最后一個數不用除法，改用減法，從總量中減去已知的數字
合江網站制作公司哪家好，找創(chuàng)新互聯(lián)！從網頁設計、網站建設、微信開發(fā)、APP開發(fā)、響應式網站開發(fā)等網站項目制作，到程序開發(fā)，運營維護。創(chuàng)新互聯(lián)2013年至今到現在10年的時間，我們擁有了豐富的建站經驗和運維經驗，來保證我們的工作的順利進行。專注于網站建設就選創(chuàng)新互聯(lián)。
0.337
0.330
0.334
變成
0.337
0.330
0.333
%nc(歸一化相關系數)函數源碼
%計算nc(歸一化相關系數)
function dNC = nc(ImageA,ImageB)
if (size(ImageA,1) ~= size(ImageB,1)) or (size(ImageA,2) ~= size(ImageB,2))
error('ImageA ImageB');
dNC = 0;
return ;
end
ImageA=double(ImageA);
ImageB=double(ImageB);
M = size(ImageA,1);
N = size(ImageA,2);
d1=0 ;
d2=0;
d3=0;
for i = 1:M
for j = 1:N
d1=d1+ImageA(i,j)*ImageB(i,j) ;
d2=d2+ImageA(i,j)*ImageA(i,j) ;
d3=d3+ImageB(i,j)*ImageB(i,j) ;
end
end
dNC=d1/(sqrt(d2)*sqrt(d3));
return
在函數調用時用
water=imread('D:\MATLAB7.1\work\water.bmp');
NC=nc(water,W)
%w為提取出來的水印
1.
基本上歸一化思想是利用圖像的不變矩尋找一組參數使其能夠消除其他變換函數對圖
像變換的影響。也就是轉換成唯一的標準形式以抵抗仿射變換
圖像歸一化使得圖像可以抵抗幾何變換的攻擊，
它能夠找出圖像中的那些不變量，
從而
得知這些圖像原本就是一樣的或者一個系列的。
因為我們這次的圖片有好多都是一個系列的，所以老師把這個也作為我研究的一個方
向。
我們主要要通過歸一化減小醫(yī)學圖片由于光線不均勻造成的干擾。
2.matlab
里圖像數據有時候必須是浮點型才能處理，而圖像數據本身是
0-255
的
UNIT
型數
據所以需要歸一化，轉換到
0-1
之間。
3.
歸一化是一種簡化計算的方式，即將有量綱的表達式，經過變換，化為無量綱的表達式，
成為純量。
目的是為了：
(1).
避免具有不同物理意義和量綱的輸入變量不能平等使用
(2).bp
中常采用
sigmoid
函數作為轉移函數，歸一化能夠防止凈輸入絕對值過大引起的神經
元輸出飽和現象
(3).
保證輸出數據中數值小的不被吞食
3.
神經網絡中歸一化的原因
歸一化是為了加快訓練網絡的收斂性，可以不進行歸一化處理
歸一化的具體作用是歸納統(tǒng)一樣本的統(tǒng)計分布性。
歸一化在
0-1
之間是統(tǒng)計的概率
分布，歸一化在
-1--+1
之間是統(tǒng)計的坐標分布。歸一化有同一、統(tǒng)一和合一的意思。無論是
為了建模還是為了計算，
首先基本度量單位要同一，
神經網絡是以樣本在事件中的統(tǒng)計分別
幾率來進行訓練（概率計算）和預測的，歸一化是同一在
0-1
之間的統(tǒng)計概率分布；
當所
有樣本的輸入信號都為正值時，
與第一隱含層神經元相連的權值只能同時增加或減小，
從而
導致學習速度很慢。
為了避免出現這種情況，
加快網絡學習速度，
可以對輸入信號進行歸一
化，使得所有樣本的輸入信號其均值接近于
或與其均方差相比很小。
歸一化是因為
sigmoid
函數的取值是
到
1
之間的，
網絡最后一個節(jié)點的輸出也是
如此，
所以經常要對樣本的輸出歸一化處理。
所以這樣做分類的問題時用
[0.9 0.1 0.1]
就要比
用
[1 0 0]
要好。
但是歸一化處理并不總是合適的，
根據輸出值的分布情況，
標準化等其它統(tǒng)計變換方法有時
可能更好。
二、如何歸一化
matlab
中的歸一化處理有三種方法
1. premnmx
、
postmnmx
、
tramnmx
2. restd
、
poststd
、
trastd
3.
自己編程
(1)
線性函數轉換，表達式如下：
y=(x-MinValue)/(MaxValue-MinValue)
說明：
x
、
y
分別為轉換前、后的值，
MaxValue
、
MinValue
說明：以
10
為底的對數函數轉換。
(3)
反余切函數轉換，表達式如下：
y=atan(x)*2/PI
(4)
一個歸一化代碼
.
I=double(I);
maxvalue=max(max(I)');%max
在把矩陣每列的最大值找到，
并組成一個單行的數組，
轉置一
下就會行轉換為列，再
max
就求一個最大的值，如果不轉置，只能求出每列的最大值。
f = 1 - I/maxvalue; %
為什么要用
1
去減？
Image1=f;
圖像歸一化到
[0,255]
(im
-
min(min(im)))
./
(max(max(im))
–
min(min(im))) * 255
Java圖像處理技巧四則
下面代碼中用到的sourceImage是一個已經存在的Image對象
圖像剪切
對于一個已經存在的Image對象，要得到它的一個局部圖像，可以使用下面的步驟：
//import java.awt.*;
//import java.awt.image.*;
Image croppedImage;
ImageFilter cropFilter;
CropFilter =new CropImageFilter(25,30,75,75); //四個參數分別為圖像起點坐標和寬高，即CropImageFilter(int x,int y,int width,int height)，詳細情況請參考API
CroppedImage= Toolkit.getDefaultToolkit().createImage(new FilteredImageSource(sourceImage.getSource(),cropFilter));
如果是在Component的子類中使用，可以將上面的Toolkit.getDefaultToolkit().去掉。FilteredImageSource是一個ImageProducer對象。
圖像縮放
對于一個已經存在的Image對象，得到它的一個縮放的Image對象可以使用Image的getScaledInstance方法：
Image scaledImage=sourceImage. getScaledInstance(100,100, Image.SCALE_DEFAULT); //得到一個100X100的圖像
Image doubledImage=sourceImage. getScaledInstance(sourceImage.getWidth(this)*2,sourceImage.getHeight(this)*2, Image.SCALE_DEFAULT); //得到一個放大兩倍的圖像,這個程序一般在一個swing的組件中使用，而類Jcomponent實現了圖像觀察者接口ImageObserver，所有可以使用this。
//其它情況請參考API
灰度變換
下面的程序使用三種方法對一個彩色圖像進行灰度變換，變換的效果都不一樣。一般而言，灰度變換的算法是將象素的三個顏色分量使用R*0.3+G*0.59＋ B*0.11得到灰度值，然后將之賦值給紅綠藍，這樣顏色取得的效果就是灰度的。另一種就是取紅綠藍三色中的最大值作為灰度值。java核心包也有一種算法，但是沒有看源代碼，不知道具體算法是什么樣的，效果和上述不同。
/* GrayFilter.java*/
/*@author:cherami */
/*email:cherami@163.net*/
import java.awt.image.*;
public class GrayFilter extends RGBImageFilter {
int modelStyle;
public GrayFilter() {
modelStyle=GrayModel.CS_MAX;
canFilterIndexColorModel=true;
}
public GrayFilter(int style) {
modelStyle=style;
canFilterIndexColorModel=true;
}
public void setColorModel(ColorModel cm) {
if (modelStyle==GrayModel
else if (modelStyle==GrayModel
}
public int filterRGB(int x,int y,int pixel) {
return pixel;
}
}
/* GrayModel.java*/
/*@author:cherami */
/*email:cherami@163.net*/
import java.awt.image.*;
public class GrayModel extends ColorModel {
public static final int CS_MAX=0;
public static final int CS_FLOAT=1;
ColorModel sourceModel;
int modelStyle;
public GrayModel(ColorModel sourceModel) {
super(sourceModel.getPixelSize());
this.sourceModel=sourceModel;
modelStyle=0;
}
public GrayModel(ColorModel sourceModel,int style) {
super(sourceModel.getPixelSize());
this.sourceModel=sourceModel;
modelStyle=style;
}
public void setGrayStyle(int style) {
modelStyle=style;
}
protected int getGrayLevel(int pixel) {
if (modelStyle==CS_MAX) {
return Math.max(sourceModel.getRed(pixel),Math.max(sourceModel.getGreen(pixel),sourceModel.getBlue(pixel)));
}
else if (modelStyle==CS_FLOAT){
return (int)(sourceModel.getRed(pixel)*0.3+sourceModel.getGreen(pixel)*0.59+sourceModel.getBlue(pixel)*0.11);
}
else {
return 0;
}
}
public int getAlpha(int pixel) {
return sourceModel.getAlpha(pixel);
}
public int getRed(int pixel) {
return getGrayLevel(pixel);
}
public int getGreen(int pixel) {
return getGrayLevel(pixel);
}
public int getBlue(int pixel) {
return getGrayLevel(pixel);
}
public int getRGB(int pixel) {
int gray=getGrayLevel(pixel);
return (getAlpha(pixel)24)+(gray16)+(gray8)+gray;
}
}
如果你有自己的算法或者想取得特殊的效果，你可以修改類GrayModel的方法getGrayLevel()。
色彩變換
根據上面的原理，我們也可以實現色彩變換，這樣的效果就很多了。下面是一個反轉變換的例子：
/* ReverseColorModel.java*/
/*@author:cherami */
/*email:cherami@163.net*/
import java.awt.image.*;
public class ReverseColorModel extends ColorModel {
ColorModel sourceModel;
public ReverseColorModel(ColorModel sourceModel) {
super(sourceModel.getPixelSize());
this.sourceModel=sourceModel;
}
public int getAlpha(int pixel) {
return sourceModel.getAlpha(pixel);
}
public int getRed(int pixel) {
return ~sourceModel.getRed(pixel);
}
public int getGreen(int pixel) {
return ~sourceModel.getGreen(pixel);
}
public int getBlue(int pixel) {
return ~sourceModel.getBlue(pixel);
}
public int getRGB(int pixel) {
return (getAlpha(pixel)24)+(getRed(pixel)16)+(getGreen(pixel)8)+getBlue(pixel);
}
}
/* ReverseColorModel.java*/
/*@author:cherami */
/*email:cherami@163.net*/
import java.awt.image.*;
public class ReverseFilter extends RGBImageFilter {
public ReverseFilter() {
canFilterIndexColorModel=true;
}
public void setColorModel(ColorModel cm) {
substituteColorModel(cm,new ReverseColorModel(cm));
}
public int filterRGB(int x,int y,int pixel) {
return pixel;
}
}
要想取得自己的效果，需要修改ReverseColorModel.java中的三個方法，getRed、getGreen、getBlue。
下面是上面的效果的一個總的演示程序。
/*GrayImage.java*/
/*@author:cherami */
/*email:cherami@163.net*/
import java.awt.*;
import java.awt.image.*;
import javax.swing.*;
import java.awt.color.*;
public class GrayImage extends JFrame{
Image source,gray,gray3,clip,bigimg;
BufferedImage bimg,gray2;
GrayFilter filter,filter2;
ImageIcon ii;
ImageFilter cropFilter;
int iw,ih;
public GrayImage() {
ii=new ImageIcon(\"images/11.gif\");
source=ii.getImage();
iw=source.getWidth(this);
ih=source.getHeight(this);
filter=new GrayFilter();
filter2=new GrayFilter(GrayModel.CS_FLOAT);
gray=createImage(new FilteredImageSource(source.getSource(),filter));
gray3=createImage(new FilteredImageSource(source.getSource(),filter2));
cropFilter=new CropImageFilter(5,5,iw-5,ih-5);
clip=createImage(new FilteredImageSource(source.getSource(),cropFilter));
bigimg=source.getScaledInstance(iw*2,ih*2,Image.SCALE_DEFAULT);
MediaTracker mt=new MediaTracker(this);
mt.addImage(gray,0);
try {
mt.waitForAll();
} catch (Exception e) {
}
重慶分公司
重慶分公司
