对OpenCV函数之normalize的理解

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。