OpenCV（cv::normalize()）

• 1. 函数原型：
• 2. 使用场景：
• 3. 示例：

cv::normalize() 是 OpenCV 中用于将数据值缩放到指定范围或对数据进行归一化处理。

1. 函数原型：

void cv::normalize( InputArray src, OutputArray dst, double alpha = 1, double beta = 0, int norm_type = NORM_L2, int dtype = -1, InputArray mask = noArray() );

参数：

1. src (InputArray): 输入数组或图像，通常为单通道或多通道的矩阵（如 cv::Mat 类型）。这是需要被标准化的源数据。

2. dst (OutputArray): 输出标准化后的数组或图像。大小和类型取决于输入和参数设置。

3. alpha (double): 归一化后的最小值或缩放系数，具体含义取决于 norm_type。如果选择了 NORM_MINMAX，alpha 表示归一化后数据的最小值。如果是 NORM_L2、NORM_L1 或 NORM_INF，alpha 是缩放的目标值。

4. beta (double): 归一化后的最大值，当 norm_type 为 NORM_MINMAX 时有效。这个参数只会在该类型下使用，以设置归一化后的最大值。

5. norm_type (int): 归一化的类型。常见的有以下几种：

   • NORM_INF: 将数组的每个元素除以绝对值的最大值。
   • NORM_L1: 将数组的每个元素除以元素绝对值之和。
   • NORM_L2: 将数组的每个元素除以元素平方和的平方根（欧几里得范数）。
   • NORM_MINMAX: 线性缩放，使得数组的最小值和最大值分别为 alpha 和 beta。

6. dtype (int): 输出数据类型。如果设置为 -1，则输出与输入类型相同。否则，可以显式指定输出类型（如 CV_32F、CV_8U 等）。

7. mask (InputArray): 可选的掩码数组（通常是二值图像）。只对掩码中为非零的像素进行标准化处理。

返回值：

该函数没有返回值，但它会通过 dst 输出标准化后的结果。

2. 使用场景：

1. 归一化处理：将图像像素值归一化到特定范围，常用于图像的预处理或后处理，例如将图像像素值归一化到 [0, 1] 范围内。
2. 特征标准化：对输入数据进行标准化处理，使其适用于机器学习模型的训练和预测。
3. L2 范数归一化：用于规范化向量或图像数据，使其符合 L2 范数的要求，常用于图像处理中的向量计算。

3. 示例：

cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;

// 将图像归一化到 [0, 255] 范围内
cv::normalize(src, dst, 0, 255, cv::NORM_MINMAX);

• 上面的示例代码中，cv::normalize() 函数将输入图像的像素值缩放到 [0, 255] 范围内。
• norm_type 为 NORM_MINMAX，意味着我们使用最小-最大缩放。alpha=0 表示归一化后的最小值为 0，beta=255 表示归一化后的最大值为 255。

通过这种方式，可以对图像进行有效的归一化处理，方便后续的图像分析与处理。