数字图像基本OP:OpenCV图像翻转、Resize、像素值归一化

最新推荐文章于 2025-06-16 14:23:29 发布
最新推荐文章于 2025-06-16 14:23:29 发布
阅读量6.2k 收藏 17
点赞数 3
CC 4.0 BY-SA版权
分类专栏： OpenCV与Qt 文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/PecoHe/article/details/89304064
本文详细介绍了使用OpenCV进行图像处理的三大核心操作：图像翻转、尺寸调整和像素值归一化。涵盖多种翻转方式、不同插值方法的Resize操作及四种归一化方法（L1、L2、INF、MINMAX）。通过实例代码展示了每种方法的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

07_OpenCV图像翻转、Resize、像素值归一化

1.图像翻转

图像翻转的本质就是像素值的映射，OpenCV提供了API flip来翻转图像，有三种翻转方式：

void flip(InputArray src, //输入
		  OutputArray dst, //输出
	      int flipCode);//旋转方式

代码实践：

	Mat result_x, result_y, result_xy;

	//沿x轴翻转
	flip(input_image, result_x, 0);
	imshow("result_x", result_x);

	//沿y轴翻转
	flip(input_image, result_y, 1);
	imshow("result_y", result_y);

	//沿xy对角线翻转
	flip(input_image, result_xy, -1);
	imshow("result_xy", result_xy);

结果：
flip_result

2.图像Resize

图像插值是从图像低分辨率图像生成高分辨率图像的过程中插值以恢复图像中所丢失的信息,即补全图像放缩所丢失的信息。

常见的四种插值方法：

  • 近邻插值：INTER_NEAREST
  • 线性插值：INTER_LINEAR
  • 立方插值:INTER_CUBIC
  • 卢卡斯插值：INTER_LANCZOS

OpenCV提供了resize()：

void resize( InputArray src, OutputArray dst,
             Size dsize, double fx = 0, double fy = 0,
             int interpolation = INTER_LINEAR );

代码实践：

	int height = input_image.rows;
	int width = input_image.cols;
	float fx = 0.0, fy = 0.0;

	Mat result = Mat::zeros(input_image.size(), input_image.type());

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_NEAREST);
	imshow("INTER_NEAREST", result);

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_LINEAR);
	imshow("INTER_LINEAR", result);

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_CUBIC);
	imshow("INTER_CUBIC", result);

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_LANCZOS4);
	imshow("INTER_LANCZOS4", result);

3.图像像素值归一化

像素值归一化就是要把图片像素值数据经过某种算法限制在需要的一定范围内。归一化可以使没有可比性的数据变得具有可比性，同时保持相比较的数据之间的相对关系。

OpenCV提供了四种图片像素归一化的方法：

  • L1归一化 :NORM_L1
  • L2归一化 : NORM_L2
  • INF归一化 :NORM_INF
  • MINMAX归一化: NORM_MINMAX(最常用）

使用的API是normalize():

void normalize( InputArray src, //输入图片
				InputOutputArray dst, //输出图片
				double alpha = 1, //norm_type = NORM_MINMAX时下限
				double beta = 0,//norm_type = NORM_MINMAX时上限,norm_type = NORM_INF时最大值
                int norm_type = NORM_L2,
                int dtype = -1, //输出type与输入type相同
                InputArray mask = noArray()
                );

下面以20,80,100三个像素值为例解释OpenCV中四种归一化的计算方法，由于归一化后为小数，因此将20,80,100转换成浮点型20.0,80.0,100.0以减小精度丢失。

3.1 L1归一化:NORM_L1

L1归一化依据所有像素值之和，用原始像素值除以所有像素值之和即为原始像素值归一化后的值。

例如对于20.0,80.0,100.0三个像素值，它们的和为
20.0 + 80.0 + 100.0 = 200.0 20.0+80.0+100.0=200.0 20.0+80.0+100.0=200.0则
20.0 / 200.0 = 0.1 20.0/200.0 = 0.1 20.0/200.0=0.1
80.0 / 200.0 = 0.4 80.0/200.0 = 0.4 80.0/200.0=0.4
100.0 / 200.0 = 0.5 100.0/200.0 = 0.5 100.0/200.0=0.5
所以20.0,80.0,100.0经过L1归一化后的值分别为0.1,0.4,0.5。

3.2 L2归一化: NORM_L2

L2归一化依据于原始像素值组成的单位向量，用原始像素值除以所有原始像素值平方值之和的平方根即为原始像素值归一化后的值。

例如对于20.0,80.0,100.0三个像素值，它们的平方和为：
20.0 ∗ 20.0 + 80.0 ∗ 80.0 + 100.0 ∗ 100.0 = 16800.0 20.0*20.0+80.0*80.0+100.0*100.0=16800.0 20.0∗20.0+80.0∗80.0+100.0∗100.0=16800.0
开平方得129.61。
则
20.0 / 129.61 = 0.154 20.0/129.61=0.154 20.0/129.61=0.154
80.0 / 129.61 = 0.617 80.0/129.61=0.617 80.0/129.61=0.617
100.0 / 129.61 = 0.772 100.0/129.61=0.772 100.0/129.61=0.772
所以20.0,80.0,100.0经过L2归一化后的值分别为0.154,0.617,0.772。

3.3 INF归一化: NORM_INF

INF归一化依据于最大值，用原始像素值除以所有原始像素值中的最大值即为原始像素值归一化后的值。

例如对于20.0,80.0,100.0三个像素值，它们的最大值为100.0，则
20.0 / 100.0 = 0.2 20.0/100.0=0.2 20.0/100.0=0.2
80.0 / 100.0 = 0.8 80.0/100.0=0.8 80.0/100.0=0.8
100.0 / 100.0 = 1.0 100.0/100.0=1.0 100.0/100.0=1.0
所以20.0,80.0,100.0经过INF归一化后的值分别为0.2,0.8,1.0。

3.4 MINMAX归一化: NORM_MINMAX

INF归一化依据于最大值与最小值的差值（记为delta），用原始像素值除以所有原始像素值中的最大值即为原始像素值归一化后的值。

例如对于20.0,80.0,100.0三个像素值，它们的最小值 m i n min min为20.0，最大值 m a x max max为100.0，则
d e l t a = m a x − m i n = 100.0 − 20.0 = 80.0 delta=max-min=100.0-20.0=80.0 delta=max−min=100.0−20.0=80.0

所以
( 20.0 − m i n ) / d e l t a = ( 20.0 − 20.0 ) / 80.0 = 0.0 (20.0-min)/delta=(20.0-20.0)/80.0=0.0 (20.0−min)/delta=(20.0−20.0)/80.0=0.0
( 80.0 − m i n ) / d e l t a = ( 80.0 − 20.0 ) / 80.0 = 0.75 (80.0-min)/delta=(80.0-20.0)/80.0=0.75 (80.0−min)/delta=(80.0−20.0)/80.0=0.75
( 100.0 − m i n ) / d e l t a = ( 100.0 − 20.0 ) / 80.0 = 1.0 (100.0-min)/delta=(100.0-20.0)/80.0=1.0 (100.0−min)/delta=(100.0−20.0)/80.0=1.0
所以20.0,80.0,100.0经过MINMAX归一化后的值分别为0.0,0.75,1.0。

代码实现：

	vector<double>a = {20,80,100};
	vector<double>a1(3);
	vector<double>a2(3);
	vector<double>a3(3);
	vector<double>a4(3);
	cv::normalize(a, a1, 1, 0, NORM_L1);
	cv::normalize(a, a2, 1, 0, NORM_L2);
	cv::normalize(a, a3, 1, 0, NORM_INF);
	cv::normalize(a, a4, 1, 0, NORM_MINMAX);

结果：
result

4.完整代码

#include<opencv2/opencv.hpp>
#include<iostream>
//#include<Windows.h>

using namespace cv;
using namespace std;

int main(int argc, char**argv)
{
	//get input image
	Mat input_image = imread("./whisper.jpg", 1);
	if (input_image.empty())
	{
		cout << "read input error!" << endl;
		return -1;
	}
	imshow("input", input_image);
#if 0
	Mat result_x, result_y, result_xy;

	//沿x轴翻转
	flip(input_image, result_x, 0);
	imshow("result_x", result_x);

	//沿y轴翻转
	flip(input_image, result_y, 1);
	imshow("result_y", result_y);

	//沿xy对角线翻转
	flip(input_image, result_xy, -1);
	imshow("result_xy", result_xy);
#endif

	int height = input_image.rows;
	int width = input_image.cols;
	float fx = 0.0, fy = 0.0;

	Mat result = Mat::zeros(input_image.size(), input_image.type());

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_NEAREST);
	imshow("INTER_NEAREST", result);

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_LINEAR);
	imshow("INTER_LINEAR", result);

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_CUBIC);
	imshow("INTER_CUBIC", result);

	resize(input_image, result, Size(width * 2, height * 2), fx = 0, fy = 0, INTER_LANCZOS4);
	imshow("INTER_LANCZOS4", result);


	waitKey(0);
	destroyAllWindows();
	//system("pause");
	return 0;
}

#include<opencv2/opencv.hpp>
#include<iostream>
#include<Windows.h>

using namespace cv;
using namespace std;

int main(int argc, char**argv)
{
#if 0
	//get gray input image
	Mat gray_input_image = imread("./whisper.jpg", 0);
	if (gray_input_image.empty())
	{
		cout << "read input error!" << endl;
		return -1;
	}
	imshow("gary_input", gray_input_image);

	//转为32位浮点型
	gray_input_image.convertTo(gray_input_image, CV_32F);

	Mat result = Mat::zeros(gray_input_image.size(), CV_32FC1);
	normalize(gray_input_image, result, 1.0, 0.0, NORM_MINMAX);
	result = result * 255;
	result.convertTo(result, CV_8UC1);
	imshow("result", result);

	waitKey(0);
	destroyAllWindows();
#endif 

	vector<double>a = {20,80,100};
	vector<double>a1(3);
	vector<double>a2(3);
	vector<double>a3(3);
	vector<double>a4(3);
	cv::normalize(a, a1, 1, 0, NORM_L1);
	cv::normalize(a, a2, 1, 0, NORM_L2);
	cv::normalize(a, a3, 1, 0, NORM_INF);
	cv::normalize(a, a4, 1, 0, NORM_MINMAX);

	cout << "L1 normal:" << endl;
	for (int i = 0; i < a.size(); i++){
		cout << a1[i]<<" ";
	}
	cout << endl;

	cout << "L2 normal:" << endl;
	for (int i = 0; i < a.size(); i++){
		cout << a2[i] << " ";
	}
	cout << endl;

	cout << "INF normal:" << endl;
	for (int i = 0; i < a.size(); i++){
		cout << a3[i] << " ";
	}
	cout << endl;

	cout << "MINMAX normal:" << endl;
	for (int i = 0; i < a.size(); i++){
		cout << a4[i] << " ";
	}
	cout << endl;

	system("pause");
	return 0;
}
【OpenCV-Python】——图像变换&色彩空间变换&几何变换&图像模糊（滤波）&阈值处理&形态变换
weixin_51658186的博客
04-27 1813
由于是初学者可能很多地方没有总结完全或者有误，后续深入学习后会不断回来该删，也欢迎各位朋友指正！下次学习边缘与轮廓！记得代码演示时要自己加上import cv2和numpy as np!
【OpenCV-Python-Tutorial 数字图像处理】opencv3.4 官方API及其实例总结
熊猫小妖的AI世界
02-25 4648
目录大纲官方链接整理OPENCV API教程和实例整理1. 图像操作基础1.1 图像操作基础(1) import cv2功能： 导入函数库(2) rtval = cv2.imread(file_path, flags)> 功能：读取图片> 参数：> 返回值rtval：> 示例：(3) cv2.imshow(wname, img)> 功能：显示图片> ...
OpenCV之图像归一化（normalize）
acl1973的博客
08-15 6855
什么图像归一化 通俗地讲就是将矩阵的值通过某种方式变到某一个区间内 图像归一化的作用 目前能理解的就是归一化到某个区间便于处理，希望高人可以指点 opencv文档中的介绍 C++:voidnormalize(InputArraysrc, InputOutputArraydst, doublealpha=1, doublebeta=0, intnorm_type=NORM...
opencv:图像归一化
weixin_40132776的博客
12-02 3752
def histNorm(imgDir): imgGray=cv2.imread(imgDir,cv2.IMREAD_GRAYSCALE) cv2.imshow("raw",imgGray) maxPixelsValue=np.max(imgGray) minPixelsValue=np.min(imgGray) outMin, outMax=0,255 a=float(outMax-outMin)/(maxPixelsValue-minPixelsV.
OpenCV 图像像素类型转换与归一化
最新发布
青春有梦，且行且学习！
06-16 1086
OpenCV 图像像素类型转换与归一化
图像的像素归一化
热门推荐
Pierce_KK的博客
05-23 1万+
图像的像素归一化是一个图像的预处理过程。 众所周知图像是由像素组成的，灰度图是由单个像素矩阵组成的，而彩色图像是由三个矩阵所构成的，即我们常说的红，绿，蓝三通道。 每个像素矩阵的取值均是0-255之间的整数，虽然可以直接将原始图像的像素真实值直接作为神经网络模型的训练数据，但是这可能会给我们模型的训练过程带来一些问题， 因为在深度神经网络训练时一般使用较小的权重值来进行拟合，而...
OpenCv图像处理之图像归一化
YANJINING
08-31 1万+
OpenCv图像处理之图像归一化 #include <iostream> #include <opencv2/core.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> using namespace std; using namespace cv; void resize_img(Mat &mat, int width, int height, int inter
OpenCV-Python学习（17）—— OpenCV 图像像素类型转换与归一化（cv.normalize）
止于至善
12-16 3743
归一化是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。理解归一化不同计算方式的过程。
图像处理--OpenCV学习笔记
Prime me的博客
02-04 3285
OpenCV
Opencv第四章 图像转换
weixin_45964083的博客
09-22 1709
OpenCV 第四章 图像变换 色彩空间变换 色彩空间也成色彩模型、颜色空间、色彩模型等，它是图像在计算机内部的一种存储方式，常见的色彩空间包括RGB、GRAY、XYZ、YCrCb、HSV。每种色彩空间都有其擅长的问题解决领域，所以在解决具体色彩问题时往往需要进行色彩空间类型转换。 基本格式： dst=cv2.cvtColor(src,code[,dstCn]) 转换后的图像=cv2.cvtColor(原图，色彩空间类型转换码 [,目标图像的通道数 该项可不写]) 色彩空间转换代码：
OpenCV库 详细常见操作
sztu158167的博客
10-01 1236
在PyCharm中使用OpenCV时，可以访问OpenCV库提供的丰富函数来进行图像处理和计算机视觉任务。
人脸样本照片1000多 + opencv简单归一化程序
11-22
人脸照片1000多张，基本都是外国人，可用于opencv开发。还有简单的图片归一化程序代码，一起打包，2分你买不了吃亏，2分你买不了上当！
opencv归一化遍历文件
05-19
将你的数据集，测试集等全部遍历，变成统一大小。
图像归一化像素点提取
12-07
基于opencv的图像归一化处理，使用c++ 语言进行处理
图像数据归一化
weixin_44610802的博客
04-01 1977
这些归一化操作可以根据实际需求选择适合的方法，以确保图像数据具有统一的尺度和分布，有利于模型的训练和性能提升。对每个像素值进行线性变换，将其缩放到指定的范围内，通常是 [0, 1] 或 [-1, 1]。计算图像数据的均值（mean）和标准差（standard deviation）。将图像数据的范围缩放到特定范围内，如 [0, 255] 或 [0, 100]。对每个像素值进行线性变换，使其均值为 0，标准差为 1。计算图像数据中的最小值（min）和最大值（max）。对每个像素值减去均值，使其均值为 0。
OpenCV之图像像素归一化
MachineLP的专栏
07-15 1237
python代码： import cv2 as cv import numpy as np src = cv.imread("./test.png") cv.namedWindow("input", cv.WINDOW_AUTOSIZE) cv.imshow("input", src) gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY) # 转换为浮点数类型数组 gray = np.float32(gray) print(gray) # scale and shi
opencv图像像素类型转换与归一化
每一个不曾起舞的日子，都是对生命的辜负
09-18 2652
两者可以根据实际需要来选择使用，但请注意它们的不同用途和参数。如果你只需要进行简单的归一化操作，那么。用于将像素值归一化到指定范围内。这两个函数在图像处理中经常会用到，可以根据具体的需求来选择使用。可能更为直观和方便。如果需要进行更复杂的类型转换，包括将图像从一种类型转换为另一种类型，那么。用于更改图像的数据类型，而。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值