cvNormalize函數
void cvNormalize( const CvArr* src, CvArr* dst,
double a=1, double b=0, int norm_type=CV_L2,
const CvArr* mask=NULL );
cvNormalize函數(續)
Normalize
根據某種范數或者數值范圍歸一化數組.
void cvNormalize( const CvArr* src, CvArr* dst,
double a=1, double b=0, int norm_type=CV_L2,
const CvArr* mask=NULL );
src
輸入數組
dst
輸出數組,支持原地運算
a
輸出數組的最小/最大值或者輸出數組的范數
b
輸出數組的最大/最小值
norm_type
歸一化的類型,可以有以下的取值:
CV_C - 歸一化數組的C-范數(絕對值的最大值)
CV_L1 - 歸一化數組的L1-范數(絕對值的和)
CV_L2 - 歸一化數組的(歐幾里德)L2-范數
CV_MINMAX - 數組的數值被平移或縮放到一個指定的范圍
mask
操作掩膜,用於指示函數是否僅僅對指定的元素進行操作
該函數歸一化輸入數組使它的范數或者數值范圍在一定的范圍內
對於不同的norm_type, 根據我的試驗(mask=null)的時候, a,b(a>b)起的作用結果如下:
norm_type=CV_C時, src 被重新"縮放"(rescale)到dst, 使得dst的值是線性映射到[0,1]區間.(a,b其實無作用)
norm_type=CV_L1,或者 CV_L2時, 得到L1,L2規范化的dst.(a,b其實無作用)
norm_type=CV_MINMAX時, src會被縮放(rescale)和移動(translation)到dst,使得dst的值是線性映射到[b,a]區間.
cvNormalize函數(續)
代碼：
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
void displayMat(const CvMat* mat){
int col=mat->width;
int row=mat->height;
double* data=mat->data.db;
for(int i=0;i<row;i++){
for(int j=0;j<col;j++){
std::cout<<data[i*col+j]<<", ";
}
}
std::cout<<std::endl;
}
int main (int argc, char * const argv[]) {
// insert code here...
std::cout << "normalization\n";
double data[]={1,4,5,6,7,10};
CvMat src=cvMat(6,1,CV_64FC1,data);
CvMat dst=cvMat(6,1,CV_64FC1,data);
std::cout<<"a=5,b=0: ";cvNormalize(&src,&dst,5,0,CV_C,NULL);
displayMat(&dst);std::cout<<"---------"<<std::endl;
std::cout<<"a=5,b=0: ";cvNormalize(&src,&dst,5,0,CV_L1,NULL);
displayMat(&dst);std::cout<<"---------"<<std::endl;
std::cout<<"a=5,b=0: ";cvNormalize(&src,&dst,5,0,CV_L2,NULL);
displayMat(&dst);std::cout<<"---------"<<std::endl;
std::cout<<"a=5,b=0: ";cvNormalize(&src,&dst,5,0,CV_MINMAX,NULL);
displayMat(&dst);std::cout<<"---------"<<std::endl;
return 0;
}
當cvMat={1,4,5,6,7,10}, a=5,b=0的時候,輸出結果如下:
a=5,b=0: CV_C: 0.1, 0.4, 0.5, 0.6, 0.7, 1,
---------
a=5,b=0: CV_L1: 0.030303, 0.121212, 0.151515, 0.181818, 0.212121, 0.30303,
---------
a=5,b=0: CV_L2: 0.0663723, 0.265489, 0.331862, 0.398234, 0.464606, 0.663723,
---------
a=5,b=0: CV_MINMAX: 0, 1.66667, 2.22222, 2.77778, 3.33333, 5,
---------
L1_norm: 每個元素乘上1/sqrt(1+4+5+6+7+10)
L2_norm: 每個元素乘上1/sqrt(1+16+25+36+49+100)
CV_MINMAX:使每個元素限制在[a=5,b=0]之間算法如下:dst(i)=(src(i)-min(src))*(5-0)/(max(src)-min(src))
1-->0
4-->3*5/9=1.6666
5-->4*5/9=2.2222
opencv中關於cvNorm函數的使用
Norm
計算數組的絕對范數， 絕對差分范數或者相對差分范數
double cvNorm( const CvArr* arr1, const CvArr* arr2=NULL, int norm_type=CV_L2, const CvArr* mask=NULL );
opencv中關於cvNorm函數的使用(續)
參數：
arr1 第一輸入圖像
arr2 第二輸入圖像 ，如果為空（NULL）, 計算 arr1 的絕對范數，否則計算 arr1-arr2 的絕對范數或者相對范數。
normType 范數類型，參見“討論”。
mask 可選操作掩模。
如果 arr2 為空（NULL），函數 cvNorm 計算 arr1 的絕對范數：
norm = ||arr1||C = maxI abs(arr1(I)), 如果 normType = CV_C
norm = ||arr1||L1 = sumI abs(arr1(I)), 如果 normType = CV_L1
norm = ||arr1||L2 = sqrt( sumI arr1(I)2), 如果 normType = CV_L2
如果 arr2 不為空（NULL）， 該函數計算絕對差分范數或者相對差分范數：
norm = ||arr1-arr2||C = maxI abs(arr1(I)-arr2(I)), 如果 normType = CV_C
norm = ||arr1-arr2||L1 = sumI abs(arr1(I)-arr2(I)), 如果 normType = CV_L1
norm = ||arr1-arr2||L2 = sqrt( sumI (arr1(I)-arr2(I))2 ), 如果 normType = CV_L2
或者
norm = ||arr1-arr2||C/||arr2||C, 如果 normType = CV_RELATIVE_C
norm = ||arr1-arr2||L1/||arr2||L1, 如果 normType = CV_RELATIVE_L1
norm = ||arr1-arr2||L2/||arr2||L2, 如果 normType = CV_RELATIVE_L2
函數 Norm 返回計算所得的范數。多通道數組被視為單通道處理，因此，所有通道的結果是結合在一起的。