18、图像数据处理与采样方法详解

图像数据处理与采样方法详解

在图像数据处理和机器学习中，对图像数据进行合适的转换和采样是非常重要的步骤。下面将详细介绍图像数据的归一化转换、组合转换、数据集转换以及不同的采样方法。

1. 归一化转换（Normalize Transform）

归一化转换是一种常见的图像数据处理方法，其作用是使用均值和标准差对张量图像进行归一化。具体公式为： output[channel] = (input[channel] - mean[channel]) / std[channel] 。这其实类似于之前使用过的 StandardScaler ，只不过这里是基于张量对每个图像通道独立操作。

通常，像素值是正数，范围一般在 [0, 255] ，而我们的图像张量值在 [0, 1] 范围，且只有一个通道。为了将其值映射到对称范围，我们可以使用 Normalize() 转换。这里不先计算均值和标准差，而是将均值和标准差都设为 0.5 ，这样实际上就进行了类似于 Scikit-Learn 的 MinMaxScaler 的最小 - 最大缩放，使结果范围为 [-1, 1] 。

示例代码如下：

normalizer = Normalize(mean=(.5,), std=(.5,))
normalized_tensor = normalizer(i