OPENCV函数介绍：normalize（）

OPENCV函数介绍：normalize（）

OPENCV版本：3.4.2
VS版本：2017

1. 函数原型：

void cv::normalize(InputArry src,InputOutputArray dst,double alpha=1,double beta=0,int norm_type=NORM_L2,int dtype=-1,InputArray mark=noArry())

2. 函数作用：
   归一化数据。该函数分为范围归一化与数据值归一化。（Normalizes the norm or value range of an array.）其实范围归一化和数值归一化可以归为一类，一般来说数值归一化是指将数值归一到[0,1]区间上，而范围归一化则指将数值归一到[a,b]上，a，b为任意值。由此看出，数值归一化是范围归一化的特例，包含在范围归一化中。

3. 参数说明：

src 输入数组；
dst 输出数组，数组的大小和原数组一致；
alpha 用来规范值或者规范范围，并且是下限；
beta 只用来规范范围并且是上限，因此只在NORM_MINMAX中起作用；
norm_type 归一化选择的数学公式类型；
dtype 当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输如不同，不同 的地方由dtype决定；
mark 掩码。选择感兴趣区域，选定后只能对该区域进行操作。

4. 归一化选择的数学公式类型介绍（norm_type）

设数组中元素为{A1,A2,A3…An}

NORM_L1:

NORM_INF:

NORM_L2:

NORM_MINMAX:（AK不属于{max(Ai)},min(Ai),当AK等于max(Ai)时p=1，等于min(Ai)时p=0）

5. 举例说明：

src={10,23,71}，默认alpha=1,beta=0：

NORM_L1运算后得到 dst={0.096,0.221,0.683}

NORM_INF运算后得到 dst={0.141,0.324,1}

NORM_L2运算后得到 dst={0.133,0.307,0.947}

NORM_MINMAX运算得到 dst={0,0.377,1}

6. 四种norm_type的区别

1.NORM_L1、NORM_INF、NORM_L2模式下归一化结果与beta无关，只与alpha有关，详见第4部分的公式说明；

2.NORM_MINMAX中alpha、beta都起作用，同时需要注意的是alpha和beta的取值顺序与归一化结果无关。即alpha=255,beta=0和alpha=0,beta=255最后的归一化结果是相同的。

7. 举例程序说明：

NORM_L1运算：

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

int main()
{
	vector<double>a = { 10,11,234,45,65,456,0 };
	normalize(a, a,1,255,NORM_L1);
	//normalize(a, a,1,0,NORM_L1);结果相同
	for (int i = 0; i < a.size(); i++)
	{
		cout << a[i] << endl;
	}
	waitKey(0);
	return 0;
}

运行结果：

NORM_MINMAX运算：

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

int main()
{
	vector<double>a = { 10,11,234,45,65,456,0 };
	normalize(a, a,-1,255,NORM_MINMAX);
	//normalize(a, a,255,-1,NORM_MINMAX);结果相同
	for (int i = 0; i < a.size(); i++)
	{
		cout << a[i] << endl;
	}
	waitKey(0);
	return 0;
}

运行结果：

8. 关于参数解释中alpha与beta的上下限与其默认取值的问题的解释

normalize()中alpha默认为1，beta默认为0，而在参数解释中alpha解释为下限，beta解释为上限，很多同学在这个地方产生了疑问？一个数组的下限不是应该小于上限吗？即alpha<beta，而默认的值alpha=1>beta=0。
这里给出我自己的解释，有错误的地方请大家指出：由上述实验知道，
在norm_type=NORM_MINMAX下：
alpha与beta的大小关系其实并不重要，alpha,beta只是确定范围的两个边界值，其确定的范围可以表示为：
[min(alpha,beta), max(alpha,beta)]
在norm_type=NORM_L1\INF\L2下：
beta取任何值都对归一化结果没有影响

因此，我得出的结论是，在3.参数说明中，应该将alpha解释成：用来规范值或者规范范围，在规范范围是为范围的一边界值； 将beta解释成：只用来规范范围，为范围的另一边界值。

注：本文在博主：cosmispower的一篇文章的基础上做了相应的个人修改补充，感谢博主的贡献。

参考博主的博客链接：https://blog.csdn.net/cosmispower/article/details/64457406