OpenCV3：歸一化函數介紹——normalize()

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;
}