基于百分位裁剪（percentile clipping）归一化方法
基于百分位裁剪（percentile clipping）归一化方法，这是一种常见的图像增强技术。
归一化操作的目的
-
增强对比度：
- 图像中的像素值可能分布在一个较窄的范围内（例如，大部分像素值集中在某个区间），导致图像看起来灰暗或模糊。
- 通过归一化，可以将像素值拉伸到一个更宽的动态范围，使得图像的细节更加明显。
-
去除极端值：
- 图像中可能存在一些极端值（例如噪声或异常点），这些值会干扰图像的显示效果。
- 通过裁剪掉最低和最高的百分位值（例如 2% 和 98%），可以去除这些极端值，保留主要的有用信息。
-
标准化显示：
- 归一化后的图像像素值被映射到
[0, 255]的范围，这是标准的 8 位图像格式，便于显示和保存。
- 归一化后的图像像素值被映射到
代码中的归一化步骤
以下是代码中归一化的具体步骤：
# 将图像转换为 NumPy 数组
img_array = np.array(img)
# 计算 2% 和 98% 的百分位值
p2, p98 = np.percentile(img_array,