影象處理中，畫素點單通道值一般是[0-255]的unsigned char型別，將其轉化到[0,1]之間，更方便計算，這就需要用到矩陣的歸一化運算。
今天，寫程式中需要對某矩陣歸一化，用opencv的cv::normalize函式，遇到很嚴重的問題，最後發現，normalize的原矩陣必須是單通道(src.channel==1)，函式執行完，結果矩陣的大小和型別與原矩陣相同。無論之前是否初始化結果矩陣，最後的結果都與原矩陣型別相同。
函式原型：
當用於歸一化時，normtype應該為cv::norm_minmax，alpha為歸一化後的最大值，beta為歸一化後的最小值。參看下面的例子：
cv::mat mat1=mat(2,2,cv_32fc1);mat1.at(0,0) = 1.0f;
mat1.at(0,1) = 2.0f;
mat1.at(1,0) = 3.0f;
mat1.at(1,1) = 4.0f;
// 對於這種小矩陣，還有更簡單的賦值方式，找時間再改
cout<
顯示的結果如下圖所示：
矩陣歸一化
歸一化化定義 我是這樣認為的，歸一化化就是要把你需要處理的資料經過處理後 通過某種演算法 限制在你需要的一定範圍內。首先歸一化是為了後面資料處理的方便，其次是保正程式執行時收斂加快。在matlab裡面，用於歸一化的方法共有三中，1 premnmx postmnmx tramnmx 2 prestd ...
關於矩陣的歸一化
最近在看yang大牛稀疏表示 的 發現裡面很多的操作的用到了矩陣的列歸一化，這裡談一談列歸一化的實現，以及其帶來的好處。矩陣的列歸一化，就是將矩陣每一列的值，除以每一列所有元素平方和的絕對值，這樣做的結果就是，矩陣每一列元素的平方和為1了。舉個例子，矩陣 1,2,3 將其歸一化的結果就是 0.267...
關於矩陣的歸一化
最近在看yang大牛稀疏表示 的 發現裡面很多的操作的用到了矩陣的列歸一化，這裡談一談列歸一化的實現，以及其帶來的好處。矩陣的列歸一化，就是將矩陣每一列的值，除以每一列所有元素平方和的絕對值，這樣做的結果就是，矩陣每一列元素的平方和為1了。舉個例子，矩陣 1,2,3 將其歸一化的結果就是 0.267...