本文主要是介绍OpenCV：normalize函数原理及应用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. 函数原型
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. 函数作用归一化数据。
该函数分为范围归一化与数据值归一化。
经常应用在将数值限定在一个范围，以便使用同一套阈值参数的情况；
3. 函数参数
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；
norm_type 归一化选择的数学公式类型；
dtype 当为负，输出的宽高通道数都等于输入，
当为正，输出只在深度与输入不同，不同的地方由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。
4. 归一化选择的数学公式类型介绍（norm_type）
设数组中原有{A1,A2,A3...An}
NORM_L1:
NORM_INF:
NORM_L2:
NORM_MINMAX:（AK不属于{max(Ai)},min(Ai),当AK等于max(Ai)时p=1，等于min(Ai)时p=0）
5.举例说明:
src={10,23,71}
NORM_L1运算后得到 dst={0.096, 0.221, 0.683}
NORM_INF运算后得到 dst={0.141, 0.324, 1}
NORM_L2运算后得到 dst={0.133, 0.307, 0.947}
NORM_MINMAX运算得到 dst={0, 0.377, 1}
6.范围归一化与值归一化的区别
区别一：范围归一化使用的是如下式子，设范围为【0，255】
即把src缩放到【0，255】这个范围内，并不使用上面的4个公式去解。
区别二：使用范围归一化时，beta必有值不等于0
7. 举例说明：
（1）值归一化：
#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;
}结果如下：
（2）范围归一化
#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, 0, 255, cv::NORM_MINMAX);for (int i=0;i < a.size();i++){cout << a[i] << endl;}return 0;
}
结果如下：
参考文献：
1. https://blog.csdn.net/cosmispower/article/details/64457406
这篇关于OpenCV：normalize函数原理及应用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
