OpenCV学习入门(四):RNG 伪随机问题

在OpenCV学习过程中,作者在调试kmeans时遇到伪随机数生成的问题,发现每次运行同一段代码,生成的随机数始终相同。本文探讨了RNG类的使用,并介绍了计算机伪随机数的基本概念,帮助理解为何会出现这种情况。
摘要由CSDN通过智能技术生成

在我的上一篇博客《OpenCV学习入门(三):kmeans原理及代码中调试kmeans时发现一个问题:每次运行时,以下两行代码

int clusterCount = rng.uniform(2, MAX_CLUSTERS + 1);		
int sampleCount = rng.uniform(1, 1001);

生成的两个变量结果是一样的!于是我就研究了一下随机类RNG,最终找到了问题的原因。

在解释原因之前先了解一下伪随机数,百度里面对计算机产生随机数的过程有详细解释,看不懂也没关系,关于伪随机数记住下面一句话即可:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值