Cv2.Norm的作用

Cv2.Norm 是 OpenCV 中用于计算向量或矩阵范数（norm）的函数。它可以用来衡量向量或矩阵的大小或距离。

在 OpenCV 中，范数的计算方式有很多种，Cv2.Norm 函数可以通过传入不同的参数来选择不同的计算方式。常用的参数包括：

- NORM_INF：计算向量的 L1 范数，矩阵的最大列和。
- NORM_L1：计算向量的 L1 范数，矩阵的最大行和。
- NORM_L2：计算向量的 L2 范数，矩阵的最大奇异值。
- NORM_MINMAX：计算向量或矩阵的最小值和最大值之差。

例如，下面的代码演示了如何使用 Cv2.Norm 函数来计算向量的 L2 范数：

import numpy as np
import cv2

# 定义一个向量
vec = np.array([1, 2, 3])

# 计算向量的 L2 范数
norm_l2 = cv2.norm(vec, cv2.NORM_L2)

print(norm_l2)  # 输出结果为 3.7416573867739413

除了向量之外，Cv2.Norm 函数还可以用于计算矩阵的范数。例如，下面的代码演示了如何使用 Cv2.Norm 函数来计算矩阵的最大奇异值：

import numpy as np
import cv2

# 定义一个矩阵
mat = np.array([[1, 2], [3, 4]])

# 计算矩阵的最大奇异值
norm_l2 = cv2.norm(mat, cv2.NORM_L2)

print(norm_l2)  # 输出结果为 5.464985704219043

总之，Cv2.Norm 是 OpenCV 中非常常用的函数，它可以用于计算向量或矩阵的范数，是很多图像处理算法的基础操作之一。