OpenCV-矩阵归一化cv::normalize

最新推荐文章于 2024-08-12 16:28:42 发布

翟天保Steven

最新推荐文章于 2024-08-12 16:28:42 发布

阅读量1.9w

点赞数 26

分类专栏： OpenCV 文章标签： opencv c++

本文链接：https://blog.csdn.net/zhaitianbao/article/details/118028435

版权

OpenCV 专栏收录该内容

107 篇文章 163 订阅

订阅专栏

作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

函数原型

void normalize( InputArray src, OutputArray dst, double alpha = 1, double beta = 0,
                int norm_type = NORM_L2, int dtype = -1, InputArray mask = noArray());

参数说明

InputArray类型的src，输入图像，如Mat类型。
OutputArray类型的dst，输出图像。
double类型的alpha，归一化相关的数值。
double类型的beta，归一化相关的数值。
int类型的norm_type，归一化类型。
int类型的dtype，默认值-1，与输出矩阵的类型和通道相关。
InputArray类型的mask，掩膜。

针对第三个参数alpha和第四个参数beta，在不同归一化类型时，作用不一样：

NORM_MINMAX ：alpha和beta的最大值是归一化的最大值，两者的最小值是归一化的最小值，alpha为1，beta为0，同alpha为0，beta为1，是一致的。
NORM_INF：beta值无用；输出矩阵的数值为，原始矩阵数值除以矩阵最大值的结果，alpha可以控制倍数。 $Output=\frac{Input}{max(Input)}*alpha$
NORM_L1：beta值无用；输出矩阵的数值为，原始矩阵数值除以矩阵数据绝对值和的结果，alpha可以控制倍数。 $Output=\frac{Input}{\sum|Input|}*alpha$
NORM_L2：beta值无用；输出矩阵的数值为，原始矩阵数值除以矩阵数据平方和再开根号的结果，alpha可以控制倍数。 $Output=\frac{Input}{\sqrt{\sum(Input)^{2}}}*alpha$

测试代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
int main(void)
{
	cv::Mat test = (Mat_<float>(4, 4) << 1, 2, 3, 4, 5, 6, 2, 4, 5, 6, 1, 4, 2, 7, 8, 6);
	cout <<" "<< "T=" << endl << " " << test << endl << endl;
	cv::Mat inf, L1, L2, MinMax,inf_,L1_,L2_,MinMax_;

	cv::normalize(test, MinMax, 0, 1, NORM_MINMAX);
	double min=0, max=0;
	cv::minMaxLoc(test, &min, &max,0,0);
	MinMax_ = (test - min) * 1 / (max - min);
	cout << " " << "MinMax=" << endl << " "  << MinMax << endl;
	cout << " " << "MinMax_=" << endl << " " << MinMax_ << endl << endl;

	cv::normalize(test, inf, 10, 0, NORM_INF);
	double  max1 = 0;
	cv::minMaxLoc(test, 0, &max1, 0, 0);
	inf_ = test * 10 / max;
	cout << " " << "inf=" << endl << " "  << inf << endl;
	cout << " " << "inf_=" << endl << " "  << inf_ << endl << endl;

	cv::normalize(test, L1, 10, 0, NORM_L1);
	cv::Mat abs_;
	float sum_ = 0.0f;
	abs_=cv::abs(test);
	sum_ = cv::sum(abs_)[0];
	L1_ = test *10 / sum_;
	cout << " " << "L1=" << endl << " "  << L1 << endl;
	cout << " " << "L1_=" << endl << " "  << L1_ << endl << endl;

	cv::normalize(test, L2, 10, 0, NORM_L2);
	cv::Mat pow_;
	float sum1_ = 0.0f;
	float sqrt_ = 0.0f;
	cv::pow(test,2,pow_);
	sum1_ = cv::sum(pow_)[0];
	sqrt_ = sqrt(sum1_);
	L2_ = test * 10 / sqrt_;
	cout << " " << "L2=" << endl <<" "  << L2 << endl;
	cout << " " << "L2_=" << endl << " "  << L2_ << endl << endl;

	system("pause");
	return 0;
}