1、函數的原型:
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.函數作用
歸一化數據。該函數分爲範圍歸一化與數據值歸一化。(Normalizes the norm or value range of an array.)
3.參數說明
src 輸入數組;
dst 輸出數組,數組的大小和原數組一致;
alpha 1,用來規範值,2.規範範圍,並且是下限;range normalization模式的最小值
beta 只用來規範範圍並且是上限;range normalization模式的最大值,不用於norm normalization(範數歸一化)模式。
norm_type 歸一化選擇的數學公式類型;
dtype 當爲負,輸出在大小深度通道數都等於輸入,當爲正,輸出只在深度與輸如不同,不同的地方遊dtype決定;
mark 掩碼。選擇感興趣區域,選定後只能對該區域進行操作。
4.歸一化選擇的數學公式類型介紹(norm_type)
設數組中原有{A1,A2,A3...An}
NORM_L1:
NORM_INF:
NORM_L2:
NORM_MINMAX:(AK不屬於{max(Ai)},min(Ai),當AK等於max(Ai)時p=1,等於min(Ai)時p=0)
5.舉例說明:
src={10,23,71}
NORM_L1運算後得到 dst={0.096,0.221,0.683}
NORM_INF運算後得到 dst={0.141,0.324,1}
NORM_L2運算後得到 dst={0.133,0.307,0.947}
NORM_MINMAX運算得到 dst={0,0.377,1}
6.範圍歸一化與值歸一化的區別
區別一:範圍歸一化使用的是如下式子,設範圍爲【0,255】
即把src縮放到【0,255】這個範圍內,並不使用上面的4個公式去解。
區別二:使用範圍歸一化時,beta必有值不等於0
舉例說明:
一 值歸一化:
#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;
}