您的位置:

详解cv2.normalize

一、简介

cv2.normalize是OpenCV中的一个函数,用于将一个多维数组(如图像)中的值进行归一化处理。这个函数可以帮助我们将输入的数据限定在一个指定的范围内,使数据更加平滑并且易于分析。

二、函数定义

normalize(src[, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]]) -> dst
  • src: 输入数组,可以是单或多通道;
  • dst: 输出数组;
  • alpha: 归一化后的最小值;
  • beta: 归一化后的最大值;
  • norm_type: 用于normalize()的类型,包括以下选项:
    • cv2.NORM_INF: 最大规范化;
    • cv2.NORM_L1: 绝对值之和;
    • cv2.NORM_L2: 向增量平方和的平方根;
    • cv2.NORM_MINMAX: 最小和最大归一化;
    • cv2.NORM_RELATIVE: 相对规范化;
    • cv2.NORM_TYPE_MASK: 掩模类型;
    • cv2.NORM_DIFF: 差异;
  • dtype: 可选的输出的数组类型;
  • mask: 掩码的数组,用于归一化只选择掩码中的值。

三、归一化类型

normalize()的norm_type参数指定了归一化的类型,它决定了归一化函数将如何处理输入数据。

1. 最大规范化(cv2.NORM_INF)

最大规范化将输入值除以其中的最大值,结果的值域范围为[0, 1]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 1, cv2.NORM_INF)

print(normalized)
输出结果为:[ 0.0042735 0.06382979 0.11538462 0.37967914 0.525641 1. ]

2. 绝对值之和(cv2.NORM_L1)

绝对值之和归一化将输入值除以它们的绝对值之和,使得结果的值域范围为[0, 1]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 1, cv2.NORM_L1)

print(normalized)
输出结果为:[ 0.00084351 0.01265317 0.02299689 0.07562926 0.1047725 0.19910415]

3. 向增量平方和的平方根(cv2.NORM_L2)

向增量平方和的平方根归一化将输入值除以它们的平方和开方,使得结果的值域范围为[0, 1]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 1, cv2.NORM_L2)

print(normalized)
输出结果为:[ 0.01206965 0.18076661 0.32909605 1. 1. 1. ]

4. 最小和最大归一化(cv2.NORM_MINMAX)

最小和最大归一化将输入值根据给定的最小值和最大值限制在给定的范围内,结果的值域范围为[min_val, max_val]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 255, cv2.NORM_MINMAX)

print(normalized)
输出结果为:[ 0. 9.24083328 16.8221283 55.33333588 76.55965424 145. ]

四、掩码

normalize的mask参数可以传入一个掩码数组,该数组内的值表示所需取归一化的元素范围。例如,我们有一个图像,其中某些像素(由mask指定)需要进行归一化,而其他像素原样保留。

import cv2
import numpy as np

image = cv2.imread("image.jpg")

# 创建掩码,选择需要进行归一化的区域
mask = np.zeros(image.shape[:2], dtype=np.uint8)
mask[100:400, 300:600] = 255

# 归一化处理
normalized = cv2.normalize(image, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8UC3, mask)

cv2.imshow("Original image", image)
cv2.imshow("Normalized image", normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、总结

cv2.normalize是OpenCV中用于归一化处理的一个函数,可以帮助我们处理输入数据,使其在一个指定的范围内,并更加易于分析。通过设置normalize()的各种参数,我们可以选择不同的归一化类型,以及是否使用掩码进行归一化处理。这个函数在图像处理中应用较广,对于需要将像素值控制在特定范围内的任务,使用cv2.normalize将会是一个非常好的选择。