Python 大于零的像素值的Numpy ndarray图像像素平均值：规格化图像

我正在尝试在numpy中读取并规范化3通道图像。对于图像中的每个通道，我想计算大于零的像素值的平均值

我从以下几点开始：

from scipy import misc
img = misc.imread('test.png')
print(type(img) ) #<type 'numpy.ndarray'>
print(img.shape) #(512, 512, 3)

来自scipy导入杂项
img=misc.imread（'test.png'）
打印（类型（img））#
打印（图像形状）#（512、512、3）

但我不确定第一个1。）如何索引出保持维数的正值，而不使数组变平。以及2.）如何获取所选正值的通道平均值

我的完全正常化过程如下所示：

img_mean = mean(img[img >0])#channel wise mean of positive pixels
img_std  = std(img[img>0]) #channel wise std. deviation of positive pixels
img_norm = (img - img_mean)/img_std
img_norm[img_norm < -1] = 0 #setting pixel values less than 1 to 0. 

img_mean=mean（img[img>0]）#正像素的通道平均值
img_std=std（img[img>0]）#正像素的通道标准偏差
img_标准=（img-img_平均值）/img_标准
img_norm[img_norm<-1]=0#设置小于1到0的像素值。

下面是我正在处理的一个图像示例

---

最简单的方法是将所有零屏蔽为NaN，然后使用

np.nanmean

和

np.nanstd

基本上忽略计算中的

零，如下所示-

imgn = np.where(img>0,img,np.nan)
img_norm = (img - np.nanmean(imgn,axis=(0,1)))/np.nanstd(imgn,axis=(0,1))