均衡化层

[源代码]

Equalization 类

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

用于图像通道上直方图均衡化的预处理层。

直方图均衡化是一种调整图像强度以增强对比度的技术，它通过有效地分散最频繁的强度值来实现。此层在通道基础上应用均衡化，这可以提高图像中细节的可见性。

此层适用于灰度和彩色图像，对每个颜色通道独立执行均衡化。在推理时，均衡化会一致地应用。

注意： 此层可以安全地在 tf.data 管道内使用（与您使用的后端无关）。

参数

• value_range: 可选的 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]）。均衡化将缩放到此范围，并且输出值将相应地被裁剪。
• bins: 整数，指定用于均衡化的直方图箱数。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)（"channels_last" 格式）或 (..., channels, height, width)（"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 (..., channels, target_height, target_width)（"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)