计算transforms.Normalize()的均值和方差

1. 代码

在参考博客的基础上做了简单修改，实现对多种文件结构的数据进行读取

import numpy as np
import cv2
import os
from glob import glob
#from IPython import embed
from tqdm import tqdm

# img_h, img_w = 32, 32
img_h, img_w = 100, 120  # 根据自己数据集适当调整，影响不大
means, stdevs = [], []
img_list = []

TRAIN_DATASET_PATH = '../train_data'


image_fns = glob(os.path.join(TRAIN_DATASET_PATH, '*', '*.*'))

for single_img_path in tqdm(image_fns):
    img = cv2.imread(single_img_path)
    img = cv2.resize(img, (img_w, img_h))
    img = img[:, :, :, np.newaxis]
    img_list.append(img)


imgs = np.concatenate(img_list, axis=3)
imgs = imgs.astype(np.float32) / 255.

for i in range(3):
    pixels = imgs[:, :, i, :].ravel()  # 拉成一行
    means.append(np.mean(pixels))
    stdevs.append(np.std(pixels))

# BGR --> RGB ， CV读取的需要转换，PIL读取的不用转换
means.reverse()
stdevs.reverse()

print("normMean = {}".format(means))
print("normStd = {}".format(stdevs))

2. 参考

1. 计算pytorch标准化(Normalize)所需要数据集的均值和方差
2. 计算数据集的均值和方差（mean，std）
3. python中的glob模块的使用
4. tqdm介绍及常用方法
5. 计算自己的图片数据集的均值、方差、特征值和特征向量