opencv学习-011-图像像素归一化（normalize）

opencv学习-011-图像像素归一化（normalize）

#include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main(int argc, const char *argv[]) { Mat src = imread("E:/Desktop/y.jpg"); if (src.empty()) { printf("could not load image...\n"); return -1; } namedWindow("input", WINDOW_AUTOSIZE); imshow("input", src); Mat gray, gray_f; cvtColor(src, gray, COLOR_BGR2GRAY); // 转换为浮点数类型数组 gray.convertTo(gray, CV_32F); // scale and shift by NORM_MINMAX Mat dst = Mat::zeros(gray.size(), CV_32FC1); normalize(gray, dst, 1.0, 0, NORM_MINMAX); Mat result = dst * 255; result.convertTo(dst, CV_8UC1); imshow("NORM_MINMAX", dst); // scale and shift by NORM_INF normalize(gray, dst, 1.0, 0, NORM_INF); result = dst * 255; result.convertTo(dst, CV_8UC1); imshow("NORM_INF", dst); // scale and shift by NORM_L1 normalize(gray, dst, 1.0, 0, NORM_L1); result = dst * 10000000; result.convertTo(dst, CV_8UC1); imshow("NORM_L1", dst); // scale and shift by NORM_L2 normalize(gray, dst, 1.0, 0, NORM_L2); result = dst * 10000; result.convertTo(dst, CV_8UC1); imshow("NORM_L2", dst); waitKey(0); return 0; }

  首先概述下什么是图像归一化，其实就是通过一系列变换, 将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。 其性质：

归一化处理并没有改变图像的对比度归一化处理很简单，假设原图像是8位灰度图像，那么读入的像素矩阵最大值为256，最小值为1，定义矩阵为I，J＝I／256，就是归一化的图像矩阵，就是说归一化之后所有的像素值都在［0，1］区间内。 void normalize( InputArray src, // 输入图像 InputOutputArray dst, // 输出图像 double alpha = 1, // NORM_MINMAX时候低值，1,用来规范值，2.规范范围，并且是下限； double beta = 0, // NORM_MINMAX时候高值，只用来规范范围并且是上限； int norm_type = NORM_L2, // 只有alpha int dtype = -1, // 当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输如不同，不同的地方由dtype决定； InputArray mask = noArray() // mask默认值为空 )

norm_type 提供了四种归一化的方法

NORM_MINMAXNORM_INFNORM_L1NORM_L2

最常用的就是NORM_MINMAX归一化方法。

归一化选择的数学公式类型介绍（norm_type） ： 设数组中原有{A1,A2,A3…An} NORM_L1: NORM_INF: NORM_L2: NORM_MINMAX:（AK不属于{max(Ai)},min(Ai),当AK等于max(Ai)时p=1，等于min(Ai)时p=0）

举例说明:

最后dst * 255代表还原为图像的像素值，因为图像像素值为0~255