OpenCV 2.x/3.x 随机初始化矩阵
简介
在测试算法的时候,或者某些算法需要使用随机数,本文介绍如何使用OpenCV的随机数相关功能。
主要内容:
1. cv::RNG类 —— random number generator
2. cv::randu —— 填充均匀分布随机数
3. cv::randn —— 填充高斯分布随机数
cv::RNG
RNG是OpenCV用来产生随机数的类,他可以产生标量随机数,也可以使用随机数填充Mat对象。当前它只支持均匀分布和高斯分布的随机数。
用实例展示如何产生标量随机数和填充Mat对象。
例1,产生标量随机数。
#include <iostream>
#include <opencv2/opencv.hpp>
int main(){
cv::RNG rnger(cv::getTickCount());
for (int i = 0; i < 10; i++){
std::cout << "int uniform random number : " << rnger.uniform(0, 10) << std::endl;
std::cout << "float uniform random number : " << rnger.uniform(0.f, 1.f) << std::endl;
std::cout << "double uniform random number : " << rnger.uniform(0., 1.) << std::endl;
std::cout << "double gaussian random number : " << rnger.gaussian(1.) << std::endl;
std::cout << std::endl;
}
return 0;
}
例2,用随机数填充矩阵
#include <iostream>
#include <opencv2/opencv.hpp>
int main(){
cv::RNG rnger(cv::getTickCount());
int width = 1280, height = 720;
cv::Mat data;
cv::Scalar mm, ss;
// CV_8UC3 uniform distribution
data.create(height, width, CV_8UC3);
rnger.fill(data, cv::RNG::UNIFORM, cv::Scalar::all(0), cv::Scalar::all(256));
cv::imshow("data", data);
cv::waitKey();
// CV_8UC1 uniform distribution
data.create(height, width, CV_8UC1);
rnger.fill(data, cv::RNG::UNIFORM, cv::Scalar::all(0), cv::Scalar::all(256));
cv::imshow("data", data);
cv::waitKey();
// CV_32FC3 uniform distribution
data.create(height, width, CV_32FC3);
rnger.fill(data, cv::RNG::UNIFORM, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::imshow("data", data);
cv::waitKey();
// CV_32FC1 uniform distribution
data.create(height, width, CV_32FC1);
rnger.fill(data, cv::RNG::UNIFORM, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::imshow("data", data);
cv::waitKey();
// CV_32FC3 normal distribution
data.create(height, width, CV_32FC3);
rnger.fill(data, cv::RNG::NORMAL, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::meanStdDev(data, mm, ss);
std::cout << mm << ", " << ss << std::endl;
// CV_32FC1 normal distribution
data.create(height, width, CV_32FC1);
rnger.fill(data, cv::RNG::NORMAL, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::meanStdDev(data, mm, ss);
std::cout << mm << ", " << ss << std::endl;
return 0;
}
void RNG::fill(InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false );
mat
:待填充的矩阵,他的内存必须已经分配!
distType
:随机数的分布(cv::RNG::UNIFORM
或者 cv::RNG::NORMAL
)!
a
:分布的第一个参数,如果distType=cv::RNG::UNIFORM
,那a
是均匀分布的下限。如果distType=cv::RNG::NORMAL
那么a
就是分布的均值。
b
:分布的第二个参数,如果distType=cv::RNG::UNIFORM
,那b
是均匀分布的上限(但不包括b)。如果distType=cv::RNG::NORMAL
那么b
就是分布的标准差。
randu,randn
randn
和randu
可以用来替代 fill
函数,唯一的区别是这两个函数使用默认的随机状态(state),而在使用fill的时候,我们用的是cv::getTickCount()
来初始化随机状态的。
实例3,使用randu和randn
#include <iostream>
#include <opencv2/opencv.hpp>
int main(){
int width = 1280, height = 720;
cv::Mat data;
cv::Scalar mm, ss;
// CV_8UC3 uniform distribution
data.create(height, width, CV_8UC3);
cv::randu(data, cv::Scalar::all(0), cv::Scalar::all(256));
cv::imshow("data", data);
cv::waitKey();
// CV_8UC1 uniform distribution
data.create(height, width, CV_8UC1);
cv::randu(data, cv::Scalar::all(0), cv::Scalar::all(256));
cv::imshow("data", data);
cv::waitKey();
// CV_32FC3 uniform distribution
data.create(height, width, CV_32FC3);
cv::randu(data, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::imshow("data", data);
cv::waitKey();
// CV_32FC1 uniform distribution
data.create(height, width, CV_32FC1);
cv::randu(data, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::imshow("data", data);
cv::waitKey();
// CV_32FC3 normal distribution
data.create(height, width, CV_32FC3);
cv::randn(data, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::meanStdDev(data, mm, ss);
std::cout << mm << ", " << ss << std::endl;
// CV_32FC1 normal distribution
data.create(height, width, CV_32FC1);
cv::randn(data, cv::Scalar::all(0.), cv::Scalar::all(1.));
cv::meanStdDev(data, mm, ss);
std::cout << mm << ", " << ss << std::endl;
return 0;
}
OpenCV 2.x/3.x 随机初始化矩阵的更多相关文章
- [LeetCode] Random Flip Matrix 随机翻转矩阵
You are given the number of rows n_rows and number of columns n_cols of a 2D binary matrix where all ...
- ML(5)——神经网络3(随机初始化与梯度检验)
随机初始化 在线性回归和逻辑回归中,使用梯度下降法之前,将θ设置为0向量,有时会习惯性的将神经网络中的权重全部初始化为0,然而这在神经网络中并不适用. 以简单的三层神经网络为例,将全部权重都设置为0, ...
- Java实现 LeetCode 519 随机翻转矩阵
519. 随机翻转矩阵 题中给出一个 n 行 n 列的二维矩阵 (n_rows,n_cols),且所有值被初始化为 0.要求编写一个 flip 函数,均匀随机的将矩阵中的 0 变为 1,并返回该值的位 ...
- TensorFlow中权重的随机初始化
一开始没看懂stddev是什么参数,找了一下,在tensorflow/python/ops里有random_ops,其中是这么写的: def random_normal(shape, mean=0.0 ...
- [Swift]LeetCode519. 随机翻转矩阵 | Random Flip Matrix
You are given the number of rows n_rows and number of columns n_cols of a 2D binary matrix where all ...
- OpenCV仿射变换+投射变换+单应性矩阵
本来想用单应性求解小规模运动的物体的位移,但是后来发现即使是很微小的位移也会带来超级大的误差甚至错误求解,看起来这个方法各种行不通,还是要匹配知道深度了以后才能从三维仿射变换来入手了,纠结~ esti ...
- 吴恩达机器学习笔记47-K均值算法的优化目标、随机初始化与聚类数量的选择(Optimization Objective & Random Initialization & Choosing the Number of Clusters of K-Means Algorithm)
一.K均值算法的优化目标 K-均值最小化问题,是要最小化所有的数据点与其所关联的聚类中心点之间的距离之和,因此 K-均值的代价函数(又称畸变函数 Distortion function)为: 其中
- 阿基米德项目ALS矩阵分解算法应用案例
转自:https://github.com/ceys/jdml/wiki/ALS 阿基米德项目ALS矩阵分解算法应用案例 编写人:ceys/youyis 最后更新时间:2014.5.12 一.算法描述 ...
- 矩阵补全(Matrix Completion)和缺失值预处理
目录 1 常用的缺失值预处理方式 1.1 不处理 1.2 剔除 1.3 填充 2 利用矩阵分解补全缺失值 3 矩阵分解补全缺失值代码实现 4 通过矩阵分解补全矩阵的一些小问题 References 矩 ...
随机推荐
- easygui的导入方式
方法一: >>> import easygui >>> easygui.msgbox('hello') 方法二: >>> from easygui ...
- if__name__ == '__main__'
# a.py import b def x(): print('x') b.y #b.py import a def y(): print('y') a.x() #执行b.py引发异常 首先,执行b. ...
- linux 基本使用命令
arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI ...
- noip模拟题-赛斯石
题目背景 白露横江,水光接天,纵一苇之所如,凌万顷之茫然.--苏轼 真程海洋近来需要进购大批赛斯石,你或许会问,什么是赛斯石? 首先我们来了解一下赛斯,赛斯是一个重量单位,我们用sisi作为其单位.比 ...
- ●UVA 11796 Dog Distance
题链: https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&page=show_problem& ...
- ●BZOJ 2329 [HNOI2011]括号修复.cpp
题链: http://www.lydsy.com/JudgeOnline/problem.php?id=2329 题解: Splay 类似 BZOJ 2329 [HNOI2011]括号修复 只是多了一 ...
- ●BOZJ 2127 happiness
题链: http://www.lydsy.com/JudgeOnline/problem.php?id=2127 题解: 和 BZOJ 3984 建图类似(最小割模型).但是这个建图方法效率有点低.另 ...
- Uva 437 巴比伦塔 && UVA10003
要求底面严格小于它下方立方体的长宽,求出最高情况,一块石头可以多次使用 用结构体记录一块石头的三种放置情况,按面积排序. dp[i] = max(dp[i],dp[j] + block[i].high ...
- 【USACO15FEB】审查(黄金)Censoring (Gold)
题目描述 Farmer John has purchased a subscription to Good Hooveskeeping magazine for his cows, so they h ...
- Codeforces Round#432 简要题解
来自FallDream的博客,未经允许,请勿转载,谢谢. Div2A 小判断题 Div2B 小判断题,合法的条件是|AB|=|BC|且三点不共线 Div1A 类比二维.三维空间,可以猜测n太大的时候没 ...