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 。