计算图像数据集均值和方差

相信我们都见到过这样一段代码：

这里的transforms.Normalize函数里的mean和std的值就是我们的ImageNet的均值和方差。但是我也见到过不采用这些值得均值与方差，于是我思考怎么计算自己数据集图片的均值与方差。下面将会给出计算过程的代码，代码实现部分出自这本书： 

这里我以一个小的奥特曼数据集为例计算其均值方差：

代码实现：

import os
import torch
import imageio
import numpy as np

batch_size = 138 #你数据集里的图片个数
h,w = 256, 256 #因为我们的transforms里normalize前往往跟着一个裁减，所以我们这里也要先裁减再计算
batch = torch.zeros(batch_size, 3, h, w, dtype=torch.uint8)

data_dir = r'D:\Dataset\AoteMan\train\奥特曼'
print('图片个数：',len(os.listdir(data_dir)))
filenames = [name for name in os.listdir(data_dir)]
for i, filename in enumerate(filenames): 
    img_arr = imageio.imread(os.path.join(data_dir, filename))
    img_arr = np.resize(img_arr,(h,w,3)) #裁减
    img_t = torch.from_numpy(img_arr)
    img_t = img_t.permute(2,0,1) # h,w,c -> c,h,w
    img_t = img_t[:3] #取前三个通道
    batch[i] = img_t

batch = batch.float()
batch /= 255.
n_channels = batch.shape[1]
means, stds = [], []
for c in range(n_channels):
    mean = torch.mean(batch[:,c])
    means.append(mean)
    std = torch.std(batch[:,c])
    stds.append(std)
    batch[:,c] = (batch[:,c] - mean) / std
print(means)
print(stds)

 结果：