cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);

Question

OpenCV 中的

cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);

有什么作用？

我浏览了文档，但无法理解

alpha

、

beta

、

NORM_MINMAX

和

CV_8UC1

的实际用途。我知道 alpha 设定下限，beta 设定上限。

CV_8UC1

代表 8 位无符号单通道。但这些论点到底对这幅画做了什么，是我无法理解的。

Answer 1

当

normType

为

NORM_MINMAX

时，

cv::normalize

将

_src

归一化，使得

dst

的最小值为

alpha

，

dst

的最大值为

beta

。

cv::normalize

仅使用缩放和移位（即添加常数并乘以常数）即可发挥其魔力。

CV_8UC1

表示

dst

有多少个频道。

这里的文档非常清楚：http://docs.opencv.org/modules/core/doc/operations_on_arrays.html#normalize

Answer 2

Opencv 中有几种标准化类型。

尝试在Online OpenCV-Flow工具中运行示例，以更好地了解每种类型。

Answer 3

import matplotlib.pyplot as plt
import numpy as np
import cv2

# Generate some sample images
image = np.random.randint(0, 256, size=(7, 7), dtype=np.uint8)
print("Original Image:")[enter image description here][1]
print(image)

# Dictionary mapping normalization type constants to their names
norm_type_names = {
    cv2.NORM_MINMAX: "NORM_MINMAX",
    cv2.NORM_L1: "NORM_L1",
    cv2.NORM_L2: "NORM_L2"
}

# Normalize the image using different normalization methods
norm_types = [cv2.NORM_MINMAX, cv2.NORM_L1, cv2.NORM_L2]
norm_images = []

for norm_type in norm_types:
    norm_image = cv2.normalize(image, None, alpha=20, beta=50, norm_type=norm_type)
    print(f'{norm_type_names[norm_type]}')
    print(norm_image)
    norm_images.append(norm_image)
    print()

# Display the images with pixel values using Matplotlib
fig, axes = plt.subplots(1, len(norm_types), figsize=(10, 10))

for i, norm_image in enumerate(norm_images):
    axes[i].imshow(norm_image, cmap='gray')
    axes[i].set_title('{}'.format(norm_type_names[norm_types[i]]))

    axes[i].axis('off')

    # Display pixel values on the normalized images
    for y in range(norm_image.shape[0]):
        for x in range(norm_image.shape[1]):
            axes[i].text(x, y, f'{norm_image[y, x]}', color='red', ha='center', va='center', fontsize=8)

plt.tight_layout()
plt.show()