OpenCV (c++) 数组计算: 向量

已于 2024-04-16 13:48:04 修改
阅读量305 收藏 4
点赞数 1
分类专栏： OpenCV (C++版) 教程 文章标签： opencv c++
于 2024-04-16 13:47:54 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/weixin_51133173/article/details/137821666
版权

目录

1行n列的向量

逐元素-加法

乘1个数

点乘

转置

统计-非0元素个数

int类型

float类型

均值/标准差

减均值

除标准差

排序

从小到大

从大到小

最值

std

cv::minMaxLoc

Size

dims

Mat.data指针

下面例子中的向量其实是1行n列的矩阵

1行n列的向量

逐元素-加法

例子1

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32SC1);

    vector<int> x = {-1,1,2};
    for (int i=0; i<x.size(); i++)
    { A.at<int>(0,i) = x[i]; }

    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    A = A + 1;
    for (int i=0; i<x.size(); i++)
    { cout << A.at<int>(0,i) << ", "; }
    cout << endl;
}
rows:1, cols:3, channels:1
0, 2, 3,

例子2

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32SC1);

    vector<int> x = {-1,1,2};
    for (int i=0; i<x.size(); i++)
    { A.at<int>(0,i) = x[i]; }

    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    A = A + A;
    for (int i=0; i<x.size(); i++)
    { cout << A.at<int>(0,i) << ", "; }
    cout << endl;
}
rows:1, cols:3, channels:1
-2, 2, 4,
乘1个数
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32SC1);

    vector<int> x = {-1,1,2};
    for (int i=0; i<x.size(); i++)
    { A.at<int>(0,i) = x[i]; }

    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    A = A * 3;
    for (int i=0; i<x.size(); i++)
    { cout << A.at<int>(0,i) << ", "; }
    cout << endl;
}
rows:1, cols:3, channels:1
-3, 3, 6,
点乘
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32SC1);

    vector<int> x = {-1,1,2};
    for (int i=0; i<x.size(); i++)
    { A.at<int>(0,i) = x[i]; }

    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    auto result = A.dot(A);
    cout << result << endl;
    
    for (int i=0; i<x.size(); i++)
    { cout << A.at<int>(0,i) << ", "; }
    cout << endl;
}
rows:1, cols:3, channels:1
6
-1, 1, 2,

转置

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32SC1);

    vector<int> x = {-1,1,2};
    for (int i=0; i<x.size(); i++)
    { A.at<int>(0,i) = x[i]; }
    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    Mat A_trans = A.t();
    cout << "rows:" << A_trans.rows << ", cols:" << A_trans.cols << ", channels:" << A_trans.channels() << endl;
    
    for (int i=0; i<x.size(); i++)
    { cout << A_trans.at<int>(i,0) << ", "; }
    cout << endl;
}
rows:1, cols:3, channels:1
rows:3, cols:1, channels:1
-1, 1, 2,

统计-非0元素个数

int类型
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32SC1);

    vector<int> x = {0,0,2};
    for (int i=0; i<x.size(); i++)
    { A.at<int>(0,i) = x[i]; }
    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    cout << cv::countNonZero(A) << endl;
}
rows:1, cols:3, channels:1
1
float类型
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {0,0.00001,2};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    cout << cv::countNonZero(A) << endl;
}
rows:1, cols:3, channels:1
2

均值/标准差

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {0,0.00001,2};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    Mat mean,stddev;
    cv::meanStdDev(A,mean,stddev);

    cout << "rows:" << mean.rows << ", cols:" << mean.cols << ", channels:" << mean.channels() << endl;
    cout << mean << endl;
    cout << mean.at<float>(0,0) << endl;
    cout << mean.at<double>(0,0) << endl;

    double d = 0.666;
    float f = d;
    cout << d << ", " << f << endl;
}
rows:1, cols:3, channels:1
rows:1, cols:1, channels:1
[0.6666699999999157]
4.96427e+11
0.66667
0.666, 0.666
减均值
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,2,3};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    Mat mean,stddev;
    cv::meanStdDev(A,mean,stddev);

    cout << "rows:" << mean.rows << ", cols:" << mean.cols << ", channels:" << mean.channels() << endl;
    cout << "rows:" << stddev.rows << ", cols:" << stddev.cols << ", channels:" << stddev.channels() << endl;
    cout << "mean: "<< mean <<", stddev: " <<stddev << endl;
    
    cout << A << endl;
    Mat process;
    process = A - mean;
    cout << process << endl;
    cout << A - mean.at<double>(0,0) << endl;
    cout << A - 2 << endl;
}
除标准差
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,2,3};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << "rows:" << A.rows << ", cols:" << A.cols << ", channels:" << A.channels() << endl;
    
    Mat mean,stddev;
    cv::meanStdDev(A,mean,stddev);

    cout << "rows:" << mean.rows << ", cols:" << mean.cols << ", channels:" << mean.channels() << endl;
    cout << "rows:" << stddev.rows << ", cols:" << stddev.cols << ", channels:" << stddev.channels() << endl;
    cout << "mean: "<< mean <<", stddev: " <<stddev << endl;
    
    cout << A << endl;
    Mat process;
    process = (A - mean)/stddev;
    cout << process << endl;
    cout << (A - mean.at<double>(0,0))/stddev.at<double>(0,0) << endl;
    cout << (A - 2)/0.81649658 << endl;
}
rows:1, cols:3, channels:1
rows:1, cols:1, channels:1
rows:1, cols:1, channels:1
mean: [2], stddev: [0.8164965809277257]
[1, 2, 3]
[-1.2247449, 0, 1.2247449]
[-1.2247449, 0, 1.224745]
[-1.2247449, 0, 1.224745]

排序

从小到大

std::sort

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,2};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    std::sort(A.begin<float>(), A.end<float>());
    cout << A << endl;
}
[1, 9.9999997e-06, 2]
[9.9999997e-06, 1, 2]

std::stable_sort

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,2};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    std::stable_sort(A.begin<float>(), A.end<float>());
    cout << A << endl;
}
[1, 9.9999997e-06, 2]
[9.9999997e-06, 1, 2]
从大到小

std::sort

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,2};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    std::sort(A.begin<float>(), A.end<float>(),greater<float>());
    cout << A << endl;
}
[1, 9.9999997e-06, 2]
[2, 1, 9.9999997e-06]

std::stable_sort

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,2};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    std::stable_sort(A.begin<float>(), A.end<float>(),greater<float>());
    cout << A << endl;
}
[1, 9.9999997e-06, 2]
[2, 1, 9.9999997e-06]

最值

  • https://blog.csdn.net/shyjhyp11/article/details/109486647

std

max值/位置

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,9};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    auto maxValue = *max_element(A.begin<float>(), A.end<float>());
    auto maxLoc = max_element(A.begin<float>(),A.end<float>()) - A.begin<float>();
    cout << maxValue << endl;
    cout << maxLoc << endl;
}
[1, 9.9999997e-06, 9]
9
2

min值/位置

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,9};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    auto minValue = *min_element(A.begin<float>(), A.end<float>());
    auto minLoc = min_element(A.begin<float>(),A.end<float>()) - A.begin<float>();
    cout << minValue << endl;
    cout << minLoc << endl;
}
[1, 9.9999997e-06, 9]
1e-05
1
cv::minMaxLoc
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,9};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    double maxValue,minValue;
    cv::Point maxIndex,minIndex;
    cv::minMaxLoc(A,&minValue,&maxValue,&minIndex,&maxIndex);
    cout << maxValue << ", " << maxIndex << endl;
    cout << minValue << ", " << minIndex << endl;
}
[1, 9.9999997e-06, 9]
9, [2, 0]
1e-05, [1, 0]

Size

  • 注意：size 与 size() 返回值的区别

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,9};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    cout << "------------\n";
    cout << A.size << endl;
    cout << A.size() << endl;
}
[1, 9.9999997e-06, 9]
------------
1 x 3
[3 x 1]

dims

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,9};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    cout << "------------\n";
    cout << A.dims << endl;
}
[1, 9.9999997e-06, 9]
------------
2

Mat.data指针

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat A(1,3,CV_32FC1);

    vector<float> x = {1,0.00001,9};
    for (int i=0; i<x.size(); i++)
    { A.at<float>(0,i) = x[i]; }
    cout << A << endl;

    cout << "------------\n";
    cout << (float*)A.data << endl;
    cout << *((float*)A.data+2) << endl;
}
[1, 9.9999997e-06, 9]
------------
0x7f9d11913e00
9

Universe-hello
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
opencv 数组操作
zhangjunp3的博客
03-29 1969
一、More Things You Can Do with Arrays 正如我们在前一章中看到的，数组上有许多基本操作，现在由数组类的成员函数处理。 然而，除了这些之外，还有更多的操作最自然地表示为“朋友”函数，这些函数要么将数组类型作为参数，要么将数组类型作为返回值，要么将数组类型作为返回值。 Mat img,m0,m1,m2,m3,img1; img = imread("D:\\cv_st...
OpenCV的数据结构——大型数组类型
godadream的博客
08-16 1078
OpenCV中的数据类型可分为三类，而前两类（基础数据类型和辅助对象）在前面已进行详细讲述，下面将对最后一种——大型数组类型进行讲解。 大型数据类型中最重要的当属cv::Mat，这可谓是OpenCV的核心，所有主要函数几乎都和其相关。cv::Mat类用于表示任意维度的稠密数组。所谓“稠密”表示该数组的所有部分都有一个值存储，即使这个值为0。而和其相对的就是稀疏数组cv::SparseMat，稀疏...
OpenCV中对数组(矩阵)的常用操作
donghu6217的博客
04-08 403
add 矩阵加法，A+B的更高级形式，支持mask scaleAdd 矩阵加法，一个带有缩放因子dst(I) = scale * src1(I) + src2(I) addWeighted 矩阵加法，两个带有缩放因子dst(I) = saturate(src1(I) * al...
OpenCV图像、矩阵、数组
weixin_30773135的博客
03-16 151
一、结构 IplImage |-- int nChannels; // Number of color channels (1,2,3,4) |-- int depth; // Pixel depth in bits: | // IPL_DEPTH_8U, IPL_DEPTH_8S, |...
opencv 如何定义数组_9、了解OpenCV数据类型（二）
weixin_39796878的博客
12-19 628
TermCriteria类。许多算法需要停止条件才能知道何时退出。通常，停止标准采用允许的有限数量的迭代或某种错误参数的形式。在许多情况下，最好同时使用这两种方法，这样保证算法会在某个时刻退出。TermCriteria对象封装了一个或两个停止标准，以便它们可以方便地传递给OpenCV算法函数。它们有三个成员变量type，maxCount和epsilon，可以直接设置，或者更常见的是由构造函数以Te...
Learning-OpenCV.rar_OpenCV_C++_
08-11
OpenCV中的基本图像数据结构是`Mat`，它代表了多维数组，可以用于存储图像、向量、矩阵等。此外，还有`Point`、`Rect`、`Size`等结构体用于表示几何形状。 4. **图像读取与显示** 使用`imread`函数可以读取图像...
九点标定 opencv 方式实现 手眼标定
最新发布
10-18
理解并分析这段代码可以帮助你深入理解OpenCV在手眼标定中的应用，以及C++中如何操作OpenCV库来实现这一功能。 总的来说，九点标定是计算机视觉和机器人学中的基础技术，它使得摄像头能够准确地感知周围环境，从而...
opencv4-tutorials:opencv4学习源代码-opencv source code
03-24
OpenCV4由C++编写，同时支持Python、Java等多种编程语言接口。它的核心库包括以下几个模块： 1. **imgcodecs**: 这个模块处理图像的读取、写入和编码解码，支持多种文件格式，如JPEG、PNG、BMP等。 2. **imgproc**...
opencvjuzhen.rar_OpenCV_Visual_C++_
08-12
- `cv::Mat`是OpenCV中用于存储多维数组的数据结构，可以表示图像、向量、矩阵等。 - 它具有行优先或列优先的存储方式，可以方便地进行内存操作。 - `cv::Mat`支持动态大小调整和内存共享，通过引用计数实现高效...
OpenCV_Face_Detection.rar_OpenCV_Visual_C++_
08-11
在这个“OpenCV_Face_Detection.rar”压缩包中，我们找到了一个使用OpenCV进行人脸识别的示例项目，它基于Visual C++开发。这个项目为我们展示了如何在C++环境中利用OpenCV库来实现高效、精确的人脸检测功能。 首先...
OpenCV各模块函数使用实例（11）--- 矩阵和数组操作（Operations on arrays）
chchzh的专栏
03-07 1814
本节主要讲述opencv的矩阵操作，和目标检测算法。
学习opencv（4）图像和大型数组类型
ma1499060246的博客
12-24 3055
动态可变的存储 大型数组类型最主要的是cv::Mat ,这个结构可以视为OpenCV所有C++实现的核心。 OpenCV所有主要函数：或是cv::Mat类的成员，或是将cv::Mat作为参数，或是返回一个cv::Mat类型。 cv::Mat类用于表示任意维度的稠密数组。“稠密数组”表示该数组的所有部分都有一个值存储，即使这个值是0；“稀疏数组”只有非零的值会被存储，如果数组很多地方都是0，那么稀疏数组会非常节约内存，反之浪费内存。 cv::Mat 类N维稠密数组 cv::Mat类可以作为任意维
OpenCV 中关于向量（Vect）的定义
HunterYoung0718的博客
03-06 3313
对于彩色图像，每个像素由三个部分构成：红色通道、绿色通道和蓝色通达。因此一个包含彩色图像的cv::Mat 会返回一个由三个8位数组成的向量。OpenCV将此类向量定义为cv::Vec3b,即由三个unsigned char组成的向量。 image.at&lt;cv::Vec3b&gt;(j,i)[channel] = value; 其中，索引值channel标明了颜色通道号。 ...
OpenCV 中的向量思维
代码波士
07-23 223
OpenCV 中得矩阵和向量思维 比如下面去除背景算法，源代码使用c++写的，用python重写了一遍， 添加链接描述 用opencv 从实现如下 def reduce_background(img): win_size = 50 nh = int(img.shape[0]/win_size)+1 nw = int(img.shape[1]/win_size)+1 for i in range(nh): for j in range(nw):
c++ vector用法
05-18 1038
c++ vector用法 C++内置的数组支持容器的机制，但是它不支持容器抽象的语义。要解决此问题我们自己实现这样的类。在标准C++中，用容器向量（vector）实现。容器向量也是一个类模板。标准库vector类型使用需要的头文件：#include 。vector 是一个类模板。不是一种数据类型，vector是一种数据类型。Vector的存储空间是连续的,list不是连
【opencv】图像数字化——认识OpenCV中的Mat类（ 5 向量类Vec）
qq_40297054的博客
04-17 168
【代码】【opencv】图像数字化——认识OpenCV中的Mat类（ 5 向量类Vec）
Opencv 基本操作四 指针数组、vector与Mat之间的相互转换 | Mat切片成Vector＜mat＞并还原
a486259的博客
09-14 9790
在深度学习模型部署中通常存在读取图像为mat，然后将mat转换为float指针传入模型的操作。为了快捷开发，因此对指针数组、vector与Mat之间的相互转换进行整理。实现了指针数组、vector之间的相互转换；vector与Mat之间的相互转换（含单通道图像和多通道图像）。vector转mat主要应用在语义分割结果的处理中。
OpenCV 支持向量（SupportVectors）介绍
qq_27278957的博客
03-21 1353
简述 opencv中的SVM中，支持向量是非常重要的一部分，最近在用CVSVM时，运行官方实例，LINEAR核（线性），得到的支持向量总觉得很奇怪，代码如下： #include <opencv2/core.hpp> #include <opencv2/imgproc.hpp> #include "opencv2/imgcodecs.hpp" #include <...
OpenCV 向量的作用
06-09
2. 存储特征向量：向量可以存储特征向量，便于进行机器学习和计算机视觉算法的训练和分类。 3. 存储几何形状：向量可以存储几何形状的顶点坐标，便于进行形状检测和匹配。 4. 存储运动轨迹：向量可以存储物体的...

“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