void cv::normalize( InputArray _src, InputOutputArray _dst, double a, double b,
int norm_type, int rtype, InputArray _mask )
{
CV_INSTRUMENT_REGION()
double scale = 1, shift = 0;
if( norm_type == CV_MINMAX )
{
double smin = 0, smax = 0;
double dmin = MIN( a, b ), dmax = MAX( a, b );
minMaxIdx( _src, &smin, &smax, 0, 0, _mask );
scale = (dmax - dmin)*(smax - smin > DBL_EPSILON ? 1./(smax - smin) : 0);
shift = dmin - smin*scale;
}
else if( norm_type == CV_L2 || norm_type == CV_L1 || norm_type == CV_C )
{
scale = norm( _src, norm_type, _mask );
scale = scale > DBL_EPSILON ? a/scale : 0.;
shift = 0;
}
else
CV_Error( CV_StsBadArg, "Unknown/unsupported norm type" );
int type = _src.type(), depth = CV_MAT_DEPTH(type);
if( rtype < 0 )
rtype = _dst.fixedType() ? _dst.depth() : depth;
CV_OCL_RUN(_dst.isUMat(), ocl_normalize(_src, _dst, _mask, rtype, scale, shift))
Mat src = _src.getMat();
if( _mask.empty() )
src.convertTo( _dst, rtype, scale, shift );
else
{
Mat temp;
src.convertTo( temp, rtype, scale, shift );
temp.copyTo( _dst, _mask );
}
}
这里借助于OpenCV源码/opencv/sources/modules/core/src/convert.cpp理解一下函数normalize的实现,其中CV_MINMAX就是将矩阵中的最小至最大值范围映射到给定的a和b之间。CV_L1和CV_L2这个是1范数和2范数,将以其倒数乘以a为比例对矩阵中的元素进行缩放,CV_C就是NORM_INF。
Mat的convertTo方法实现的是一个缩放和平移的操作。normalize函数支持的归一化类型就这四种。然而求范数norm却有好几个,如NORM_INF、NORM_L1、NORM_L2、NORM_L2SQR、NORM_HAMMING、NORM_HAMMING2,其中NORM_L2SQR是2-范数的平方;NORM_HAMMING就是汉明距离,简单的讲就是一个数中非零的位的个数;而NORM_HAMMING2与NORM_HAMMING的区别在于,它使用一个表来映射不同的uchar值表示的汉明距离大小,详见normHamming函数的实现/opencv/sources/modules/core/src/stat.cpp。