如何將歸一化圖像數學方程轉換為Python？

Question

我嘗試學習如何將方程式轉換為python腳本。

我選擇從指紋增強的學術資源，開始它在這里 。

開始學習，我搜索要增強的指紋圖像。 我選擇這張圖片 ：

所以，我要做的第一步就是轉換為灰色：

import cv2
import numpy as np

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

結果如下：

好的，問題從這里開始...

請嘗試理解我，我嘗試學習如何將數學方程式轉換為python腳本。 不要嘗試在Github中尋找其他/現有腳本（例如）。

等式是：

所有細節都來自學術研究 。 告訴我們：讓I（i，j）表示像素（i，j）的灰度值，M和VAR分別表示I的估計均值和方差，而G（i，j）表示歸一化的灰度-像素（i，j）處的電平值。 灰度指紋圖像I定義為N x N矩陣，其中I（i，j）代表第i行第j列像素的強度。 我們假設所有圖像均以每英寸500點（dpi）的分辨率進行掃描。 灰度指紋圖像I的均值和方差定義為

和 分別

好的，我們開始轉換方程式：

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)

結果超出預期：

都是白色的。

有人可以幫我嗎？ 請您指教。

提醒您， 我不是要尋找另一個腳本/另一個示例 。 我試圖了解如何將數學方程式轉換為python腳本 。 關於另一個腳本，我已經有了，即使我已經在這里映射了 。

Answer 1

這是一個不考慮轉換之間的數據類型的簡單問題。 具體來說，當您加載圖像時，它將是無符號的8位整數，因此期望值應在[0, 255] ，但您的均值和方差的計算將超出此動態范圍，因此您的計算將溢出。 解決此問題的最快方法是轉換圖像，使其遵循可以處理所需計算精度的數據類型，例如浮點數。 執行計算，完成后將圖像轉換回期望的數據類型，即無符號的8位整數。

此外，您的代碼中還有幾個錯誤。 一方面，您沒有提供變量N ，它應該是圖像中像素的總數。 此外，您的var函數接受gray作為變量，但是您正在使用img嘗試訪問像素數據，因此在嘗試運行它時也會產生錯誤。 最后，您省略了正在使用的軟件包，因此在其中添加了它們。

我還從本地下載了您的圖片，因此我可以運行代碼以驗證其是否有效。 我已經修補了代碼的末尾，以便在按下鍵並將輸出圖像寫入文件后，可以正確關閉顯示結果的圖像窗口。

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)

我們得到的輸出圖像是：

Answer 2

我沒有運行您的代碼，但請確保G0或G1不會太大。 可能是您的值大於255，因此得到的全白圖像。