矩阵归一化 cv2.normalize()

矩阵归一化是将一个矩阵中的数据映射到一个指定的范围内。在OpenCV中，可以使用`cv2.normalize()`函数来实现矩阵归一化。

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

参数说明：

- `src`：输入矩阵，可以是任何维度。
- `dst`：输出矩阵。
- `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，有两种方式：`cv2.NORM_INF`（按照最大值进行归一化）和`cv2.NORM_L2`（按照欧式距离进行归一化）。
- `dtype`：输出矩阵的数据类型。
- `mask`：掩膜矩阵。

示例代码：

import cv2
import numpy as np

img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)  # 读取灰度图像
cv2.imshow('Original Image', img)

# 将图像矩阵归一化到 0~255 范围内
dst = cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX)
cv2.imshow('Normalized Image', dst)

cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例代码中，我们将灰度图像矩阵归一化到0~255范围内，并展示了归一化后的图像。