避坑—染色归一化

染色归一化技术是把双刃剑，用好了 会给模型带来很好的鲁棒性，用不好 就是自找麻烦。

看文章之前 默认您已经有了一些基础知识，想复习的可以看之前的论文笔记。

事情是这样的，由于不同染色试剂 染出的颜色不同，同一种染色试剂染出的颜色也有深有浅，所以想用染色归一化 做一下颜色上的统一。

刚开始用的时候感觉还挺好使，但是，因为需求的改变，在染色归一化之前修改了一些功能模块，导致染色归一化的输入发生了改变，进而发生了一系列不好的影响。

举个栗子，就拿之前做的细胞分割和细胞分类，染色归一化出来的染色不同，会对这两个模型产生很大的影响，（别喷，训练的时候加数据增强了）

贴图，可以很明显看到右边的颜色比较深一些，分割的效果也不一样，分类的效果就更差了。

所以在这一篇文章中，准备深入的分析一下染色归一化参数对染色后颜色的影响。

在之前的文章中，可以知道计算染色归一化主要用到了3个参数

• P：图像的 95%分位点
• W：染色基础矩阵
• H：染色密度

首先对P进行分析，固定其他两个参数。

通过P对图像进行拉伸，就是将P点放大到255，大于P点的都是255，小于P的按比例缩放。

P越小，拉伸后的图像颜色越浅。（拉伸不等于染色归一化，只是第一步）

对于染色归一化的结果，P越小，染色后的图像颜色越浅。

用了两组不同的W和H。

然后对W进行分析，同样固定其他两个参数。

也是使用了两组不同的P和H，发现W对颜色的影响不是很大，可能是不同染色试剂之间会有较大差异。

最后对H进行分析，固定P和W。

H越大，染色越浅

总的来说，W和H都是经过P拉伸后的图像算出来的，固定P 就相当于固定了W和H，

所以颜色的深浅，最简单的方式就是可以根据自己需求，修改P，