14、数据处理：图像、二进制与文本的多维度解析

数据处理：图像、二进制与文本的多维度解析

1. 图像数据处理

在图像数据处理中，Pillow 格式将图像存储为 8 位无符号整数，而非 [0.0, 1.0] 范围内的浮点数。这种存储方式便于进行转换和归一化操作，在许多神经网络任务中，常将图像数据转换为以零为中心、标准差为一的表示形式。

1.1 通道操作

在处理图像数据之前，对其进行通道操作可能会很有用。例如，我们可以基于蓝色通道的值对图像进行掩码处理，然后选择性地将红色值置为零。以下是具体的代码实现：

# split the Confucius image into individual bands 
source = 仲尼.split() 
R, G, B = 0, 1, 2
# select regions where blue is less than 100 
mask = source[B].point(lambda i: 255 if i < 100 else 0) 
source[R].paste(0, None, mask) 
im = Image.merge(仲尼.mode, source) 
ImageOps.scale(im, 0.5) 

这个操作的效果在彩色图像中表现为，原本红色较浓的边缘区域绿色会更突出；在灰度图像中，边缘则会变暗。

1.2 颜色空间转换

除了通道操作，颜色空间转换也是一种常见的处理方式。将 RGB 颜色空间转换为 HSL 颜色空间可能更适合某些建模需求。以下是使用 R 语言进行转换的代码：