均值归一化_（十八）再识高斯（最大最小值、均值、方差、归一化）

时间为友，记录点滴。

我们在之前有聊过高斯噪声，并且详细得说了高斯曲线的由来、性质以及代码实现。本次我们借助高斯分布的特点来认识一些OpenCV的API。他们分别是求像素的最大最小值以及其对应像素位置的minMaxLoc， 和求一张图片中均值和方差的meanStdDev，以及做归一化的normalize。

minMaxLoc

官方代码中对这个API的介绍已经非常清楚，而且也没有什么难以理解的，搬运到这里，Mark一下吧。

/** @brief Finds the global minimum and maximum in an array.

需要注意的：

1. 最大、最小值都是double类型
2. Point类是OpenCV默认的基础类（先默认为就是由(x, y)组成就可以了）
3. mask 是ROI区域（这个貌似我们还没有提过，在本实验中就不涉及了）

meanStdDev

老规矩，简单的API只Mark

/** Calculates a mean and standard deviation of array elements.

需要注意的是：

1. 输出的均值mean 和 方差stddev都是Mat类型的（没有去扒源码，费解为什么一个值不能存在vector里面吗？）

normalize

这个API是做归一化的。

CV_EXPORTS_W 

官方对他的解释非常长，其实就是norm_type这个类型不同会导致输出结果的不同。先翻译成中文看：

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， 因此只在 NORM_MINMAX中起作用；
norm_type 归一化选择的数学公式类型；
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；
mark 掩码。选择感兴趣区域，选定后只能对该区域进行操作。

关于alpha/beta和norm_type之间的关系，用公式看比啰嗦的问题简洁多了：

设数组中元素为{A1,A2,A3…An}

• NORM_L1:

注释：当前元素在整体元素累加和中占得比例，可以想象