cv2.normalize()第二个参数含义及OpenCV2/3版本调用兼容问题

我来帮你逐个解决这两个OpenCV的问题：

1. cv2.normalize()第二个参数的作用 #

第二个参数是dst，它用来指定输出结果的存储数组：

• 如果你预先创建了一个和输入图像尺寸、数据类型完全匹配的数组，把它传给dst，归一化后的结果会直接写入这个数组，能减少不必要的内存分配；
• 如果你不需要预先指定，在支持的版本里传None（或者某些旧版本省略该参数），函数会自动创建一个新的数组来存储归一化后的结果。

2. OpenCV2与OpenCV3中cv2.normalize()的兼容性问题 #

这个报错是因为OpenCV3调整了参数规则：dst从可选参数变成了必填参数，而OpenCV2里它是可选的，默认自动创建输出数组。给你两个简单的解决办法：

方法一：直接传None作为第二个参数（推荐） #

这种写法在OpenCV2和3中都能正常运行，和你原来OpenCV2的代码逻辑完全一致，函数会自动创建新数组存储结果：

import cv2
original_image = cv2.imread("/path/to/test.jpg")
normalized_image = cv2.normalize(original_image, None, alpha=0.0, beta=1.0, norm_type=cv2.NORM_MINMAX)

方法二：预先创建匹配的输出数组 #

如果你需要手动控制输出数组的内存，可以用np.zeros_like()创建一个和原图像尺寸、数据类型完全一致的空数组，再传给dst：

import cv2
import numpy as np

original_image = cv2.imread("/path/to/test.jpg")
# 创建与原图像完全匹配的空数组
dst_array = np.zeros_like(original_image)
normalized_image = cv2.normalize(original_image, dst_array, alpha=0.0, beta=1.0, norm_type=cv2.NORM_MINMAX)

你之前尝试的传np.array([])虽然能运行，但不够规范——np.zeros_like()能确保数组的形状和数据类型完全匹配，避免潜在的类型不匹配问题。

内容的提问来源于stack exchange，提问作者walkerlala