OpenCV:广义矩阵的L1归一化

Question

我正试图在C++中实现这文章后面的这。

特别是：

    # apply the Hellinger kernel by first L1-normalizing and taking the
    # square-root
    descs /= (descs.sum(axis=1, keepdims=True) + eps)
    descs = np.sqrt(descs)

我的问题是：

1. 在C++中有内置的OpenCV函数吗？
2. 所有的描述符值都是正的吗？否则，L1规范应该使用每个元素的abs。
3. 第一行的意思是“对于每一行向量，计算其所有元素的和，然后添加eps (以避免除以0)，最后将每个向量元素除以这个和值”。

Answer 1

SIFT描述符基本上是一个直方图，所以它不应该有负值。我认为在OpenCV中没有一个函数可以实现您想要实现的功能。但想出几句台词来做这件事并不难

// For each row
for (int i = 0; i < descs.rows; ++i) {
  // Perform L1 normalization
  cv::normalize(descs.row(i), descs.row(i), 1.0, 0.0, cv::NORM_L1);
}
// Perform sqrt on the whole descriptor matrix
cv::sqrt(descs, descs);

我不知道OpenCV如何处理L1归一化中的零和。如果上面的代码生成cv::normalize，则可以用descs.rows(i) /= (cv::norm(descs.rows(i), cv::NORM_L1) + eps)替换NaN。