詳解cv2.normalize

一、簡介

cv2.normalize是OpenCV中的一個函數，用於將一個多維數組（如圖像）中的值進行歸一化處理。這個函數可以幫助我們將輸入的數據限定在一個指定的範圍內，使數據更加平滑並且易於分析。

二、函數定義

normalize(src[, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]]) -> dst

• src: 輸入數組，可以是單或多通道；
• dst: 輸出數組；
• alpha: 歸一化後的最小值；
• beta: 歸一化後的最大值；
• norm_type: 用於normalize()的類型，包括以下選項：
• cv2.NORM_INF: 最大規範化；
• cv2.NORM_L1: 絕對值之和；
• cv2.NORM_L2: 向增量平方和的平方根；
• cv2.NORM_MINMAX: 最小和最大歸一化；
• cv2.NORM_RELATIVE: 相對規範化；
• cv2.NORM_TYPE_MASK: 掩模類型；
• cv2.NORM_DIFF: 差異；
• dtype: 可選的輸出的數組類型；
• mask: 掩碼的數組，用于歸一化只選擇掩碼中的值。

三、歸一化類型

normalize()的norm_type參數指定了歸一化的類型，它決定了歸一化函數將如何處理輸入數據。

1. 最大規範化（cv2.NORM_INF）

最大規範化將輸入值除以其中的最大值，結果的值域範圍為[0, 1]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 1, cv2.NORM_INF)

print(normalized)

輸出結果為：[ 0.0042735 0.06382979 0.11538462 0.37967914 0.525641 1. ]

2. 絕對值之和（cv2.NORM_L1）

絕對值之和歸一化將輸入值除以它們的絕對值之和，使得結果的值域範圍為[0, 1]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 1, cv2.NORM_L1)

print(normalized)

輸出結果為：[ 0.00084351 0.01265317 0.02299689 0.07562926 0.1047725 0.19910415]

3. 向增量平方和的平方根（cv2.NORM_L2）

向增量平方和的平方根歸一化將輸入值除以它們的平方和開方，使得結果的值域範圍為[0, 1]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 1, cv2.NORM_L2)

print(normalized)

輸出結果為：[ 0.01206965 0.18076661 0.32909605 1. 1. 1. ]

4. 最小和最大歸一化（cv2.NORM_MINMAX）

最小和最大歸一化將輸入值根據給定的最小值和最大值限制在給定的範圍內，結果的值域範圍為[min_val, max_val]。

import cv2
import numpy as np

array = np.array([1, 15, 27, 89, 123, 235], np.float32)

normalized = cv2.normalize(array, None, 0, 255, cv2.NORM_MINMAX)

print(normalized)

輸出結果為：[ 0. 9.24083328 16.8221283 55.33333588 76.55965424
145. ]

四、掩碼

normalize的mask參數可以傳入一個掩碼數組，該數組內的值表示所需取歸一化的元素範圍。例如，我們有一個圖像，其中某些像素（由mask指定）需要進行歸一化，而其他像素原樣保留。

import cv2
import numpy as np

image = cv2.imread("image.jpg")

# 創建掩碼，選擇需要進行歸一化的區域
mask = np.zeros(image.shape[:2], dtype=np.uint8)
mask[100:400, 300:600] = 255

# 歸一化處理
normalized = cv2.normalize(image, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8UC3, mask)

cv2.imshow("Original image", image)
cv2.imshow("Normalized image", normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、總結

cv2.normalize是OpenCV中用于歸一化處理的一個函數，可以幫助我們處理輸入數據，使其在一個指定的範圍內，並更加易於分析。通過設置normalize()的各種參數，我們可以選擇不同的歸一化類型，以及是否使用掩碼進行歸一化處理。這個函數在圖像處理中應用較廣，對於需要將像素值控制在特定範圍內的任務，使用cv2.normalize將會是一個非常好的選擇。