碼上快樂

相關內容    簡體    繁體

OpenCV矩陣運算總結

本文轉載自   查看原文   2018-01-31 10:10   1127    C++ General

篇一：OpenCV矩陣運算總結

原文地址：http://www.cvvision.cn/273.html

著作權歸作者所有。 商業轉載請聯系作者獲得授權，非商業轉載請注明出處。 作者：cvvision 鏈接：http://www.cvvision.cn/273.html 來源：CV視覺網 一、矩陣 Mat I,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,mask,dtype); scaleAdd(I1,scale,I2,dst);//dst=scale*I1+I2; 2.減法 absdiff(I1,I2,I);//I=|I1-I2|; A-B;A-s;s-A;-A; subtract(I1,I2,dst); 3.乘法 I=I.mul(I);//點乘,I.mul(I,3);–>I=3*I.^2 Mat C=A.mul(5/B);//==divide(A,B,C,5); A*B;矩陣相乘 I=alpha*I; Mat::cross(Mat);//三維向量(或矩陣)的叉乘,A.cross(B) double Mat::dot(Mat);//2個向量(或矩陣)的點乘的結果,A.dot(B) mul——-multiply pow(src,double p,dst);//如果p是整數dst(I)=src(I)^p;其他|src(I)|^p 4.除法 divide(I1,I2,dst,scale,int dtype=-1);//dst=saturate_cast(I1*scale/I2); A/B;alpha/A;都是點除 5.轉換 I.convertTo(I1,CV_32F);//類型轉換 A.t();//轉置 flip(I,dst,int flipCode);//flipCode=0是上下翻轉，>0時左右翻轉,<0時一起來 sqrt(I,dst); cvtColor(I,dst,int code,int dstCn=0); resize:對圖像進行形變 ————————————————————————– 6.其他 Scalar s=sum(I);各通道求和 norm,countNonZero,trace,determinant,repeat都是返回Mat或者Scalar countNonZero:用來統計非零的向量個數.(rows*cols個) Scalar m=mean(I);//各通道求平均 Mat RowClone=C.row(1).clone();//復制第2行 addWeight(I1,alpha,I2,beta,gamma,dst,int dtype=-1);//dst=saturate(alpha*I1+beta*I2+gamma);dtype是dst的深度 —————————————————————————- 7.運算符 log10() exp(I,dst);//dst=exp(I);計算每個數組元素的指數 log(I,dst);//如果Iij!=0;則dstij=log(|Iij|) randu(I,Scalar::all(0),Scalar::all(255)); Mat::t()轉置 Mat::inv(int method=DECOMP_LU)求逆。method=DECOMP_CHOLESKY(專門用於對稱，速度是LU的2倍),DECOMP_SVD//A.inv();A.inv()*B; invert(I1,dst,int method=DECOMP_LU);//用法同上 MatExpr abs(Mat)//求絕對值 A cmpop B;A compop alpha;alpha cmpop A;這里cmpop表示>,>=,==,!=,<=,<等，結果是CV_8UC1的mask的0或255 按位運算：A logicop B;A logicop s;s logicop A;~A;這里logicop代表&,|,^ bitwise_not(I,dst,mask);//inverts所有的隊列 還有bitwise_and,bitwise_or,bitwise_xor, min(A,B);min(A,alpha);max(A,B);max(A,alpha);都返回MatExpr,返回的dst和A的類型一樣 double determinant(Mat);//行列式 bool eigen(I1,dst,int lowindex=-1,int highindex=-1);// bool eigen(I1,dst,I,int…);//得到特征值向量dst和對應特征值的特征向量 minMaxLoc(I1,&minVal,&maxVal,Point *minLoc=0,Point* MaxLoc=0,mask); //minLoc是2D時距原點最小的點(未考證) —————————————————————————— 8.初始化 Mat I(img,Rect(10,10,100,100));//用一塊地方初始化。 Mat I=img(Range:all(),Range(1,3));//所有行，1~3列 Mat I=img.clone();//完全復制 img.copyTo(I);//傳遞矩陣頭 Mat I(2,2,CV_8UC3,Scalar(0,0,255));//I=[0,0,255,0,0,255;0,0,255,0,0,255]; Mat E=Mat::eye(4,4,CV_64F);//對角矩陣 Mat O=Mat::ones(2,2,CV_32F);//全一矩陣 Mat Z=Mat::zeros(3,3,CV_8UC1);//全零矩陣 Mat C=(Mat_<double>(2,2)<<0,-1,2,3);//如果是簡單矩陣的初始化 Mat::row(i);Mat::row(j);Mat::rowRange(start,end);Mat::colRange(start,end);都只是創建個頭 Mat::diag(int d);d=0是是主對角線，d=1是比主低的對角線,d=-1…. static Mat Mat::diag(const Mat& matD) Mat::setTo(Scalar &s);以s初始化矩陣 Mat::push_back(Mat);在原來的Mat的最后一行后再加幾行 Mat::pop_back(size_t nelems=1);//移出最下面幾行 ——————————————————————————- 9.矩陣讀取和修改 (1)1個通道： for(int i=0;i<I.rows;++i) for(int j=0;j<I.cols;++j) I.at<uchar>(i,j)=k; (2)3個通道： Mat_<Vec3b> _I=I;//他沒有4個通道寸，只有3個通道！ for(int i=0;i<I.rows;++i) for(int j=0;j<I.cols;++j) { _I(i,j)[0]=b; _I(i,j)[1]=g; _I(i,j)[2]=r; } I=_I; ———————————————————— 或者直接用I.at<Vec3b>(i,j)[0]…. ————————————————- float *s; for(i=0;i<dealImg.rows;i++) {s=proImg.ptr<float>(i); for(j=0;j<dealImg.cols;j++) {a1=s[3*j+1]-m1; a2=s[3*j+2]-m2;}} ————————————————————————- (3)其他機制 I.rows(0).setTo(Scalar(0));//把第一行清零 saturate_cast<uchar>(…);//可以確保內容為0~255的整數 Mat::total();返回一共的元素數量 size_t Mat::elemSize();返回元素的大小:CV_16SC3–>3*sizeof(short)–>6 size_t Mat::elemSize1();返回元素一個通道的大小CV_16SC3–>sizeof(short)–>2 int Mat::type()返回他的類型CV_16SC3之類 int Mat::depth()返回深度:CV_16SC3–>CV_16S int Mat::channels()返回通道數 size_t Mat:step1()返回一個被elemSize1()除以過的step Size Mat::size()返回Size(cols,rows);如果大於2維，則返回(-1,-1)，都是先寬再高的 bool Mat::empty()如果沒有元素返回1,即Mat::total()==0或者Mat::data==NULL uchar *Mat::ptr(int i=0)指向第i行 Mat::at(int i)(int i,int j)(Point pt)(int i,int j,int k) RNG隨機類:next,float RNG::uniform(float a,float b);.. double RNG::gaussian(double sigma); RNG::fill(I,int distType,Mat low,Mat up);//用隨機數填充 randu(I,low,high); randn(I,Mat mean,Mat stddev); reduce(I,dst,int dim,int reduceOp,int dtype=-1);//可以統計每行或每列的最大、最小、平均值、和 setIdentity(dst,Scalar &value=Scalar(1));//把對角線替換為value //效果等同：Mat A=Mat::eye(4,3,CV_32F)*5; ————————————————————– 10.較復雜運算 gemm(I1,I2,alpha,I3,beta,dst,int flags=0);//I1至少是浮點型,I2同I1,flags用來轉置 //gemm(I1,I2,alpha,I3,beta,dst,GEMM_1_T,GEMM_3_T);–>dst=alpha*I1.t()*I2+beta*I3.t();可用此完全代替此函數 mulTransposed(I,dst,bool aTa,Mat delta=noArray(),double scale=1,int rtype=-1); //I是1通道的,和gemm不同,他可用於任何類型。 //如果aTa=flase時,dst=scale*(I-delta).t()*(I-delta); //如果是true,dst=scale*(I-delta)(I-delta).t(); calcCovarMatrix(Mat,int,Mat,Mat,int,int=);calcCovarMatrix(Mat I,Mat covar,Mat mean,int flags,int=); cartToPolar//轉到極坐標 compare(I1,I2,dst,cmpop);cmpop=CMP_EQ,CMP_GT,CMP_GE,CMP_LT,CMP_LE,COM_NE completeSymm(M,bool lowerToUpper=false);當lowerToUpper=true時Mij=Mji(i<j);當為flase時,Mij=Mji(i>j) 變成可顯示圖像:convertScaleAbs(I,dst,alpha,beta);dst=saturate_cast<uchar>(|alpha*I+beta|); dct(I,dst,int flags=0);//DCT變換，1維、2維的矩陣;flags=DCT_INVERSE,DCT_ROWS idct,dft,idft inRange(I1,I_low,I_up,dst);//dst是CV_8UC1,在2者之間就是255 Mahalanobis(vec1,vec2,covar); merge(vector<Mat>,Mat);//把多個Mat組合成一個和split相反 double norm(…)：當src2木有時,norm可以計算出最長向量、向量距離和、向量距離和的算術平方根 solveCubic解3次方程，solvePoly解n次方程 排列：sort,sortIdx mixChannels();對某個通道進行各種傳遞 —————————————————————– 11.未懂的函數 getConvertElem,extractImageCOI,LUT magnitude(x,y,dst);//I1,I2都是1維向量,dst=sqrt(x(I)^2+y(I)^2); meanStdDev, MulSpectrums(I1,I2,dst,flags);傅里葉 normalize(I,dst,alpha,beta,int normType=NORM_L2,int rtype=-1,mask);//歸一化 PCA,SVD,solve,transform,transpose 二、其他數據結構 Point2f P(5,1); Point3f P3f(2,6,7); vector<float> v;v.push_back((float)CV_PI);v.push_back(2);v.push_back(3.01f);//不斷入 vector<Point2f> vPoints(20);//一次定義20個 三、常用方法 Mat mask=src<0;這樣很快建立一個mask了 四、以后可能用到的函數 randShuffle,repeat 五、矩陣處理 1、矩陣的內存分配與釋放 （1） 總體上: Opencv 使用C語言來進行矩陣操作。不過實際上有很多C++語言的替代方案可以更高效地完成。 在OpenCV中向量被當做是有一個維數為1的N維矩陣. 矩陣按行-行方式存儲，每行以4字節（32位）對齊. （2） 為新矩陣分配內存: CvMat* cvCreateMat(int rows, int cols, int type); type: 矩陣元素類型. 按CV_<bit_depth>(S|U|F)C<number_of_channels> 方式指定. 例如: CV_8UC1 、CV_32SC2. 示例: CvMat* M = cvCreateMat(4,4,CV_32FC1); （3） 釋放矩陣內存: CvMat* M = cvCreateMat(4,4,CV_32FC1); cvReleaseMat(&M); （4） 復制矩陣: CvMat* M1 = cvCreateMat(4,4,CV_32FC1); CvMat* M2; M2=cvCloneMat(M1); （5） 初始化矩陣: double a[] = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }; CvMat Ma=cvMat(3, 4, CV_64FC1, a); //等價於: CvMat Ma; cvInitMatHeader(&Ma, 3, 4, CV_64FC1, a); （6） 初始化矩陣為單位矩陣: CvMat* M = cvCreateMat(4,4,CV_32FC1); cvSetIdentity(M); // does not seem to be working properl 2、訪問矩陣元素 （1） 假設需要訪問一個2D浮點型矩陣的第（i, j）個單元. （2） 間接訪問: cvmSet(M,i,j,2.0); // Set M(i,j) t = cvmGet(M,i,j); // Get M(i,j) （3） 直接訪問（假設矩陣數據按4字節行對齊）: CvMat* M = cvCreateMat(4,4,CV_32FC1); int n = M->cols; float *data = M->data.fl; data[i*n+j] = 3.0; （4） 直接訪問（當數據的行對齊可能存在間隙時 possible alignment gaps）: CvMat* M = cvCreateMat(4,4,CV_32FC1); int step = M->step/sizeof(float); float *data = M->data.fl; (data+i*step)[j] = 3.0; （5） 對於初始化后的矩陣進行直接訪問: double a[16]; CvMat Ma = cvMat(3, 4, CV_64FC1, a); a[i*4+j] = 2.0; // Ma(i,j)=2.0; 3、矩陣/向量運算 （1） 矩陣之間的運算: CvMat *Ma, *Mb, *Mc; cvAdd(Ma, Mb, Mc); // Ma+Mb -> Mc cvSub(Ma, Mb, Mc); // Ma-Mb -> Mc cvMatMul(Ma, Mb, Mc); // Ma*Mb -> Mc （2） 矩陣之間的元素級運算: CvMat *Ma, *Mb, *Mc; cvMul(Ma, Mb, Mc); // Ma.*Mb -> Mc cvDiv(Ma, Mb, Mc); // Ma./Mb -> Mc cvAddS(Ma, cvScalar(-10.0), Mc); // Ma.-10 -> Mc （3） 向量乘積: double va[] = {1, 2, 3}; double vb[] = {0, 0, 1}; double vc[3]; CvMat Va=cvMat(3, 1, CV_64FC1, va); CvMat Vb=cvMat(3, 1, CV_64FC1, vb); CvMat Vc=cvMat(3, 1, CV_64FC1, vc); double res=cvDotProduct(&Va,&Vb); // 向量點乘: Va . Vb -> res cvCrossProduct(&Va, &Vb, &Vc); // 向量叉乘: Va x Vb -> Vc 注意在進行叉乘運算時，Va, Vb, Vc 必須是僅有3個元素的向量. （4） 單一矩陣的運算: CvMat *Ma, *Mb; cvTranspose(Ma, Mb); // 轉置：transpose(Ma) -> Mb (注意轉置陣不能返回給Ma本身) CvScalar t = cvTrace(Ma); // 跡：trace(Ma) -> t.val[0] double d = cvDet(Ma); // 行列式：det(Ma) -> d cvInvert(Ma, Mb); // 逆矩陣：inv(Ma) -> Mb （5） 非齊次線性方程求解: CvMat* A = cvCreateMat(3,3,CV_32FC1); CvMat* x = cvCreateMat(3,1,CV_32FC1); CvMat* b = cvCreateMat(3,1,CV_32FC1); cvSolve(&A, &b, &x); // solve (Ax=b) for x （6） 特征值與特征向量 (矩陣為方陣): CvMat* A = cvCreateMat(3,3,CV_32FC1); CvMat* E = cvCreateMat(3,3,CV_32FC1); CvMat* l = cvCreateMat(3,1,CV_32FC1); cvEigenVV(A, E, l); // l = A 的特征值(遞減順序) // E = 對應的特征向量 (行向量) （7） 奇異值分解（SVD）:==== CvMat* A = cvCreateMat(3,3,CV_32FC1); CvMat* U = cvCreateMat(3,3,CV_32FC1); CvMat* D = cvCreateMat(3,3,CV_32FC1); CvMat* V = cvCreateMat(3,3,CV_32FC1); cvSVD(A, D, U, V, CV_SVD_U_T|CV_SVD_V_T); // A = U D V^T 標志位使矩陣U或V按轉置形式返回 (若不轉置可能運算出錯).

篇二：OpenCV的基本矩陣操作與示例

OpenCV中的矩陣操作非常重要，本文總結了矩陣的創建、初始化以及基本矩陣操作，給出了示例代碼，主要內容包括：

  • 創建與初始化
  • 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
  • 矩陣均值與標准差
  • 矩陣全局極值及位置
  • 其他矩陣運算函數列表


1. 創建與初始化矩陣


1.1 數據類型

建立矩陣必須要指定矩陣存儲的數據類型，圖像處理中常用的幾種數據類型如下：

[cpp] view plain copy
  1. CV_8UC1// 8位無符號單通道  
  2. CV_8UC3// 8位無符號3通道  
  3. CV_8UC4  
  4. CV_32FC1// 32位浮點型單通道  
  5. CV_32FC3// 32位浮點型3通道  
  6. CV_32FC4  

包括數據位深度8位、32位，數據類型U:uchar、F:float型以及通道數C1：單通道、C3：三通道、C4：四通道。


1.2 基本方法

我們可以通過載入圖像來創建Mat類型矩陣，當然也可以直接手動創建矩陣，基本方法是指定矩陣尺寸和數據類型：

[cpp] view plain copy
  1. // 基本方法  
  2.     cv::Mat a(cv::Size(5,5),CV_8UC1); // 單通道  
  3.     cv::Mat b = cv::Mat(cv::Size(5,5),CV_8UC3); //3通道每個矩陣元素包含3個uchar值  
  4.     cout<<"a  = "<<endl<<a<<endl<<endl;  
  5.     cout<<"b  = "<<endl<<b<<endl<<endl;  
  6.     system("pause");  

運行結果：

3通道矩陣中，一個矩陣元素包含3個變量。

1.3 初始化方法

上述方法不初始化矩陣數據，因此將出現隨機值。如果想避免這種情況，可使用Mat類的幾種初始化創建矩陣的方法：

[cpp] view plain copy
  1. // 初始化方法  
  2.     cv::Mat mz = cv::Mat::zeros(cv::Size(5,5),CV_8UC1); // 全零矩陣  
  3.     cv::Mat mo = cv::Mat::ones(cv::Size(5,5),CV_8UC1);  // 全1矩陣  
  4.     cv::Mat me = cv::Mat::eye(cv::Size(5,5),CV_32FC1);  // 對角線為1的對角矩陣  
  5.     cout<<"mz = "<<endl<<mz<<endl<<endl;  
  6.     cout<<"mo = "<<endl<<mo<<endl<<endl;  
  7.     cout<<"me = "<<endl<<me<<endl<<endl;  
運行結果：


2. 矩陣運算


2.1 基本概念

 OpenCV的Mat類允許所有的矩陣運算。


2.2 矩陣加減法

我們可以使用"+"和"-"符號進行矩陣加減運算。
[cpp] view plain copy
  1. cv::Mat a= Mat::eye(Size(3,2), CV_32F);  
  2. cv::Mat b= Mat::ones(Size(3,2), CV_32F);  
  3. cv::Mat c= a+b;  
  4. cv::Mat d= a-b;  


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）

[cpp] view plain copy
  1. Mat m1= Mat::eye(2,3, CV_32F); //使用cv命名空間可省略cv::前綴，下同  
  2. Mat m2= Mat::ones(3,2, CV_32F);  
  3. cout<<"m1  = "<<endl<<m1<<endl<<endl;  
  4. cout<<"m2  = "<<endl<<m2<<endl<<endl;  
  5. // Scalar by matrix  
  6. cout << "\nm1.*2 = \n" << m1*2 << endl;  
  7. // matrix per element multiplication  
  8. cout << "\n(m1+2).*(m1+3) = \n" << (m1+1).mul(m1+3) << endl;  
  9. // Matrix multiplication  
  10. cout << "\nm1*m2 = \n" << m1*m2 << endl;  


2.4 矩陣轉置

矩陣轉置是將矩陣的行與列順序對調（第i行轉變為第i列）形成一個新的矩陣。OpenCV通過Mat類的t()函數實現。
[cpp] view plain copy
  1. // 轉置  
  2.     Mat m1= Mat::eye(2,3, CV_32F);    
  3.     Mat m1t = m1.t();  
  4.     cout<<"m1  = "<<endl<<m1<<endl<<endl;  
  5.     cout<<"m1t  = "<<endl<<m1t<<endl<<endl;  
  6.     system("pause");  
運行結果：


2.5 求逆矩陣

逆矩陣在某些算法中經常出現，在OpenCV中通過Mat類的inv()方法實現
[cpp] view plain copy
  1. // 求逆  
  2.     Mat meinv = me.inv();  
  3.     cout<<"me  = "<<endl<<me<<endl<<endl;  
  4.     cout<<"meinv = "<<endl<<meinv<<endl<<endl;  
  5.     system("pause");  
運行結果：

單位矩陣的逆就是其本身。

2.6 計算矩陣非零元素個數

計算物體的像素或面積常需要用到計算矩陣中的非零元素個數，OpenCV中使用countNonZero()函數實現。

[cpp] view plain copy
  1. // 非零元素個數  
  2.     int nonZerosNum = countNonZero(me); // me為輸入矩陣或圖像  
  3.     cout<<"me  = "<<endl<<me<<endl;  
  4.     cout<<"me中非零元素個數 = "<<nonZerosNum<<endl<<endl;  
  5.     system("pause");  
運行結果：


2.7 均值和標准差

OpenCV提供了矩陣均值和標准差計算功能，可以使用meanStdDev(src,mean,stddev)函數實現。

參數

  • src – 輸入矩陣或圖像
  • mean – 均值，OutputArray
  • stddev – 標准差，OutputArray

[cpp] view plain copy
  1. // 均值方差  
  2.     Mat mean;  
  3.     Mat stddev;  
  4.     meanStdDev(me, mean, stddev); //me為前文定義的5×5對角陣  
  5.     cout<<"mean = "<<mean<<endl;  
  6.     cout<<"stddev = "<<stddev<<endl;  
  7.     system("pause");  

運行結果：

需要說明的是，如果src是多通道圖像或多維矩陣，則函數分別計算不同通道的均值與標准差，因此返回值mean和stddev為對應維度的向量。

[cpp] view plain copy
  1. Mat mean3;  
  2. Mat stddev3;  
  3. Mat m3(cv::Size(5,5),CV_8UC3,Scalar(255,200,100));  
  4. cout<<"m3  = "<<endl<<m3<<endl<<endl;  
  5. meanStdDev(m3, mean3, stddev3);  
  6. cout<<"mean3 = "<<mean3<<endl;  
  7. cout<<"stddev3 = "<<stddev3<<endl;  
  8. system("pause");  

多通道矩陣運算結果：



2.8 求最大最小值

求輸入矩陣的全局最大最小值及其位置，可使用函數：

[cpp] view plain copy
  1. void minMaxLoc(InputArray src, CV_OUT double* minVal,  
  2.                            CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,  
  3.                            CV_OUT Point* maxLoc=0, InputArray mask=noArray());  

參數：

  • src – 輸入單通道矩陣（圖像）.
  • minVal – 指向最小值的指針， 如果未指定則使用NULL
  • maxVal – 指向最大值的指針， 如果未指定則使用NULL
  • minLoc – 指向最小值位置（2維情況）的指針， 如果未指定則使用NULL
  • maxLoc – 指向最大值位置（2維情況）的指針， 如果未指定則使用NULL
  • mask – 可選的蒙版，用於選擇待處理子區域

[cpp] view plain copy
  1. // 求極值 最大、最小值及其位置  
  2.     Mat img = imread("Lena.jpg",0);  
  3.     imshow("original image",img);  
  4.   
  5.     double minVal=0,maxVal=0;  
  6.     cv::Point minPt, maxPt;  
  7.     minMaxLoc(img,&minVal,&maxVal,&minPt,&maxPt);  
  8.     cout<<"min value  = "<<minVal<<endl;  
  9.     cout<<"max value  = "<<maxVal<<endl;  
  10.     cout<<"minPt = ("<<minPt.x<<","<<minPt.y<<")"<<endl;  
  11.     cout<<"maxPt = ("<<maxPt.x<<","<<maxPt.y<<")"<<endl;  
  12.     cout<<endl;  
  13.   
  14.     cv::Rect rectMin(minPt.x-10,minPt.y-10,20,20);  
  15.     cv::Rect rectMax(maxPt.x-10,maxPt.y-10,20,20);  
  16.   
  17.     cv::rectangle(img,rectMin,cv::Scalar(200),2);  
  18.     cv::rectangle(img,rectMax,cv::Scalar(255),2);  
  19.   
  20.     imshow("image with min max location",img);  
  21.     cv::waitKey();  
運行結果：


輸入圖像及其最大最小值位置


3. 其他矩陣運算

其他矩陣運算函數見下表：

Function (函數名)

Use (函數用處)

add

矩陣加法，A+B的更高級形式，支持mask

scaleAdd

矩陣加法，一個帶有縮放因子dst(I) = scale * src1(I) + src2(I)

addWeighted

矩陣加法，兩個帶有縮放因子dst(I) = saturate(src1(I) * alpha + src2(I) * beta + gamma)

subtract

矩陣減法，A-B的更高級形式，支持mask

multiply

矩陣逐元素乘法，同Mat::mul()函數，與A*B區別，支持mask

gemm

一個廣義的矩陣乘法操作

divide

矩陣逐元素除法，與A/B區別，支持mask

abs

對每個元素求絕對值

absdiff

兩個矩陣的差的絕對值

exp

求每個矩陣元素 src(I) 的自然數 e 的 src(I) 次冪 dst[I] = esrc(I)

pow

求每個矩陣元素 src(I) 的 p 次冪 dst[I] = src(I)p

log

求每個矩陣元素的自然數底 dst[I] = log|src(I)| (if src != 0)

sqrt

求每個矩陣元素的平方根

min, max

求每個元素的最小值或最大值返回這個矩陣 dst(I) = min(src1(I), src2(I)), max同

minMaxLoc

定位矩陣中最小值、最大值的位置

compare

返回逐個元素比較結果的矩陣

bitwise_and, bitwise_not, bitwise_or, bitwise_xor

每個元素進行位運算，分別是和、非、或、異或

cvarrToMat

舊版數據CvMat,IplImage,CvMatND轉換到新版數據Mat

extractImageCOI

從舊版數據中提取指定的通道矩陣給新版數據Mat

randu

以Uniform分布產生隨機數填充矩陣，同 RNG::fill(mat, RNG::UNIFORM)

randn

以Normal分布產生隨機數填充矩陣，同 RNG::fill(mat, RNG::NORMAL)

randShuffle

隨機打亂一個一維向量的元素順序

theRNG()

返回一個默認構造的RNG類的對象

 theRNG()::fill(...)

reduce

矩陣縮成向量

repeat

矩陣拷貝的時候指定按x/y方向重復

split

多通道矩陣分解成多個單通道矩陣

merge

多個單通道矩陣合成一個多通道矩陣

mixChannels

矩陣間通道拷貝，如Rgba[]到Rgb[]和Alpha[]

sort, sortIdx

為矩陣的每行或每列元素排序

setIdentity

設置單元矩陣

completeSymm

矩陣上下三角拷貝

inRange

檢查元素的取值范圍是否在另兩個矩陣的元素取值之間，返回驗證矩陣

checkRange

檢查矩陣的每個元素的取值是否在最小值與最大值之間，返回驗證結果bool

sum

求矩陣的元素和

mean

求均值

meanStdDev

均值和標准差

countNonZero

統計非零值個數

cartToPolar, polarToCart

笛卡爾坐標與極坐標之間的轉換

flip

矩陣翻轉

transpose

矩陣轉置，比較 Mat::t() AT

trace

矩陣的跡

determinant

行列式 |A|, det(A)

eigen

矩陣的特征值和特征向量

invert

矩陣的逆或者偽逆，比較 Mat::inv()

magnitude

向量長度計算 dst(I) = sqrt(x(I)2 + y(I)2)

Mahalanobis

Mahalanobis距離計算

phase

相位計算，即兩個向量之間的夾角

norm

求范數，1-范數、2-范數、無窮范數

normalize

標准化

mulTransposed

矩陣和它自己的轉置相乘 AT * A, dst = scale(src - delta)T(src - delta)

convertScaleAbs

先縮放元素再取絕對值，最后轉換格式為8bit型

calcCovarMatrix

計算協方差陣

solve

求解1個或多個線性系統或者求解最小平方問題(least-squares problem)

solveCubic

求解三次方程的根

solvePoly

求解多項式的實根和重根

dct, idct

正、逆離散余弦變換，idct同dct(src, dst, flags | DCT_INVERSE)

dft, idft

正、逆離散傅立葉變換, idft同dft(src, dst, flags | DTF_INVERSE)

LUT

查表變換

getOptimalDFTSize

返回一個優化過的DFT大小

mulSpecturms

兩個傅立葉頻譜間逐元素的乘法

上表引自：http://blog.sina.com.cn/s/blog_7908e1290101i97z.html


轉載請注明出處（本文更新鏈接）：http://blog.csdn.net/iracer/article/details/51296631


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 opencv矩陣運算(2) OpenCV矩陣運算 【OpenCV學習】矩陣運算和操作2 【OpenCV學習】矩陣操作總結 OpenCV 對Mat矩陣加、減、乘、除、轉置等操作的總結 numpy 矩陣運算 js之矩陣運算方法 octave矩陣運算 [C語言]矩陣運算 矩陣乘法（一）：基本運算
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM