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。
经常应用在将数值限定在一个范围,以便使用同一套阈值参数的情况;
3. 函数参数
src 输入数组;
dst 输出数组,数组的大小和原数组一致;
alpha 1-用来规范值,2-规范范围,并且是下限;
beta 只用来规范范围并且是上限;
norm_type 归一化选择的数学公式类型;
dtype 当为负,输出的宽高通道数都等于输入,
当为正,输出只在深度与输入不同,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)
设数组中原有{A1,A2,A3...An}
NORM_L1:
![](https://img-blog.csdn.net/20170322202136454)
NORM_INF:
![](https://img-blog.csdn.net/20170322202202294)
NORM_L2:
![](https://img-blog.csdn.net/20170322203728693)
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}
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.范围归一化与值归一化的区别
区别一:范围归一化使用的是如下式子,设范围为【0,255】
即把src缩放到【0,255】这个范围内,并不使用上面的4个公式去解。
区别二:使用范围归一化时,beta必有值不等于0
7. 举例说明:
(1)值归一化:
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
int main()
{
vector<double>a={ 10,11,234,45,65,456,0 };
cv::normalize(a, a, 1, 0, cv::NORM_MINMAX);
for (int i=0;i < a.size();i++)
{
cout << a[i] << endl;
}
return 0;
}
结果如下:
(2)范围归一化
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
int main()
{
vector<double>a={ 10,11,234,45,65,456,0 };
cv::normalize(a, a, 0, 255, cv::NORM_MINMAX);
for (int i=0;i < a.size();i++)
{
cout << a[i] << endl;
}
return 0;
}
结果如下:
参考文献:
1. https://blog.csdn.net/cosmispower/article/details/64457406