3.3.3　案例18：代數運算

OpenCV提供了計算矩陣均值的函數mean，在調用mean函數時，每個通道的結果獨立計算并返回。mean函數的定義如下：

參數說明如下。

● src：輸入矩陣。

● mask：掩模。

● retval：計算結果（返回值）。

mean函數的使用案例如下：

求均值案例的計算結果為：

normalize函數用于對矩陣做歸一化，其定義如下：

參數說明如下。

● src：輸入矩陣。

● dst：輸出結果（返回值）。

● alpha：第一個參數，表示歸一化的下界。

● beta：第二個參數，表示歸一化的上界。

● norm_type：歸一化類型，由NormTypes定義。

● dtype：輸出類型。

● mask：掩模。

其中，NormTypes的定義如下：

normalize函數中可以使用的歸一化類型參數如下：

normalize函數的使用案例如下：

歸一化案例的輸出結果為：

知識點：歸一化是機器學習和深度學習中很重要的一個技巧，可以減小數據之間的差異對模型訓練結果的影響，還可以加速模型的收斂。

OpenCV中提供了用于計算平方根（sqrt）、冪運算（pow）、指數（exp）和對數運算（log）的函數，其定義如下：

參數說明如下。

● src：輸入矩陣。

● dst：輸出矩陣（返回值）。

參數說明如下。

● src：輸入矩陣。

● power：冪次數。

● dst：輸出矩陣（返回值）。

參數說明如下。

● src：輸入矩陣。

● dst：輸出矩陣（返回值）。

參數說明如下。

● src：輸入矩陣。

● dst：輸出矩陣（返回值）。

案例代碼如下：

計算結果如下：