1.1 RNG
RNG类是opencv里C++的随机数产生器。它可产生一个64位的int随机数。目前可按均匀分布和高斯分布产生随机数。随机数的产生采用的是Multiply-With-Carry算法和Ziggurat算法。
1.1.1 产生一个随机数
RNG可以产生3种随机数
RNG(int seed) 使用种子seed产生一个64位随机整数,默认-1
RNG::uniform( ) 产生一个均匀分布的随机数
RNG::gaussian( ) 产生一个高斯分布的随机数
RNG::uniform(a, b ) 返回一个[a,b)范围的均匀分布的随机数,a,b的数据类型要一致,而且必须是int、float、double中的一种,默认是int。
RNG::gaussian( σ) 返回一个均值为0,标准差为σ的随机数。
如果要产生均值为λ,标准差为σ的随机数,可以λ+ RNG::gaussian( σ)
//创建RNG对象,使用默认种子“-1”
RNG rng;
//产生64位整数
int N1 = rng;
/*-------------产生均匀分布的随机数uniform和高斯分布的随机数gaussian---------*/
//总是得到double类型数据0.000000,因为会调用uniform(int,int),只会取整数,所以只产生0
double N1a = rng.uniform(0,1);
//产生[0,1)范围内均匀分布的double类型数据
double N1b = rng.uniform((double)0,(double)1);
//产生[0,1)范围内均匀分布的float类型数据,注意被自动转换为double了。
double N1c = rng.uniform(0.f,1.f);
//产生[0,1)范围内均匀分布的double类型数据。
double N1d = rng.uniform(0.,1.);
//可能会因为重载导致编译不通过(确实没通过。。)
//double N1e = rng.uniform(0,0.999999);
//产生符合均值为0,标准差为2的高斯分布的随机数
double N1g = rng.gaussian(2);
1.1.2 返回下一个随机数
上面一次只能返回一个随机数,实际上系统已经生成一个随机数组。如果我们要连续获得随机数,没有必要重新定义一个RNG类,只需要取出随机数组的下一个随机数即可。
RNG:: next 返回下一个64位随机整数
RNG:: operator 返回下一个指定类型的随机数
RNG rng;
int N2 = rng.next(); //返回下一个随机整数,即N1.next();
//返回下一个指定类型的随机数
int N2a = rng.operator uchar(); //返回下一个无符号字符数
int N2b = rng.operator schar(); //返回下一个有符号字符数
int N2c = rng.operator ushort(); //返回下一个无符号短型
int N2d = rng.operator short int(); //返回下一个短整型数
int N2e = rng.operator int(); //返回下一个整型数
int N2f = rng.operator unsigned int(); //返回下一个无符号整型数
int N2g = rng.operator float(); //返回下一个浮点数
int N2h = rng.operator double(); //返回下一个double型数
int N2i = rng.operator ()(); //和rng.next( )等价
int N2j = rng.operator ()(100); //返回[0,100)范围内的随机数
1.1.3 用随机数填充矩阵 RNG::fill( )
void fill( InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false );
InputOutputArray 输入输出矩阵,最多支持4通道,超过4通道先用reshape()改变结构
int distType UNIFORM 或 NORMAL,表示均匀分布和高斯分布
InputArray a disType是UNIFORM,a表示为下界(闭区间);disType是NORMAL,a均值
InputArray b disType是UNIFORM,b表示为上界(开区间);disType是NORMAL,b标准差
bool saturateRange=false 只针对均匀分布有效。当为真的时候,会先把产生随机数的范围变换到数据类型的范围,再产生随机数;
如果为假,会先产生随机数,再进行截断到数据类型的有效区间。请看以下fillM1和fillM2的例子并观察结果
//产生[1,1000)均匀分布的int随机数填充fillM
Mat_<int>fillM(3,3);
rng.fill(fillM,RNG::UNIFORM,1,1000);
cout << "filM = " << fillM << endl << endl;
Mat fillM1(3,3,CV_8U);
rng.fill(fillM1,RNG::UNIFORM,1,1000,TRUE);
cout << "filM1 = " << fillM1 << endl << endl;
Mat fillM2(3,3,CV_8U);
rng.fill(fillM2,RNG::UNIFORM,1,1000,FALSE);
cout << "filM2 = " << fillM2 << endl << endl;
//fillM1产生的数据都在[0,,255)内,且小于255;
//fillM2产生的数据虽然也在同样范围内,但是由于用了截断操作,所以很多数据都是255,
//产生均值为1,标准差为3的随机double数填进fillN
Mat_<double>fillN(3,3);
rng.fill(fillN,RNG::NORMAL,1,3);
cout << "filN = " << fillN << endl << endl;
1.1.4
使用时间戳作为种子数
RNG rng((unsigned)time(NULL));//当然,用这个要记得加上头函数<time.h>
double x=rng.uniform((double)0,(double)255);
float y=rng.uniform(0.f,255.f);
int z=rng.uniform((int)0, (int)255 );
每次运行生成的随机数都不一样哦~
看结果~