知识点：

OpenCV中提供了四种归一化的方法：
- NORM_MINMAX
- NORM_INF
- NORM_L1
- NORM_L2
最常用的就是 NORM_MINMAX 归一化方法。
相关API函数：

  1. void normalize(InputArray src, 
  2.                InputOutputArray dst, 
  3.                double alpha = 1,
  4.                double beta = 0, 
  5.                int norm_type = NORM_L2, 
  6.                int dtype = -1, 
  7.                InputArray mask = noArray());

- InputArray src // 输入图像

  • InputOutputArray dst // 输出图像

  • double alpha = 1 // NORM_MINMAX时候低值

  • double beta = 0 // NORM_MINMAX时候高值，通常保持 alpha 和 beta 一大一小即可

  • int norm_type = NORM_L2 // NORM_L2、NORM_L1、NORM_INF 只需要 alpha，NORM_MINMAX 需要 alpha 和 beta 两个参数

  • int dtype = -1 // 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)

  • InputArray mask = noArray() // mask默认值为空
    [

](https://blog.csdn.net/Apple_Coco/article/details/93731517)

C++代码

  1. #include <opencv2/opencv.hpp>
  2. #include <iostream>
  4. using namespace std;
  5. using namespace cv;
  7. void day11() {
  9.     // 读取一张灰度图像
  10.     Mat src = imread("G:\\opencvTest\\test.jpg", IMREAD_GRAYSCALE);
  11.     if (src.empty()) {
  12.         cout << "could not load image.." << endl;
  13.         return;
  14.     }
  15.     imshow("src", src);
  17.     Mat gray_f;
  19.     // 转换为浮点数类型数组
  20.     src.convertTo(gray_f, CV_32F);
  23.     // NORM_MINMAX 归一化，根据delta = max - min = 8.0
  24.         // 归一化到[alpha, beta]，即[1.0, 0]
  25.     // 2.0        0.0        ((2.0 - 2.0)/8.0)
  26.     // 8.0        0.75            ((8.0 - 2.0)/8.0)
  27.     // 10.0        1.0        ((10.0 - 2.0)/8.0)
  28.     Mat dst = Mat::zeros(gray_f.size(), CV_32FC1);
  29.     normalize(gray_f, dst, 1.0, 0, NORM_MINMAX);
  30.     Mat result = dst * 255;
  31.     result.convertTo(dst, CV_8UC1);
  32.     imshow("NORM_MINMAX", dst);
  35.     // NORM_INF 归一化，根据最大值
  36.     // 2.0        0.2        (2.0/10.0)
  37.     // 8.0        0.8        (8.0/10.0)
  38.     // 10.0        1.0        (10.0/10.0)
  39.     normalize(gray_f, dst, 1.0, 0, NORM_INF);
  40.     result = dst * 255;
  41.     result.convertTo(dst, CV_8UC1);
  42.     imshow("NORM_INF", dst);
  45.     // NORM_L1 归一化，依据和为1
  46.     // sum(numbers) = 20.0
  47.     // 2.0        0.1        (2.0/20.0)
  48.     // 8.0        0.4        (8.0/20.0)
  49.     // 10.0        0.5        (10.0/20.0)
  50.     normalize(gray_f, dst, 1.0, 0, NORM_L1);
  51.     result = dst * 10000000;
  52.     result.convertTo(dst, CV_8UC1);
  53.     imshow("NORM_L1", dst);
  56.     // NORM_L2 归一化，根据单位向量为1
  57.     // ||positiveData|| = sqrt(2.0*2.0 + 8.0*8.0 + 10.0*10.0) = 12.96
  58.     // 2.0        0.15            (2.0/12.96)
  59.     // 8.0        0.62            (8.0/12.96)
  60.     // 10.0        0.77            (10.0/12.96)
  61.     normalize(gray_f, dst, 1.0, 0, NORM_L2);
  62.     result = dst * 10000;
  63.     result.convertTo(dst, CV_8UC1);
  64.     imshow("NORM_L2", dst);
  66.     waitKey(0);
  67. }

Python代码

Javascript代码