CvMat

CvMat,第1张

概述综述: OpenCV有针对矩阵 *** 作的C语言函数. 许多其他方法提供了更加方便的C++接口,其效率与OpenCV一样. OpenCV将向量作为1维矩阵处理. 矩阵按行存储,每行有4字节的校整. 分配矩阵空间: CvMat* cvCreateMat(int rows, int cols, int type); type: 矩阵元素类型. 格式为CV_<bit_depth>(S|U|F)C<numb 综述: OpenCV有针对矩阵 *** 作的C语言函数. 许多其他方法提供了更加方便的C++接口,其效率与OpenCV一样. OpenCV将向量作为1维矩阵处理. 矩阵按行存储,每行有4字节的校整. 分配矩阵空间:
CvMat* cvCreateMat(int rows,int cols,int type); type: 矩阵元素类型. 格式为CV_<bit_depth>(S|U|F)C<number_of_channels>.     例如: CV_8UC1 表示8位无符号单通道矩阵,CV_32SC2表示32位有符号双通道矩阵.
(S表示有符号整型数,U表示无符号整型数,F表示浮点型)
例程:
     CvMat* M = cvCreateMat(4,4,CV_32FC1);32位浮点型单通道矩阵

释放矩阵空间:
CvMat* M = cvCreateMat(4,CV_32FC1);cvReleaseMat(&M);
复制矩阵:
CvMat* M1 = cvCreateMat(4,CV_32FC1);CvMat* M2;M2=cvCloneMat(M1);
初始化矩阵:
double a[] = { 1,2,3,5,6,7,8,9,10,11,12 };CvMat Ma=cvMat(3,CV_64FC1,a);另一种方法:
CvMat Ma;cvInitMatheader(&Ma,a);
初始化矩阵为单位阵:
CvMat* M = cvCreateMat(4,CV_32FC1);cvSetIDentity(M); // 这里似乎有问题,不成功
存取矩阵元素 假设需要存取一个2维浮点矩阵的第(i,j)个元素. 间接存取矩阵元素:
cvmSet(M,i,j,2.0); // Set M(i,j)t = cvmGet(M,j); // Get M(i,j)
直接存取,假设使用4-字节校正:
CvMat* M     = cvCreateMat(4,CV_32FC1);int n        = M->cols;float *data = M->data.fl;data[i*n+j] = 3.0;
直接存取,校正字节任意:
CvMat* M     = cvCreateMat(4,CV_32FC1);int    step   = M->step/sizeof(float);float *data = M->data.fl;(data+i*step)[j] = 3.0;
直接存取一个初始化的矩阵元素:
double a[16];CvMat Ma = cvMat(3,a);a[i*4+j] = 2.0; // Ma(i,j)=2.0;
矩阵/向量 *** 作 矩阵-矩阵 *** 作:
CvMat *Ma,*Mb,*Mc;cvAdd(Ma,Mb,Mc);       // Ma+Mb    -> MccvSub(Ma,Mc);       // Ma-Mb    -> MccvMatMul(Ma,Mc);    // Ma*Mb    -> Mc
按元素的矩阵 *** 作:
CvMat *Ma,*Mc;cvMul(Ma,Mc);       // Ma.*Mb   -> Mccvdiv(Ma,Mc);       // Ma./Mb   -> MccvAddS(Ma,cvScalar(-10.0),Mc); // Ma.-10 -> Mc
向量乘积:
double va[] = {1,3};double vb[] = {0,1};double vc[3];CvMat Va=cvMat(3,1,va);CvMat Vb=cvMat(3,vb);CvMat Vc=cvMat(3,vc);double res=cvDotProduct(&Va,&Vb); // 点乘:    Va . Vb -> rescvCrossproduct(&Va,&Vb,&Vc);     // 向量积: Va x Vb -> Vcend{verbatim}

注意 Va,Vb,Vc 在向量积中向量元素个数须相同.

单矩阵 *** 作:
CvMat *Ma,*Mb;cvTranspose(Ma,Mb);       // transpose(Ma) -> Mb (不能对自身进行转置)CvScalar t = cvTrace(Ma); // trace(Ma) -> t.val[0] double d = cvDet(Ma);      // det(Ma) -> dcvInvert(Ma,Mb);          // inv(Ma) -> Mb
非齐次线性系统求解:
CvMat* A   = cvCreateMat(3,CV_32FC1);CvMat* x   = cvCreateMat(3,CV_32FC1);CvMat* b   = cvCreateMat(3,CV_32FC1);cvSolve(&A,&b,&x);     // solve (Ax=b) for x
特征值分析(针对对称矩阵):
CvMat* A   = cvCreateMat(3,CV_32FC1);CvMat* E   = cvCreateMat(3,CV_32FC1);CvMat* l   = cvCreateMat(3,CV_32FC1);cvEigenVV(&A,&E,&l);   // l = A的特征值 (降序排列)                      // E = 对应的特征向量 (每行)
奇异值分解SVD:
CvMat* A   = cvCreateMat(3,CV_32FC1);CvMat* U   = cvCreateMat(3,CV_32FC1);CvMat* D   = cvCreateMat(3,CV_32FC1);CvMat* V   = cvCreateMat(3,CV_32FC1);cvSVD(A,D,U,V,CV_SVD_U_T|CV_SVD_V_T); // A = U D V^T

标号使得 U 和 V 返回时被转置(若没有转置标号,则有问题不成功!!!).

总结

以上是内存溢出为你收集整理的CvMat全部内容,希望文章能够帮你解决CvMat所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/1286820.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-06-09
下一篇 2022-06-09

发表评论

登录后才能评论

评论列表(0条)

保存