- 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_<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/向量操作
- 矩阵-矩阵操作:
CvMat *Ma,*Mb,*Mc;
cvAdd(Ma,Mb,Mc); // Ma+Mb -> Mc
cvSub(Ma,Mc); // Ma-Mb -> Mc
cvMatMul(Ma,Mc); // Ma*Mb -> Mc
- 按元素的矩阵操作:
CvMat *Ma,*Mc;
cvMul(Ma,Mc); // Ma.*Mb -> Mc
cvDiv(Ma,Mc); // Ma./Mb -> Mc
cvAddS(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 -> res
cvCrossProduct(&Va,&Vb,&Vc); // 向量积: Va x Vb -> Vc
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:
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) -> d
cvInvert(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!!!).
(编辑:李大同)
【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!
|