c++ - cv::Normalise() 中的 L2_NORM 和 NORM_MINMAX 实现有什么区别？

Question

我正在尝试复制此处讨论的密集光流:https://nanonets.com/blog/optical-flow/.This是片段，我用来处理光流的每一帧。直觉是H->梯度角度，S->255，V->梯度幅度的范数。梯度来自calcOpticalFlowFarenback的输出。

       cv::calcOpticalFlowFarneback(prevgray,gray,flow,0.5,3,15,3,5,1.2,0);
       cv::split(flow,channels);
       cv::cartToPolar(channels[0],channels[1],mag,angle);




       std::vector<cv::Mat> channels_m;
       cv::Mat c1 (Mask.size(),CV_8UC1);
       cv::Mat c0 (Mask.size(),CV_8UC1);
       cv::Mat c2 (Mask.size(),CV_8UC1);
       c1 = cv::Scalar::all(255);
       c0= angle*((180/3.14)/2);
       c0.convertTo(c0, CV_8U);
       cv::normalize(mag,c2,0,255,cv::NORM_MINMAX); <----- Line of interest
       c2.convertTo(c2, CV_8U);
       channels_m.push_back(c0);
       channels_m.push_back(c1);
       channels_m.push_back(c2);

       cv::merge(channels_m,Mask);
       cv::cvtColor(Mask,cflow,cv::COLOR_HSV2BGR_FULL);

当使用规范类型 cv::NORM_L2 时，我的整个 HSV V 数组只返回零。然而，当更改为 cv::NORM_MINMAX 时，它返回非零值。我认为 cv::normalise 的实际功能是规范化 alpha 和 beta 范围内的数组。 Norm 只是一种用于实现测距目标的归一化公式。那么，为什么我们会看到输出差异？

提前致谢!

Answer 1

cv::NORM_L2 规范化您的数据，这样如果您获取整个图像并将其转换为一个长 vector ，则该 vector 的幅度会变成阿尔法。 beta 在规范化中被忽略。 因此，一旦您通过 cv::NORM_L2 归一化后，如果您将此归一化输入视为一个长 vector ，则此 vector 的 L₂ 范数将变为阿尔法。因为您指定了 alpha = 0，所以输出图像完全为 0 也就不足为奇了，因为您指定规范化后需要为 0。

cv::NORM_MINMAX 同时使用 alpha 和 beta 使得输入数组中的最小值映射到 alpha 并且最大值被映射到 beta，中间的所有值都按比例缩放。

如果您想知道我是怎么知道的，该函数的文档对此非常清楚:https://docs.opencv.org/4.3.0/d2/de8/group__core__array.html#ga87eef7ee3970f86906d69a92cbf064bd