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
- JS查找字符串中出现次数最多的字符
本文给大家带来两种js中查找字符串中出现次数最多的字符,在这两种方法中小编推荐使用第二种,对js查找字符串出现次数的相关知识感兴趣的朋友一起看看吧 在一个字符串中,如 'zhaochucichuz ...
- 1020关于MYCAT的安装和使用总结
第一部分 读写分离配置 转自:http://www.51testing.com/html/34/369434-3686088.html 使用Mycat 做简单的读写分离(一) 原本使用的是amoeba ...
- 全球性WannaCry蠕虫勒索病毒感染前后应对措施
前言:针对WannaCrypt勒索病毒的讨论和技术文章是铺天盖地,大量的技术流派,安全厂家等纷纷献计献策,有安全厂家开发各种安全工具,对安全生态来说是一个好事,但对个人未必就是好事,我们国家很多用户是 ...
- [LeetCode] Poor Pigs 可怜的猪
There are 1000 buckets, one and only one of them contains poison, the rest are filled with water. Th ...
- [LeetCode] Design Log Storage System 设计日志存储系统
You are given several logs that each log contains a unique id and timestamp. Timestamp is a string t ...
- Python更新pip出现错误解决方法
Python更新pip出现错误解决方法 更新pip python -m pip install --upgrade pip 查看时报错 解决方法 在命令栏(即win+r)输入:easy_install ...
- [Luogu 3768]简单的数学题
Description 输入一个整数n和一个整数p,你需要求出$(\sum_{i=1}^n\sum_{j=1}^n ijgcd(i,j))~mod~p$,其中gcd(a,b)表示a与b的最大公约数. ...
- [CQOI2013]棋盘游戏
Description 一个n*n(n>=2)棋盘上有黑白棋子各一枚.游戏者A和B轮流移动棋子,A先走. A的移动规则:只能移动白棋子.可以往上下左右四个方向之一移动一格. B的移动规则:只能移 ...
- [HNOI2016]大数
题目描述 小 B 有一个很大的数 S,长度达到了 N 位:这个数可以看成是一个串,它可能有前导 0,例如00009312345.小B还有一个素数P.现在,小 B 提出了 M 个询问,每个询问求 S 的 ...
- bzoj 2118: 墨墨的等式
Description 墨墨突然对等式很感兴趣,他正在研究a1x1+a2y2+-+anxn=B存在非负整数解的条件,他要求你编写一个程序,给定N.{an}.以及B的取值范围,求出有多少B可以使等式存在 ...