影像归一化：
归一化是指将遥感影像的像素值转换到一个特定的范围内，例如[0,1]或[0,255]。这样做的目的是方便对不同影像之间的像素值进行比较和分析。常用的归一化方法有以下几种：
1. 最大最小值归一化：将像素值除以影像中出现的最大值和最小值之差。
2. 均值方差归一化：将像素值减去均值后除以标准差，使得像素值的平均值为0，方差为1。
3. 百分比线性拉伸：将像素值线性转换到一定的百分比范围内，例如将影像中1%的像素值对应的输出值设为0，99%的像素值对应的输出值设为255。
以上方法的选择取决于具体应用场景和数据特点。
影像标准化：
影像标准化是一种将图像数据进行归一化处理的方法，旨在消除图像中的亮度、对比度等因素对图像分析和比较的影响。在医学影像分析领域，影像标准化是常用的数据预处理方法之一，它可以使不同来源、不同设备、不同时间拍摄的图像具有可比性。
影像标准化的具体步骤包括：1）确定标准化的目标，如像素值的范围、平均值、方差等；2）提取图像特征，如直方图、灰度级等；3）进行转换或调整，如线性或非线性转换等；4）应用标准化方法，如局部或全局的标准化等。
常见的影像标准化方法包括：直方图均衡化、Z-score标准化、白帽和黑帽变换、灰度拉伸等。影像标准化可以提高图像的质量和可靠性，从而更好地支持医学诊断、研究和治疗。
图像规范化和标准化
对于机器学习而言，建议的做法是对特征进行规范化或标准化处理。下面的代码展示了如何实现这些特征缩放技术。
函数：
ee.Reducer.