OpenCV中的Mat类型与Eigen中的Matrix类型转换

最新推荐文章于 2023-05-31 09:48:53 发布
最新推荐文章于 2023-05-31 09:48:53 发布
阅读量3.2k 收藏 25
点赞数 2
分类专栏： 软件应用
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/springslx/article/details/99414321
版权

参考链接：
https://blog.csdn.net/chengde6896383/article/details/83448882整体概括了Eigen库中的Matrix类与OpenCV中的Mat类转换过程中的注意事项，尤其是在使用两个不同的第三方依赖库时，头文件的引入顺序很重要，其次就是转换方法。
https://blog.csdn.net/piaoxuezhong/article/details/79110421该博客对Eigen库的使用、Matrix类、Matrix和opencv中Mat的转换，以及与MATLAB中的矩阵操作进行对比，介绍非常详细，值得参考！！

1、首先包含头文件（先包含Eigen相关库，再包含opencv库）
#include <Eigen/Core>
#include <opencv2/core/eigen.hpp>

2、Eigen与OpenCV之间的交互（Eigen<----->OpenCV）
opencv矩阵结构为：cv::Mat，或者cv::Mat_等，当需要与eigen的矩阵结构相互转换时主要使用函数：
cv::eigen2cv和cv::cv2eigen,需要头文件：#include<opencv2/core/eigen.hpp>
opencv–>eigen:
在这里插入图片描述
eigen–>opencv:
在这里插入图片描述

补充：
eigen与matlab函数的对应关系可参考https://blog.csdn.net/piaoxuezhong/article/details/79110421

#include <Eigen/Dense>   
// 基本用法  
// Eigen          // Matlab           // 注释  
x.size()          // length(x)        // 向量的长度  
C.rows()          // size(C,1)        // 矩阵的行数  
C.cols()          // size(C,2)        // 矩阵的列数  
x(i)              // x(i+1)           // 访问向量元素（Matlab的下标从1开始计数）  
C(i,j)            // C(i+1,j+1)       // 访问矩阵元素  
    
A << 1, 2, 3,     // 初始化A，元素也可以是矩阵，先按列堆叠，再按行堆叠。  
     4, 5, 6,       
     7, 8, 9;       
B << A, A, A;     // B 是3个A水平排列  
A.fill(10);       // 将A的所有元素填充为10  
  
// Eigen                                    // Matlab                       注释  
MatrixXd::Identity(rows,cols)               // eye(rows,cols)               //单位矩阵  
C.setIdentity(rows,cols)                    // C = eye(rows,cols)           //单位矩阵  
MatrixXd::Zero(rows,cols)                   // zeros(rows,cols)             //全零矩阵  
C.setZero(rows,cols)                        // C = zeros(rows,cols)         //全零矩阵  
MatrixXd::Ones(rows,cols)                   // ones(rows,cols)              //全一矩阵  
C.setOnes(rows,cols)                        // C = ones(rows,cols)          //全一矩阵  
MatrixXd::Random(rows,cols)                 // rand(rows,cols)*2-1          //MatrixXd::Random 返回范围为(-1, 1)的均匀分布的随机数  
C.setRandom(rows,cols)                      // C = rand(rows,cols)*2-1      //返回范围为(-1, 1)的均匀分布的随机数  
VectorXd::LinSpaced(size,low,high)          // linspace(low,high,size)'     //返回size个等差数列，第一个数为low，最后一个数为high  
v.setLinSpaced(size,low,high)               // v = linspace(low,high,size)' //返回size个等差数列，第一个数为low，最后一个数为high  
VectorXi::LinSpaced(((hi-low)/step)+1,      // low:step:hi                  //以step为步长的等差数列。((hi-low)/step)+1为个数  
                    low,low+step*(size-1))  //  
  
  
// Matrix 切片和块。下面列出的所有表达式都是可读/写的。  
// 使用模板参数更快（如第2个）。注意：Matlab是的下标是从1开始的。  
// Eigen                           // Matlab                        // 注释  
x.head(n)                          // x(1:n)                        //前n个元素  
x.head<n>()                        // x(1:n)                        //前n个元素  
x.tail(n)                          // x(end - n + 1: end)           //倒数n个元素  
x.tail<n>()                        // x(end - n + 1: end)           //倒数n个元素  
x.segment(i, n)                    // x(i+1 : i+n)                  //切片  
x.segment<n>(i)                    // x(i+1 : i+n)                  //切片  
P.block(i, j, rows, cols)          // P(i+1 : i+rows, j+1 : j+cols) //块  
P.block<rows, cols>(i, j)          // P(i+1 : i+rows, j+1 : j+cols) //块  
P.row(i)                           // P(i+1, :)                     //第i行  
P.col(j)                           // P(:, j+1)                     //第j列  
P.leftCols<cols>()                 // P(:, 1:cols)                  //前cols列  
P.leftCols(cols)                   // P(:, 1:cols)                  //前cols列  
P.middleCols<cols>(j)              // P(:, j+1:j+cols)              //中间cols列  
P.middleCols(j, cols)              // P(:, j+1:j+cols)              //中间cols列  
P.rightCols<cols>()                // P(:, end-cols+1:end)          //后cols列  
P.rightCols(cols)                  // P(:, end-cols+1:end)          //后cols列  
P.topRows<rows>()                  // P(1:rows, :)                  //前rows行  
P.topRows(rows)                    // P(1:rows, :)                  //前rows行  
P.middleRows<rows>(i)              // P(i+1:i+rows, :)              //中间rows行  
P.middleRows(i, rows)              // P(i+1:i+rows, :)              //中间rows行  
P.bottomRows<rows>()               // P(end-rows+1:end, :)          //最后rows行  
P.bottomRows(rows)                 // P(end-rows+1:end, :)          //最后rows行  
P.topLeftCorner(rows, cols)        // P(1:rows, 1:cols)             //左上角块  
P.topRightCorner(rows, cols)       // P(1:rows, end-cols+1:end)     //右上角块  
P.bottomLeftCorner(rows, cols)     // P(end-rows+1:end, 1:cols)     //左下角块  
P.bottomRightCorner(rows, cols)    // P(end-rows+1:end, end-cols+1:end) //右下角块  
P.topLeftCorner<rows,cols>()       // P(1:rows, 1:cols)                 //左上角块  
P.topRightCorner<rows,cols>()      // P(1:rows, end-cols+1:end)         //右上角块  
P.bottomLeftCorner<rows,cols>()    // P(end-rows+1:end, 1:cols)         //左下角块  
P.bottomRightCorner<rows,cols>()   // P(end-rows+1:end, end-cols+1:end) //右下角块  
  
  
// 特别说明：Eigen的交换函数进行了高度优化  
// Eigen                           // Matlab  
R.row(i) = P.col(j);               // R(i, :) = P(:, j)  
R.col(j1).swap(mat1.col(j2));      // R(:, [j1 j2]) = R(:, [j2, j1]) //交换列  
  
  
// Views, transpose, etc;  
// Eigen                           // Matlab  
R.adjoint()                        // R'                    // 共轭转置  
R.transpose()                      // R.' or conj(R')       // 可读/写 转置  
R.diagonal()                       // diag(R)               // 可读/写 对角元素  
x.asDiagonal()                     // diag(x)               // 对角矩阵化  
R.transpose().colwise().reverse()  // rot90(R)              // 可读/写 逆时针旋转90度  
R.rowwise().reverse()              // fliplr(R)             // 水平翻转  
R.colwise().reverse()              // flipud(R)             // 垂直翻转  
R.replicate(i,j)                   // repmat(P,i,j)         // 复制矩阵，垂直复制i个，水平复制j个  
  
  
// 四则运算，和Matlab相同。但Matlab中不能使用*=这样的赋值运算符  
// 矩阵 - 向量    矩阵 - 矩阵      矩阵 - 标量  
y  = M*x;          R  = P*Q;        R  = P*s;  
a  = b*M;          R  = P - Q;      R  = s*P;  
a *= M;            R  = P + Q;      R  = P/s;  
                   R *= Q;          R  = s*P;  
                   R += Q;          R *= s;  
                   R -= Q;          R /= s;  
  
  
// 逐像素操作Vectorized operations on each element independently  
// Eigen                       // Matlab        //注释  
R = P.cwiseProduct(Q);         // R = P .* Q    //逐元素乘法  
R = P.array() * s.array();     // R = P .* s    //逐元素乘法（s为标量）  
R = P.cwiseQuotient(Q);        // R = P ./ Q    //逐元素除法  
R = P.array() / Q.array();     // R = P ./ Q    //逐元素除法  
R = P.array() + s.array();     // R = P + s     //逐元素加法（s为标量）  
R = P.array() - s.array();     // R = P - s     //逐元素减法（s为标量）  
R.array() += s;                // R = R + s     //逐元素加法（s为标量）  
R.array() -= s;                // R = R - s     //逐元素减法（s为标量）  
R.array() < Q.array();         // R < Q         //逐元素比较运算  
R.array() <= Q.array();        // R <= Q        //逐元素比较运算  
R.cwiseInverse();              // 1 ./ P        //逐元素取倒数  
R.array().inverse();           // 1 ./ P        //逐元素取倒数  
R.array().sin()                // sin(P)        //逐元素计算正弦函数  
R.array().cos()                // cos(P)        //逐元素计算余弦函数  
R.array().pow(s)               // P .^ s        //逐元素计算幂函数  
R.array().square()             // P .^ 2        //逐元素计算平方  
R.array().cube()               // P .^ 3        //逐元素计算立方  
R.cwiseSqrt()                  // sqrt(P)       //逐元素计算平方根  
R.array().sqrt()               // sqrt(P)       //逐元素计算平方根  
R.array().exp()                // exp(P)        //逐元素计算指数函数  
R.array().log()                // log(P)        //逐元素计算对数函数  
R.cwiseMax(P)                  // max(R, P)     //逐元素计算R和P的最大值  
R.array().max(P.array())       // max(R, P)     //逐元素计算R和P的最大值  
R.cwiseMin(P)                  // min(R, P)     //逐元素计算R和P的最小值  
R.array().min(P.array())       // min(R, P)     //逐元素计算R和P的最小值  
R.cwiseAbs()                   // abs(P)        //逐元素计算R和P的绝对值  
R.array().abs()                // abs(P)        //逐元素计算绝对值  
R.cwiseAbs2()                  // abs(P.^2)     //逐元素计算平方  
R.array().abs2()               // abs(P.^2)     //逐元素计算平方  
(R.array() < s).select(P,Q );  // (R < s ? P : Q)                             //根据R的元素值是否小于s，选择P和Q的对应元素  
R = (Q.array()==0).select(P,A) // R(Q==0) = P(Q==0) R(Q!=0) = P(Q!=0)         //根据Q中元素等于零的位置选择P中元素  
R = P.unaryExpr(ptr_fun(func)) // R = arrayfun(func, P)     // 对P中的每个元素应用func函数  
  
  
// Reductions.  
int r, c;  
// Eigen                  // Matlab                 //注释  
R.minCoeff()              // min(R(:))              //最小值  
R.maxCoeff()              // max(R(:))              //最大值  
s = R.minCoeff(&r, &c)    // [s, i] = min(R(:)); [r, c] = ind2sub(size(R), i); //计算最小值和它的位置  
s = R.maxCoeff(&r, &c)    // [s, i] = max(R(:)); [r, c] = ind2sub(size(R), i); //计算最大值和它的位置  
R.sum()                   // sum(R(:))              //求和（所有元素）  
R.colwise().sum()         // sum(R)                 //按列求和  
R.rowwise().sum()         // sum(R, 2) or sum(R')'  //按行求和  
R.prod()                  // prod(R(:))                 //累积  
R.colwise().prod()        // prod(R)                    //按列累积  
R.rowwise().prod()        // prod(R, 2) or prod(R')'    //按行累积  
R.trace()                 // trace(R)                   //迹  
R.all()                   // all(R(:))                  //是否所有元素都非零  
R.colwise().all()         // all(R)                     //按列判断，是否该列所有元素都非零  
R.rowwise().all()         // all(R, 2)                  //按行判断，是否该行所有元素都非零  
R.any()                   // any(R(:))                  //是否有元素非零  
R.colwise().any()         // any(R)                     //按列判断，是否该列有元素都非零  
R.rowwise().any()         // any(R, 2)                  //按行判断，是否该行有元素都非零  
  
  
// 点积，范数等  
// Eigen                  // Matlab           // 注释  
x.norm()                  // norm(x).         //范数（注意：Eigen中没有norm(R)）  
x.squaredNorm()           // dot(x, x)        //平方和（注意：对于复数而言，不等价）  
x.dot(y)                  // dot(x, y)        //点积  
x.cross(y)                // cross(x, y)      //交叉积，需要头文件 #include <Eigen/Geometry>  
  
  
 类型转换  
// Eigen                  // Matlab             // 注释  
A.cast<double>();         // double(A)          //变成双精度类型  
A.cast<float>();          // single(A)          //变成单精度类型  
A.cast<int>();            // int32(A)           //编程整型  
A.real();                 // real(A)            //实部  
A.imag();                 // imag(A)            //虚部  
// 如果变换前后的类型相同，不做任何事情。  
  
  
// 注意：Eigen中，绝大多数的涉及多个操作数的运算都要求操作数具有相同的类型  
MatrixXf F = MatrixXf::Zero(3,3);  
A += F;                // 非法。Matlab中允许。（单精度+双精度）  
A += F.cast<double>(); // 将F转换成double，并累加。（一般都是在使用时临时转换）  
  
  
// Eigen 可以将已存储数据的缓存 映射成 Eigen矩阵  
float array[3];  
Vector3f::Map(array).fill(10);            // create a temporary Map over array and sets entries to 10  
int data[4] = {1, 2, 3, 4};  
Matrix2i mat2x2(data);                    // 将 data 复制到 mat2x2  
Matrix2i::Map(data) = 2*mat2x2;           // 使用 2*mat2x2 覆写data的元素   
MatrixXi::Map(data, 2, 2) += mat2x2;      // 将 mat2x2 加到 data的元素上 (当编译时不知道大小时，可选语法)
一叶一菩提~
关注
  • 2
    点赞
  • 踩
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Eigen库中Matrix与OpenCV库中Mat转换
qq_21770839的博客
09-27 2210
opencv矩阵结构为：cv::Mat，或者cv::Mat_等，当需要与eigen的矩阵结构相互转换时主要使用函数：cv::eigen2cv和cv::cv2eigen, 需要头文件：#include<opencv2/core/eigen.hpp> 注意：Eigen头文件要在opencv的eigen.hpp之前，否则报错！ Eigen中Matrix 与OpenCV中Mat间的转换： ma...
opencv 记录: cv::mat eigen 转换
haha074的博客
07-08 1463
#include"iostream" #include"stdlib.h" #include"eigen3/Eigen/Dense" #include"opencv2/core/core.hpp" #include"opencv2/core/eigen.hpp" int main(int argc,char **argv) { cv::Mat rr; rr=(cv::Mat_&...
opencv中mat与jpeg相互转换及显示代码
05-17
opencv中Mat转换成内存数据的jpeg格式,以及显示在mfc的界面中
opencv矩阵转eigen_对极几何的基础矩阵和本质矩阵之实战
weixin_39929715的博客
12-31 264
系列篇：对极几何的基础矩阵和本质矩阵1对极几何的基础矩阵和本质矩阵2对极几何的基础矩阵和本质矩阵3前面几篇文章在理论上对基础矩阵和本质矩阵进行了推导和运算，为了更好的理解，本文着重在代码的演示部分，对于已经很熟练的，可以不予关注本篇。定义头文件 stereo.h#ifndef SLAM_ALGORITHM_STEREO_H#define SLAM_ALGORITHM_STEREO_H#i...
Eigen矩阵和CV::Mat的拼接方法
weixin_38009585的博客
04-23 4754
1.cv::Mat矩阵拼接（注意在拼接方向上的维度应该相同） cv::vconcat(C, A, B); //水平拼接 cv::hconcat(C, A, B); //垂直拼接 2.Eigen矩阵拼接（注意矩阵拼接之前必须要确定大小! 否则会报错） MatrixXd A; MatrixXd B; MatrixXd C; A.resize(3, 3); //注意矩阵拼接之前必须要确定大小，否则...
C++ 各自数据类型之间的转换
qq_43526137的博客
09-19 1025
数据类型转换 cv::mat 转 eigen
Mat矩阵和Eigen矩阵区别与联系
weixin_44401286的博客
12-21 549
码代码中遇到的问题，查了网页资料做下记录，留作备用… 参考链接： https://cloud.tencent.com/developer/article/1709129 https://www.jianshu.com/p/23b40b0f66aa https://blog.csdn.net/yangliuqing19/article/details/60874290 https://blog.csdn.net/piaoxuezhong/article/details/79110421 https://www
MSCKF论文学习
weixin_44754915的博客
03-02 3140
参考资料： notes MSCKF 公式推导_努力努力努力-CSDN博客_msckf推导 MSCKF那些事（一）MSCKF算法简介 - 知乎 0. 说明 左边代表的是传统EKF-SLAM, 红色五角星是old feature,这个也是保存在状态向量中的,状态向量为之前的所有特征点和最新的位姿； 中间这张可以表示的是keyframe-based SLAM, 它会保存稀疏的关键帧和它们之间相关联的地图点; 最右边这张则可以代表MSCKF的一个基本结构, MSCKF中老的地图点和滑窗之外的相机姿
opencv矩阵转eigen_cv :: Mat转换为Eigen-Matrix和back
weixin_39929961的博客
12-20 161
I have several feature vectors stored in a cv::Mat where, each row is a feature vector (several rows like this one here: [ x1 y1 x2 y2 x3 y3.... ]). I have to apply SVD on each feature vector and for ...
C++ Eigen、opencv库矩阵操作
驽马十驾，功在不舍；锲而不舍，金石可镂。
05-31 1820
C++ Eigen库/opencv库矩阵操作
Opencv的Mat中绘制中文字体功能
07-16
封装在Opencv的Mat图像中绘制中文文字功能！解决Opencv中默认绘制中文字体出现乱码的情况！
OpenCV中Mat类的数学运算和区域选取
12-26
这个是关于OpenCV中Mat类的一些数学运算，包括加减运算，点乘，点除，矩阵乘法，还有幂函数指数函数等计算以及一些区域的选取。
Opencv图像Mat写入中文汉字
11-11
自己改写的中文汉字写入到图片Mat的程序
cv::Mat类型的定义初始化方法汇总
springslx的专栏
08-13 5959
原文链接：https://blog.csdn.net/guduruyu/article/details/66973415 cv::Mat 是Opencv2和OpenCV3中基本的数据类型，在cv::Mat类中，关于cv::Mat的定义和初始化有多种不同的形式，下面对其进行总结。 一、无数据拷贝的cv::Mat的定义和初始化 1、默认形式 cv::Mat m; 2、指定类型和大小（行列）的二维数组 ...
关于Ubuntu中Could not get lock /var/lib/dpkg/lock解决方案
springslx的专栏
11-02 5778
关于Ubuntu中Could not get lock /var/lib/dpkg/lock解决方案 1：我遇到的问题： 在开机运行apt install vim 命令的时候，如下报错： 2：参考博客： 在Ubuntu中，有时候运用sudo apt-get install 安装软件时，会出现一下的情况 E: Could not get lock /var/lib/dpkg/lock - ope...
“错误 C3861 “pop_t”: 找不到标识符 ”
springslx的专栏
03-03 5127
基于统计分析的StatisticalOutlierRemoval滤波器 该滤波器主要用于移除离群点，那么什么样的点是离群点呢？计算点云中每个点与其所有临近点的平均距离，并假设其结果为一形状由均值和标准差决定的高斯分布，若有某点平均距离在标准范围（由全局距离平均值和方差定义）之外，则定义为离群点，并将其从数据集中去除掉，这也是本滤波器的内在处理逻辑，即对每个点的邻域进行一个统计分析。 激光扫描通常会...
OpenCV棋盘角点检测原理总结
springslx的专栏
10-10 4290
图1 ：原始图片 第一步，局部平均自适应阈值化方法对亮度不均匀情况适应性强，因此用该方法对图像二值化，均衡化后得到了理想的门限，效果如图2所示。 第二步，图像膨胀分离各个黑块四边形的衔接，由于膨胀的是白色像素点，因此能够缩小黑块四边形，断掉衔接，效果如图3所示。 第三步，检测四边形，计算每个轮廓的凸包，多边形检测，以及判断是否只有四个顶点，若是则为四边形，再用长宽比、周长和面积等约束去除一...
数据类型转换——Mat类与Vector<Point2f>族类
springslx的专栏
08-13 3116
1、Mat —> vector or vector：用“Mat_”,“Mat_” Mat m; vector<Point3f> p; p = Mat_<Point3f>(m); 2、vector or vector —> vector<vector> or vector<vector>: 用“.push_back()”，比较简单，例略。...
opencv中将Eigen转换成opencvmat的函数
最新发布
03-18
在OpenCV中，可以使用`cv::eigen2cv()`函数将Eigen库中的`Eigen::Matrix`对象转换为OpenCV中的`cv::Mat`对象。该函数的原型如下： ```cpp void cv::eigen2cv(const Eigen::Matrix<_Tp, _Rows, _Cols, _Options, _MaxRows, _MaxCols>& src, cv::Mat& dst) ``` 其中，`src`是要转换的Eigen矩阵，`dst`是转换后的OpenCV矩阵。需要注意的是，转换后的OpenCV矩阵与原始Eigen矩阵共享数据，因此对其中一个的修改会影响到另一个。 以下是一个示例代码，展示了如何使用`cv::eigen2cv()`函数将Eigen矩阵转换为OpenCV矩阵： ```cpp #include <iostream> #include <Eigen/Dense> #include <opencv2/opencv.hpp> int main() { Eigen::Matrix<float, 3, 3> eigenMat; eigenMat << 1, 2, 3, 4, 5, 6, 7, 8, 9; cv::Mat cvMat; cv::eigen2cv(eigenMat, cvMat); std::cout << "Eigen Matrix:\n" << eigenMat << std::endl; std::cout << "OpenCV Matrix:\n" << cvMat << std::endl; return 0; } ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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