• opencv-矩阵运算


    加法

        cv::Mat I1(4, 3, CV_8UC3, cv::Scalar(10, 20, 30));
        cv::Mat I2(4, 3, CV_8UC3, cv::Scalar(1, 2, 3));
        cv::Mat I = I1 + I2;  //加法
        cv::Mat II;
        cv::add(I1, I2, II);  //加法
        
    
        std::cerr << I1 << std::endl;
        std::cerr << I2 << std::endl;
        std::cerr << I << std::endl;
        std::cerr << II << std::endl;

    减法

        cv::Mat I1(4, 3, CV_8UC3, cv::Scalar(10, 20, 30));
        cv::Mat I2(4, 3, CV_8UC3, cv::Scalar(1, 28, 3));
        cv::Mat I = I1 - I2;  //减法;若I<0,则I=0
        cv::Mat II;
        cv::subtract(I1, I2, II);  //减法;若I<0,则I=0
        cv::Mat dst;
        cv::absdiff(I1, I2, dst);//若dst<0,则dst=|dst|
        
        std::cerr << I1 << std::endl;
        std::cerr << I2 << std::endl;
        std::cerr << I << std::endl;
        std::cerr << II << std::endl;
        std::cerr << dst << std::endl;

    乘法 

    A*B是以数学运算中矩阵相乘的方式实现的,即Mat矩阵A和B被当做纯粹的矩阵做乘法运算,这就要求A的列数等       于B的行数时,才能定义两个矩阵相乘。如A是m×n矩阵,B是n×p矩阵,它们的乘积AB是一个m×p矩阵

     如上图所示,C=AB。C中第i行第j列所在元素C(i,j)等于A中第i行所有元素跟B中第j列所有元素一一对应的乘积之和

        cv::Mat A = cv::Mat::ones(2, 3, CV_32FC1);
        cv::Mat B = cv::Mat::ones(3, 2, CV_32FC1);
        cv::Mat AB;
    
        A.at<float>(0, 0) = 1;
        A.at<float>(0, 1) = 2;
        A.at<float>(0, 2) = 3;
        A.at<float>(1, 0) = 4;
        A.at<float>(1, 1) = 5;
        A.at<float>(1, 2) = 6;
    
        B.at<float>(0, 0) = 1;
        B.at<float>(0, 1) = 2;
        B.at<float>(1, 0) = 3;
        B.at<float>(1, 1) = 4;
        B.at<float>(2, 0) = 5;
        B.at<float>(2, 1) = 6;
        
        AB = A * B; //乘法
    
        std::cerr << A << std::endl;
        std::cerr << B << std::endl;
        std::cerr << AB << std::endl;

     注意:两个Mat矩阵的数据类型(type)只能是 CV_32F、 CV_64FC1、 CV_32FC2、 CV_64FC2 这4种类型中的一种。若选用其他类型,比如CV_8UC1,编译器会报错

    A.mul(B)

    mul会计算两个Mat矩阵对应位的乘积,所以要求参与运算的矩阵A的行列和B的行列数一致。计算结果是跟A或B行列数一致的一个Mat矩阵

    以简单的情况为例,对于2*2大小的Mat矩阵A和B:

     对A和B执行mul运算:

    说明:

    1. mul操作不对参与运算的两个矩阵A、B有数据类型上的要求,但要求A,B类型一致,不然报错;

    2. Mat AB=A.mul(B),若声明AB时没有定义AB的数据类型,则默认AB的数据类型跟A和B保存一致;

    3. 若AB精度不够,可能产生溢出,那就取最大值;

        cv::Mat A = cv::Mat::ones(2, 3, CV_8UC1);
        cv::Mat B = cv::Mat::ones(2, 3, CV_8UC1);
    
        A.at<uchar>(0, 0) = 60;
        A.at<uchar>(0, 1) = 2;
        A.at<uchar>(0, 2) = 3;
        A.at<uchar>(1, 0) = 4;
        A.at<uchar>(1, 1) = 5;
        A.at<uchar>(1, 2) = 6;
    
        B.at<uchar>(0, 0) = 60;
        B.at<uchar>(0, 1) = 2;
        B.at<uchar>(0, 2) = 3;
        B.at<uchar>(1, 0) = 4;
        B.at<uchar>(1, 1) = 5;
        B.at<uchar>(1, 2) = 6;
    
        cv::Mat AB = A.mul(B);
    
    
        std::cerr << A << std::endl;
        std::cerr << B << std::endl;
        std::cerr << AB << std::endl;

  • 相关阅读:
    [loss]Triphard loss优雅的写法
    [Pytorch]Pytorch中tensor常用语法
    [pytorch]pytorch loss function 总结
    [Pytorch]Pytorch的tensor变量类型转换
    [Pytorch]Pytorch中图像的基本操作(TenCrop)
    caffe深度学习网络(.prototxt)在线可视化工具:Netscope Editor
    samba网络共享
    openwrt开发笔记三:uci移植及API调用
    openwrt开发笔记二:树莓派刷openwrt
    git跟踪忽略规则文件.gitignore
  • 原文地址:https://www.cnblogs.com/liming19680104/p/15488423.html
Copyright © 2020-2023  润新知