我正在阅读有关使用 Harris Corner 检测器在图像中查找角点的文档。我不明白为什么他们在应用 Harris Corner 函数后对图像进行了归一化。我对规范化的想法有点困惑。有人可以解释一下为什么我们要标准化图像吗？另外， convertscaleabs() 有什么作用。我仍然是 opencv 的初学者，所以从文档中很难理解。
cornerHarris( src_gray, dst, blockSize, apertureSize, k, BORDER_DEFAULT );
/// Normalizing
normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() ); //(I couldnot understand this line)
convertScaleAbs( dst_norm, dst_norm_scaled ); // ???
谢谢
【问题讨论】：
我建议您在深入研究 OpenCV 之前先熟悉图像处理基础知识。对对比度、二值化、裁剪、阈值、切片、直方图等基本概念有扎实的概念。（仅举几例）将使您的 OpenCV 之旅更轻松。
也就是说，维基百科是这样定义的：“归一化是一个改变像素强度值范围的过程……归一化有时被称为对比度拉伸或直方图拉伸”。
为了说明这个定义，我将尝试给你一个简单的例子：
假设您有一个 8 位灰度图像，可能的像素强度值从 0 到 255。如果图像具有“低对比度”，则其直方图将显示像素集中在某个值附近，如您在下图：
现在标准化所做的是“获取”这个直方图并拉伸它。它应用了一个强度转换图，将原始最小和最大强度值与整个强度范围（0 到 255）内的一对新的最小和最大值相关联。
至于convertScaleAbs()，文档说它是scales, calculates absolute values, and converts the result to 8-bit。没什么好说的了。
完整的原型是void convertScaleAbs(InputArray src, OutputArray dst, double alpha=1, double beta=0)，所以这样使用它只会计算矩阵中每个元素的绝对值并将其转换为有效的8位无符号值。
【讨论】：
您可能正在查看OpenCV tutorials 的代码。
通过使用 [0, 255] 对区间 [0, 255] 中的角点响应（在某个未知区间内）进行归一化
normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );
选择一个阈值更容易（因为您现在知道该阈值也将在区间 [0, 255] 中）以仅保留最强的响应。当您通过滑块获取阈值时，范围 [0,255] 很有用，该滑块只能具有整数值。
convertScaleAbs(dst_norm, dst_norm_scaled);
只需要将dst_norm转换为CV_8U类型的Mat，所以imshow可以正确显示。
【讨论】：