Python自动计算图像数据集RGB均值的方法

周予安

发布时间：2026-10-14 | 4人浏览过

原创

本文介绍如何使用Python自动计算图像数据集的RGB均值，以加速模型收敛。通过遍历指定路径下的所有图像，分别提取R、G、B通道像素值并计算平均值，最终汇总得出整个数据集的RGB均值。该方法适用于深度学习前的数据预处理步骤，代码简洁且易于修改路径使用。

Python自动计算图像数据集RGB均值的方法

本文分享一个使用Python自动计算图像数据集RGB均值的实例，供读者参考。

在训练图像数据集时，通常需要进行去均值处理，这有助于模型更快收敛。

具体实现代码如下：

新建一个名为mean.py的文件，将以下代码写入其中。使用时只需修改图像数据集的路径即可直接运行。


'''
qhy
2018.12.3
'''
import os
import numpy as np
import cv2
 
ims_path='C:/Users/my/Desktop/JPEGImages/'# 图像数据集的路径
ims_list=os.listdir(ims_path)
R_means=[]
G_means=[]
B_means=[]
for im_list in ims_list:
 im=cv2.imread(ims_path+im_list)
#extrect value of diffient channel
 im_R=im[:,:,0]
 im_G=im[:,:,1]
 im_B=im[:,:,2]
#count mean for every channel
 im_R_mean=np.mean(im_R)
 im_G_mean=np.mean(im_G)
 im_B_mean=np.mean(im_B)
#save single mean value to a set of means
 R_means.append(im_R_mean)
 G_means.append(im_G_mean)
 B_means.append(im_B_mean)
 print('图片：{} 的 RGB平均值为 \n[{}，{}，{}]'.format(im_list,im_R_mean,im_G_mean,im_B_mean) )
#three sets  into a large set
a=[R_means,G_means,B_means]
mean=[0,0,0]
#count the sum of different channel means
mean[0]=np.mean(a[0])
mean[1]=np.mean(a[1])
mean[2]=np.mean(a[2])
print('数据集的BGR平均值为\n[{}，{}，{}]'.format( mean[0],mean[1],mean[2]) )
#cv.imread()读取Img时候将rgb转换为了bgr，谢谢taylover-pei的修正。

在终端执行命令：python mean.py

运行后的结果示例如下：