cvNormalize函数
void cvNormalize( const CvArr* src, CvArr* dst,
double a=1, double b=0, int norm_type=CV_L2,
const CvArr* mask=NULL );

cvNormalize函数(续)

Normalize

根据某种范数或者数值范围归一化数组.

void cvNormalize( const CvArr* src, CvArr* dst,

double a=1, double b=0, int norm_type=CV_L2,

const CvArr* mask=NULL );

src

输入数组

dst

输出数组,支持原地运算

a

输出数组的最小/最大值或者输出数组的范数

b

输出数组的最大/最小值

norm_type

归一化的类型,可以有以下的取值:

CV_C - 归一化数组的C-范数(绝对值的最大值)

CV_L1 - 归一化数组的L1-范数(绝对值的和)

CV_L2 - 归一化数组的(欧几里德)L2-范数

CV_MINMAX - 数组的数值被平移或缩放到一个指定的范围

mask

操作掩膜,用于指示函数是否仅仅对指定的元素进行操作

该函数归一化输入数组使它的范数或者数值范围在一定的范围内

对于不同的norm_type, 根据我的试验(mask=null)的时候, a,b(a>b)起的作用结果如下:

norm_type=CV_C时, src 被重新"缩放"(rescale)到dst, 使得dst的值是线性映射到[0,1]区间.(a,b其实无作用)

norm_type=CV_L1,或者 CV_L2时, 得到L1,L2规范化的dst.(a,b其实无作用)

norm_type=CV_MINMAX时, src会被缩放(rescale)和移动(translation)到dst,使得dst的值是线性映射到[b,a]区间.

cvNormalize函数(续)

代码：

#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=http://www.mamicode.com/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=http://www.mamicode.com/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;

}

当cvMat={1,4,5,6,7,10}, a=5,b=0的时候,输出结果如下:

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中关于cvNorm函数的使用

Norm

计算数组的绝对范数， 绝对差分范数或者相对差分范数

double cvNorm( const CvArr* arr1, const CvArr* arr2=NULL, int norm_type=CV_L2, const CvArr* mask=NULL );

opencv中关于cvNorm函数的使用(续)

参数：

arr1             第一输入图像

arr2             第二输入图像 ，如果为空（NULL）, 计算 arr1 的绝对范数，否则计算 arr1-arr2 的绝对范数或者相对范数。

normType  范数类型，参见“讨论”。

mask          可选操作掩模。

如果 arr2 为空（NULL），函数 cvNorm 计算 arr1 的绝对范数：

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 不为空（NULL）， 该函数计算绝对差分范数或者相对差分范数：

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

函数 Norm 返回计算所得的范数。多通道数组被视为单通道处理，因此，所有通道的结果是结合在一起的。

归一化