どのような画像の正規化
より単純マトリックスの値に変更されている特定の間隔内のいくつかの方法であります
画像正規の役割
- 理解することができ、現在は対処しやすいの範囲に正規化されている、あなたはの専門家の指導を期待することができます
OpenCVのドキュメント・プレゼンテーション
C++: void normalize(InputArray src, InputOutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray() )
C++: void normalize(const SparseMat& src, SparseMat& dst, double alpha, int normType)
Python: cv2.normalize(src[, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]]) → dst
Parameters:
src – input array.
dst – output array of the same size as src .
alpha – norm value to normalize to or the lower range boundary in case of the range normalization.
beta – upper range boundary in case of the range normalization; it is not used for the norm normalization.
normType – normalization type (see the details below).
dtype – when negative, the output array has the same type as src; otherwise, it has the same number of channels as src and the depth =CV_MAT_DEPTH(dtype).
mask – optional operation mask.norm_type NORM_INF、NORM_MINMAX、NORM_L1とNORM_L2 4を持っています。
図1に示すように、NORM_MINMAXモードでは、アルファは、正規化後の最小値を示し、βは、正規化後の最大値です。
2は、NORM_L1、NORM_L2、NORM_INFモードにおいて、アルファは、それぞれのノルム値行列の正規化した後に行わ表し、βは使用されません。
図3に示すように、正規化スパース行列は、唯一の非ゼロピクセルをサポート
NORM_MINMAX
数値配列は、パニングまたは指定された範囲、線形正規化ズーミングれます。
$$ DST（I、J）= \ FRAC {（SRC（i、j）は - 分（SRC（X、Y）））*（ベータ - アルファ）} {MAX（SRC（X、Y）） - 分（ SRC（X、Y））} +アルファ$$
NORM_INF
分母L∞ノルム、行列要素、すなわち最大絶対値（チェビシェフ距離）
NORM_L1
L1-ノルム分母、すなわち、行列要素の絶対値と（マンハッタン距離）
NORM_L2
分母のL2-ノルム、すなわち、行列の各要素とのユークリッド距離
