【编程开发】opencv实现对Mat中某一列或某一行的元素进行normalization

【编程开发】opencv实现对Mat中某一列或某一行的元素进行normalization

标签： 【编程开发】 【机器学习】

声明：引用请注明出处http://blog.csdn.net/lg1259156776/

说明：在机器学习中，最常见的处理就是对输入的特征向量进行normalization，在opencv中就实现了normalize函数进行各种normalization，本文结合我的实际应用来进行说明。

代码实现

首先参看代码：

/*normalized*/
Mat dataCol;
for (int j=0; j<len; j++)
{
dataCol = FeatureValue.colRange(j,j+1).clone();
normalize(dataCol,dataCol);
for (int i=0; i<Num; i++)
{
FeatureValue.at<float>(i,j) = dataCol.at<float>(i,0);//log(abs(dataCol.at<float>(i,0)));
}
}

上面的一段代码实现的是对Mat中某一列元素进行normalization，实现的是L2范数的normalization。

Mat取行或列

首先opencv Mat中如何取出某一行或某几行，某一列或某几列呢？

Mat dataCol;
dataCol = FeatureValue.colRange(j,j+1).clone();

直接使用Mat类中成员函数，方法，colRange对应的是列，rowRange对应的是行，从第j列（下标从0开始）到第j列，也就是说只取出第j列而已。后面的clone表示深拷贝，不使用clone表示浅拷贝。

深拷贝与浅拷贝

浅拷贝的说明如下：

Mat B;
B = image  // 第一种方式
Mat C(image); // 第二种方式

这两种方式称为浅copy，是由于它们有不同的矩阵头，但是它们共享内存空间，即指向一个矩阵。当图像矩阵发生变化时，两者相关联，都会变化。

深拷贝的说明如下：

Mat B,C;
B = image.clone();       // 第一种方式
image.copyTo(C); // 第二种方式

深拷贝是真正的copy了一个新的图像矩阵，此时image,B,C三者相互没有影响。

normalize函数说明

函数原型：

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

该函数归一化输入数组使它的范数或者数值范围在一定的范围内。

Parameters的说明如下：

src：输入数组

dst：输出数组，支持原地运算，inplace操作

alpha：range normalization模式的最小值

beta：range normalization模式的最大值，不用于norm normalization(范数归一化)模式。

normType：归一化的类型，可以有以下的取值：

NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。
NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)
NORM_L1 :  归一化数组的L1-范数(绝对值的和)
NORM_L2: 归一化数组的(欧几里德)L2-范数

可能最常见的要数NORM_L2和NORM_MINMAX。

dtype：dtype为负数时，输出数组的type与输入数组的type相同；否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).

mask：操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

1、线性函数转换，表达式如下：（对应NORM_MINMAX）

ifmask(i,j)!=0
dst(i,j)=(src(i,j)-min(src))*(b‘-a‘)/(max(src)-min(src))+ a‘
else
dst(i,j)=src(i,j)

其中b‘=MAX(a,b), a‘=MIN(a,b);

当norm_type!=CV_MINMAX:

ifmask(i,j)!=0

dst(i,j)=src(i,j)*a/norm (src,norm_type,mask)

else

dst(i,j)=src(i,j)

其中，函数norm的功能是计算norm（范数）的绝对值

Thefunctions norm calculate an absolute norm of src1 (when there is no src2 ):



2015-11-06 调试记录 张朋艺