歸一化 (圖像處理)

歸一化（Normalization）喺圖像處理領域嚟講係改啲像素強度值範圍嘅過程，應用喺譬如處理啲由於鑱光（glare）而對比度較差嘅照片等。歸一化有時叫做對比度拉伸或者直方圖拉伸。喺更一般啲嘅數據處理領域，例如數字信號處理，就叫做動態範圍擴展。

喺各種應用當中動態範圍擴展嘅目嘅通常係捉啲圖像或者其他類型嘅信號帶落一個更熟悉或者正常啲嘅範圍內，所以叫做歸一化。通常，動機係為一組數據、信號或者圖像實現動態範圍嘅一致性，嚟避免分神或者疲勞。例如，一家報紙將努力使一期中嘅所有圖像共享相似嘅灰度範圍。

歸一化變換 n 維灰度圖像$I:\{\mathbb {X} \subseteq \mathbb {R} ^{n}\}\rightarrow \{{\text{Min}},..,{\text{Max}}\}$其中強度值喺範圍內$(Min,Max)$ ，令佢變成一幅新圖像$I_{N}:\{\mathbb {X} \subseteq \mathbb {R} ^{n}\}\rightarrow \{{\text{newMin}},..,{\text{newMax}}\}$其中強度值喺範圍內$(newMin,newMax)$

根據公式對灰度數碼影像做線性歸一化

$I_{N}=(I-{\text{Min}}){\frac {{\text{newMax}}-{\text{newMin}}}{{\text{Max}}-{\text{Min}}}}+{\text{newMin}}$

譬如，如果幅圖像嘅強度範圍係 50 到 180，而所需嘅範圍係 0 到 255，噉呢個過程需要從每粒像素強度減去 50，等到范圍係 0 到 130。然之後每粒像素強度乘埋 255/130，等范圍係 0 到 255。

歸一化亦都可能係非線性嘅，喺$I$同$I_{N}$兩者之間冇個線性關係嗰陣會發生這種情況。非線性歸一化嘅一個例係喺歸一化遵循sigmoid 函數嗰陣，喺呢種情況下，歸一化圖像係根據返下低條公式計算：

$I_{N}=({\text{newMax}}-{\text{newMin}}){\frac {1}{1+e^{-{\frac {I-\beta }{\alpha }}}}}+{\text{newMin}}$

其中$\alpha$定義到輸入強度範圍嘅寬度，而$\beta$定義到個範圍中心嘅強度。

圖像處理軟件當中嘅自動歸一化，通常歸一化到個數字系統嘅完整動態範圍、個喺圖像文件格式當中指定到嘅。

睇埋

• 音頻歸一化，音頻模擬
• 直方圖均衡

出面網頁

• 對比拉伸