尝试规范化Python图像获取错误-RGB值必须在0..1范围内

我得到了一个图像（32，32，3）和两个向量（3），它们代表平均值和标准。我试图通过使图像进入一种状态来规范化图像，在这种状态下，我可以减去平均值并除以标准值，但当我试图绘制它时，我得到了以下错误

ValueError: Floating point image RGB values must be in the 0..1 range.

我理解这个错误，所以我认为当我尝试正常化时，我没有执行正确的操作。下面是我试图使用的规范化图像的代码

mean.shape #(3,)
std.shape #(3,)
sample.shape #(32,32,3)

# trying to unroll and by RGB channels
channel_1 = sample[:, :, 0].ravel()
channel_2 = sample[:, :, 1].ravel()
channel_3 = sample[:, :, 2].ravel()

# Putting the vectors together so I can try to normalize
rbg_matrix = np.column_stack((channel_1,channel_2,channel_3))

# Trying to normalize
rbg_matrix = rbg_matrix - mean
rbg_matrix = rbg_matrix / std

# Trying to put back in "image" form
rgb_image = np.reshape(rbg_matrix,(32,32,3))

---

您的错误似乎表明图像缺乏规范化

mean.shape #(3,)
std.shape #(3,)
sample.shape #(32,32,3)

# trying to unroll and by RGB channels
channel_1 = sample[:, :, 0].ravel()
channel_2 = sample[:, :, 1].ravel()
channel_3 = sample[:, :, 2].ravel()

# Putting the vectors together so I can try to normalize
rbg_matrix = np.column_stack((channel_1,channel_2,channel_3))

# Trying to normalize
rbg_matrix = rbg_matrix - mean
rbg_matrix = rbg_matrix / std

# Trying to put back in "image" form
rgb_image = np.reshape(rbg_matrix,(32,32,3))

在我的深度学习项目中，我使用了这个函数来规范化图像

def normalize(x):
    """
    Normalize a list of sample image data in the range of 0 to 1
    : x: List of image data.  The image shape is (32, 32, 3)
    : return: Numpy array of normalized data
    """
    return np.array((x - np.min(x)) / (np.max(x) - np.min(x)))

---

通过将图像的平均值设置为零，将图像的标准偏差设置为1（就像您所做的那样），对图像进行规格化，将生成大多数（但不是全部）像素都在范围[-2,2]内的图像。这对于进一步的处理是完全有效的，并且通常明确地应用于某些机器学习方法中。我见过它被称为“美白”，但更恰当的说法是a

您使用的绘图功能似乎希望图像在[0,1]范围内。这是打印功能的限制，而不是您的标准化。完全可以展示你的形象

---

要将标准化到[0,1]范围，不应使用平均值和标准偏差，而应使用最大值和最小值，如所示。

如果值与平均值的距离超过一个标准差，那么会发生什么情况？您能提供整个堆栈跟踪吗？@user2743您好。。。如果您觉得我的答案有用，请投票表决并/或将其标记为解决方案。谢谢：）