opencv矩阵运算

左手的ㄟ右手 2022-07-13 14:52 175阅读 0赞

一、矩阵  
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.减法  
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);//点乘,I.mul(I,3);-->I=3\*I.^2  
Mat C=A.mul(5/B);//==divide(A,B,C,5);  
A\*B;矩阵相乘  
I=alpha\*I;  
Mat::cross(Mat);//三维向量(或矩阵)的叉乘,A.cross(B)  
double Mat::dot(Mat);//2个向量(或矩阵)的点乘的结果,A.dot(B)  
mul-------multiply  
pow(src,double p,dst);//如果p是整数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;都是点除  
5.转换  
I.convertTo(I1,CV\_32F);//类型转换  
A.t();//转置  
flip(I,dst,int flipCode);//flipCode=0是上下翻转，>0时左右翻转,<0时一起来  
sqrt(I,dst);  
cvtColor(I,dst,int code,int dstCn=0);  
resize:对图像进行形变  
\--------------------------------------------------------------------------  
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:用来统计非零的向量个数.(rows\*cols个)  
Scalar m=mean(I);//各通道求平均  
Mat RowClone=C.row(1).clone();//复制第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.运算符  
log10()  
exp(I,dst);//dst=exp(I);计算每个数组元素的指数  
log(I,dst);//如果Iij!=0;则dstij=log(|Iij|)  
randu(I,Scalar::all(0),Scalar::all(255));  
Mat::t()转置  
Mat::inv(int method=DECOMP\_LU)求逆。method=DECOMP\_CHOLESKY(专门用于对称，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)//求绝对值  
A cmpop B;A compop alpha;alpha cmpop A;这里cmpop表示>,>=,==,!=,<=,<等，结果是CV\_8UC1的mask的0或255  
按位运算：A logicop B;A logicop s;s logicop A;~A;这里logicop代表&,|,^  
bitwise\_not(I,dst,mask);//inverts所有的队列  
还有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的类型一样  
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和对应特征值的特征向量  
minMaxLoc(I1,&minVal,&maxVal,Point \*minLoc=0,Point\* MaxLoc=0,mask);  
//minLoc是2D时距原点最小的点(未考证)  
\------------------------------------------------------------------------------  
8.初始化  
Mat I(img,Rect(10,10,100,100));//用一块地方初始化。  
Mat I=img(Range:all(),Range(1,3));//所有行，1~3列  
Mat I=img.clone();//完全复制  
img.copyTo(I);//传递矩阵头  
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);//对角矩阵  
Mat O=Mat::ones(2,2,CV\_32F);//全一矩阵  
Mat Z=Mat::zeros(3,3,CV\_8UC1);//全零矩阵  
Mat C=(Mat\_(2,2)<<0,-1,2,3);//如果是简单矩阵的初始化  
Mat::row(i);Mat::row(j);Mat::rowRange(start,end);Mat::colRange(start,end);都只是创建个头  
Mat::diag(int d);d=0是是主对角线，d=1是比主低的对角线,d=-1....  
static Mat Mat::diag(const Mat& matD)  
Mat::setTo(Scalar &s);以s初始化矩阵  
Mat::push\_back(Mat);在原来的Mat的最后一行后再加几行  
Mat::pop\_back(size\_t nelems=1);//移出最下面几行  
\-------------------------------------------------------------------------------  
9.矩阵读取和修改  
(1)1个通道：  
for(int i=0;i  
for(int j=0;j  
I.at(i,j)=k;  
(2)3个通道：  
Mat\_ \_I=I;//他没有4个通道寸，只有3个通道！  
for(int i=0;i  
for(int j=0;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(i,j)\[0\]....  
\-------------------------------------------------  
float \*s;  
for(i=0;i  
\{s=proImg.ptr(i);  
for(j=0;j  
\{a1=s\[3\*j+1\]-m1;  
a2=s\[3\*j+2\]-m2;\}\}  
\-------------------------------------------------------------------------  
(3)其他机制  
I.rows(0).setTo(Scalar(0));//把第一行清零  
saturate\_cast(...);//可以确保内容为0~255的整数  
Mat::total();返回一共的元素数量  
size\_t Mat::elemSize();返回元素的大小:CV\_16SC3-->3\*sizeof(short)-->6  
size\_t Mat::elemSize1();返回元素一个通道的大小CV\_16SC3-->sizeof(short)-->2  
int Mat::type()返回他的类型CV\_16SC3之类  
int Mat::depth()返回深度:CV\_16SC3-->CV\_16S  
int Mat::channels()返回通道数  
size\_t Mat:step1()返回一个被elemSize1()除以过的step  
Size Mat::size()返回Size(cols,rows);如果大于2维，则返回(-1,-1)，都是先宽再高的  
bool Mat::empty()如果没有元素返回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随机类:next,float RNG::uniform(float a,float b);..  
double RNG::gaussian(double sigma);  
RNG::fill(I,int distType,Mat low,Mat up);//用随机数填充  
randu(I,low,high);  
randn(I,Mat mean,Mat stddev);  
reduce(I,dst,int dim,int reduceOp,int dtype=-1);//可以统计每行或每列的最大、最小、平均值、和  
setIdentity(dst,Scalar &value=Scalar(1));//把对角线替换为value  
//效果等同：Mat A=Mat::eye(4,3,CV\_32F)\*5;  
\--------------------------------------------------------------  
10.较复杂运算  
gemm(I1,I2,alpha,I3,beta,dst,int flags=0);//I1至少是浮点型,I2同I1,flags用来转置  
//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数  
mulTransposed(I,dst,bool aTa,Mat delta=noArray(),double scale=1,int rtype=-1);  
//I是1通道的,和gemm不同,他可用于任何类型。  
//如果aTa=flase时,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//转到极坐标  
compare(I1,I2,dst,cmpop);cmpop=CMP\_EQ,CMP\_GT,CMP\_GE,CMP\_LT,CMP\_LE,COM\_NE  
completeSymm(M,bool lowerToUpper=false);当lowerToUpper=true时Mij=Mji(ij)  
变成可显示图像:convertScaleAbs(I,dst,alpha,beta);dst=saturate\_cast(|alpha\*I+beta|);  
dct(I,dst,int flags=0);//DCT变换，1维、2维的矩阵;flags=DCT\_INVERSE,DCT\_ROWS  
idct,dft,idft  
inRange(I1,I\_low,I\_up,dst);//dst是CV\_8UC1,在2者之间就是255  
Mahalanobis(vec1,vec2,covar);  
merge(vector,Mat);//把多个Mat组合成一个和split相反  
double norm(...)：当src2木有时,norm可以计算出最长向量、向量距离和、向量距离和的算术平方根  
solveCubic解3次方程，solvePoly解n次方程  
排列：sort,sortIdx  
mixChannels();对某个通道进行各种传递  
\-----------------------------------------------------------------  
11.未懂的函数  
getConvertElem,extractImageCOI,LUT  
magnitude(x,y,dst);//I1,I2都是1维向量,dst=sqrt(x(I)^2+y(I)^2);  
meanStdDev,  
MulSpectrums(I1,I2,dst,flags);傅里叶  
normalize(I,dst,alpha,beta,int normType=NORM\_L2,int rtype=-1,mask);//归一化  
PCA,SVD,solve,transform,transpose  
二、其他数据结构  
Point2f P(5,1);  
Point3f P3f(2,6,7);  
vector v;v.push\_back((float)CV\_PI);v.push\_back(2);v.push\_back(3.01f);//不断入  
vector vPoints(20);//一次定义20个  
  
  
三、常用方法  
Mat mask=src<0;这样很快建立一个mask了  
  
  
四、以后可能用到的函数  
randShuffle,repeat