cv::Mat 的子矩阵赋值

转载地址:http://blog.csdn.net/yang_xian521/article/details/7161335

cv::Mat 的子矩阵赋值


今天在利用CvANN_MLP训练分类器时遇到一个问题,无论输入的训练数据是什么,得到的分类器对每个样本的响应完全一样。

经过仔细检查发现问题在于训练样本的赋值。


// 正样本矩阵为posSample,负样本矩阵为negSample,每行为一个样本,各取出1000个作训练集,余下的做测试集;

trainData(Rect(0,0,ftrDim,1000)) = posSample(Rect(0,0,ftrDim,1000));
trainData(Rect(0,1000,ftrDim,1000)) = negSample(Rect(0,0,ftrDim,1000));


错误在于上面的赋值不会改变trainData里面的原始初值!!!

以前经常用 trainData(Rect(0,0,ftrDim,1000)) = 0.0f; 这样的句法,错误地以为右边为矩阵也可以。 实际上矩阵对矩阵的赋值只有在初始化的时候才可以,而且初始化时也并未进行数据的赋值,而只是讲data指向了原矩阵的数据地址(参见我之前的博客 http://blog.csdn.net/readzw/article/details/8838155)。


对此我进行了测试:

[cpp]  view plain copy
  1. template<typename T>  
  2. void outputMatrix(Mat x)  
  3. {  
  4.     for (int i=0;i<x.rows;i++)  
  5.     {  
  6.         for (int j=0;j<x.cols;j++)  
  7.         {  
  8.             cout<<x.at<T>(i,j)<<", ";  
  9.         }  
  10.         cout<<endl;  
  11.     }  
  12. }  
  13.   
  14. int _tmain(int argc, char** argv)  
  15. {  
  16.     int m1[100];  
  17.     for (int i=0;i<100;i++)  
  18.     {  
  19.         m1[i] = i;  
  20.     }  
  21.     Mat mat1(10,10,CV_32SC1,m1);  
  22.     Mat mat2 = mat1(Rect(3,5,4,5));  
  23.   
  24.     cout<<"======= matrix 1 ::\n";  
  25.     outputMatrix<int>(mat1);  
  26.     cout<<"======= matrix 2 ::\n";  
  27.     outputMatrix<int>(mat2);  
  28.     mat1(Rect(0,0,4,5)) = mat2;<span style="white-space:pre">     
  29. </span><span style="white-space:pre">   </span>cout<<"======= matrix 1 = matrix 2::\n";  
  30. <span style="white-space:pre">  </span>outputMatrix<int>(mat1);  
  31. <span style="white-space:pre">  </span>mat2(Rect(0,0,2,2)) = -1;  
  32. <span style="white-space:pre">  </span>cout<<"======= matrix 2 = -1::\n";  
  33. <span style="white-space:pre">  </span>outputMatrix<int>(mat1);  
  34.         getchar();  
  35.         return 0;  
  36. }  

输出的结果为:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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