opencv学习笔记：归一化normalize()、深度转换convertTo()、找最大最小值及其坐标minMaxLoc()

一、归一化介绍–normalize()

1.1、API介绍

void normalize( InputArray src, InputOutputArray dst, double alpha = 1, 
							double beta = 0, int norm_type = NORM_L2, 
							int dtype = -1, InputArray mask = noArray());

参数src：输入图像；
参数dst：输出图像，和原图一样的大小；
参数alpha：①用来规范值②用来规范范围，且代表下限；
参数beta：①用来规范值②用来规范范围，且代表上限；
参数norm_type：归一化类型；
参数dtype：输出图像的深度；
参数mask：掩码。选择感兴趣区域，选定后只能对该区域进行操作。

1.2、归一化类型
①NORM_INF
    $dst(i,j)=\frac{src(i,j)\ast alpha}{max(|src(i,j)|)}$

②NORM_L1
    $dst(i,j)=\frac{src(i,j)\ast alpha}{\sum |src(i,j)|}$

③NORM_L2
    $dst(i,j)=\frac{src(i,j)\ast alpha}{\sqrt{\sum (src(i,j{)}^2)}}$

④NORM_MINMAX
    $dst(i,j)=\frac{src(i,j)\ast alpha}{max(src(i,j))-min(src(i,j))}$
当src(i,j) = max(src(i,j))时，dst(i,j) = 1；当src(i,j) = min(src(i,j))时，dst(i,j) = 0

⑤NORM_L2SQR
⑥NORM_HAMMING
⑦NORM_HAMMING2
⑧NORM_TYPE_MASK
⑨NORM_RELATIVE
在norm_type = NORM_L1 / NORM_L2 / NORM_INF这三种情况下，beta的取值与归一化结果无关，alpha的取值是对计算出的结果进行了缩放。
在norm_type = NORM_MINMAX情况下，alpha、beta的取值是确定了范围的边界，大小与取值顺序无关。
以上是规范化值得计算公式，要进行规范化范围，就需要在上述公式的基础上乘以要规范的范围，比如要规范到（0~255）之间，用NORM_MINMAX就有：
    $dst(i,j)=\frac{src(i,j)-min(src)}{max(src)-min(src)}\ast (b^{\prime }-a^{\prime })+a^{\prime }$
其中$b^{\prime }=max(a,b)，a^{\prime }=min(a,b)$

二、深度转换–convertTo()

2.1、API介绍

void convertTo( OutputArray dst, int rtype, double alpha=1, double beta=0 )

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)；

三、找最大最小值及其坐标–minMaxLoc()

3.1、API介绍

void minMaxLoc(InputArray src, CV_OUT double* minVal,
                       CV_OUT double* maxVal = 0, CV_OUT Point* minLoc = 0,
                       CV_OUT Point* maxLoc = 0, InputArray mask = noArray());

参数src：单通道图或数组。
参数minVal：查找到的最小值。
参数maxVal：查找到的最大值。
参数minLoc：查找到的最小值的坐标。
参数maxLoc：查找到的最大值得坐标。

3.2、作用
   minmaxloc()函数的作用是查找数组中的最小和最大元素值及其位置。在整个数组中搜索极值，如果掩码不是空数组，则在指定的数组区域中搜索极值。该函数适用于单通道图，对于多通道图要进行通道分离。