Python 3.x 如何使用VIP进行图像标准化？

我想规范化一组图像的曝光和调色板。就上下文而言，这是为了在医学图像的图像分类中训练神经网络。我也在为数十万张图片做这项工作，所以效率非常重要

到目前为止，我一直在使用VIP，特别是PyVIP，并且更喜欢使用该库的解决方案。在找到并仔细查看之后，我试着

x = pyvips.Image.new_from_file('test.ndpi')
x = x.hist_norm()
x.write_to_file('test_normalized.tiff')

---

但这似乎总是产生一个纯白色的图像

直方图均衡需要

hist_equal

主要文件如下：

但是，对于大型幻灯片图像，这将非常缓慢。它将需要扫描整个幻灯片一次以建立直方图，然后再次扫描以使其均衡。找到低分辨率层的柱状图，然后用它来均衡高分辨率层，速度会快得多

例如：

#!/usr/bin/env python3

import sys
import pyvips

# open the slide image and get the number of layers ... we are not fetching 
# pixels, so this is quick
x = pyvips.Image.new_from_file(sys.argv[1])
levels = int(x.get("openslide.level-count"))

# find the histogram of the highest level ... again, this should be quick
x = pyvips.Image.new_from_file(sys.argv[1], 
                               level=levels - 1)
hist = x.hist_find()

# from that, compute the transform for histogram equalisation
equalise = hist.hist_cum().hist_norm()

# and use that on the full-res image
x = pyvips.Image.new_from_file(sys.argv[1])

x = x.maplut(equalise)

x.write_to_file(sys.argv[2])

另一个因素是直方图均衡是非线性的，所以它会扭曲亮度关系。它还可以扭曲颜色关系，使噪声和压缩伪影看起来疯狂。我在这里的一张图片上尝试了该程序：

$ ~/try/equal.py bild.ndpi[level=7] y.jpg

条纹来自幻灯片扫描仪，丑陋的条纹来自压缩

我想我应该从低分辨率水平上找到图像的最大值和最小值，然后用它们对像素值进行简单的线性拉伸

比如：

x = pyvips.Image.new_from_file(sys.argv[1])
levels = int(x.get("openslide.level-count"))
x = pyvips.Image.new_from_file(sys.argv[1],
                               level=levels - 1)
mn = x.min()
mx = x.max()
x = pyvips.Image.new_from_file(sys.argv[1])
x = (x - mn) * (256 / (mx - mn))
x.write_to_file(sys.argv[2])

您在pyvips中找到新的

区域

功能了吗？它使生成训练补丁的速度大大加快，在某些情况下可提高100倍：

---

谢谢！区域功能看起来很棒。对于hist_equal，我也得到了人工制品。你能说更多关于如何得到最大值和最小值并进行线性拉伸吗？还有，如何将区域写入文件？我添加了一个mx/mn示例。如果要通过文件访问，那么使用fetch是没有意义的——无论你做什么，它都会非常慢。如果你想将像素数组直接输入pytorch等，Fetch很方便——你会看到一个巨大的加速。哦，我想你是说调试？您可以使用

new\u from\u memory

将图像环绕在字节值数组中。