归一化RGB全解析：尺度归一化与色度归一化区别及图像预处理实战-北京尧图网络

1. 先把“归一化RGB”这四个字拆开看“归一化RGB”这个词我第一次遇到是在做一块肤色区域粗筛的时候。当时我的理解非常朴素——不就是把像素值除以 255 吗一行代码的事。结果跑出来的掩码在阴影里全是洞在窗边逆光的区域又糊成一片调了两天阈值都没救回来。后来把中间结果打出来一看才明白我砍掉的恰恰是最关键的那一步色度归一化而不是简单的数值缩放。这两个东西在中文里都被叫“归一化RGB”但数学含义、使用场景、坑点完全不同。一个是把uint8的 0~255 映射到浮点的 0~1服务于数值稳定另一个是拿三个通道的和做分母把颜色信息和亮度信息强行拆开服务于光照鲁棒性。前者是工程习惯后者是一种颜色表示变换。这篇文章想做的事很明确把这两种归一化各自的来龙去脉讲透把色度归一化的数学直觉、代码实现、边界条件、实战阈值怎么定、哪些场景会翻车一条一条摊开。适合刚进图像处理坑的同学也适合已经写过几版预处理管线、但总觉得“归一化这一步好像没什么用又不敢删”的开发者。读完你至少能做到两件事一眼分辨别人代码里的img/255和img/img.sum()分别在图什么在自己的项目里决定这一步到底该放哪儿、该不该放。提示后文如果没有特别说明“归一化RGB”默认指色度归一化chromaticity normalization数值缩放我会明确写成“尺度归一化”或“除以 255”。2. 两种归一化同名不同命2.1 尺度归一化除以 255 到底在解决什么问题先把简单的那个说清楚。图像读进来通常是uint8取值范围 0~255。你把它丢进任何一个需要做浮点累加、卷积、矩阵乘的流程里第一件事几乎都是/255.0。原因不是玄学是三个很实在的限制。第一是溢出。uint8的乘法在 NumPy 里会静默回绕255 乘 2 得到 254 这种事我见过不止一次而且因为它不报错排查起来极其恶心。转成float32之后这个问题消失。第二是数值量级和学习率。神经网络的输入如果动辄几百第一层的梯度会和权重尺度严重不匹配学习率调大到能推动它后面的层就炸了调小到后面稳定第一层几乎不动。归一到 0~1 之后配合标准的初始化方案学习率的搜索空间会窄很多。第三是与预训练统计量对齐。很多公开模型是在(x - mean) / std之后的输入上训的mean 和 std 通常是三个通道各自的统计值量级在 0.4~0.5 和 0.2~0.3 附近。如果忘了先除以 255 就直接减 mean等于给模型喂了一个放大 255 倍的输入输出会非常离谱而且模型不会报错只会给你一堆看似合理的废结果。这里有个容易被忽略的细节除以 255 之后的数值并不等于“物理亮度”。常见的 8 位 RGB 图像是经过 gamma 编码的像素值和真实的光强之间是幂函数关系不是线性关系。如果你的算法依赖“两个像素的亮度相加有意义”这种假设就必须先做线性化。这一点在后面讲色度归一化时会变成关键分歧点。import numpy as np def to_float01(img_uint8): # 最常规的尺度归一化 return img_uint8.astype(np.float32) / 255.0 def srgb_to_linear(x): # x 为 0~1 的 sRGB 编码值转成线性光强 x np.asarray(x, dtypenp.float32) return np.where(x 0.04045, x / 12.92, ((x 0.055) / 1.055) ** 2.4)sRGB那条分段曲线看着复杂其实就是低亮度段用线性近似、高亮度段用 2.4 次幂目的是在 8 位量化下把暗部的精度多分一点。你要不要做这一步取决于你的算法是否对“亮度可加”敏感。做颜色恒常性、做物理渲染相关的分析必须做做分类网络的输入预处理通常不做因为训练和推理保持一致就行。2.2 色度归一化把颜色从亮度里剥出来现在进入正题。色度归一化的公式很短r R / (R G B) g G / (R G B) b B / (R G B)并且天然满足r g b 1。也就是说三个分量里只有两个是独立的实际信息量被压到了二维。这三维降到二维不是信息丢失的遗憾而是主动扔掉了一个我们不关心的维度——亮度。为什么可以扔因为在很多成像模型里一个表面被照亮后传感器收到的三通道响应近似等于“表面反射率 × 光源强度 × 传感器响应曲线”。光源强度是一个对所有通道近似同比例放大的标量。你拿三个通道的和做分母这个标量就被约掉了剩下的只有反射率和传感器响应的比例关系也就是“颜色”。这个性质有个很直观的几何解释在 RGB 空间里同一个颜色在不同亮度下对应的点全都落在一条从原点出发的射线上。色度归一化做的事就是把整条射线压缩成射线与平面RGB1的那个交点。一条射线一个交点所以亮度变化被彻底抹平。def rgb_chromaticity(img, eps1e-6): x img.astype(np.float32) s x.sum(axis2, keepdimsTrue) chrom x / np.maximum(s, eps) return chrom # shape: H x W x 3, 且每个像素三通道和为 1代码就这么几行但下面藏着至少四个必须处理的问题全黑像素导致的除零、暗部噪声被放大、高光饱和导致的比例失真、以及 gamma 编码带来的非线性偏差。这几个我会在第 6 章逐个拆。2.3 两者怎么选一张表划清边界很多人卡住的地方是“我到底该用哪个”。下面这张表是我自己整理的一份判断依据实际项目里基本照这个走就不会偏。维度尺度归一化除以 255色度归一化除以三通道和数学本质线性缩放投影到RGB1平面输出维度3 维信息不损失有效 2 维亮度信息被丢弃主要目的数值稳定、匹配预训练统计量抵抗光照强度变化典型使用者深度学习输入管线、数值计算传统颜色分割、颜色恒常性、轻量检测对暗部的影响无噪声被显著放大必须加掩码对高光的影响无饱和像素比例失真可逆性完全可逆不可逆亮度无法还原计算成本一次乘法一次求和一次除法判断逻辑其实很清晰如果你的下游是神经网络且训练数据的光照分布和推理场景差不多老老实实除以 255 加标准化就够了不用折腾色度。如果你要做的是一个规则型的检测器——比如在嵌入式设备上快速圈出肤色区域、火焰区域、路面白线——而现场光照又飘忽不定室内灯、室外阴影、逆光那色度归一化带来的鲁棒性收益会非常明显而且计算量小到可以忽略。还有一个中间态你可以把原始 RGB 和色度坐标拼在一起送进网络让模型自己学该信哪个。这种做法在一些颜色敏感的细粒度任务里效果不错代价是输入通道从 3 变 6第一层的参数量和显存跟着涨。值不值看你的数据量和任务难度。3. 为什么光照这么难缠从成像模型讲到 r-g 平面3.1 像素值究竟是怎么被“污染”的想把归一化用对得先接受一个事实相机拍到的 RGB 值从来都不是“物体的颜色”。它是一个多方因素卷积出来的结果粗略写出来大概是这样像素值 ≈ 光源光谱 × 物体反射率光谱 × 传感器响应曲线再积分再加上自动曝光、自动白平衡、gamma 编码、镜头暗角、传感器噪声最后才落到你那 8 位整数上。同一个红色马克杯在正午日光下拍R 通道可能是 210G 是 60B 是 50挪到傍晚的暖光灯下R 可能变成 240G 变成 110B 变成 70。三通道的绝对值全变了你拿绝对阈值去卡“R 大于 200 且 G 小于 80”日光下能过暖光下就漏了。但如果你算一下色度坐标日光下是(0.656, 0.188, 0.156)暖光下是(0.571, 0.262, 0.167)。数值还是变了但没有绝对值变得那么剧烈而且变化的方向是可以通过一个更宽的阈值区间包住的。这就是归一化RGB在实际项目里的价值它不是magic它只是把“光照强度”这个最大的干扰项从等式里消掉剩下的白平衡偏移你再用别的手段处理。3.2 r-g 平面所有颜色被压进一个三角形因为r g b 1且三者非负所有可能的色度坐标都落在r-g平面上的一个直角三角形里三个顶点分别是纯红(1,0)、纯绿(0,1)、纯蓝(0,0)。这个三角形有个名字叫麦克斯韦颜色三角形。这个几何图像非常有用。你只要在纸上画出这个三角形就能预感很多事情靠近三个顶点的地方是高饱和色稍微一点点噪声就能让坐标大幅跳动因为那里是三角形的尖角容错空间极小。纯色物体的边缘经常在这里抖。中心区域(1/3, 1/3)是灰色轴也就是RGB。白色、灰色、黑色全部映射到这一个点亮度信息彻底丢失。这就是为什么色度归一化天然无法区分黑白灰——它们在这个表示下是同一个东西。肤色落在r偏大、g中等的一块区域通常描述成r ∈ [0.33, 0.48]、g ∈ [0.25, 0.38]这样的矩形或者用一个椭圆去拟合。这个区间会随人种、光照色温、相机型号漂移所以它只能当粗筛不能当最终判据。火焰的分布更极端靠近红色顶点r普遍大于 0.5而且r g b这个序关系非常稳定。用序关系比用绝对阈值鲁棒得多。我个人的经验是先画散点图再定阈值。把正样本和负样本的色度坐标分别取出来投到 r-g 平面上正样本的分布形状一眼就能看出来是团状、条状还是贴着某条边界。凭感觉写阈值是新手最容易犯的错写出来的数字往往在训练集上刚好换个场景就崩。3.3 它擅长什么不擅长什么说点实在的边界。色度归一化在下面这些场景表现很好光照强度变化大但色温变化不大的场合比如室内固定灯光下的监控画面、同一台设备在相近环境下连续采集的数据。目标颜色与背景颜色在色度上有明显区分比如绿色植被 vs 灰白路面、橙色火焰 vs 深色背景。算力受限、需要极低开销预筛的场合。一次求和一次除法比转 HSV 便宜因为 HSV 的色相计算需要分支判断最大值是哪个通道在嵌入式上分支预测失败的代价不小。它在这些场景会翻车极暗场景。像素值本来就只有个位数量化噪声占比极高归一化之后坐标乱飞比不归一化还糟。高光饱和。某个通道打到 255 被截断比例关系被破坏归一化后得到的色度是错的而且错得很自信。跨设备。不同相机的颜色响应曲线不同同一块色卡在两台设备上算出来的色度坐标能差好几个百分点。跨设备比较必须做色彩空间统一或者干脆上学习型方法。需要区分黑白灰。前面说了这三个在色度空间里是一个点天生做不到。把这几条记住你在方案评审的时候就能一句话说清“为什么这里用色度归一化、为什么那里不用”而不是含糊地说“这是常规预处理”。4. 从公式到能跑的代码4.1 最小实现与三个必须处理的边界先把最朴素的版本写出来然后一个坑一个坑补。import numpy as np def chromaticity_naive(img): x img.astype(np.float32) s x.sum(axis2, keepdimsTrue) return x / s这段代码在正常图像上跑没问题但在真实数据上会遇到三类边界第一类全黑像素。如果某个像素RGB0分母为零结果是nan或inf。nan会沿着后续所有计算传播最后你的统计图全是nan排查半天才发现是几行黑边。加eps是最省事的做法但要注意eps太大会污染真实暗部像素1e-6这个量级对 0~255 的输入基本安全。第二类接近零的暗部像素。比如(2, 1, 1)和是 4色度是(0.5, 0.25, 0.25)。但真实的模拟信号可能是(1.6, 1.4, 0.9)量化之后变成整数色度瞬间从(0.41, 0.36, 0.23)跳到(0.5, 0.25, 0.25)。这种抖动在暗部是常态不是异常。正确做法不是硬扛而是加一个亮度和阈值把不可信的像素排除在判据之外。第三类整型溢出。如果图像是uint8x.sum()在 NumPy 里默认会升到uint32不会溢出但如果你自己写了别的累加逻辑就不好说了。统一先转float32能规避绝大多数这类问题。补完之后是这样def rgb_chromaticity(img, eps1e-6, min_sumNone): img: HxWx3uint8 或 float eps: 防止除零 min_sum: 亮度和下限低于此值的像素标记为不可信返回: (chrom, valid_mask) x img.astype(np.float32) s x.sum(axis2, keepdimsTrue) chrom x / np.maximum(s, eps) if min_sum is None: valid s[..., 0] eps else: valid s[..., 0] min_sum return chrom, validmin_sum取多少这个没有标准答案但有个可操作的定法统计你数据集里正样本区域的亮度和分布取 5% 分位数作为下限。我做过的一批室内数据里这个值大概在 60~90 之间三通道和0~765 量程。低于这个值的像素色度坐标的方差大到没有判别意义与其让它参与投票不如直接标为未知。4.2 向量化写法与显存友好上面的写法在 CPU 上处理 1080p 图像大约几毫秒够用。但如果是在 GPU 上或者处理视频流有几个细节值得优化。keepdimsTrue不是为了好看是为了让广播维度对得上。如果写成s x.sum(axis2)然后x / sNumPy 会因为维度不匹配报错。有的人图省事写成x / s[..., None]效果一样keepdims只是更直观。另外np.maximum(s, eps)会创建一个临时数组。在大图上这个额外内存开销不可忽视。如果确定输入里没有全黑像素比如已经做过裁剪可以直接除。但我不建议为了这点内存去赌nan的代价远大于几 MB 临时内存。在 PyTorch 里写法类似但要注意设备一致性和float32默认精度import torch def rgb_chromaticity_torch(x, eps1e-6, min_sumNone): # x: B x 3 x H x W取值 0~255 或 0~1 s x.sum(dim1, keepdimTrue) chrom x / torch.clamp(s, mineps) if min_sum is not None: valid s.squeeze(1) min_sum return chrom, valid return chrom, None有一个坑我踩过如果输入是float16混合精度训练里很常见三通道和最大可能到 765float16表示这个范围没问题但除法之后的小数精度只有约 3 位有效数字色度坐标之间的细微差别会被抹平。做颜色相关的任务时这一步最好强制float32或者在float16里先把输入缩到 0~1 再做归一化让和的量级落在 3 以内精度分配更合理。4.3 反归一化与精度别在 uint8 上强行往返色度归一化是不可逆的。你保留了两个自由度丢掉了亮度和就再也还原不回去。这一点在写代码时必须心里有数因为它的后果是如果你在归一化之后做了一系列处理最后想把结果叠回原图显示你只能叠掩码或者叠色块不能指望还原像素。有些同学会想着“那我先把和存下来后面乘回去不就行了”。理论上可以但精度上很危险chrom是浮点乘回去之后要转uint8四舍五入的误差在暗部会被放大成肉眼可见的色块。而且如果你在中间对chrom做过任何非线性操作比如阈值化、平滑乘回去的结果和原图已经对不上了。我的做法是归一化只在判据分支里用可视化分支永远走原始图像。两条路各走各的在最后用掩码合并。这样既拿到了鲁棒性又不用担心画质。另外提醒一句关于量化的如果你的输入是 8 位图色度坐标的有效精度上限就被原始量化锁死了。三通道和为 255 时每个通道的最小变化是 1/255 ≈ 0.004反映到色度上就是 0.4 个百分点。这个精度做粗分割够用做精细的颜色比对不够。遇到这种需求要么上更高位深的采集要么放弃色度方法改用学习型方案。5. 实战用归一化RGB做区域粗筛5.1 场景与数据准备拿一个具体例子走完整流程比空讲公式有用得多。假设我们要做的是从一段固定的室内监控画面里把画面中偏暖色的目标区域粗筛出来给后续的检测模型提供候选框。数据准备阶段要做的事比想象中多。先收集至少 200 帧覆盖不同时段的画面人工标注一批正样本区域和负样本区域。正负样本不要只挑典型帧要把阴天、开灯、关灯、有人走动的帧都塞进去否则后面定出来的阈值一定过拟合。取样本的时候有个技巧不要整块区域取平均要逐像素取。区域均值会把噪声抹平让你对分布宽度产生误判。正确做法是把正样本区域内的所有像素的色度坐标都算出来画成二维直方图看它到底是一团、一条还是一片。我做过的一次统计结果是正样本在 r-g 平面上呈一个斜向拉长的椭圆长轴方向大概沿r g 0.85这条线短轴很窄。这说明目标的色度变化主要发生在“偏红还是偏绿”这个方向上而“偏蓝”方向几乎不变。如果你用一个轴对齐的矩形去框得框得很大才能包住如果用一个旋转的椭圆紧致得多。这就是先看分布再定形状的意义。5.2 阈值怎么定从分布里找不要凭感觉定阈值有几个层次从粗到细第一层单通道区间。直接对r、g分别取分位数。比如取正样本r的 5% 和 95% 分位数作为上下界。简单但会漏掉两个通道的联合约束误检率高。第二层联合矩形。同时卡r和g的区间。比第一层好但对角线方向的相关性没利用上。第三层椭圆或线性判别。算出正样本的均值和协方差用马氏距离卡。这一层在数据量够的时候效果最好而且阈值有明确的概率含义。下面是一个可以直接用的实现用马氏距离做粗筛import numpy as np def fit_chroma_ellipse(chroma_samples, valid_mask, chi2_thresh5.99): chroma_samples: N x 3 的色度样本 valid_mask: 布尔标记样本是否可信亮度足够 chi2_thresh: 卡方阈值2 自由度下 5.99 对应约 95% 置信 pts chroma_samples[valid_mask][:, :2] # 只用 r, g mu pts.mean(axis0) cov np.cov(pts.T) np.eye(2) * 1e-6 # 加一点正则防奇异 inv_cov np.linalg.inv(cov) def predict(chroma, mask): p chroma[..., :2] d p - mu # 马氏距离平方 md2 np.einsum(...i,ij,...j-..., d, inv_cov, d) return (md2 chi2_thresh) mask return mu, cov, predictchi2_thresh取 5.99 是二维卡方分布在 95% 置信水平下的临界值。这个数字不是我拍脑袋来的是查表查出来的。如果你想要更宽松的召回取 9.2199%想要更严的精度取 2.3068%。用卡方而不是随便写个距离阈值好处是阈值有统计含义换数据集时不用重新猜数量级。5.3 后处理把碎点连成区域逐像素判据出来的掩码一定是碎的噪点、边缘、反光都会造成孤立小块。后处理三步走第一步形态学开运算。先腐蚀再膨胀去掉小噪点。核大小按目标最小尺寸定我的经验是取目标典型宽度的 1/10 左右太大就把细长目标吃掉了。第二步连通域分析。把剩下的块标号按面积排序。面积阈值同样按目标尺寸定比目标最小面积略小一点留点余量。第三步长宽比与填充度过滤。这一步能干掉大量形状不对的误检。填充度是连通域面积除以外接矩形面积细长物、圆环、不规则碎片在这一步会被筛掉。import cv2 def postprocess(mask_uint8, min_area400, min_fill0.35): kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) m cv2.morphologyEx(mask_uint8, cv2.MORPH_OPEN, kernel) m cv2.morphologyEx(m, cv2.MORPH_CLOSE, kernel) n, labels, stats, _ cv2.connectedComponentsWithStats(m, connectivity8) out np.zeros_like(m) for i in range(1, n): area stats[i, cv2.CC_STAT_AREA] if area min_area: continue w stats[i, cv2.CC_STAT_WIDTH] h stats[i, cv2.CC_STAT_HEIGHT] fill area / float(w * h) if fill min_fill: continue out[labels i] 255 return outmin_area和min_fill这两个参数没有通用值必须拿你的验证集扫一遍。我习惯画一张参数-指标曲线横轴是min_area纵轴是精确率和召回率取两条线的交叉点附近。这个动作花不了十分钟但能让你的参数有据可依而不是拍脑袋写一个 500 然后一直不敢动。5.4 效果评估与参数记录评估阶段容易被省略但它决定了你这套东西能不能维护。至少要记三样东西正样本召回率、负样本误检率、以及在不同光照子集上的分组表现。分组这件事特别重要。整体召回 85% 看着不错但如果拆开看白天 95%、傍晚 60%那问题就很清楚了——你的色度阈值在色温偏移大的时段失效。这时候该做的不是继续调阈值而是考虑加入色温补偿或者把判据从纯色度换成色度纹理的组合。我习惯用一张表把每轮实验的参数和结果记下来格式大概是这样实验编号min_sumchi2_thresh形态学核min_area白天召回傍晚召回误检率E01605.995x54000.930.610.08E02905.995x54000.900.580.05E03609.215x54000.960.680.15E04605.997x76000.910.600.04这张表看起来朴素但它是你后面调参的唯一依据。没有它第二次改参数的时候你会完全想不起来上一次为什么那么设。6. 踩过的坑与排查实录6.1 暗部噪声放大为什么夜里全是噪点这是色度归一化最经典的翻车方式。白天好好的一到夜里画面一片雪花。原因前面提过这里展开说。假设一个暗部像素真实值是(3.2, 2.8, 2.1)色度是(0.395, 0.346, 0.259)。经过 8 位量化变成(3, 3, 2)色度变成(0.375, 0.375, 0.25)。g通道偏了将近 3 个百分点。再看一个更暗的真实(1.1, 0.9, 0.8)量化成(1, 1, 1)色度直接变成(0.333, 0.333, 0.333)完全跑偏到灰色轴上去了。所以暗部的色度坐标基本是随机数你拿它做判据等于在噪声上做决策。解法有三条可以叠用加min_sum掩码把不可信的像素排除出判据标为“未知”而不是“负样本”。这个区别很重要标成负样本会污染你的统计。在归一化之前做一次轻微的空域降噪比如 3x3 的高斯或者双边滤波。注意双边滤波在暗部可能把细节也抹掉要先在小图上试。换用对数色度这个在第 7 章讲它对暗部的数值稳定性更好。6.2 高光饱和最自信的错误答案比暗部更麻烦的是高光。某个通道打到 255 被截断之后比例关系被破坏但算出来的色度坐标看起来完全正常落在合法区间内你的判据会毫不犹豫地接受它。举个例子真实颜色是(300, 120, 80)截断成(255, 120, 80)色度从(0.6, 0.24, 0.16)变成(0.56, 0.264, 0.176)。偏了但偏得不算离谱你很难从结果上发现。如果三个通道全部饱和(255, 255, 255)色度是(0.333, 0.333, 0.333)直接跑到灰色轴上。这时候任何基于色度的判据都会失效而且失效得很隐蔽。我的处理办法是先把饱和像素单独标出来在判据里给一个特殊的处理分支比如交给亮度或纹理去判而不是让色度去硬扛。def saturation_mask(img, thresh250): return (img thresh).any(axis2)这个掩码用起来很简单但它能帮你省掉大量莫名其妙的误检。在逆光、有强烈反光的场景里这一步几乎是必须的。6.3 和 HSV、Lab 的取舍经常有人问“既然要抗光照为什么不直接用 HSV 或者 Lab”。这个问题值得正面回答。HSV 的H色相确实对亮度不敏感但它对饱和度敏感。低饱和度的颜色H的计算会极不稳定因为分子分母都很小。而且H是角度量在红色附近有 0/360 的环绕问题做阈值判断时要写两段区间很容易漏。另外H的计算需要判断max是哪个通道有分支在嵌入式上不如一次除法干脆。Lab 的a、b两个通道是真正的感知均匀色彩空间做颜色差异度量比色度坐标科学得多。代价是转换链路长RGB → XYZ → Lab涉及矩阵乘和立方根计算量是色度归一化的十几倍。在需要精确色差的场合比如印刷、纺织这个代价值得在只需要粗筛的场合不值得。我的一般原则是粗筛用色度归一化精判用 Lab 或学习型方法。两级串联既快又准。这个组合我在好几个项目里用了效果稳定。6.4 常见问题速查表下面这张表是我这些年攒下来的遇到症状直接对号入座。症状最可能的原因排查动作处理方式结果里出现nan全黑像素除零检查s.min()是否为 0加eps或用np.maximum夜间误检暴增暗部噪声放大统计min_sum以下的像素占比加亮度掩码暗部标为未知高光区域判据失效通道饱和统计250的像素占比单独标记饱和区换判据白灰黑物体被判成正样本色度轴退化检查该区域色度是否接近(1/3,1/3)加饱和度下限过滤跨设备效果不一致传感器响应曲线不同用同一色卡在两台设备上比对统一色彩空间或换学习型方案GPU 上结果和 CPU 不一致混合精度精度不足检查 dtype 是否为float16强制float32或先缩放到 0~1边界锯齿严重逐像素判据无空间约束放大看边缘像素加形态学或引导滤波阈值换了场景就不灵过拟合单一光照按光照子集拆分评估重新采样、分层统计7. 进阶对数色度、颜色恒常性与深度学习里的位置7.1 对数色度为什么更稳对 RGB 三通道先取对数再做差u log(R) - log(G) v log(B) - log(G)这个变换的好处在于如果成像模型里光源强度是对所有通道同比例相乘的取对数之后就变成了加法再做差就把这个加性项消掉了。数学上比除法更干净而且暗部的数值行为更好——因为对数把小数压成了负数不会像除法那样在分母趋零时爆炸。代价是不能有零值。log(0)是负无穷所以必须先加一个小的偏移或者用log(max(x, eps))。这个eps的选取会影响暗部的表现取1e-3和1e-6出来的分布形状不一样得试。对数色度在颜色恒常性研究里是标准做法用来估计光源颜色。经典思路是把图像里所有像素的对数色度投到二维平面上光照变化对应的是这个平面上的一条直线方向估计出这条直线的方向就能反推光源。这个思路简单有效在算力受限的设备上仍然有人在用。7.2 灰世界假设和归一化是同一套数学顺带提一个相关的技巧。所谓的“灰世界假设”是说一幅自然图像的平均颜色近似是灰色也就是三个通道的均值应该相等。基于这个假设白平衡的增益就是mean_all / mean_channel。你会发现这个式子和色度归一化的形式几乎一样都是拿通道和做归一。区别在于一个是逐像素、一个是全图统计。理解了这层同构关系你就能明白为什么很多白平衡算法和颜色分割算法长得那么像——它们处理的是同一个问题的两个侧面。实际项目里如果你发现色度判据在某个色温下整体偏移可以先跑一次灰世界估计把整幅图的通道增益拉正再算色度。这个组合我试过在色温变化明显的场景里能挽回不少召回。7.3 放进深度学习管线位置很关键如果你的方案是“传统粗筛网络精判”那归一化RGB放哪儿就很重要。我试过三种摆法摆法一归一化后的图作为网络输入。优点是把光照鲁棒性直接喂给了网络网络不用自己学缺点是网络失去了亮度信息而亮度对判断物体边界、深度、阴影有时是有用的。而且如果你的训练集光照单一这个操作可能反而让网络学不到东西。摆法二原始 RGB 加上色度通道六通道输入。保留了全部信息让网络自己选。代价是参数变多小数据集上容易过拟合。摆法三只在预处理阶段用来生成候选区域网络只看原始裁剪图。这是我最常用的。传统方法负责快速缩小搜索范围网络负责精细判断。两边的优势都发挥出来了而且解耦得好任何一边出问题都容易定位。还有一点要提醒如果你在训练时用了色度归一化推理时必须完全一致包括eps的取值、min_sum的处理方式、饱和像素怎么标。这些细节看起来微不足道但训练推理不一致导致的性能下降我见过太多次了而且很难排查因为模型不报错。7.4 一个容易被忽略的细节归一化的顺序最后说一个实操层面的坑。预处理管线里通常有多个步骤缩放、裁剪、归一化、标准化、转张量。这个顺序不是随便排的。缩放resize应该在归一化之前。因为插值是在原始像素值上做的如果先归一化再缩放插值权重作用在色度坐标上得到的结果和“先缩放再归一化”在数学上不等价边界处会有细微差异。差异有多大取决于缩放比例缩小倍数大的时候肉眼可见。标准化减均值除方差应该在归一化之后。这个顺序如果反了减均值那一步的量级就全错了。色度归一化和尺度归一化不要混用。我见过有代码写成先除以 255 再除以三通道和这在数学上等价于直接除以三通道和因为分子分母同时缩放了不影响结果但会让读代码的人困惑也让min_sum这个阈值失去明确的物理含义——到底是对 0~255 还是对 0~1 设的统一约定写清楚注释。这些细节单看都很小但它们是“能跑”和“跑得稳”之间的差距。我在早期项目里吃过不少这类亏后来养成了一个习惯预处理管线写成一个独立的函数输入输出都带断言检查任何一步的顺序改动都要跑一遍回归测试。麻烦是麻烦了点但省下的排查时间远超这点成本。注意无论用哪种归一化都要保证训练、验证、推理三条链路用的是同一份代码、同一组常量。把预处理参数硬编码在三个地方是后期最难查的一类 bug。8. 我个人在实际操作中的几点体会做了这么些年关于归一化RGB这件事我最大的体会是它不是一道必选题而是一道场景题。看到别人代码里有就跟着加看到没有就删掉这两种做法都不对。真正该问的是我的下游任务对亮度敏感吗我的场景光照变化主要发生在强度维度还是色温维度我的算力预算允许我做多复杂的处理这三个问题的答案决定了这一步该不该有、该怎么有。第二个体会是统计先行。任何一个阈值、任何一个eps、任何一个min_sum都应该有数据支撑。我现在的习惯是先花半小时把分布画出来再花五分钟写代码比反过来省时间。凭感觉写的阈值往往在验证集上刚好换一批数据就废而且废得没有规律你根本不知道该往哪个方向调。第三个体会是关于代码组织的。归一化这种东西看起来只有三行但它牵扯到精度、边界、顺序、一致性四个维度。把它封成一个函数把参数集中管理加断言检查这件事的收益在项目前期看不出来在项目后期会非常明显。我吃过最大的亏就是在一版迭代里改了归一化的eps忘了同步推理侧结果线上指标掉了两个点查了整整一天。最后一个偏实用的建议如果你要做颜色相关的项目先准备一块色卡。不用多贵的能在不同光照下拍几组对照就行。有了它你才能定量地说“这个光照下色度偏移了多少”而不是靠肉眼判断“好像偏了”。定量的东西才能优化定性的东西只能争论。

归一化RGB全解析：尺度归一化与色度归一化区别及图像预处理实战

相关推荐

Activiti6中文文档实战：工作流引擎配置、BPMN与二次开发

TensorFlow从安装到实战：2024年深度学习框架选型与避坑指南

美赛A题时序预测：混合模型与特征工程实战

更多资讯

UI自动化测试批量执行优化与pytest实战

企业级WinForm开发模板与工业软件实战经验

从97分钟到10分钟：VR机房可视化系统与创新型QC材料

什么是Buzz？从热度传播到硬件提示的技术解析

链式队列实现原理与优化策略详解

收付一体系统：企业资金管理效率革命与架构解析

今日更新

淘宝商品详情API开发实战与性能优化指南

Unity Package Manager刷新错误排查与解决方案

Java record 规范构造器能否被反序列化或反射绕过

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？