方法将始终将0映射到0.5。当数据在0周围对称分布时，第一种方法也将使用0和1之间的全范围

---

由您决定您想要什么。

对于GLCM is，0级在哪里根本不重要，重要的是强度之间的差异。因此，我会选择在最小和最大强度之间线性拉伸的方法。该方法使用的输出范围最好，因此引入的量化误差最小

在比较不同图像的GLCM结果时，最好以相同的方式拉伸所有图像。我会选择一个全局最小值和最大值，对集合中的所有图像保持不变

---

---

请注意，出于其他目的，答案会有所不同。

方法的选择取决于您希望对规范化图像执行的操作。例如，如果您计划将其用于机器学习任务，则最好使用这些类型任务中经常用于规范化图像的技术。您还可以执行

X/max（abs（X））

，或

X/std（X）

，或。。。问题是：你想做什么？@CrisLuengo我只是不知道该用哪种方法。我有一个包含正负元素的矩阵，我想移动它，这样所有元素都是正的，而不会丢失太多信息。我想知道一种方法是否有任何优势。@Samuel:是的，但这并不能回答我的问题：你会对结果做什么？为什么只需要非负值？之后会进行什么处理？@CrisLuengo我需要将矩阵转换为具有正像素值的图像，以进行结构分析（GLCM）。我想知道，是否有一种方法特别有用？