• Opencv中Mat矩阵相乘——点乘、dot、mul运算详解



    Mat矩阵点乘——A*B


    Opencv重载了运算符“*”,姑且称之为Mat矩阵“点乘”,其中一个重载声明为:


    CV_EXPORTS MatExpr operator * (const Mat& a, const Mat& b);


    点乘说明:


    1.  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

    更具有代表性的的:对于A、B都是2行2列矩阵的情况:


    Opencv验证:

    定义两个Mat矩阵A和B点乘,A为2行3列,B为3行2列:


    #include "core/core.hpp"     
    #include "iostream"  
    
    using namespace std;   
    using namespace cv;  
    
    int main(int argc,char *argv[])    
    { 
    	Mat A=Mat::ones(2,3,CV_32FC1);
    	Mat B=Mat::ones(3,2,CV_32FC1);
    	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;
    
    	cout<<"A=
    "<<A<<endl<<endl;
    	cout<<"B=
    "<<B<<endl<<endl;
    	cout<<"AB=
    "<<AB<<endl<<endl;
    
    	system("pause");
    }


    输出:


    务必保证两个Mat矩阵中第一个矩阵A的列数等于第二个矩阵B的行数。


    2.  参与点乘的两个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:





    Mat矩阵dot——A.dot(B)


    Opencv中.dot操作才算得上是真正的“点乘”,A.dot(B)操作相当于数学向量运算中的点乘,也叫向量的内积、数量积。


    函数声明:


      //! computes dot-product
        double dot(InputArray m) const;


    dot说明:


    1.  对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,点乘的结果是一个标量。 

      

    对于向量a和向量b:


                                                               


    a和b的点积公式为:



    要求向量a和向量b的行列数相同。


    Mat矩阵的dot方法扩展了一维向量的点乘操作,把整个Mat矩阵扩展成一个行(列)向量,之后执行向量的点乘运算,仍然要求参与dot运算的两个Mat矩阵的行列数完全一致


    2.  dot方法声明中显示返回值是double,所以A.dot(B)结果是一个double类型数据,不是Mat矩阵,不能把A.dot(B)结       果赋值给Mat矩阵


    Opencv验证:


    #include "core/core.hpp"     
    #include "iostream"  
    
    using namespace std;   
    using namespace cv;  
    
    int main(int argc,char *argv[])    
    { 
    	Mat A=Mat::ones(2,3,CV_8UC1);
    	Mat B=Mat::ones(2,3,CV_8UC1);
    
    	A.at<uchar>(0,0)=1;
    	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)=1;
    	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;
    
    	double AB=A.dot(B);
    
    	cout<<"A=
    "<<A<<endl<<endl;
    	cout<<"B=
    "<<B<<endl<<endl;
    	cout<<"double类型的AB=
    "<<AB<<endl<<endl;
    
    	system("pause");
    }
    


    运行结果:



    若对AB声明为Mat,则在编译阶段就会报错。


    3.  dot操作不对参与运算的矩阵A、B的数据类型做要求,CV_8UC1、CV_32FC1等,可以是任何Opencv定义的类         型,如在2中使用的就是CV_8UC1。


    4.  若参与dot运算的两个Mat矩阵是多通道的,则计算结果是所有通道单独计算各自.dot之后,再累计的和,结果仍是一个double类型数据。


    Mat矩阵mul——A.mul(B)


    Opencv中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。


    Opencv中mul声明:


    //! per-element matrix multiplication by means of matrix expressions
        MatExpr mul(InputArray m, double scale=1) const;


    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:



    mul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,溢出的值被置为当前精度下的最大值


    Opencv验证:


    #include "core/core.hpp"     
    #include "iostream"  
    
    using namespace std;   
    using namespace cv;  
    
    int main(int argc,char *argv[])    
    { 
    	Mat A=Mat::ones(2,3,CV_8UC1);
    	Mat B=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;
    
    	Mat AB=A.mul(B);
    
    	cout<<"A=
    "<<A<<endl<<endl;
    	cout<<"B=
    "<<B<<endl<<endl;
    	cout<<"AB=
    "<<AB<<endl<<endl;
    
    	system("pause");
    }
    


    输出:




    AB中第一个元素应该为60*60=360,但AB默认的类型为CV_8UC1,即最大值只能是255;所以执行mul运算一定要定义AB足够的精度,防止溢出。


  • 相关阅读:
    机器学习作业12--朴素贝叶斯-垃圾邮件分类
    机器学习作业11--分类与监督学习,朴素贝叶斯分类算法
    机器学习作业9--主成分分析
    机器学习作业8--特征选择
    机器学习作业7--逻辑回归实践
    机器学习作业6--逻辑回归
    实验五 单元测试
    实验二 结对编程 第二阶段
    实验二 结对编程第一阶段
    实验一 GIT代码版本管理
  • 原文地址:https://www.cnblogs.com/mtcnn/p/9411973.html
Copyright © 2020-2023  润新知