等化层

[源]

Equalization

keras.layers.Equalization(value_range=(0, 255), bins=256, data_format=None, **kwargs)

用于对图像通道进行直方图等化的预处理层。

直方图等化是一种调整图像强度以增强对比度的技术,其原理是有效地分散最常见的强度值。此层按通道应用等化,可以提高图像细节的可见性。

此层适用于灰度图和彩色图像,对每个颜色通道独立执行等化。在推理时,等化会一致地应用。

注意: 此层可在 tf.data 流水线中安全使用(无论您使用哪个后端)。

参数

  • value_range:可选的包含 2 个浮点数的列表/元组,指定输入数据值的下限和上限。默认为 [0, 255]。如果输入图像已缩放,请使用适当的范围(例如,[0.0, 1.0])。等化将缩放到此范围,并相应地裁剪输出值。
  • bins:指定用于等化的直方图 bin 数量的整数。默认为 256,适用于 8 位图像。较大的值可以提供更精细的强度重新分布。

输入形状

3D(非批量)或 4D(批量)张量,形状为 (..., height, width, channels) 且采用 "channels_last" 格式,或形状为 (..., channels, height, width) 且采用 "channels_first" 格式。

输出形状

3D(非批量)或 4D(批量)张量,形状为 (..., target_height, target_width, channels),或形状为 (..., channels, target_height, target_width) 且采用 "channels_first" 格式。

示例

# Create an equalization layer for standard 8-bit images
equalizer = keras.layers.Equalization()

# An image with uneven intensity distribution
image = [...] # your input image

# Apply histogram equalization
equalized_image = equalizer(image)

# For images with custom value range
custom_equalizer = keras.layers.Equalization(
    value_range=[0.0, 1.0],  # for normalized images
    bins=128  # fewer bins for more subtle equalization
)
custom_equalized = custom_equalizer(normalized_image)