scikit-image (io.imread) returns 浮点数组，这已经归一化了吗？

Question

我正在导入使用 scikit-image 格式化的 RGBA（4 通道）灰度图像。

from skimage import io

example = io.imread("example.png", as_gray=True)
print(example.shape)
print(example)
plt.imshow(example)

我期望得到一个值在 0-255 范围内的数组。但是，我在文档中发现，上述方法 returns 一个（64 位）浮点数组。

这是否意味着这些值已经标准化 (X / 255)？还是我需要注意其他事情？提前致谢。

Answer 1

Min-Max Feature Scaling aka Min-Max Normalization / Unity-based Normalization 是一种技术将集合中的所有值放入范围 [0, 1]（或任意范围 [a, b]）。

min-max归一化的数学定义如下：

请注意，调用 np.max(example) 的结果将小于或等于 1.0。

请注意，调用 np.min(example) 将 return 一个大于或等于 0.0 的值。

是的，特征已经被归一化使得上面等式中的a=0和b=255。

scikit-image (io.imread) returns floating point array, is this already normalized?