产生随机数是编程中经常用到的操作,特别在进行初始化的时候需要赋一些随机值。C和C++中产生随机数的方法如rand()、srand()等在OpenCV中仍可以用。此外,OpenCV还特地编写了C++的随机数类RNG,C的随机数类CvRNG,还有一些相关的函数,使用起来更加方便。下面,一一介绍。
说明
- 关键字前带cv的都是C里的写法,不带cv的是C++里的写法,比如CvRNG和RNG,其本质都是一样的。
- 计算机产生的随机数都是伪随机数,是根据种子seed和特定算法计算出来的。所以,只要种子一定,算法一定,产生的随机数是相同的
- 要想产生完全重复的随机数,可以用系统时间做种子。OpenCV中用GetTickCount(),C 中用time()
所有的结果见最后面截图。
1. OpenCV中的C++版本随机数
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)
其实,rng既是一个RNG对象,也是一个随机整数。
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
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
RNG& rng=theRNG();
- 1
- 2
- 3
- 4
问题来了,如果进行多次运行,每次运行的结果是一样的,有木有~
可以采取另一种方式,用系统时间作为种子初始化rng
- 1
开始生成随机数啦
- 1
- 2
- 3
每次运行生成的随机数都不一样哦~
看结果~