cv2.normalize函数原型

cv2.normalize函数有两个原型：
原型一： dst = cv2.normalize(src, dst, alpha = 1, beta = 0, norm_type = cv2.NORM_L2, dtype = -1, mask = None)
原型二： dst = cv2.normalize(src, dst, alpha, norm_type)

相关问题

cv2.normalize函数用法

cv2.normalize函数用于将数组的值标准化或归一化到指定范围，常用于图像处理中。

函数原型：cv2.normalize(src, dst, alpha, beta, norm_type, dtype, mask)

参数说明：
- src：输入数组，即需要被标准化的数组。
- dst：输出数组，即标准化后的结果。
- alpha：归一化后的最小值。
- beta：归一化后的最大值。
- norm_type：归一化类型，有两种类型：cv2.NORM_MINMAX和cv2.NORM_INF，默认为cv2.NORM_MINMAX。
- dtype：输出数组的数据类型。
- mask：掩膜数组。

使用示例：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 归一化到0-255范围
dst = np.zeros(img.shape, dtype=np.uint8)
cv2.normalize(img, dst, 0, 255, cv2.NORM_MINMAX)

# 显示归一化后的图像
cv2.imshow('normalize', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码将读取一张灰度图像，然后将其归一化到0-255的范围，最后显示归一化后的图像。

cv2.normalize（）该函数参数解析和使用

`cv2.normalize()` 函数是 OpenCV 中的一个图像处理函数，用于将图像数组的像素值缩放到指定范围内，通常用于图像增强、对比度调整和色彩平衡。其函数原型如下：

cv2.normalize(src, dst, alpha, beta, norm_type, dtype, mask)

其中，各参数的含义如下：

- `src`：输入图像数组。
- `dst`：输出图像数组，数组大小和类型与输入数组相同。
- `alpha`：规范化的下界，一般为 0。
- `beta`：规范化的上界，一般为 255。
- `norm_type`：规范化类型，可选值为 `cv2.NORM_INF`、`cv2.NORM_L1`、`cv2.NORM_L2`、`cv2.NORM_MINMAX`。
- `dtype`：输出数组的数据类型，通常为 `cv2.CV_8U` 或 `cv2.CV_32F`。
- `mask`：掩膜数组，用于指定哪些像素应该被规范化，可选参数。

其中，规范化类型 `norm_type` 的含义如下：

- `cv2.NORM_INF`：取所有像素点的绝对值中的最大值作为缩放因子。
- `cv2.NORM_L1`：对每个像素点取绝对值，然后所有像素点的绝对值之和除以像素点总数作为缩放因子。
- `cv2.NORM_L2`：计算每个像素点的平方和，然后对这个值开方，作为缩放因子。
- `cv2.NORM_MINMAX`：将像素值线性缩放到一个给定的范围内，通常为 `[0, 255]`。

使用示例：

import cv2

# 读取图像
img = cv2.imread('test.jpg')

# 将像素值缩放到 [0, 255] 范围内
dst = cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)

# 显示图像
cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()