【opencv】示例-cout_mat.cpp cout输出各种格式矩阵、向量

最新推荐文章于 2024-06-25 15:42:50 发布
最新推荐文章于 2024-06-25 15:42:50 发布 · 681 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=MzU3OTIyMjgxNw==&mid=2247491867&idx=1&sn=7dd8431ab44417893dc3ea9abe032ca5&chksm=fc0d0827b30d92572efa7af75b278ff7228826a6fc869a20552a58e0c032285e7915428a7149&scene=126&sessionid=0
文章标签：

#opencv #矩阵 #人工智能 #计算机视觉 #线性代数

de82278bd350974a97b06d0ee8064b7f.png

/*
 * cvout_sample 只是演示了 cv::Mat 的序列化输出能力。
 * 也就是说，现在可以这样使用：cv::Mat M(...); cout << M;。
 */


#include "opencv2/core.hpp" // 包含OpenCV核心功能的头文件
#include <iostream> // 包含标准输入输出流的头文件


// 使用标准和OpenCV命名空间中的名字，避免每次调用时都要加前缀
using namespace std;
using namespace cv;


// 帮助信息的函数
static void help(char** argv)
{
    cout
    << "\n------------------------------------------------------------------\n"
    << " This program shows the serial out capabilities of cv::Mat\n"
    << "That is, cv::Mat M(...); cout << M;  Now works.\n"
    << "Output can be formatted to OpenCV, matlab, python, numpy, csv and \n"
    << "C styles Usage:\n"
    << argv[0]
    << "\n------------------------------------------------------------------\n\n"
    << endl;
}


// 程序的主入口点
int main(int argc, char** argv)
{
    cv::CommandLineParser parser(argc, argv, "{help h||}"); // 创建命令行解析器
    if (parser.has("help")) // 如果用户请求帮助
    {
        help(argv); // 显示帮助信息
        return 0; // 退出程序
    }
    Mat I = Mat::eye(4, 4, CV_64F); // 创建一个4x4的双精度单位矩阵
    I.at<double>(1,1) = CV_PI; // 将第1行第1列的元素设为π
    cout << "I = \n" << I << ";" << endl << endl; // 打印矩阵


    Mat r = Mat(10, 3, CV_8UC3); // 创建一个10x3的8位无符号3通道（彩色）矩阵
    randu(r, Scalar::all(0), Scalar::all(255)); // 使用随机值填充矩阵


    // 以下部分演示不同输出格式
    cout << "r (default) = \n" << r << ";" << endl << endl;
    cout << "r (matlab) = \n" << format(r, Formatter::FMT_MATLAB) << ";" << endl << endl;
    cout << "r (python) = \n" << format(r, Formatter::FMT_PYTHON) << ";" << endl << endl;
    cout << "r (numpy) = \n" << format(r, Formatter::FMT_NUMPY) << ";" << endl << endl;
    cout << "r (csv) = \n" << format(r, Formatter::FMT_CSV) << ";" << endl << endl;
    cout << "r (c) = \n" << format(r, Formatter::FMT_C) << ";" << endl << endl;


    Point2f p(5, 1); // 创建一个2D浮点型点
    cout << "p = " << p << ";" << endl; // 打印点


    Point3f p3f(2, 6, 7); // 创建一个3D浮点型点
    cout << "p3f = " << p3f << ";" << endl; // 打印点


    vector<float> v; // 创建一个浮点型向量
    v.push_back(1); // 向向量中添加元素
    v.push_back(2);
    v.push_back(3);


    cout << "shortvec = " << Mat(v) << endl; // 打印向量


    vector<Point2f> points(20); // 创建一个包含20个2D浮点型点的向量
    for (size_t i = 0; i < points.size(); ++i) // 用循环填充这个向量
        points[i] = Point2f((float)(i * 5), (float)(i % 7));


    cout << "points = " << points << ";" << endl; // 打印点的向量
    return 0; // 程序结束
}

这段代码展示了OpenCV库中的cv::Mat类的序列化输出功能。它包含了一系列可以输出为不同格式的示例，如OpenCV风格、Matlab风格、Python的NumPy风格、CSV风格和C风格。同时，也展示了如何在控制台中显示点和点向量。总的来说，这段代码主要用于教学和演示如何在C++中使用OpenCV的cv::Mat对象以不同的编程语言风格格式化输出。

终端输出：

I =
[1, 0, 0, 0;
 0, 3.141592653589793, 0, 0;
 0, 0, 1, 0;
 0, 0, 0, 1];


r (default) =
[ 91,   2,  79, 179,  52, 205, 236,   8, 181;
 239,  26, 248, 207, 218,  45, 183, 158, 101;
 102,  18, 118,  68, 210, 139, 198, 207, 211;
 181, 162, 197, 191, 196,  40,   7, 243, 230;
  45,   6,  48, 173, 242, 125, 175,  90,  63;
  90,  22, 112, 221, 167, 224, 113, 208, 123;
 214,  35, 229,   6, 143, 138,  98,  81, 118;
 187, 167, 140, 218, 178,  23,  43, 133, 154;
 150,  76, 101,   8,  38, 238,  84,  47,   7;
 117, 246, 163, 237,  69, 129,  60, 101,  41];


r (matlab) =
(:, :, 1) =
 91, 179, 236;
239, 207, 183;
102,  68, 198;
181, 191,   7;
 45, 173, 175;
 90, 221, 113;
214,   6,  98;
187, 218,  43;
150,   8,  84;
117, 237,  60
(:, :, 2) =
  2,  52,   8;
 26, 218, 158;
 18, 210, 207;
162, 196, 243;
  6, 242,  90;
 22, 167, 208;
 35, 143,  81;
167, 178, 133;
 76,  38,  47;
246,  69, 101
(:, :, 3) =
 79, 205, 181;
248,  45, 101;
118, 139, 211;
197,  40, 230;
 48, 125,  63;
112, 224, 123;
229, 138, 118;
140,  23, 154;
101, 238,   7;
163, 129,  41;


r (python) =
[[[ 91,   2,  79], [179,  52, 205], [236,   8, 181]],
 [[239,  26, 248], [207, 218,  45], [183, 158, 101]],
 [[102,  18, 118], [ 68, 210, 139], [198, 207, 211]],
 [[181, 162, 197], [191, 196,  40], [  7, 243, 230]],
 [[ 45,   6,  48], [173, 242, 125], [175,  90,  63]],
 [[ 90,  22, 112], [221, 167, 224], [113, 208, 123]],
 [[214,  35, 229], [  6, 143, 138], [ 98,  81, 118]],
 [[187, 167, 140], [218, 178,  23], [ 43, 133, 154]],
 [[150,  76, 101], [  8,  38, 238], [ 84,  47,   7]],
 [[117, 246, 163], [237,  69, 129], [ 60, 101,  41]]];


r (numpy) =
array([[[ 91,   2,  79], [179,  52, 205], [236,   8, 181]],
       [[239,  26, 248], [207, 218,  45], [183, 158, 101]],
       [[102,  18, 118], [ 68, 210, 139], [198, 207, 211]],
       [[181, 162, 197], [191, 196,  40], [  7, 243, 230]],
       [[ 45,   6,  48], [173, 242, 125], [175,  90,  63]],
       [[ 90,  22, 112], [221, 167, 224], [113, 208, 123]],
       [[214,  35, 229], [  6, 143, 138], [ 98,  81, 118]],
       [[187, 167, 140], [218, 178,  23], [ 43, 133, 154]],
       [[150,  76, 101], [  8,  38, 238], [ 84,  47,   7]],
       [[117, 246, 163], [237,  69, 129], [ 60, 101,  41]]], dtype='uint8');


r (csv) =
 91,   2,  79, 179,  52, 205, 236,   8, 181
239,  26, 248, 207, 218,  45, 183, 158, 101
102,  18, 118,  68, 210, 139, 198, 207, 211
181, 162, 197, 191, 196,  40,   7, 243, 230
 45,   6,  48, 173, 242, 125, 175,  90,  63
 90,  22, 112, 221, 167, 224, 113, 208, 123
214,  35, 229,   6, 143, 138,  98,  81, 118
187, 167, 140, 218, 178,  23,  43, 133, 154
150,  76, 101,   8,  38, 238,  84,  47,   7
117, 246, 163, 237,  69, 129,  60, 101,  41
;


r (c) =
{ 91,   2,  79, 179,  52, 205, 236,   8, 181,
 239,  26, 248, 207, 218,  45, 183, 158, 101,
 102,  18, 118,  68, 210, 139, 198, 207, 211,
 181, 162, 197, 191, 196,  40,   7, 243, 230,
  45,   6,  48, 173, 242, 125, 175,  90,  63,
  90,  22, 112, 221, 167, 224, 113, 208, 123,
 214,  35, 229,   6, 143, 138,  98,  81, 118,
 187, 167, 140, 218, 178,  23,  43, 133, 154,
 150,  76, 101,   8,  38, 238,  84,  47,   7,
 117, 246, 163, 237,  69, 129,  60, 101,  41};


p = [5, 1];
p3f = [2, 6, 7];
shortvec = [1;
 2;
 3]
points = [0, 0;
 5, 1;
 10, 2;
 15, 3;
 20, 4;
 25, 5;
 30, 6;
 35, 0;
 40, 1;
 45, 2;
 50, 3;
 55, 4;
 60, 5;
 65, 6;
 70, 0;
 75, 1;
 80, 2;
 85, 3;
 90, 4;
 95, 5];

dcd4dd2b091614e567df1739d04bba1d.png

VS+openCV之深入了解 cv::Mat
ztttyy的博客
04-25 3454
opencv入门级教程笔记，边学习边记录。
OpenCV 自带示例sample中的双目校正stereo_calib.cpp 安装与解读
weixin_46195203的博客
06-24 3479
首先安装vs2019并配置OpenCV3.x.xx 安装方法可自行网上去查怎么配置，不是本文重点，所以略过 opencv下载网址：https://opencv.org/releases/ 准备需要的文件 在OpenCV文件D:\opencv\sources\samples\cpp中找到 stereo_calib.cpp 和 stereo_match.cpp 在D:\opencv\sources\samples\data中找到stereo_calib.xml和26张图片了(left01-14 right
《学习OpenCV》打印矩阵
C_Freed的专栏
02-15 2841
创建一个10行*10列的矩阵，矩阵元素为三通道。最后将此矩阵的元素打印出来，加强对OpenCV矩阵、指针的理解。 #include "cv.h" #include "stdio.h" int main() { /*用cvCreateMat函数建立一个CvMat格式、10行*10列、3通道8位signed型的矩阵mat，返回一个指向CvMat结构体的指针*/ CvMat* mat = cvC
OpenCV中的Mat类（一）
计算机科学与技术专业学生的成长之路
04-07 2817
概念 Mat类就是指矩阵或者数组，该类在头文件opencv2\core\core.cpp中。 创建与初始化 Mat的构造函数为 Mat(int row,int cols,int type) //或者 Mat(Size(int cols,int rows),int type) // Size是一个类，第一个参数为列，第二个参数为行 row表示行数，cols表示矩阵的列数，type表示类型（涉及通道类型与数据类型） 通道类型有单通道（即二维矩阵,可表示为CV_8UC(1),C(1)表示单通道），多通道（
Opencv 8 （打印一个稀疏矩阵中的所有非0元素)
EveryDayOneHour的博客
12-23 759
i < 10;i++)int idx[2];//for (;it!= it_end;++it)return;
opencv 3.0 Mat 格式化输出 cout
billbliss的专栏
03-28 5653
矩阵格式化输出 Mat img = (Mat_(3,3) << 1, 2, 3, 4, 5, 6, 7, 8, 9); cout << "No-\n" << img << endl; cout << "c\n" << format(img,Formatter::FMT_C) << endl; cout << "csv\n" << format(img,Format
c++opencv cv_32fc1 列向量 z_mat,z_mat.copyTo(z_mats_reshaped.col(i));出错。
07-16
我们正在处理一个OpenCV的问题：用户试图将一个列向量复制到另一个矩阵的特定列，但在使用CV_32FC1类型和copyTo方法时遇到了错误。 根据引用[4]中提到的filter2D函数示例，我们可以看到在OpenCV中处理矩阵时需要...
stereo_calib.cpp
最新发布
10-23
`stereo_calib.cpp` 通常是 OpenCV 中用于双目相机校准的示例代码文件。它主要用于对双目相机进行校准，以获取相机的内参、畸变系数、旋转矩阵和平移向量等参数，这些参数对于后续的立体匹配、深度计算等任务至关...
#include <opencv2/opencv.hpp> #include <iostream> #include <vector> #include <cmath> using namespace cv; using namespace std; // 归一化向量函数 Mat normalizeVec(const Mat& vec) { double x = vec.at<double>(0); double y = vec.at<double>(1); double z = vec.at<double>(2); double norm = sqrt(x * x + y * y + z * z); return (Mat_<double>(3, 1) << x / norm, y / norm, z / norm); } // 计算叉积 Mat crossProduct(const Mat& a, const Mat& b) { double ax = a.at<double>(0), ay = a.at<double>(1), az = a.at<double>(2); double bx = b.at<double>(0), by = b.at<double>(1), bz = b.at<double>(2); return (Mat_<double>(3, 1) << ay * bz - az * by, az * bx - ax * bz, ax * by - ay * bx); } // 确保变换后包含整个原始图像 Mat ensureFullImage(const Mat& H, const Mat& img, Size& new_size) { vector<Point2d> corners(4); corners[0] = Point2d(0, 0); corners[1] = Point2d(img.cols - 1, 0); corners[2] = Point2d(0, img.rows - 1); corners[3] = Point2d(img.cols - 1, img.rows - 1); vector<Point2d> transformed(4); perspectiveTransform(corners, transformed, H); double min_x = transformed[0].x; double min_y = transformed[0].y; double max_x = transformed[0].x; double max_y = transformed[0].y; for (int i = 1; i < 4; i++) { min_x = min(min_x, transformed[i].x); min_y = min(min_y, transformed[i].y); max_x = max(max_x, transformed[i].x); max_y = max(max_y, transformed[i].y); } double width = max_x - min_x; double height = max_y - min_y; // 设置最大尺寸限制 const int MAX_DIMENSION = 15000; if (width <= 0 || height <= 0 || width > MAX_DIMENSION || height > MAX_DIMENSION) { new_size = img.size(); return Mat::eye(3, 3, CV_64F); } // 添加30%边界 + 200像素固定边界 double border_x = max(width * 0.3, 200.0); double border_y = max(height * 0.3, 200.0); min_x -= border_x; max_x += border_x; min_y -= border_y; max_y += border_y; new_size = Size(ceil(max_x - min_x), ceil(max_y - min_y)); // 创建平移矩阵 Mat T = Mat::eye(3, 3, CV_64F); T.at<double>(0, 2) = -min_x; T.at<double>(1, 2) = -min_y; return T * H; } int main() { try { // 定义投影矩阵 (确保每个矩阵有12个元素) Mat P1 = (Mat_<double>(3, 4) << -12179.8753230552230, 7050.9952897638232, -2467.7527210258945, -17321440031.6463700000000, 4723.7392252925192, 5779.0243267188052, -11880.0042304789190, -22040783539.2805860000000, -0.4907881086633, -0.5142398041434, -0.7033380810316, 2000536.1381758042000 ); Mat P2 = (Mat_<double>(3, 4) << -12158.6697497674500, 7092.3578385200199, -2453.7545028069599, -17474815958.9305270000000, 4621.9021026258170, 5524.7193480639962, -12039.9681076173220, -21127026467.7189250000000, -0.5027584877552, -0.5235467256044, -0.6878464429645, 2038373.8802346450000 ); // 加载图像 Mat img_left = imread("D:\\work\\data1\\015AR027.tif"); Mat img_right = imread("D:\\work\\data1\\015AR028.tif"); if (img_left.empty() || img_right.empty()) { cerr << "Error loading images" << endl; return -1; } // 分解投影矩阵 Mat K1, K2, R1, R2, t1, t2; decomposeProjectionMatrix(P1, K1, R1, t1); decomposeProjectionMatrix(P2, K2, R2, t2); t1 = t1.rowRange(0, 3) / t1.at<double>(3); t2 = t2.rowRange(0, 3) / t2.at<double>(3); // 计算相机中心和基线 Mat R1_inv = R1.inv(DECOMP_SVD); Mat R2_inv = R2.inv(DECOMP_SVD); Mat C1 = -R1_inv * t1; Mat C2 = -R2_inv * t2; Mat b = C2 - C1; // 定义三个方向 vector<Mat> rops; rops.push_back((Mat_<double>(3, 1) << 0, 0, 1)); // 水平 rops.push_back((Mat_<double>(3, 1) << 0, 1, 0)); // 垂直 rops.push_back(normalizeVec(R1.row(2).t())); // 原始 vector<string> dir_names; dir_names.push_back("horizontal"); dir_names.push_back("vertical"); dir_names.push_back("original"); for (int i = 0; i < 3; i++) { // 计算坐标系 Mat z_axis = rops[i]; Mat x_axis, y_axis; // 处理基线与方向平行的情况 Mat cross_b_z = crossProduct(b, z_axis); double n = norm(cross_b_z); if (n < 1e-5) { Mat ref_vec = (Mat_<double>(3, 1) << 1, 0, 0); if (abs(z_axis.dot(ref_vec)) > 0.95) { ref_vec = (Mat_<double>(3, 1) << 0, 0, 1); } x_axis = normalizeVec(ref_vec - (ref_vec.dot(z_axis)) * z_axis); } else { x_axis = normalizeVec(cross_b_z); } y_axis = normalizeVec(crossProduct(z_axis, x_axis)); // 构造目标旋转矩阵 Mat R_target = (Mat_<double>(3, 3) << x_axis.at<double>(0), x_axis.at<double>(1), x_axis.at<double>(2), y_axis.at<double>(0), y_axis.at<double>(1), y_axis.at<double>(2), z_axis.at<double>(0), z_axis.at<double>(1), z_axis.at<double>(2)); R_target = R_target.t(); // 计算新的旋转矩阵和单应矩阵 Mat R1_new = R_target * R1.t(); Mat R2_new = R_target * R2.t(); Mat K1_temp = K1.clone(); Mat K2_temp = K2.clone(); K1_temp.at<double>(0, 2) = 0; K1_temp.at<double>(1, 2) = 0; K2_temp.at<double>(0, 2) = 0; K2_temp.at<double>(1, 2) = 0; double avg_focal1 = (K1.at<double>(0, 0) + K1.at<double>(1, 1)) / 2.0; double avg_focal2 = (K2.at<double>(0, 0) + K2.at<double>(1, 1)) / 2.0; K1_temp.at<double>(0, 0) = avg_focal1; K1_temp.at<double>(1, 1) = avg_focal1; K2_temp.at<double>(0, 0) = avg_focal2; K2_temp.at<double>(1, 1) = avg_focal2; Mat H1 = K1_temp * R1_new * K1.inv(); Mat H2 = K2_temp * R2_new * K2.inv(); // 调整单应矩阵确保包含整个图像 Size new_size1, new_size2; Mat H1_adj = ensureFullImage(H1, img_left, new_size1); Mat H2_adj = ensureFullImage(H2, img_right, new_size2); // 应用透视变换 Mat rect_left, rect_right; warpPerspective(img_left, rect_left, H1_adj, new_size1); warpPerspective(img_right, rect_right, H2_adj, new_size2); // 保存结果 imwrite("rectified_left_" + dir_names[i] + ".png", rect_left); imwrite("rectified_right_" + dir_names[i] + ".png", rect_right); } cout << "核线影像已生成并保存！" << endl; return 0; } catch (const Exception& e) { cerr << "OpenCV Exception: " << e.what() << endl; return -1; } catch (...) { cerr << "Unknown exception occurred!" << endl; return -1; } }把生成的结果图保存到"D:\work\data1\result"
07-12
在C++中使用OpenCV保存图像到指定目录（如 `D:\work\data1\result`）可以通过 `cv::imwrite` 函数实现。此函数允许将图像写入磁盘，并支持多种图像格式（如 `.jpg`, `.png`, `.bmp` 等）[^1]。 为了确保程序能够...
关于OpenCV中Mat对象
just_tree的博客
03-25 576
一.各种初始化 1.Mat（） //1.Mat() Mat p1 = Mat(); cout << p1; namedWindow("output1"); // imshow("output1", p1);
OpenCV的几个小技巧
计算机视觉小菜鸟的专栏
12-15 6946
申明：以下的小技巧，均为OpenCV2.4.2下验证过的，但并不保证其它版本依然奏效 （1）利用数组来构建cv::Mat    示例代码如下所示： void ArrayToMat() { double m[3][3]; for (int i=0; i<3; i++) { for (int j=0; j<3; j++) { m[i][j] = i+j; cout<
【算法】打印矩阵
博客
06-22 1656
题目描述： 转圈打印矩阵【题目】给定一个整型矩阵matrix，请按照转圈的方式打印它。如下图所示； 要求：额外的空间复杂度为0(1)
30.C++利用指针数组输出单位矩阵
GOOD LUCK
12-17 1041
#include <iostream> using namespace std; //利用指针数组输出单位矩阵 int main() { int line1[] = { 1,0,0 }; int line2[] = { 0,1,0 }; int line3[] = { 0,0,1 }; //定义整型指针数组并初始化 int* pLine[3] = { line1,line2,line3 }; cout << "Matrix test:" << endl;.
CvMat操作
huangli19870217的专栏
05-06 528
综述: OpenCV有针对矩阵操作的C语言函数. 许多其他方法提供了更加方便的C++接口，其效率与OpenCV一样. OpenCV将向量作为1维矩阵处理. 矩阵按行存储，每行有4字节的校整. 分配矩阵空间: CvMat* cvCreateMat(int rows, int cols, int type); type: 矩阵元素类型. 格式为CV_(S|U|F)
opencv CvMat元素求和
gflytu的专栏
06-20 6884
#include #include #include using namespace std; float sumM(const CvMat *mat){ float s=0.0f; for(int row=0;rowrows;row++) { printf("%d\n",mat->rows); const float*ptr=(const float*)(mat->dat
实用的OpenCV代码片段（1）-- 利用Boost将cv::Mat序列化
史丹利复合田的博客
06-12 2988
如何将cv::Mat类型序列化使用Boost的serialization库。
序列化 opencv :: Mat
yiranlun3的专栏
09-12 3682
//cvmat_serialization.h #include #include using namespace cv; BOOST_SERIALIZATION_SPLIT_FREE(::cv::Mat) namespace boost { namespace serialization { /** Serialization support for cv::Mat */
cv::Mat类的矩阵内容输出的各种格式的例子
jndingxin的专栏
06-25 1565
cv::Mat::eye 是一个静态方法，用于创建一个单位矩阵（对角线上的元素为1，其余位置为0）的 cv::Mat 对象。输出格式支持多种风格，包括OpenCV的原生格式、MATLAB风格、Python风格、NumPy风格、CSV格式以及C语言风格等。我们可以这样使用：cv::Mat M(…cout << M;该数组必须预先分配.使用 cv::Mat 的构造函数来初始化一个矩阵。这段代码将创建一个3x3的浮点型单位矩阵。-参数 high 生成随机数的不包含上限.生成单个均匀分布的随机数或随机数数组。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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