如何将标准化图像数学公式转换为Python？

我试图学习如何将等式转换为python脚本

我选择从学术资源的指纹增强开始

为了开始学习，我搜索要增强的指纹图像。我选择这个：

因此，我要做的第一步是转换为灰色：

import cv2
import numpy as np

input = 'PATH OF IMAGE'
img = cv2.imread(input)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

结果如下：

好的，问题从这里开始

请试着理解我，我试着学习如何将数学公式转换成python脚本。 不要尝试在Github中查找其他/现有脚本（例如）。

方程式为：

所有的细节都来自。被告知： 让I（I，j）表示像素（I，j），M和处的灰度值 VAR分别表示I的估计平均值和方差，G（I，j）表示像素（I，j）处的归一化灰度值。 灰度指纹图像I被定义为nxn矩阵，其中I（I，j）表示像素在该位置的强度 第i行和第j列。我们假设所有的图像都是 以每英寸500点（dpi）的分辨率扫描。灰度指纹图像的均值和方差I定义为

及 分别

好，我们开始变换方程：

def mean(gray):
    rows, cols = gray.shape
    sum = 0
    for i in range(0,rows):
        for j in range(0, cols):
            pix = (gray[i,j].item())
            sum += pix
    M = sum/N
    return M

def var(gray, M):
    rows, cols = gray.shape
    N = gray.size
    sum = 0
    for i in range(0,rows):
        for j in range(0, cols):
            vix = ((img[i,j].item()) - M)**2
            sum += vix
    VAR = sum/N
    return VAR

def normalize(img, M0, VAR0):
    M = mean(img)
    VAR = var(img, M)
    rows,cols = img.shape
    normim = np.zeros((rows, cols))
    for i in range(0, rows):
        for j in range(0, cols):
            if (gray[i,j].item()) > M:
                G0 = M0 + ((((VAR0)*(((gray[i,j].item())-(M))**2))/(VAR))**(1/2))
                normim[i,j] = int(G0)
            else:
                G1 = M0 - ((((VAR0)*(((gray[i,j].item())-(M))**2))/(VAR))**(1/2))
                normim[i,j] = int(G1)
    return normim


M0 = 100 #follow the academic research document
VAR0 = 100 #follow the academic research document
normgray = normalize(gray, 100,100)

cv2.imshow('test', normgray)
cv2.waitKey(1)

结果出乎意料：

一切都是白色的

有人能帮我吗？请您指教

---

为了提醒你，我不是在寻找另一个脚本/另一个例子我试图理解如何将数学公式转换为python脚本。关于另一个脚本，我已经有了，甚至我已经映射了它。

我没有运行您的代码，但请确保G0或G1不会变得太大。可能是您的值高于255，因此生成的图像为全白色

这是一个简单的问题，在转换之间不考虑数据类型。具体来说，当您加载图像时，它将是无符号8位整数，因此预期值应在

[0，255]

范围内，但您对均值和方差的计算将超过此动态范围，因此您的计算将溢出。解决此问题的最快方法是转换图像，使其符合可以处理所需计算精度（如浮点）的数据类型。执行计算，完成后将图像转换回预期的数据类型，即无符号8位整数

此外，代码中还有几个错误。首先，您没有提供变量

N

，它应该是图像中的像素总数。此外，您的

var

函数接受

gray

作为变量，但您正在使用

img

尝试访问像素数据，因此在尝试运行该函数时也会出现错误。最后，您省略了正在使用的软件包，因此我在中添加了这些

我也在本地下载了你的图像，这样我就可以运行代码来验证它是否有效。我已经修补了代码的结尾，以便在按下一个键并将输出图像写入文件后，显示结果的图像窗口正确关闭

因此：

# Added so the code can run
import cv2
import numpy as np

# Added so the code can run
gray = cv2.imread('gnN4Q.png', 0)
gray = gray.astype(np.float) # Change to floating-point
N = gray.shape[0]*gray.shape[1]

def mean(gray):
    rows, cols = gray.shape
    sum = 0
    for i in range(0,rows):
        for j in range(0, cols):
            pix = (gray[i,j].item())
            sum += pix
    M = sum/N # Added above
    return M

def var(gray, M):
    rows, cols = gray.shape
    N = gray.size
    sum = 0
    for i in range(0,rows):
        for j in range(0, cols):
            vix = ((gray[i,j].item()) - M)**2 # Change
            sum += vix
    VAR = sum/N
    return VAR

def normalize(img, M0, VAR0):
    M = mean(img)
    VAR = var(img, M)
    rows,cols = img.shape
    normim = np.zeros((rows, cols))
    for i in range(0, rows):
        for j in range(0, cols):
            if (gray[i,j].item()) > M:
                G0 = M0 + ((((VAR0)*(((gray[i,j].item())-(M))**2))/(VAR))**(1/2))
                normim[i,j] = int(G0)
            else:
                G1 = M0 - ((((VAR0)*(((gray[i,j].item())-(M))**2))/(VAR))**(1/2))
                normim[i,j] = int(G1)
    return normim

M0 = 100 #follow the academic research document
VAR0 = 100 #follow the academic research document
normgray = normalize(gray, 100,100)
normgray = normgray.astype(np.uint8) # Added - convert back to uint8
cv2.imshow('test', normgray)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('output.png', normgray)

我们得到的输出图像是：

---

学术研究报告写道，他使用相同的方法，使用相同的M0和VAR0值（两者均=100）。这让我很困惑，因为如果我尝试计数gray[1,2].item（），例如，值是255。当我输入公式时，点变成105。是的，这个公式使255变为255以下。这里的另一个学术研究：，使用类似的方法。见第15页。但奇怪的是。。。。我没有得到类似的结果。我已经用脚本切克了。没有大于255的值。脚本：对于范围（0，行）中的i:。。。对于范围（0，cols）内的j:。。。如果[i，j].item（）>255:。。。打印（normgray[i，j].item（））>>>是的，都在255OMG以下…你说得对。。。问题是由数据类型引起的。因此，等式被成功地翻译为Python脚本，但不考虑数据类型。要解决这个问题，只需：normgray=normgray.astype（np.uint8）和about N=gray.shape[0]*gray.shape[1]==N=gray.sizesorry无法选择flag作为答案，但问题已经得到了回答。顺便说一句，我开始学习，学术期刊/研究。你可以在这里看到：为什么等式的结果…非常满…不像acedemic报告你确定你不能选择我的答案吗？只需单击上下箭头下方的复选标记图标。很高兴我能帮忙！是的，旗帜的颜色是：垃圾邮件，粗鲁或辱骂，不是回答，需要版主干预。好的，我试着用主持人的干预来回答这个问题