opencv中用RNG产生随机数

    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

1. 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。
2. 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
3. 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)

[cpp] view plain copy

1. //创建RNG对象，使用默认种子“-1”  
2. RNG rng;  
3.       
4. //产生64位整数  
5. int N1 = rng;  
6.   
7. /*-------------产生均匀分布的随机数uniform和高斯分布的随机数gaussian---------*/  
8.       
9. //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   
10. double N1a = rng.uniform(0,1);  
11.       
12. //产生[0,1)范围内均匀分布的double类型数据  
13. double N1b = rng.uniform((double)0,(double)1);  
14.   
15. //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。  
16. double N1c = rng.uniform(0.f,1.f);  
17.   
18. //产生[0,1)范围内均匀分布的double类型数据。  
19. double N1d = rng.uniform(0.,1.);  
20.   
21. //可能会因为重载导致编译不通过(确实没通过。。)     
22. //double N1e = rng.uniform(0,0.999999);  
23.   
24. //产生符合均值为0，标准差为2的高斯分布的随机数  
25. double N1g = rng.gaussian(2);     

    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

[cpp] view plain copy

1. RNG rng;  
2. int N2 = rng.next();                    //返回下一个随机整数，即N1.next();  
3.   
4. //返回下一个指定类型的随机数  
5. int N2a = rng.operator uchar();         //返回下一个无符号字符数  
6. int N2b = rng.operator schar();         //返回下一个有符号字符数  
7. int N2c = rng.operator ushort();        //返回下一个无符号短型  
8. int N2d = rng.operator short int();     //返回下一个短整型数  
9. int N2e = rng.operator int();           //返回下一个整型数  
10. int N2f = rng.operator unsigned int();  //返回下一个无符号整型数  
11. int N2g = rng.operator float();         //返回下一个浮点数  
12. int N2h = rng.operator double();        //返回下一个double型数  
13. int N2i = rng.operator ()();            //和rng.next( )等价  
14. 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 

[cpp] view plain copy

1. //产生[1,1000)均匀分布的int随机数填充fillM  
2. Mat_<int>fillM(3,3);  
3. rng.fill(fillM,RNG::UNIFORM,1,1000);  
4. cout << "filM = " << fillM << endl << endl;  
5.       
6. Mat fillM1(3,3,CV_8U);  
7. rng.fill(fillM1,RNG::UNIFORM,1,1000,TRUE);  
8. cout << "filM1 = " << fillM1 << endl << endl;  
9.       
10. Mat fillM2(3,3,CV_8U);  
11. rng.fill(fillM2,RNG::UNIFORM,1,1000,FALSE);  
12. cout << "filM2 = " << fillM2 << endl << endl;  
13. //fillM1产生的数据都在[0,，255)内，且小于255；  
14. //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,    
15.   
16. //产生均值为1，标准差为3的随机double数填进fillN  
17. Mat_<double>fillN(3,3);  
18. rng.fill(fillN,RNG::NORMAL,1,3);  
19. cout << "filN = " << fillN << endl << endl;  

   

RNG& rng=theRNG();

    RNG& rng=theRNG();
    double x= (double)rng;
    float  y= (float)rng;
    int    z= (int)rng;
 
 
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

RNG rng((unsigned)time(NULL));//当然，用这个要记得加上头函数<time.h>
 
 
1

开始生成随机数啦

double x=rng.uniform((double)0,(double)255);
float y=rng.uniform(0.f,255.f);
int z=rng.uniform((int)0, (int)255 );
 
 
1
2
3

每次运行生成的随机数都不一样哦~ 
看结果~