CNN图像归一化 图像归一化原理

1. 图像归一化概念
   图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。
   图像归一化是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换。
2. 图像归一化的作用
   归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。 目的是为了：
   (1).避免具有不同物理意义和量纲的输入变量不能平等使用
   (2).bp中常采用sigmoid函数作为转移函数，归一化能够防止净输入绝对值过大引起的神经元输出饱和现象
   (3).保证输出数据中数值小的不被吞食
   基于矩的图像归一化技术基本工作原理为：首先利用图像中对仿射变换具有不变性的矩来确定变换函数的参数， 然后利用此参数确定的变换函数把原始图像变换为一个标准形式的图像(该图像与仿射变换无关)。 一般说来，基于矩的图像归一化过程包括4个步骤，即坐标中心化、x-shearing 归一化、缩放归一化和旋转归一化。
   图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。
   原始图像在经历一些处理或攻击后可以得到多种副本图像，这些图像在经过相同参数的图像归一化处理后能够得到相同形式的标准图像。
   比如：
   表情图像经过特征块切割后，切割生成的特征块大小不一。这时，就需要采取归一化的操作来统一特征块图像的尺寸。为了方便后续特征提取的计算和减少特征的维数，在实验仿真中将特征块图像归一化为2028像素的图像，即经切割后的特征块图像若尺寸不为2028像素，就把它们统一归一化为2028像素。之所以把特征块图像归一化为2028像素，是因为特征块的形状都为长方形，更符合特征块的自然形式。
   图像归一化的技术可以分为线性归一化和非线性归一化两种。
   线性归一化可以放大和缩小原始图像的长度和宽度，保留图像的线性性质。有时候表情特征块图像可能不是所要求的形式，这时就要求进行对切割后的图像中心的位置做适当的更正，使之统一到相同的位置上，故采用非线性归一化技术。
3. 图像归一化的使用方法
   可以使用MATLAB，也可以使用Python实现