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。
接下来主要讲述python_opencv中的normalize()函数,其原型为:
def normalize(src, dst, alpha=None, beta=None, norm_type=None, dtype=None, mask=None): # real signature unknown; restored from __doc__
"""
normalize(src, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]) -> dst
. @brief Normalizes the norm or value range of an array.
.
. The function cv::normalize normalizes scale and shift the input array elements so that
. \f[\| \texttt{dst} \| _{L_p}= \texttt{alpha}\f]
. (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that
. \f[\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _