OpenCV 特殊函数介绍--->>>归一化问题（normalize）

大纲

1.归一化定义与作用

   归一化就是把需要处理的数据经过处理后（通过某种算法）限制在你需要的范围内。

首先归一化是为了后面数据处理的方面，其次是保证程序运行时收敛加快。归一化的

具体作用是归纳同一样本的同一分布性。

    特别的，归一化在0-1之间是统计的概率分布，归一化在某个区间是统计的坐标分布。

    目的：是使得没有可比性的数据变得具有可比性，同时又保持相比较的两个数据之间

的相对关系，如大小关系；或是为了作图，原来很难在一张图上作出来，归一化后后就可以

方面的给出图上的相对位置。

       在使用机器学习算法 的数据预处理阶段，归一化是重要的一个步骤。例如在应用SVM之间，缩放是非常重要的。

缩放的主要优点：

（1）避免大数值区间的属性过度支配小数值区间的属性。

（2）避免计算过程中数值复杂度。

因为关键值 通常 依赖特征向量的内积（inner products）。

例如，线性核和多项式核力，属性的大数值可能会导致数值问题。

我们推荐将每个属性线性缩放到区间[-1,+1]或者[0,1]。

2.OpenCV库函数

函数：  

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

  Function：  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。

 

函数原型：

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

    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。

Parameters:

src

    输入数组

dst

    输出数组，支持原地运算

alpha

    range normalization模式的最小值

beta

    range normalization模式的最大值，不用于norm normalization(范数归一化)模式。

normType

    归一化的类型，可以有以下的取值：

    NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。

    NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)

    NORM_L1 :  归一化数组的L1-范数(绝对值的和)

    NORM_L2: 归一化数组的(欧几里德)L2-范数

dtype

    dtype为负数时，输出数组的type与输入数组的type相同；

否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).

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。

 

归一化类型：

参考文献;

https://www.cnblogs.com/starfire86/articles/5315984.html（详细）

https://blog.csdn.net/kuweicai/article/details/78988886（公式）

Data：2021-12-23   第一次做搬运工。。。不自己造轮子了

标签：normalize,dtype,数值,---,数组,归一化,范数,NORM
来源： https://www.cnblogs.com/sophiaechoz/p/15724729.html