医学图像预处理之z分数归一化

在医学图像处理中，Z分数标准化（Z-score normalization）是一种常用的数据标准化方法，其目的是将数据集中的每个图像像素值转换为具有均值为0和标准差为1的标准化值。这种标准化方法有助于改善图像的质量，便于后续图像处理和分析，如图像分割、特征提取和模式识别等。

Z分数标准化是基于原始像素值与其平均值和标准差的比较。对于每个像素值，其标准化后的Z分数计算公式如下：

其中：

• x 代表原始像素值。
• 𝜇 是像素值的平均值（均值）。
• 𝜎是像素值的标准差。
• 𝑍是标准化后的像素值。

具体步骤如下：

1. 计算均值（Mean）：计算整个图像或图像特定区域（如感兴趣区域ROI）内所有像素值的平均值。

2. 计算标准差（Standard Deviation）：计算像素值与其平均值之差的平方和的平均值的平方根，用以描述像素值的离散程度。

3. 执行标准化：对于图像中的每个像素，用它的原始值减去平均值，然后除以标准差，得到其Z分数。

python代码：

import numpy as np
from PIL import Image

# 加载图像
image_path = 'path_to_your_image.png'
image = Image.open(image_path).convert('L')  # 转换为灰度图像
data = np.ar