关于归一化的数学原理
有时候我们需要对数据范围进行归一化，比如灰度归一化等。
那么归一化背后的数学推导和原理是什么呢？
我们需要将左边的范围“归一化”至右边的范围，反之亦然。
左边：
min=b;
max=a;
range_zuo=a-b;
右边：
min=d;
max=c;
range_zuo=c-d;
如何保证左边归至右边的过程是等比例的呢？
即：已知初始范围中的a1数值，映射到最终范围的x为？
解释：
a1∈[b,a]，a1在b~a之中，b为最小值，a为最大值。(a1-b)/(a-b)表示b到a1的长度占整个初始范围的比例。
如果初始范围到最终范围是等比例映射，那么x-d的程度占最终范围的距离应与(a1-b)/(a-b)一样。
即：
(a1-b)/(a-b) = (x-d)/(c-d) %等比例则：x=(c-d).((a1-b)/(a-b))+d
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！