Ubuntu系统VScode实现opencv（c++）图像像素类型转换和归一化

在OpenCV中，像素归一化（Normalization） 是将图像的像素值映射到特定范围或分布的过程，目的是消除数据量纲差异、增强特征一致性，并提升算法的鲁棒性。

在机器学习（如神经网络）中，归一化后的数据梯度更稳定，显著加快训练收敛速度。

opencv有四种归一化的方式:

1. 最小-最大归一化（Min-Max Normalization）

最小-最大归一化（Min-Max Normalization）是一种线性缩放方法，把0-255区间的像素数值映射到 $0, 1$ ，使不同量纲、不同尺度的特征处于同一数量级，避免算法被大数值主导。

其中，a,b是目标区间（默认为 0 到 1）;

2. L2范数归一化

L2 范数归一化（L2 Normalization）把向量所有元素的平方和开根号后作为分母，使向量的 L2 范数（欧几里得长度）等于 1。

3. L1 范数归一化（Manhattan 归一化）

L1 范数归一化（又称 Manhattan 归一化）通过把向量所有元素的绝对值之和作为分母，使向量的 L1 范数（曼哈顿长度）等于 1，从而将数据压缩到单纯形（simplex）上。

4. 均值标准化（Z-score 归一化）

均值标准化（Z-score Normalization）把原始数据 线性变换为均值 0、标准差 1 的分布，使数值无量纲、均值为零、方差统一，便于不同特征可比与梯度下降收敛。

类型转换

函数:convertTo()

复制代码

void cv::Mat::convertTo(
    OutputArray dst,            // 输出矩阵
    int rtype,                  // 目标类型，如 CV_8U、CV_32F 等
    double alpha = 1,           // 缩放因子
    double beta  = 0            // 偏移量
) const;

 Mat image_float;
 image.convertTo(image_float,CV_32F);//CV_8UC3->CV_32FC3

上述代码实现了图像像素类型的转换,由CV_8UC3转换到CV_32FC3;

归一化

函数:normalize()

复制代码

void normalize(InputArray src,
               OutputArray dst,
               double alpha = 1,   // 下界或范数目标值
               double beta  = 0,   // 上界（仅 Min-Max 用到）
               int norm_type = NORM_L2,  // 归一化类型
               int dtype = -1,            // 输出深度；<0 与 src 相同
               InputArray mask = noArray() // 掩膜，可选
);

alpha,beta是区间,一般归一化取(0,1),norm_type则是选择归一化的方式;

下面是使用方法:

当将图片转换到float,直接显示是不行的,我们需要将其归一化才能正常显示;

复制代码

void Demo::Norm_Demo(Mat &image)
{
    Mat image_float,norm_image;
    image.convertTo(image_float,CV_32F);//CV_8UC3->CV_32FC3
    cout<<image.type()<<image_float.type()<<endl;
    normalize(image_float,norm_image,1,0,NORM_MINMAX);
    imshow("norm",norm_image);
}