opencv:CvMat总结

2019-11-11 01:27:29

字体：大中小

来源：转载

供稿：网友

* 综述:* * OpenCV有针对矩阵操作的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_(S|U|F)C. 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. 例程: CvMat* M = cvCreateMat(4,4,CV_32FC1);

* 释放矩阵空间: 1. CvMat* M = cvCreateMat(4,4,CV_32FC1); 2. cvReleaseMat(&M);* 复制矩阵: 1. CvMat* M1 = cvCreateMat(4,4,CV_32FC1); 2. CvMat* M2; 3. M2=cvCloneMat(M1);* 初始化矩阵: 1. double a[] = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }; 2. CvMat Ma=cvMat(3, 4, CV_64FC1, a);

另一种方法:

1. CvMat Ma; 2. cvInitMatHeader(&Ma, 3, 4, CV_64FC1, a);* 初始化矩阵为单位阵: 1. CvMat* M = cvCreateMat(4,4,CV_32FC1); 2. 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:

1. cvmSet(M,i,j,2.0); // Set M(i,j) 2. t = cvmGet(M,i,j); // Get M(i,j)* 直接存取，假设使用4-字节校正: 1. CvMat* M = cvCreateMat(4,4,CV_32FC1); 2. int n = M->cols; 3. float *data = M->data.fl; 4. data[i*n+j] = 3.0;* 直接存取，校正字节任意: 1. CvMat* M = cvCreateMat(4,4,CV_32FC1); 2. int step = M->step/sizeof (float ); 3. float *data = M->data.fl; 4. (data+i*step)[j] = 3.0;* 直接存取一个初始化的矩阵元素: 1. double a[16]; 2. CvMat Ma = cvMat(3, 4, CV_64FC1, a); 3. a[i*4+j] = 2.0; // Ma(i,j)=2.0;

矩阵/向量操作 * 矩阵-矩阵操作:

1. CvMat *Ma, *Mb, *Mc; 2. cvAdd(Ma, Mb, Mc); // Ma+Mb -> Mc 3. cvSub(Ma, Mb, Mc); // Ma-Mb -> Mc 4. cvMatMul(Ma, Mb, Mc); // Ma*Mb -> Mc* 按元素的矩阵操作: 1. CvMat *Ma, *Mb, *Mc; 2. cvMul(Ma, Mb, Mc); // Ma.*Mb -> Mc 3. cvDiv(Ma, Mb, Mc); // Ma./Mb -> Mc 4. cvAddS(Ma, cvScalar(-10.0), Mc); // Ma.-10 -> Mc* 向量乘积: 1. double va[] = {1, 2, 3}; 2. double vb[] = {0, 0, 1}; 3. double vc[3]; 4. CvMat Va=cvMat(3, 1, CV_64FC1, va); 5. CvMat Vb=cvMat(3, 1, CV_64FC1, vb); 6. CvMat Vc=cvMat(3, 1, CV_64FC1, vc); 7. double res=cvDotPRoduct(&Va,&Vb); // 点乘: Va . Vb -> res 8. cvCrossProduct(&Va, &Vb, &Vc); // 向量积: Va x Vb -> Vc 9. end{verbatim}

注意 Va, Vb, Vc 在向量积中向量元素个数须相同.

* 单矩阵操作: 1. CvMat *Ma, *Mb; 2. cvTranspose(Ma, Mb); // transpose(Ma) -> Mb (不能对自身进行转置) 3. CvScalar t = cvTrace(Ma); // trace(Ma) -> t.val[0] 4. double d = cvDet(Ma); // det(Ma) -> d 5. cvInvert(Ma, Mb); // inv(Ma) -> Mb* 非齐次线性系统求解: 1. CvMat* A = cvCreateMat(3,3,CV_32FC1); 2. CvMat* x = cvCreateMat(3,1,CV_32FC1); 3. CvMat* b = cvCreateMat(3,1,CV_32FC1); 4. cvSolve(&A, &b, &x); // solve (Ax=b) for x* 特征值分析(针对对称矩阵): 1. CvMat* A = cvCreateMat(3,3,CV_32FC1); 2. CvMat* E = cvCreateMat(3,3,CV_32FC1); 3. CvMat* l = cvCreateMat(3,1,CV_32FC1); 4. 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: 1. CvMat* A = cvCreateMat(3,3,CV_32FC1); 2. CvMat* U = cvCreateMat(3,3,CV_32FC1); 3. CvMat* D = cvCreateMat(3,3,CV_32FC1); 4. CvMat* V = cvCreateMat(3,3,CV_32FC1); 5. cvSVD(A, D, U, V, CV_SVD_U_T|CV_SVD_V_T); // A = U D V^T* 综述:* * OpenCV有针对矩阵操作的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_(S|U|F)C. 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. 例程: CvMat* M = cvCreateMat(4,4,CV_32FC1);

另一种方法:

1. CvMat Ma; 2. cvInitMatHeader(&Ma, 3, 4, CV_64FC1, a);* 初始化矩阵为单位阵: 1. CvMat* M = cvCreateMat(4,4,CV_32FC1); 2. 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:

矩阵/向量操作 * 矩阵-矩阵操作: * 1. CvMat *Ma, *Mb, *Mc; 2. cvAdd(Ma, Mb, Mc); // Ma+Mb -> Mc 3. cvSub(Ma, Mb, Mc); // Ma-Mb -> Mc 4. cvMatMul(Ma, Mb, Mc); // Ma*Mb -> Mc

* 按元素的矩阵操作:* 1. CvMat *Ma, *Mb, *Mc; 2. cvMul(Ma, Mb, Mc); // Ma.*Mb -> Mc 3. cvDiv(Ma, Mb, Mc); // Ma./Mb -> Mc 4. cvAddS(Ma, cvScalar(-10.0), Mc); // Ma.-10 -> Mc* 向量乘积:* 1. double va[] = {1, 2, 3}; 2. double vb[] = {0, 0, 1}; 3. double vc[3]; 4. CvMat Va=cvMat(3, 1, CV_64FC1, va); 5. CvMat Vb=cvMat(3, 1, CV_64FC1, vb); 6. CvMat Vc=cvMat(3, 1, CV_64FC1, vc); 7. double res=cvDotProduct(&Va,&Vb); // 点乘: Va . Vb -> res 8. cvCrossProduct(&Va, &Vb, &Vc); // 向量积: Va x Vb -> Vc 9. end{verbatim}* 注意 Va, Vb, Vc 在向量积中向量元素个数须相同.* 单矩阵操作:* 1. CvMat *Ma, *Mb; 2. cvTranspose(Ma, Mb); // transpose(Ma) -> Mb (不能对自身进行转置) 3. CvScalar t = cvTrace(Ma); // trace(Ma) -> t.val[0] 4. double d = cvDet(Ma); // det(Ma) -> d 5. cvInvert(Ma, Mb); // inv(Ma) -> Mb* 非齐次线性系统求解:* 1. CvMat* A = cvCreateMat(3,3,CV_32FC1); 2. CvMat* x = cvCreateMat(3,1,CV_32FC1); 3. CvMat* b = cvCreateMat(3,1,CV_32FC1); 4. cvSolve(&A, &b, &x); // solve (Ax=b) for x* 特征值分析(针对对称矩阵):* 1. CvMat* A = cvCreateMat(3,3,CV_32FC1); 2. CvMat* E = cvCreateMat(3,3,CV_32FC1); 3. CvMat* l = cvCreateMat(3,1,CV_32FC1); 4. 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:* 1. CvMat* A = cvCreateMat(3,3,CV_32FC1); 2. CvMat* U = cvCreateMat(3,3,CV_32FC1); 3. CvMat* D = cvCreateMat(3,3,CV_32FC1); 4. CvMat* V = cvCreateMat(3,3,CV_32FC1); 5. cvSVD(A, D, U, V, CV_SVD_U_T|CV_SVD_V_T); // A = U D V^T

上一篇：opencv:ROI

下一篇：poj 3007 Organize Your Train part II(map)