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=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;
}
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。