opencv —— normalize 矩陣歸一化

歸一化：就是將數據通過某種算法，限制需要的一定范圍內。

歸一化的目的：簡而言之，是使得沒有可比性的數據變得具有可比性，同時又保持相比較的兩個數據之間的相對關系，如大小關系；或是為了作圖，原來很難在一張圖上作出來，歸一化后就可以很方便的給出圖上的相對位置等。

 

矩陣歸一化：normalize 函數

void normalize(InputArry src,InputOutputArray dst,double alpha = 1,double beta = 0,int norm_type = NORM_L2,int dtype = -1,InputArray mark = noArry())

• src，輸入圖像，Mat 類對象即可。
• dst，函數調用后的結果存在這里，和原圖像具有一樣的尺寸和類型。
• alpha，①值歸一化，表示所乘系數；②范圍歸一化，表示范圍界限，一般當作下界。
• beta，僅范圍歸一化用到，表示范圍另一界限。
• norm_type，歸一化選擇的數學公式。

NORM_L1:（占比）

 

 

NORM_INF:

 

 

NORM_L2:

 

 

NORM_MINMAX: A_k 不屬於{ max(A_i) , min(A_i) },當 A_K 等於 max(A_i) 時 p = 1，等於 min(A_i) 時 p = 0 

 

 

 

• dtype，為負時，輸出圖像深度等於輸入圖像，否則深度為 dtype 類型。一般選擇默認值。
• mark，掩碼。若有感興趣區域，則只對該區域進行操作。

 

值歸一化：所有 NORM_XXX 公式均可使用

alpha ！= 0，beta = 0，根據數學公式計算出來的所有值均 * alpha。

示例：alpha = 45

 

 

 

范圍歸一化：必須且僅可以使用 NORM_MINMAX 公式

alpha ！=0，beta ！= 0，假設 alpha < beta,即歸一化范圍 [alpha,beta]，簡記為 [a,b]。

1. 首先找到樣本數據的最小值 Min 及最大值 Max
2. 計算系數為：k =（b - a) / (Max - Min)
3. 得到歸一化到 [a,b] 區間的數據：

 示例：alpha = 10，beta = 45

 

（呀呀，網上好多相關文章，但看完還是迷糊，現在終於明白了，(●'◡'●) 開心！）