【Opencv&Cpp】17 图像数据归一化

何为归一化

在机器学习领域中，不同评价指标（即特征向量中的不同特征就是所述的不同评价指标）往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。其中，最典型的就是数据的归一化处理。

在深度学习中，对数据进行归一化是为了将特征值尺度调整到相近的范围。

简而言之，归一化的目的就是使得预处理的数据被限定在一定的范围内（比如[0,1]或者[-1,1]），从而消除奇异样本数据导致的不良影响。

图像归一化

种类繁多，一般有L1、L2、INF、max-min。通过各个方法使得数据在0到1之间

图像归一化最常见的就是最大最小值归一化方法，公式如下：

 normalize

Mat dst;
	Mat dstp;
	imshow("原图", image);	
	std::cout << image.type() << std::endl; //16：CV_8UC3   8位字节类型带a的3色通道图像

	image.convertTo(image, CV_32F);  //改变数据类型  CV_32FC3  32位浮点带a的3通道图像
	std::cout << image.type() << std::endl;
	imshow("未归一化", image);

	normalize(image, dst, 1.0, 0, NORM_MINMAX);  //minmax归一化操作
	std::cout << dst.type() << std::endl;
	imshow("图像数据归一化", dst);


	multiply(dst, 255, dstp);
	dstp.convertTo(dstp,CV_8UC3);
	imshow("还原", dstp);