2. 程式人生 > >opencv中的矩陣操作

opencv中的矩陣操作

阿新 • • 發佈：2019-01-09
線性代數計算 
加&乘 
void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1和scale的乘積加上src2 
void cvCrossProduct(const CvArr* src1,const CvArr* src2,CvArr* dst);//計算兩個3D向量（單通道）的叉乘運算 
double cvDotProduct(const CvArr* src1, const CvArr* src2);//兩個向量點乘 
void cvGEMM(const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0);//乘加運算的始祖 
    由通用乘加函式參與定義的兩個具體巨集 
        cvMatMul(const CvArr* src1,const CvArr* src2,CvArr* dst); 
        cvMatMulAdd(const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst); 
CvScalar cvTrace(const CvArr* mat);//計算對角線上的元素和 
變換 
void cvTransform(const CvArr* src, CvArr* dst, const CvMat* transmat, const CvMat* shiftvec=NULL);//dst=transmat · src + shiftvec 
void cvPerspectiveTransform(const CvArr* src, CvArr* dst, const CvMat* mat);//把矩陣每個元素中三個通道當做一個矩陣，乘mat，mat是一個3×3或者4×4的轉換矩陣 
轉置 
void cvTranspose(const CvArr* src, CvArr* dst); 
void cvMulTransposed(const CvArr* src, CvArr* dst, int order, const CvArr* delta=NULL, double scale=1.0);//(src-delta)乘以它的轉置再乘以scale 
逆矩陣 
double cvInvert(const CvArr* src,CvArr* dst,int method=CV_LU);//求原矩陣的逆矩陣，預設使用高斯消去法 
    方陣可逆的充要條件是|A|!=0 
    method取值為CV_LU高斯消去法（預設）    CV_SVD 奇異值分解SVD    CV_SVD_SYM對稱矩陣的SVD 
行列式 
double cvDet(const CvArr* mat);//計算方陣行列式，一定是單通道的 
    小型方陣直接計算，大型方陣用高斯消去法計算 
    如果矩陣正定對稱，用奇異值分解的方法解決cvSVD(); 
特徵向量特徵值 
void cvEigenVV(CvArr* mat, CvArr* evects, CvArr* evals, double eps=0);//計算對稱矩陣的特徵值和特徵向量，evects輸出特徵向量，evals輸出特徵值，eps雅可比方法停止引數 
    要求三個矩陣都是浮點型別，10×10以下該方法有效，20×20以上的矩陣不能計算出結果，為節約計算量，eps通常設為DBL_EPSILON(10^-15) 
    如果給定的矩陣是對稱正定矩陣，那麼考慮使用cvSVD(); 
協方差 
void cvCalcCovarMatrix(const CvArr** vects, int count, CvArr* cov_mat, CvArr* avg, int flags);//給定一組大小和型別相同的向量，向量的個數，計算標記，輸出協方差正陣和每個向量的平均值矩陣 
    CV_COVAR_NORMAL    普通計算協方差和平均值，輸出的是n×n的協方差陣 
    CV_COVAR_SCRAMBLED    快速PCA“Scrambled”協方差，輸出的是m×m的協方差陣 
    CV_COVAR_USE_AVERAGE    平均值是輸入的 
    CV_COVAR_SCALE    重新縮放輸出的協方差矩陣 
        四個flag通過並運算協同發揮作用，前兩個不能並 
CvSize cvMahalonobis(const CvArr* vec1,const CvArr* vec2,CvArr* mat); 
int cvSolve(const CvArr* src1, const CvArr* src2, CvArr* dst, int method=CV_LU);//Solves a linear system or least-squares problem. 
void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, int flags=0);//Performs singular value decomposition of a real floating-point matrix. 
void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, const CvArr* B, CvArr* X, int flags);//Performs singular value back substitution.

相關推薦

OpenCV 基本矩陣操作與示例

OpenCV的基本矩陣操作與示例 OpenCV中的矩陣操作非常重要，本文總結了矩陣的建立、初始化以及基本矩陣操作，給出了示例程式碼，主要內容包括： 建立與初始化 矩陣加減法 矩陣乘法 矩陣轉置 矩陣求逆 矩陣非零元素個數 矩陣均值與標準差

OpenCV 基本矩陣操作與示例

2.3 矩陣乘法 使用"*"號計算矩陣與標量相乘，矩陣與矩陣相乘（必須滿足矩陣相乘的行列數對應規則） Mat m1= Mat::eye(2,3, CV_32F); //使用cv名稱空間可省略cv::字首，下同 Mat m2= Mat::ones(3,2, CV_32F); cout<

opencv中矩陣運算

我是轉載的，自己修改了一些，出處不記得了，抱歉，只是用來和大家分享的。 一、矩陣 MatI,img,I1,I2,dst,A,B; double k,alpha; Scalar s;1.加法I=I1+I2;//等同add(I1,I2,I); add(I1,I2,dst,mas

opencv中Point操作

  為了描述影象中的點，opencv中提供了點的模板類，分為2維點模板類Point_和3維點模板類Point3_。Point_通過2維影象平面中的x和y座標確定點的位置，Point3_通過3維立體影象中的x、y、z座標確定點的位置。對於點的座標的型別可以是int、double、float型別，下面是原始碼中的

OpenCV中矩陣的歸一化

cv::Mat mat1=Mat(2,2,CV_32FC1); mat1.at<float>(0,0) = 1.0f; mat1.at<float>(0,1) = 2.0f; mat1.at<float>(1,0) = 3.0f; mat1.at<float>

OpenCV中矩陣資料的訪問（非常好）非常全

在OpenCV中有三種方式訪問矩陣中的資料元素：容易的方式，困難的方式，以及正確的方式。以下先講容易的方式和困難的方式。容易的方式最容易的方式是使用巨集CV_MAT_ELEM( matrix, elemtype, row, col ),輸入引數是矩陣的指標，矩陣元素型別，行

OpenCV中矩陣類詳解之一：Mat

Mat::eye 返回一個恆等指定大小和型別矩陣。 C++: static MatExpr Mat::eye(int rows, int cols, inttype) C++: static MatExpr Mat::eye(Size size, int type) 引數 rows –的行數。

OpenCV中矩陣的歸一化*(Normalize函式)

影象處理中，圖片畫素點單通道值一般是[0-255]的unsigned char型別，將其轉化到[0,1]之間，更方便計算，這就需要用到矩陣的歸一化運算。        今天，寫程式中需要對某矩陣歸一化，用OpenCV的cv::normalize函式，遇到很嚴重的問題，最後

opencv中的矩陣操作

線性代數計算  加&乘 void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1和scale的乘積加上src2  void cvCrossProduct(const CvArr* s

對OpenCV中3種乘法操作的理解掌握

alt 函數 opencv 如果 csdn tle 基本操作 art sca 參考了《Opencv中Mat矩陣相乘——點乘、dot、mul運算詳解 》“http://blog.csdn.net/dcrmg/article/details/52404580”的相關內容。乘法是

opencv中 Mat矩陣申明形式

bits 8bit 技術 發現 對象創建 符號 通道 log play 在調用opencv的時候，可能不像matlab那樣直接就可以 新建矩陣。在C++中需要嚴格的定義矩陣形式； 在opencv中一共有顯示創建Mat對象的方法； 一、使用mat（）構造函數： 　　

Opencv矩陣操作copyTo convertTo clone reshape

<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod=popu_307 data-dsm = "post" >

Python中的Numpy(4.矩陣操作(算數運算，矩陣積，廣播機制))

1.基本的矩陣操作：     '''1.算數運算子：加減乘除''' n1 = np.random.randint(0, 10, size=(4, 5)) print(n1) n2 = n1 + 10 # 對n1進行加法（減法，乘法，除法是一樣的用法） print(n2)

opencv Mat 矩陣基本操作

下面介紹Mat矩陣的基本操作： 1、可以使用Mat::eye,Mat::ones,Mat::zeros 對矩陣進行初始化； 2、矩陣可以進行加減乘除操作； Mat m = Mat::eye(5, 5, CV_32F); Mat n = Mat::ones(5, 5, CV_32F); M

Opencv Mat矩陣中Mat.data、size、depth、elemSize、step等含義

.data： uchar型別的指標，指向Mat資料矩陣的首地址。可以理解為標示一個房屋的門牌號； .dims： Mat矩陣的維度，若Mat是一個二維矩陣，則dims=2，三維則dims=3，大多數情況下處理的都是二維矩陣，是一個平面上的矩陣。 可以理解為房

Python OpenCV _1基本操作（畫圖，迴圈播放影象，滑鼠事件，讀取中文路徑中的圖片）

此係列原始碼在我的GitHub裡：https://github.com/yeyujujishou19/Python-OpenCV 一，OpenCV的結構 A）根據功能和需求的不同，OpenCV中的函式介面大體可以分為如下部分： core 核心模組，主要包

Opencv中Mat矩陣相乘——點乘、dot、mul運算詳解

Mat矩陣點乘——A*B Opencv過載了運算子“*”，姑且稱之為Mat矩陣“點乘”，其中一個過載宣告為： CV_EXPORTS MatExpr operator * (const Mat& a, const Mat& b); 點乘說明： 1.  

Julia語言中矩陣常用操作

1.1 矩陣的生成 生成一個4行4列的矩陣, 這裡使用1~16數字. 注意, 這裡生成矩陣時, 需要首先定義一個空的陣列, 然後再進行填充. mat = Array(Int32,4,4) 4×4 Array{Int32,2}: 125804192 2562

Numpy矩陣中常用操作

（1）計算e的多少次方，以及一個數的開平方 B = np.arange(3) print(np.exp(B))                   #結果為[1.    

TensorFlow中矩陣乘操作tf.matmul(或tf.linalg.matmul)和矩陣元素乘tf.multiply(或tf.math.multiply)用法對比

一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方說明 tf.linalg.matmul或tf.matmul：矩陣乘 tf.linalg.matm