opencv只能求解对称矩阵的特征值和特征向量吗
2016-04-05 · 知道合伙人互联网行家
护肤达人IT宅族
知道合伙人互联网行家
向TA提问 私信TA
知道合伙人互联网行家
采纳数:5637
获赞数:17441
毕业于曲阜师范大学,学士学位。互联网行业2年从业经验,读过SEO相关书籍。现任爱家网SEO优化专员。
向TA提问 私信TA
关注
展开全部
首先安转和配置OpenCV windows版,在此不赘述!
首先看看OpenCV中的矩阵运算的相关知识:CvMat(多通道矩阵)
CvMat的结构定义:
typedef struct CvMat
{
int type; /* CvMat 标识 (CV_MAT_MAGIC_VAL), 元素类型和标记 */
int step; /* 以字节为单位的行数据长度*/
int* refcount; /* 数据引用计数 */
union
{
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data; /* data 指针 */
#ifdef __cplusplus
union
{
int rows;
int height;
};
union
{
int cols;
int width;
};
#else
int rows; /* 行数 */
int cols; /* 列数*/
#endif
} CvMat;CvMat分配矩阵空间:
CvMat* cvCreateMat(int rows, int cols, int type);
例如:CvMat* M = cvCreateMat(4, 4, CV_32FC1);
其中CV_32FC1表示32位浮点单通道矩阵
CvMat释放矩阵空间:
CvMat* M = cvCreateMat(4, 4, CV_32FC1);
cvReleaseMat(&M);
复制矩阵:
CvMat* M1 = cvCreateMat(4, 4, CV_32FC1);
CvMat* M2;
M2 = cvCloneMat(M1);
初始化矩阵:
double a[] = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}, {10, 11, 12} };
CvMat Ma = cvMat(4, 3, CV_32FC1, a);//method 1
CvMat Ma; cvInitMatHeader(&Ma, 3, 4, CV_32FC1, a);//method2
特征值分析(对称矩阵)
CvMat* A = cvCreateMat(3, 3, CV_32FC1);
CvMat* B = cvCreateMat(3, 3, CV_32FC1);
CvMat* C = cvCreateMat(3, 1, CV_32FC1);
cvEigenVV(A, B, C);//C是A的特征值(降序排列),而B则是A的特征向量(每行)
例如下面的例子(编译通过)
//获得特征向量
//add by maozhaoyang
vector<vector<double> > CImgClusterDemoView::GetEigenMat(const vector<vector<double> > &k)
{
CvMat* M = cvCreateMat(k.size(),k.size(),CV_64FC1);
cvZero(M);
for(int i = 0; i < k.size(); i++)
for(int j = 0; j < k.size(); j++)
cvmSet(M, i, j, k[i][j]);
CvMat* E = cvCreateMat(k.size(), k.size(), CV_64FC1);
cvZero(E);
CvMat* I = cvCreateMat(k.size(), 1, CV_64FC1);
cvZero(I);
//从矩阵M中获取特征向量存入E(降序排列),特征值存入I
cvEigenVV(M, E, I);
vector<double> a(k.size(),0);
vector< vector<double> > eigenMat(2,a);
//取前两个最大的特征向量
for(int i = 0; i < 2; i++)
for(int j = 0; j < k.size(); j++)
eigenMat[i][j] = cvmGet(E,i,j);
cvReleaseMat(&M);
cvReleaseMat(&E);
cvReleaseMat(&I);
return eigenMat;
}
首先看看OpenCV中的矩阵运算的相关知识:CvMat(多通道矩阵)
CvMat的结构定义:
typedef struct CvMat
{
int type; /* CvMat 标识 (CV_MAT_MAGIC_VAL), 元素类型和标记 */
int step; /* 以字节为单位的行数据长度*/
int* refcount; /* 数据引用计数 */
union
{
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data; /* data 指针 */
#ifdef __cplusplus
union
{
int rows;
int height;
};
union
{
int cols;
int width;
};
#else
int rows; /* 行数 */
int cols; /* 列数*/
#endif
} CvMat;CvMat分配矩阵空间:
CvMat* cvCreateMat(int rows, int cols, int type);
例如:CvMat* M = cvCreateMat(4, 4, CV_32FC1);
其中CV_32FC1表示32位浮点单通道矩阵
CvMat释放矩阵空间:
CvMat* M = cvCreateMat(4, 4, CV_32FC1);
cvReleaseMat(&M);
复制矩阵:
CvMat* M1 = cvCreateMat(4, 4, CV_32FC1);
CvMat* M2;
M2 = cvCloneMat(M1);
初始化矩阵:
double a[] = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}, {10, 11, 12} };
CvMat Ma = cvMat(4, 3, CV_32FC1, a);//method 1
CvMat Ma; cvInitMatHeader(&Ma, 3, 4, CV_32FC1, a);//method2
特征值分析(对称矩阵)
CvMat* A = cvCreateMat(3, 3, CV_32FC1);
CvMat* B = cvCreateMat(3, 3, CV_32FC1);
CvMat* C = cvCreateMat(3, 1, CV_32FC1);
cvEigenVV(A, B, C);//C是A的特征值(降序排列),而B则是A的特征向量(每行)
例如下面的例子(编译通过)
//获得特征向量
//add by maozhaoyang
vector<vector<double> > CImgClusterDemoView::GetEigenMat(const vector<vector<double> > &k)
{
CvMat* M = cvCreateMat(k.size(),k.size(),CV_64FC1);
cvZero(M);
for(int i = 0; i < k.size(); i++)
for(int j = 0; j < k.size(); j++)
cvmSet(M, i, j, k[i][j]);
CvMat* E = cvCreateMat(k.size(), k.size(), CV_64FC1);
cvZero(E);
CvMat* I = cvCreateMat(k.size(), 1, CV_64FC1);
cvZero(I);
//从矩阵M中获取特征向量存入E(降序排列),特征值存入I
cvEigenVV(M, E, I);
vector<double> a(k.size(),0);
vector< vector<double> > eigenMat(2,a);
//取前两个最大的特征向量
for(int i = 0; i < 2; i++)
for(int j = 0; j < k.size(); j++)
eigenMat[i][j] = cvmGet(E,i,j);
cvReleaseMat(&M);
cvReleaseMat(&E);
cvReleaseMat(&I);
return eigenMat;
}
光点科技
2023-08-15 广告
2023-08-15 广告
通常情况下,我们会按照结构模型把系统产生的数据分为三种类型:结构化数据、半结构化数据和非结构化数据。结构化数据,即行数据,是存储在数据库里,可以用二维表结构来逻辑表达实现的数据。最常见的就是数字数据和文本数据,它们可以某种标准格式存在于文件...
点击进入详情页
本回答由光点科技提供
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询