Opencv C++ 归一化

opencv 基本操作：

https://blog.csdn.net/jacke121/article/details/110144885

mat转float vecotr

3.4.8 normalize

3个通道分别处理

标准化减均值除方差

二、深度转换–convertTo()

mat转float vecotr

一行代码也可以：

image是int类型，float类型都可以：

std::vector<float> inputTensorValues=(std::vector<float>)(image.reshape(1, 1));

vector转mat，

OpenCV实现Mat与vector，Mat与数组互转_pan_jinquan的博客-CSDN博客_mat vector

下面是封装的：

template<typename _Tp>
vector<_Tp> convertMat2Vector(const Mat& mat)
{return (vector<_Tp>)(mat.reshape(1, 1));//通道数不变，按行转为一行
}cv::Mat dst = cv::Mat::zeros(srcResize.size(), CV_32FC3);srcResize.convertTo(dst, CV_32FC3);// , 10, -1);Mat_L2_mormal(dst);//for (int a = 0; a < 20; a++) {//  cout << (int)srcResize.at<uchar>(0, a) << " ";// ok int//   cout << ((float*)(srcResize.data))[a] << " ";//error//}cout << "\n Mat_L2_mormal \n";for (int a = 0; a < 20; a++) {cout << (float)dst.at<float>(0, a) << " ";// ok floatcout << ((float*)(dst.data))[a] << " ";// ok float//cout << setprecision(3) << ((float*)(srcimg.data))[a] << " ";}cout << "\n CV_32FC3 \n";//for (int a = 0; a < 20; a++) {//   cout << setprecision(3) << ((double*)(dst.data))[a] << " ";//error//}vector<float> v_mat = convertMat2Vector<float>(dst);

3.4.8 normalize

c++默认是uint8，uchar类型，归一化需要数据转换，在3.4.8版本下，没有试验成功

在3.4.8版本下，先转换类型，再进行除法操作，也没试验成功。

这个可以：文章后面有3通道分别归一化：

Mat img = cv::imread("bar1.jpg");img.convertTo(img, CV_32FC1);normalize(img, img, 1.0, 0.0, NORM_MINMAX);cout << img << endl;

后面有vector<double>的成功了，

可能是最后transpose没有做，导致的失败？

1.函数原型

void cv::normalize(InputArry src,InputOutputArray dst,double alpha=1,double beta=0,int norm_type=NORM_L2,int dtype=-1,InputArray mark=noArry())

2.函数作用

归一化数据。该函数分为范围归一化与数据值归一化。（Normalizes the norm or value range of an array.）

3.参数说明

src 输入数组；

dst 输出数组，数组的大小和原数组一致；

alpha 1,用来规范值，2.规范范围，并且是下限；

beta 只用来规范范围并且是上限；

norm_type 归一化选择的数学公式类型；

dtype 当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输如不同，不同的地方游dtype决定；

mark 掩码。选择感兴趣区域，选定后只能对该区域进行操作。

4.归一化选择的数学公式类型介绍（norm_type）

设数组中原有{A1,A2,A3...An}

NORM_L1:

NORM_INF:

NORM_L2:

NORM_MINMAX:（AK不属于{max(Ai)},min(Ai),当AK等于max(Ai)时p=1，等于min(Ai)时p=0）

6.范围归一化与值归一化的区别

区别一：范围归一化使用的是如下式子，设范围为【0，255】

即把src缩放到【0，255】这个范围内，并不使用上面的4个公式去解。

区别二：使用范围归一化时，beta必有值不等于0

举例说明：

一值归一化：

#include<opencv2/opencv.hpp>#include<iostream>using namespace std;int main(){vector<double>a={ 10,11,234,45,65,456,0 };cv::normalize(a, a, 1,0, cv::NORM_MINMAX);for (int i=0;i < a.size();i++){cout << a[i] << endl;}return 0;}

结果如下：

二范围归一化

#include<opencv2/opencv.hpp>#include<iostream>using namespace std;int main(){vector<double>a={ 10,11,234,45,65,456,0 };cv::normalize(a, a, 0,255, cv::NORM_MINMAX);for (int i=0;i < a.size();i++){cout << a[i] << endl;}return 0;}

结果如下：

Opencv C++下的Mat归一化
void Mat_L2_mormal(cv::Mat &image)
{
//mat*mat,
cv::Mat out;
out=(image) .mul (image);
float sum=0.0;
for (int i=0;i<image.rows;i++){
sum=sqrt(cv::sum(out.row(i))[0]);
image.row(i)=(image.row(i)/sum);
}
out.release();
}

3个通道分别处理

原文链接：https://blog.csdn.net/wuqingshan2010/article/details/107727909

std::vector<float> mean_value{0.406, 0.456, 0.485};
std::vector<float> std_value{0.225, 0.224, 0.229};
cv::Mat src, dst;
std::vector<cv::Mat> bgrChannels(3);
cv::split(src, bgrChannels);
for (auto i = 0; i < bgrChannels.size(); i++){bgrChannels[i].convertTo(bgrChannels[i], CV_32FC1, 1.0 / std_value[i], (0.0 - mean_value[i]) / std_value[i]);
}
cv::merge(bgrChannels, dst);

标准化减均值除方差

方法1只能针对float32类型的mat可以，int8的mat会报错。

//方法1
void Mat_L2_mormal(cv::Mat& image)
{float scale = 0.0078125f;float mean_value = 127.5f;for (int i = 0; i < image.rows; i++){for (int j = 0; j < image.cols; j++){image.at<Vec3f>(i, j)[0] = (image.at<Vec3f>(i, j)[0] - mean_value) * scale;image.at<Vec3f>(i, j)[1] = (image.at<Vec3f>(i, j)[1] - mean_value) * scale;image.at<Vec3f>(i, j)[2] = (image.at<Vec3f>(i, j)[2] - mean_value) * scale;}}}//方法2double minv = 0.0, max_v = 0.0;
minMaxIdx(image1, &minv, &maxv);for (int row = 0; row < face_img.rows; row++)
{for (int col = 0; col < face_img.cols; col++){for (int k = 0; k < 3; k++) {const auto src = face_img.at<cv::Vec3b>(row, col)[k];auto dst = 0.0;if (k == 0) dst = ((float(src) / max_v - 0.485) / 0.229) ;if (k == 1) dst = ((float(src) / max_v - 0.456) / 0.224) ;if (k == 2) dst = ((float(src) / max_v - 0.406) / 0.225) ;inputData[k * resize_w * resize_h + row * resize_w + col] = dst;}}
}

二、深度转换–convertTo()

2.1、API介绍

void convertTo( OutputArray dst, int rtype, double alpha=1, double beta=0 )
1
参数dst：输出图像；
参数rtype：要转换的深度；
参数alpha：对灰度值的缩放倍数；
参数beta：对灰度值得增量。
公式： dst = satyrate_cast(src * alpha + beta)；

这个也是减均值128，归一化

 cv::cvtColor(imgResized, imgResized, cv::COLOR_RGB2BGR);//Mat_L2_mormal(imgResized);vector<Mat> bgr;cv::split(imgResized, bgr);bgr[0].convertTo(bgr[0], CV_32F, 1.f / 128.f, -1.f);bgr[1].convertTo(bgr[1], CV_32F, 1.f / 128.f, -1.f);bgr[2].convertTo(bgr[2], CV_32F, 1.f / 128.f, -1.f);