1.白化处理的作用
图像白化（whitening）可用于对过度曝光或低曝光的图片进行处理，减少光线对数据的动态影响，下图所示，左图是过分曝光，右图是白化后的结果；

2.白化处理的原理
处理的方式就是将图片分布变换为（0，1）的高斯分布。

3.白化处理的代码

 def whitening(self, img_path):img = cv2.imread(img_path)img = img / 255.0m, dev = cv2.meanStdDev(img)  # 返回均值和方差，分别对应3个通道img[:, :, 0] = (img[:, :, 0] - m[0]) / (dev[0]+1e-6)img[:, :, 1] = (img[:, :, 1] - m[1]) / (dev[1] + 1e-6)img[:, :, 2] = (img[:, :, 2] - m[2]) / (dev[2] + 1e-6)# 将 像素值 低于 值域区间[0, 255] 的 像素点 置0img = img*255img *= (img > 0)# 将 像素值 高于 值域区间[0, 255] 的 像素点 置255img = img * (img <= 255) + 255 * (img > 255)img = img.astype(np.uint8)cv2.imshow('result', img)cv2.waitKey(1000)cv2.destroyAllWindows()cv2.imwrite('result.jpg',img)

Pytorch中的线性变换可用于白化处理：

class torchvision.transforms.LinearTransformation(transformation_matrix)
#功能：对矩阵做线性变换，可用于白化处理

另：其中，将小于0的像素值置为0，大于255的像素置为255的代码很巧妙，举个例子，这里拎出来说一下，img > 0判断的输出如下，img与此矩阵相乘，大于0的值不变，小于0的地方即置为0，具体如下：

img = [[257,23,55],[-9,98,987],[78,43,21]]
img = np.asarray(img)
img
Out[24]: 
array([[257,  23,  55],[ -9,  98, 987],[ 78,  43,  21]])
img > 0  
Out[25]: 
array([[ True,  True,  True],[False,  True,  True],[ True,  True,  True]]) 
img *= (img>0)
img
Out[27]: 
array([[257,  23,  55],[  0,  98, 987],[ 78,  43,  21]])    
img<=255
Out[28]: 
array([[False,  True,  True],[ True,  True, False],[ True,  True,  True]])
img * (img<=255)
Out[29]: 
array([[ 0, 23, 55],[ 0, 98,  0],[78, 43, 21]])
255 * (img>255)
Out[30]: 
array([[255,   0,   0],[  0,   0, 255],[  0,   0,   0]])
img * (img<=255) + 255 * (img>255)
Out[31]: 
array([[255,  23,  55],[  0,  98, 255],[ 78,  43,  21]])