ml.preprocessing --- ML 预处理

ml.preprocessing 模块包含用于预处理图像以供机器学习模型使用的类。

class Normalization -- 图像归一化

Normalization 对象将 image.Image 对象转换为 ndarray 输入张量，以供 ml.Model.predict() 使用。当向 ml.Model.predict() 传入图像时，它由 ml.Model 对象自动创建，但也可手动实例化以控制转换过程（scale、mean/stdev、ROI）。

class ml.preprocessing.Normalization(scale: tuple[float, float] = (0.0, 1.0), mean: tuple[float, float, float] = (0.0, 0.0, 0.0), stdev: tuple[float, float, float] = (1.0, 1.0, 1.0), roi: tuple[int, int, int, int] = None)

创建一个 Normalization 对象。

scale 是浮点型输入张量在归一化后所期望的值 (min, max) 范围（例如 (0.0, 1.0) 或 (-1.0, 1.0)）。对于 uint8 和 int8 输入张量则忽略此项。

mean 是缩放后从图像中减去的逐通道均值 (R, G, B)。对于灰度张量，均值会使用 0.299*R + 0.587*G + 0.114*B 缩减为单个亮度值。对于 uint8 和 int8 输入张量则忽略此项。

stdev 是减去均值后图像所除以的逐通道标准差 (R, G, B)。对于灰度张量，标准差会使用 0.299*R + 0.587*G + 0.114*B 缩减为单个亮度值。对于 uint8 和 int8 输入张量则忽略此项。

roi 是输入图像内一个可选的 (x, y, w, h) 感兴趣区域，用于裁剪。若为 None，则使用整幅图像。裁剪出的区域会被居中，并双线性缩放（保持纵横比并用黑色填充）到模型的输入张量尺寸。

__call__(image: image.Image) → Normalization

__call__(buffer: bytearray, shape: tuple[int, int, int, int], dtype: int) → None

当以单个 image.Image 参数调用时，返回一个绑定到该图像的新 Normalization 对象。ml.Model.predict() 在内部调用的正是这个绑定对象来填充输入张量。如果原始实例上未设置 roi，则会将其初始化为整幅图像的大小。

当以 (buffer, shape, dtype) 调用时，会就地用先前所绑定图像的归一化输入张量填充 buffer。shape 必须为 (1, H, W, C)，其中 C 等于 1（灰度）或 3（RGB）。dtype 是 ulab numpy 类型码（例如 ord('f') 表示 float32，ord('b') 表示 int8，ord('B') 表示 uint8）。浮点张量会应用 scale、mean 和 stdev；整数张量则直接写入（对 int8 带有一个偏移量）。