Eigen库完全教程——从入门到入魂

已于 2023-11-06 14:17:31 修改
阅读量7.6k 收藏 58
点赞数 9
文章标签： c++ 线性代数 图像处理 计算机视觉 vscode
于 2023-10-25 22:23:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45545158/article/details/134042063
版权

1.eigen库介绍

eigen库是C++中的线性代数库，实现了线性代数以及矩阵分析中所有计算方法。既然已经要学eigen库了，想必，线性代数的基本知识肯定是有的。如果你是做三维重建的，那么这个库必学。
另外，eigen库内部实现的操作基本都是高度优化的，计算顺序可能并不像我们平时计算那样从左到右，一般情况下，我们是不需要去管这个的。
eigen官方库使用官方教程链接: link

2.matrix对象创建

只有一个模板类Matrix,其他的所有数据类型3阶矩阵、2维向量等等都是由这个类模板定义的。如typedef Matrix<int,2,1> Vector2i；typedef Matrix<float,3,3> Matrix3f;

    //固定大小的矩阵
    Eigen::Matrix<int, 2, 2> mat1;
    Eigen::Matrix2i mat2;
    cout << "mat1:"<<endl<<mat1 << endl;
    cout << "mat2:" << endl<<mat2 << endl;
    //mat不支持构造时初始化，vec是可以构造时初始化
    mat2 << 1, 2,
        3, 4;
    cout << "输入值后，mat2:" << endl << mat2 << endl;
    Eigen::Vector2f vec2f(99.9, 88.8);
    cout << "输入值后，vec2f:" << endl << vec2f << endl;

    //如果支持C++11特性，则mat和vec都可以用列表初始化
    Eigen::MatrixXi dymat{{1, 2, 3}, { 4,5,6 }};
    cout << "dymat:" << endl << dymat << endl;

运行结果：
在这里插入图片描述

矩阵元素的访问

#include <iostream>
#include <Eigen/Dense>
 
int main()
{
  Eigen::MatrixXd m(2,2);
  m(0,0) = 3;
  m(1,0) = 2.5;
  m(0,1) = -1;
  m(1,1) = m(1,0) + m(0,1);
  std::cout << "Here is the matrix m:\n" << m << std::endl;
  Eigen::VectorXd v(2);
  v(0) = 4;
  v(1) = v(0) - 1;
  std::cout << "Here is the vector v:\n" << v << std::endl;
}

动态矩阵–即矩阵维度是不确定的

用Eigen::MatrixXi来定义（其实是Eigen::Matrix<int,dynamic,dynamic>）。动态矩阵时可以改变大小的resize函数。

    //如果支持C++11特性，则mat和vec都可以用列表初始化
    Eigen::MatrixXi dymat{{1, 2, 3}, { 4,5,6 }};
    cout << "dymat:" << endl << dymat << endl;
    cout << "行数："<<dymat.rows() << endl;
    dymat.resize(3, 2);
    cout << "dymat:" << endl << dymat << endl;
    cout << "行数：" << dymat.rows() << endl;

注意：Eigen中矩阵的元素存储默认是列主序，即dymat在内存中是 1,4，2,5，3,6
在这里插入图片描述

可能有人会问，什么时候用动态矩阵。什么时候用固定矩阵？
这个没有必然的答案，只有更合适。比如，在你知道矩阵大小，且维度小于16的情况下，使用固定矩阵对于性能计算会更好。反之则使用动态矩阵。另外，动态矩阵是在堆上申请的，固定矩阵是在栈上申请的。

3.矩阵四则运算

eigen库通过运算符重载来实现类似于普通常数的四则运算，当然也有一些函数方法。注意： Eigen库不支持数据类型的自动提升，所以执行四则运算的矩阵必须是相同数据类型，可以使用cast()成员函数进行数据类型强转。

加减

    Eigen::Matrix2d a;
    a << 1, 2,
        3, 4;
    Eigen::MatrixXd b(2, 2);
    b << 2, 3,
        1, 4;
    std::cout << "a + b =\n" << a + b << std::endl;
    std::cout << "a - b =\n" << a - b << std::endl;
    std::cout << "Doing a += b;" << std::endl;
    a += b;
    std::cout << "Now a =\n" << a << std::endl;
    Eigen::Vector3d v(1, 2, 3);
    Eigen::Vector3d w(1, 0, 0);
    std::cout << "-v + w - v =\n" << -v + w - v << std::endl;

在这里插入图片描述

标量乘除

    Eigen::Matrix2d a{{1, 2}, { 3, 4 }};
    cout << a << endl;
    cout << "************" << endl;
    auto a1 = a * 2;
    auto a2 = a / 2;
    cout << a1 << endl;
    cout << "************" << endl;
    cout << a2 << endl;

在这里插入图片描述

矩阵乘除

    Eigen::Matrix2d a{{1, 2}, { 3, 4 }};
    Eigen::Matrix2d b = a.transpose();
    cout << "a:" << endl << a << endl;
    cout << "b:" << endl << b << endl;
    cout << "a*b:" << endl << a * b << endl;

    Eigen::Vector2d c(1, 1);
    cout << "a * b * c" << endl << a * b * c << endl;

在这里插入图片描述

内积和外积–dot、cross

    Eigen::Vector3d a(1, 1,1);
    Eigen::Vector3d b(3, 4,5);
    cout << "内积：" << a.dot(b) << endl;
    cout << "内积另一种计算：" << a.transpose()*b << endl;
    cout << "叉乘：" <<endl<< a.cross(b) << endl;

在这里插入图片描述

4. Array类实现逐元素的操作。类似于numpy中的广播机制。

只要记住是逐元素操作就行，其它的所有操作都跟Matrix差不多。

    Eigen::Array<int, 2, 3> a{{-1, -2, -1}, { 6,6,6 }};
    Eigen::Array<int, 2, 3> b{{2, 2, 2}, { 2,3,2 }};
    cout << "a:" << endl << a << endl;
    cout << "b:" << endl << b << endl;
    cout << "a+1:" << endl << a + 1 << endl;
    cout << "a+b:" << endl << a + b << endl;
    cout << "a*b:" << endl << a * b << endl;
    cout << "a的绝对值：" << a.abs() << endl;
    cout << "b的平方根：" << b.sqrt() << endl;
    cout << "返回a和b中对应元素位置最大的元素组成的array：" << endl << a.max(b) << endl;

在这里插入图片描述

5.矩阵块操作–block、（）重载

    Eigen::MatrixXf m(4, 4);
    m << 1, 2, 3, 4,
        5, 6, 7, 8,
        9, 10, 11, 12,
        13, 14, 15, 16;
    //block方法返回值做右值
    auto t = m.block<2, 2>(1, 1);
    cout << t << endl;
    //左值
    m.block(1, 1, 2, 2) = Eigen::Array22f::Constant(0.5);
    cout << "m:\n" << m << endl;

在这里插入图片描述
注意： 块操作结果是可以作为左值的，即block函数返回的是引用。
取块的其他操作：

    Eigen::MatrixXf m(4, 4);
    m << 1, 2, 3, 4,
        5, 6, 7, 8,
        9, 10, 11, 12,
        13, 14, 15, 16;
    //block方法返回值做右值
    auto t = m.block<2, 2>(1, 1);
    cout << t << endl;
    //左值
    m.block(1, 1, 2, 2) = Eigen::Array22f::Constant(0.5);
    cout << "m:\n" << m << endl << endl;
    //取第2行
    cout << "第2行：" << m.row(1) << endl;
    //左上角2*3，并+1
    m.topLeftCorner(2, 3) = m.topLeftCorner(2, 3).array() + 1;
    cout << endl << "左上角+1后：\n" << m << endl;

在这里插入图片描述

6.切片-seq,seqN,lastN,all,其它数组

切片和块操作差不多，都支持左值和右值计算。不同的是，切片更灵活，切片得到的矩阵布局跟切片时输入的行列顺序一样。

    Eigen::MatrixXf m(4, 4);
    m << 1, 2, 3, 4,
        5, 6, 7, 8,
        9, 10, 11, 12,
        13, 14, 15, 16;
    //matrix的切片
    //用seq()生成数组
    cout << m(Eigen::seq(1, 2),Eigen::seq(0,1) ) << endl;
    cout << "********" << endl;
    //用seqN（）生成间隔数组
    cout << m(Eigen::seqN(0, 2, 2), Eigen::last) << endl;
    cout << "********" << endl;
    //用一般的可遍历容器生成数组
    int col[2] = { 0,1 };
    cout << m(vector<int>{1, 2, 3}, col) << endl;
    cout << "********" << endl;
    //用lastN生成后面的数组
    cout << m(Eigen::lastN(2), Eigen::all) << endl;
    cout << "********" << endl;

在这里插入图片描述

    cout <<"m:\n"<< m << endl;
    cout << "********" << endl;
    //逆序切片
    cout << m(Eigen::seq(Eigen::last, 1, -1), vector<int>{1, 2}) << endl;
    //任意行列切片
    cout << "********" << endl;
    Eigen::Array3i ainx{1, 3, 2};
    cout << m(vector<int>{2, 1, 2}, ainx) << endl;

在这里插入图片描述

7.初始化的其它方法–用matrix初始化

    //用matrix来初始化，实现堆叠
    MatrixXi mat1(2, 2);
    mat1 << 1, 2, 3, 4;
    MatrixXi mat2(2, 3);
    mat2 << 1, 1, 1, 2, 2, 2;
    cout << "mat1:\n" << mat1 << endl;
    cout << "mat2:\n" << mat2 << endl;

    MatrixXi mat3(2, 5);
    mat3 << mat1, mat2;
    cout << "mat3:\n" << mat3 << endl;

    MatrixXi mat4(5, 5);
    mat4.row(0) << mat3.row(1);
    mat4.row(1).head(4) << 4, 4, 4, 4;
    mat4.row(1).tail(1) << 100;
    mat4.block(2, 0, 3, 5) << mat3, mat3.row(0);
    cout << "mat4:\n" << mat4 << endl;

在这里插入图片描述

8.常见的一些基本矩阵幅值

零矩阵、单位阵、常矩阵、随机矩阵

    //零矩阵
    MatrixXi mat1 = MatrixXi::Zero(2, 3);
    cout << "mat1:\n" << mat1 << endl;
    Matrix3i mat2 = Matrix3i::Zero();
    cout << "mat2:\n" << mat2 << endl;
    
    //常数矩阵
    MatrixXf mat3 = MatrixXf::Constant(2, 3, 6.6);
    cout << "mat3:\n" << mat3 << endl;
    
    //随机矩阵
    RowVectorXf vec1 = RowVector3f::Random();//-1~1随机浮点数
    cout << "vec1:\n" << vec1 << endl;

    //单位阵
    MatrixXi mat4 = Matrix3i::Identity();
    cout << "mat4:\n" << mat4 << endl;

在这里插入图片描述
分块的常见矩阵赋值or原地赋值操作

    const int size = 6;
    MatrixXd mat1(size, size);
    mat1.topLeftCorner(size / 2, size / 2) = MatrixXd::Zero(size / 2, size / 2);
    mat1.topRightCorner(size / 2, size / 2) = MatrixXd::Identity(size / 2, size / 2);
    mat1.bottomLeftCorner(size / 2, size / 2) = MatrixXd::Identity(size / 2, size / 2);
    mat1.bottomRightCorner(size / 2, size / 2) = MatrixXd::Zero(size / 2, size / 2);
    std::cout << mat1 << std::endl << std::endl;

    MatrixXd mat2(size, size);
    mat2.topLeftCorner(size / 2, size / 2).setZero();
    mat2.topRightCorner(size / 2, size / 2).setIdentity();
    mat2.bottomLeftCorner(size / 2, size / 2).setIdentity();
    mat2.bottomRightCorner(size / 2, size / 2).setZero();
    std::cout << mat2 << std::endl << std::endl;

    MatrixXd mat3(size, size);
    mat3 << MatrixXd::Zero(size / 2, size / 2), MatrixXd::Identity(size / 2, size / 2),
        MatrixXd::Identity(size / 2, size / 2), MatrixXd::Zero(size / 2, size / 2);
    std::cout << mat3 << std::endl;

在这里插入图片描述

八岁入知命
关注
  • 9
    点赞
  • 踩
  • 58
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Eigen——C++矩阵运算库
weixin_42040046的博客
11-28 9696
Eigen——C++矩阵运算库Eigen是什么？下载配置使用参考 Eigen是什么？ Eigen是一个基于C++模板的开源库，支持线性代数，矩阵和矢量运算，数值分析及其相关的算法。 下载配置 官网：Eigen官网，下载解压缩可以重命名为eigen3，在项目——属性——C/C++——常规——附加包含目录添加该库位置就好了。 图文详细：vs2013配置Eigen库 使用 注：Eigen使用源代码方式...
Eigen类库的中文简易教程
11-28
本文档是关于Eigen类库的中文简易教程。chm格式，方便阅读。中英文是对照，还可以锻炼英语的阅读能力。
eigen库使用教程，使用说明文档
05-31
eigen库使用教程，使用说明文档
C++矩阵库 | Eigen 3.4.90 | 中文使用文档 （一）
最新发布
m0_70254540的博客
06-20 1706
本文主要介绍了cpp中的线性代数库的基本用法
Eigen——c++矩阵库使用入门实践
guotianqing的博客
12-21 3778
简介 一句话介绍Eigen： Eigen is a C++ template library for linear algebra: matrices, vectors, numerical solvers, and related algorithms. Eigen是用于线性代数的C++模板库：用于矩阵，向量，数值求解器和相关算法运算。 特点： 功能完善：支持所有大小的矩阵、支持所有标准数据类型等 速度极快：表达式模板允许在适当的情况下智能地删除临时文件并启用延迟计算 高可靠性 高灵活性 机器学
深入浅出（九）Eigen库
qq_43572400的博客
02-01 1860
eigen C++ 开源矩阵计算库，有关eigen的简介、文件结构、API、源代码使用与生成库使用的方法介绍
Eigen库安装及使用教程
tutu_hu的博客
06-18 2273
eigen c++库安装及使用教程。
Eigen库的简单实用说明
03-09
这是我在做项目时，给下一届接手的人写的一个关于Eigen库的快速上手手册，主要是针对于项目的应用来写的。当时使用Eigen库的目的是，将Matlab写的，LPCC和MFCC两种声音识别算法，十字形声阵列的MUSIC定位算法，和SVM分类器算法，转换成C++然后移植到到ARM处理器上（操作系统级上的并不是裸机）。而使用Eigen库的原因就是，其能够在编译时进一步优化，而且只需导入头文件即可进行调用，而不像其他的一些库需要安装那么麻烦。这篇使用说明是在2016年7月14日完成的。下面就是关于Eigen矩阵库的使用说明。
Eigen 使用指南（入门篇）
热门推荐
小怪物爱吹牛的博客
02-13 2万+
Eigen 使用指南
eigen库使用方法.zip
05-24
eigen3源码操作示例程序vs2015程序示例,带说明文档，保证通俗易懂，迅速走入eigen开发大门
Eigen教程(1)
weixin_33923148的博客
01-24 552
整理下Eigen库的教程，参考：http://eigen.tuxfamily.org/dox/index.html 简介 Eigen是C++中可以用来调用并进行矩阵计算的一个库，简单了说它就是一个c++版本的matlab包。 安装 下载eigen：http://eigen.tuxfamily.org/index.php?title=Main_Page#Download Eigen只包...
Eigen库的使用指南
07-21
Eigen库的使用指南
网页版eigen中文教程_eigen教程_eigen；矩阵函数库；中文教程_
10-01
通过这个网页版的Eigen中文教程，无论是初学者还是有经验的开发者，都能找到适合自己的学习路径，快速上手并精通Eigen库。记得在学习过程中结合实践，不断巩固理论知识，以达到最佳的学习效果。
C++ Eigen库的下载配置和使用
03-07
一、Eigen 介绍 二、Eigen 的下载 三、Eigen 的配置 3.1 在 Qt 下配置 3.2 在 Visual Studio (VS) 下配置 四、Eigen 的使用 4.1 矩阵和向量的初始化 4.2 矩阵元素的赋值 4.3 矩阵元素的访问 4.4 获取矩阵大小 4.5 ...
Eigen3库编译资源
09-16
Eigen3库虽然可以不编译，但是我为了编译Ceres库还是把Eigen库编译了一下，Eigen库编译不会生成动态链接库，只会有include文件和share文件，主要是使用include文件中的eigen3文件夹
C++矩阵库 Eigen 快速入门
01-21
近需要用 C++ 做一些数值计算，之前一直采用Matlab 混合编程的方式处理矩阵运算，非常麻烦，直到发现了 Eigen 库，简直相见恨晚，好用哭了。 Eigen 是一个基于C++模板的线性代数库，直接将库下载后放在项目目录下，...
【Eigen】【Eigen实践】【Eigen的使用学习记录】
qq_45954434的博客
07-12 2700
稠密矩阵的代数运算（逆，特征值等） 1.2 定义和初始化 1.2.1 定义n*m矩阵 1.2.2 定义n*1向量 1.2.3 定义n*n矩阵|初始化为0 1.2.4 定义动态矩阵 1.3 对Eigen操作 1.3.1 输入数据 1.3.2 矩阵整个输出 1.3.3 用()访问矩阵中的元素 1.3.4 矩阵和向量相乘|类型转换 1.4 矩阵运算（随机数、转置、各元素和、迹、数乘、逆、行列式、特征值、特特征向量） 1.5 解方程 初始化求解方程：.....................
Eigen库常用运算（matlab）
weixin_43763284的博客
10-16 627
Eigen库常见使用
安装eigen库到vscode
09-14
要在VSCode中安装Eigen库，需要按照以下步骤进行操作： 1. 首先，确保你已经在本地下载并解压了Eigen库的源代码。你可以从提供的下载地址中获取Eigen库的源代码。 2. 打开VSCode软件，并在你设定的代码目录下创建一个名为`.vscode`的文件夹。这个文件夹将用于配置VSCode的设置。 3. 在`.vscode`文件夹中，创建一个名为`c_cpp_properties.json`的文件。这个文件将用于配置C++的属性。 4. 在`c_cpp_properties.json`文件中，添加以下代码来指定Eigen库的路径： ```json { "configurations": [ { "name": "Win32", "includePath": [ "${workspaceFolder}/**", "path/to/eigen" // 将"path/to/eigen"替换为你解压Eigen库的路径 ], "defines": [ "_DEBUG", "UNICODE", "_UNICODE" ], "windowsSdkVersion": "10.0.18362.0", "compilerPath": "C:/path/to/gcc.exe" // 将"C:/path/to/gcc.exe"替换为你的GCC编译器路径 } ], "version": 4 } ``` 请确保将`"path/to/eigen"`替换为你解压Eigen库的实际路径，并将`"C:/path/to/gcc.exe"`替换为你的GCC编译器的实际路径。 5. 完成以上步骤后，你就已经成功将Eigen库安装到了VSCode中。现在你可以在你的C++项目中使用Eigen库进行开发了。 请记住，为了成功使用Eigen库，你还需要在你的C++代码中包含相应的头文件，并且在编译时链接到Eigen库。 希望这个解答对你有帮助！如果你还有其他问题，请随时提问。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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