OpenCvSharp 图像像素归一化

什么是归一化？

归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。

归一化是指在处理数据的过程中，把数据范围相差较大的数据进行标准化处理，让所有的数据都处于同一个数量级中。

归一化为了什么？

首先归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在某个区间上是统计的坐标分布。归一化有同一、统一和合一的意思。

归一化的目的，是使得没有可比性的数据变得具有可比性，同时又保持相比较的两个数据之间的相对关系，如大小关系；或是为了作图，原来很难在一张图上作出来，归一化后就可以很方便的给出图上的相对位置等。

 

函数原型及参数

参数一  src ：  输入数组；

参数二  dst ：  输出数组；

参数三  alpha ：  可以用来规范值，也可以用来规范范围，并且是范围的下限；

参数四  beta ： 只用来规范范围并且是范围的上限；

参数五  norm_type ： 归一化选择的数学公式类型；

参数六  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，不同的地方游dtype决定；

参数七  mark：  掩码。选择感兴趣区域，选定后只能对该区域进行操作。

之中参数五 —— 归一化选择的有以下类型：

原图：

Cv2.Normalize(srcImg, srcImg, 1.0, 0, NormTypes.L2, -1);
            srcImg = srcImg * 255;

MinMax：数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用；

INF：归一化数组的（切比雪夫距离）L∞范数(绝对值的最大值)

L1：归一化数组的L1-范数(绝对值的和)；

L2：  NORM_L2: 归一化数组的(欧几里德)L2-范数 。