使用旋转矩阵和常规 imagenet 标准差计算灰度 imagenet 像素值的标准差

Question

我想训练一些模型来处理灰度图像，例如对显微镜应用很有用 (Source)。因此，我想在 graysale imagenet 上训练我的模型，使用 pytorch 灰度转换 (torchvision.transforms.Grayscale)，将 RGB imagenet 转换为灰度 imagenet。 pytorch内部将颜色space从RGB旋转为YPbPr如下：

Y'为灰度通道，变换后Pb和Pr可以忽略不计。其实pytorch甚至只计算

grayscale = (0.2989 * r + 0.587 * g + 0.114 * b)

要对图像数据进行归一化，我需要知道 grayscale-imagenet 的平均像素值，以及标准差。是否可以计算这些？

我使用

成功计算了平均像素强度

meanGrayscale = 0.2989 * r.mean() + 0.587 * g.mean() + 0.114 * b.mean()

转换图像然后计算灰度均值与首先计算 RGB 均值然后将其转换为灰度均值得到相同的结果。

但是，我现在对计算方差或标准差一窍不通。有人对这个话题有任何想法，或者知道一些好的文献吗？这可能吗？

我找到了一篇刊物“Jianxin Gong - Clarifying the Standard Deviational Ellipse”......他在二维空间中做了这件事（据我所知）。我只是不知道如何在 3D 中做到这一点。

Answer 1

好吧，我没能按计划计算标准差，但使用下面的代码做到了。灰度imagenet的train数据集均值和标准差为（四舍五入）：

平均值：0.44531356896770125

标准偏差：0.2692461874154524

import multiprocessing
import os

def calcSTD(d):
    meanValue = 0.44531356896770125
    squaredError = 0
    numberOfPixels = 0
    for f in os.listdir("/home/imagenet/ILSVRC/Data/CLS-LOC/train/"+str(d)+"/"): 
        if f.endswith(".JPEG"):
            
            image = imread("/home/imagenet/ILSVRC/Data/CLS-LOC/train/"+str(d)+"/"+str(f))
                
            ###Transform to gray if not already gray anyways  
            if  np.array(image).ndim == 3:
                matrix = np.array(image)
                blue = matrix[:,:,0]/255
                green = matrix[:,:,1]/255
                red = matrix[:,:,2]/255
                gray = (0.2989 * red + 0.587 * green + 0.114 * blue)
            else:
                gray = np.array(image)/255
            ###----------------------------------------------------       
                    
            for line in gray:
                for pixel in line:
                    squaredError += (pixel-meanValue)**2
                    numberOfPixels += 1
    
    return (squaredError, numberOfPixels)

a_pool = multiprocessing.Pool()
folders = []
[folders.append(f.name) for f in os.scandir("/home/imagenet/ILSVRC/Data/CLS-LOC/train") if f.is_dir()]
resultStD = a_pool.map(calcSTD, folders)

StD = (sum([intensity[0] for intensity in resultStD])/sum([pixels[1] for pixels in resultStD]))**0.5
print(StD)

在此过程中出现了如下错误：

/opt/conda/lib/python3.7/site-packages/PIL/TiffImagePlugin.py:771: UserWarning: Possibly corrupt EXIF data. Expecting to read 8 bytes but only got 4. Skipping tag 41486 "Possibly corrupt EXIF data. "

跳过了 2019 版 ImageNet 的相应图像。

使用旋转矩阵和常规 imagenet 标准差计算灰度 imagenet 像素值的标准差

Calculate standard deviation for grayscale imagenet pixel values with rotation matrix and regular imagenet standard deviation

image-processing

color-scheme

standard-deviation

rotational-matrices