学习OpenCV2——产生随机数
产生随机数是编程中经常用到的操作，特别在进行初始化的时候需要赋一些随机值。C和C++中产生随机数的方法如rand()、srand()等在OpenCV中仍可以用。此外，OpenCV还特地编写了C++的随机数类RNG，C的随机数类CvRNG，还有一些相关的函数，使用起来更加方便。下面，一一介绍。
说明
- 关键字前带cv的都是C里的写法，不带cv的是C++里的写法，比如CvRNG和RNG，其本质都是一样的。
- 计算机产生的随机数都是伪随机数，是根据种子seed和特定算法计算出来的。所以，只要种子一定，算法一定，产生的随机数是相同的
- 要想产生完全重复的随机数，可以用系统时间做种子。OpenCV中用GetTickCount()，C 中用time()
所有的结果见最后面截图。
1. OpenCV中的C++版本随机数
1.1 RNG
RNG类是opencv里C++的随机数产生器。它可产生一个64位的int随机数。目前可按均匀分布和高斯分布产生随机数。随机数的产生采用的是Multiply-With-Carry算法和Ziggurat算法。
1.1.1 产生一个随机数
RNG可以产生3种随机数
RNG(int seed) 使用种子seed产生一个64位随机整数，默认-1
RNG::uniform( ) 产生一个均匀分布的随机数
RNG::gaussian( ) 产生一个高斯分布的随机数
RNG::uniform(a, b ) 返回一个[a,b)范围的均匀分布的随机数，a,b的数据类型要一致，而且必须是int、float、double中的一种，默认是int。
RNG::gaussian( σ) 返回一个均值为0，标准差为σ的随机数。
如果要产生均值为λ，标准差为σ的随机数，可以λ+ RNG::gaussian( σ)
//创建RNG对象，使用默认种子“-1”
RNG rng;
//产生64位整数
int N1 = rng;
/*-------------产生均匀分布的随机数uniform和高斯分布的随机数gaussian---------*/
//总是得到double类型数据0.000000，因为会调用uniform(int,int),只会取整数，所以只产生0
double N1a = rng.uniform(0,1);
//产生[0,1)范围内均匀分布的double类型数据
double N1b = rng.uniform((double)0,(double)1);
//产生[0,1)范围内均匀分布的float类型数据，注意被自动转换为double了。
double N1c = rng.uniform(0.f,1.f);
//产生[0,1)范围内均匀分布的double类型数据。
double N1d = rng.uniform(0.,1.);
//可能会因为重载导致编译不通过(确实没通过。。)
//double N1e = rng.uniform(0,0.999999);
//产生符合均值为0，标准差为2的高斯分布的随机数
double N1g = rng.gaussian(2); 1.1.2 返回下一个随机数
上面一次只能返回一个随机数，实际上系统已经生成一个随机数组。如果我们要连续获得随机数，没有必要重新定义一个RNG类，只需要取出随机数组的下一个随机数即可。
RNG:: next 返回下一个64位随机整数
RNG:: operator 返回下一个指定类型的随机数
RNG rng;
int N2 = rng.next(); //返回下一个随机整数，即N1.next();
//返回下一个指定类型的随机数
int N2a = rng.operator uchar(); //返回下一个无符号字符数
int N2b = rng.operator schar(); //返回下一个有符号字符数
int N2c = rng.operator ushort(); //返回下一个无符号短型
int N2d = rng.operator short int(); //返回下一个短整型数
int N2e = rng.operator int(); //返回下一个整型数
int N2f = rng.operator unsigned int(); //返回下一个无符号整型数
int N2g = rng.operator float(); //返回下一个浮点数
int N2h = rng.operator double(); //返回下一个double型数
int N2i = rng.operator ()(); //和rng.next( )等价
int N2j = rng.operator ()(100); //返回[0,100)范围内的随机数1.1.3 用随机数填充矩阵 RNG::fill( )
void fill( InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false );
InputOutputArray 输入输出矩阵，最多支持4通道，超过4通道先用reshape()改变结构
int distType UNIFORM 或 NORMAL，表示均匀分布和高斯分布
InputArray a disType是UNIFORM,a表示为下界(闭区间)；disType是NORMAL,a均值
InputArray b disType是UNIFORM,b表示为上界(开区间)；disType是NORMAL,b标准差
bool saturateRange=false 只针对均匀分布有效。当为真的时候，会先把产生随机数的范围变换到数据类型的范围，再产生随机数；
如果为假，会先产生随机数，再进行截断到数据类型的有效区间。请看以下fillM1和fillM2的例子并观察结果
//产生[1,1000)均匀分布的int随机数填充fillM
Mat_fillM(3,3);
rng.fill(fillM,RNG::UNIFORM,1,1000);
cout << "filM = " << fillM << endl << endl;
Mat fillM1(3,3,CV_8U);
rng.fill(fillM1,RNG::UNIFORM,1,1000,TRUE);
cout << "filM1 = " << fillM1 << endl << endl;
Mat fillM2(3,3,CV_8U);
rng.fill(fillM2,RNG::UNIFORM,1,1000,FALSE);
cout << "filM2 = " << fillM2 << endl << endl;
//fillM1产生的数据都在[0,，255)内，且小于255；
//fillM2产生的数据虽然也在同样范围内，但是由于用了截断操作，所以很多数据都是255,
//产生均值为1，标准差为3的随机double数填进fillN
Mat_fillN(3,3);
rng.fill(fillN,RNG::NORMAL,1,3);
cout << "filN = " << fillN << endl << endl; 1.2 randu( )
作用：返回均匀分布的随机数，填入数组或矩阵
randu(dst, low, high) ;
dst – 输出数组或矩阵 ；low – 区间下界（闭区间）； high - 区间上界（开区间）
Mat_randuM(3,3);
randu(randuM,Scalar(0),Scalar(255));
cout << "randuM = " << randuM << endl << endl;
//其实randu和rng.fill功能是类似的，只不过rng需要先定义rng 1.3 randn( )
作用：返回高斯分布的随机数，填入数组或矩阵
randn(dst, mean, stddev)
dst – 输出数组或矩阵； mean – 均值； stddev - 标准差
Mat_randnM(3,3);
randn(randnM,0,1);
cout << "randnM = " << randnM << endl << endl;
//其实randu和rng.fill功能是类似的，只不过rng需要先定义rng 1.4 randShuffle( )
作用：将原数组（矩阵）打乱
randShuffle( InputOutputArray dst, 输入输出数组（一维）
double iterFactor=1. , 决定交换数值的行列的位置的一个系数...
RNG* rng=0 ) （可选）随机数产生器，0表示使用默认的随机数产生器，即seed=-1。rng决定了打乱的方法
Mat randShufM =(Mat_(2,3) << 1,2,3,4,5,6);
randShuffle(randShufM,7,0);
cout << "randShufM = " << endl< 2. OpenCV中的C版本随机数
2.1 CvRNG
作用：产生64位随机整数，参见RNG。C++版本中的RNG已经代替了CvRNG
2.2 cvRandArr( )
作用：用CvRNG产生的随机数填充数组(矩阵)
void cvRandArr( CvRNG* rng, 被 cvRNG 初始化的 RNG 状态
CvArr* arr, 输出数组
int dist_type, CV_RAND_UNI 或 CV_RAND_NORMAL
CvScalar param1, 如果是均匀分布它是随机数范围的闭下边界；如果是正态分布它是随机数的平均值
CvScalar param2) 如果是均匀分布它是随机数范围的开上边界；如果是正态分布它是随机数的标准差
CvMat* cvM = cvCreateMat(3,3,CV_16U); //创建3×3的矩阵
cvRandArr(&cvRNG,cvM,CV_RAND_UNI,cvScalarAll(0),cvScalarAll(255)); //给cvM赋值，[0,255)
//cout << "cvM = " << cvM << endl << endl; //cvM是指针，这样输出的是地址
cout<<"cvM = ";
for(int i=0;i<3;i++)
{
for(int j= 0;j<3;j++)
{
cout<<(int)cvGetReal2D(cvM,i,j)<<" "; //如何更方便地输出？
}
cout<2.3 cvRandInt( )
unsigned int cvRandInt( CvRNG* rng)
作用： cvRandInt 返回均匀分布的随机 32-bit 无符号整型值并更新 RNG 状态；它和 C 运行库里面的 rand() 函数十分相似，但是它产生的总是一个 32-bit 数，而 rand()返回一个 0 到 RAND_MAX（它是 2**16 或者 2**32, 依赖于操作平台）之间的数。
int cvInt = cvRandInt(&cvRNG);
cout << "cvInt = " << cvInt << endl << endl;2.4 cvRandReal( )
double cvRandReal( CvRNG* rng)
作用： 返回均匀分布的随机浮点数，范围[0,1)
double cvDouble = cvRandReal(&cvRNG);
cout << "cvDouble = " << cvDouble << endl<< endl;3. C语言随机数
这里就介绍最基本的2个rand()和srand()
int rand(void); 使用默认种子“1”，产生0到RAND_MAX之间的伪随机数。 RAND_MAX常量被定义在stdlib.h头文件中。
void srand (unsigned int seed); 使用种子seed产生0到RAND_MAX之间的伪随机数
rang和srand的唯一区别是，是否设置seed。
//产生[0,10)随机整数
printf("\n rand1 =" );
for (int i=0; i<10; i++)
{
printf("%d ", rand()%10);
}
printf("\n srand1 =" );
srand(8);
for (int i=0; i<10; i++)
{
printf("%d ", rand()%10);
}
printf("\n srand2 =" );
//使用time()获取不重复的种子
srand((unsigned)time(NULL));
for (int i=0; i<10; i++)
{
printf("%d ", rand()%10);
}
printf("\n" );使用rand和srand产生随机数小结
1、随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随机数就不会变。
2、默认情况下随机种子来自系统时钟（即定时/计数器的值），想得到完全不重复的随机种子，可以用time()
3、要取[a,b)之间的随机整数使用：(rand() % (b - a)) + a
要取[0,N)之间的随机浮点数使用： rand() /((double)(RAND_MAX)/N)
要取[a,b)之间的随机浮点数使用： rand() /((double)(RAND_MAX)/(b-a))+(b-a)
4. 完整程序及结果
#include
#include
#include
#include
#include "cv.h"
#include "highgui.h"
using namespace cv;
using namespace std;
int main(int argc,char** argv)
{
/***********************************OpenCV中的C++版本随机数******************************************/
/*====================================产生一个随机数================================================
*RNG可以产生3种随机数
*RNG(int seed) 使用种子seed产生一个64位随机整数，默认-1
*RNG::uniform（） 产生一个均匀分布的随机数
*RNG::gaussian() 产生一个高斯分布的随机数
*关于种子seed：种子好比是生成随机数的产品证，想要生成不同的随机数，就要用不同种子。你运行此程序两次，
* 会发现两次产生的随机数都是一样的,因为使用了默认种子“-1”。产生不重复随机数的好办法是
* 用getTickCount()返回一个64位长整数的时间数据，绝对不重复。RNG(getTickCount())
===================================================================================================*/
//创建RNG对象，使用默认种子“-1”
RNG rng;
//产生64位整数
int N1 = rng;
/*-------------产生均匀分布的随机数uniform和高斯分布的随机数gaussian---------*/
//总是得到double类型数据0.000000，因为会调用uniform(int,int),只会取整数，所以只产生0
double N1a = rng.uniform(0,1);
//产生[0,1)范围内均匀分布的double类型数据
double N1b = rng.uniform((double)0,(double)1);
//产生[0,1)范围内均匀分布的float类型数据，注意被自动转换为double了。
double N1c = rng.uniform(0.f,1.f);
//产生[0,1)范围内均匀分布的double类型数据。
double N1d = rng.uniform(0.,1.);
//可能会因为重载导致编译不通过(确实没通过。。)
//double N1e = rng.uniform(0,0.999999);
//产生符合均值为0，标准差为2的高斯分布的随机数
double N1g = rng.gaussian(2);
cout << "N1 = " << N1 << endl;
cout << "N1a = " << N1a << endl;
cout << "N1b = " << N1b << endl;
cout << "N1c = " << N1c << endl;
cout << "N1d = " << N1d << endl;
//cout << "N1e = " << N1e << endl;
cout << "N1g = " << N1g << endl;
/*================================返回下一个随机数==============================================
*给定种子，rng就会按照某规律生产一系列随机数，只不过每次按顺序取出一个来。如果要得到另一个随机数，
*不必重新生成一个随机数，只需原随机数列里的下一个随机数即可
*RNG:: next 返回下一个64位随机整数
*RNG:: operator 返回下一个指定类型的随机数
================================================================================================*/
//返回下一个64位随机数，即n1的下一个
int N2 = rng.next(); //即N1.next();
//返回下一个指定类型的随机数
int N2a = rng.operator uchar();
int N2b = rng.operator schar();
int N2c = rng.operator ushort();
int N2d = rng.operator short int();
int N2e = rng.operator int();
int N2f = rng.operator unsigned int();
int N2g = rng.operator float();
int N2h = rng.operator double();
int N2i = rng.operator ()(); //和rng.next( )等价
int N2j = rng.operator ()(100); //返回[0,100)范围内的随机数
cout << "N2 = " << N2 << endl;
cout << "N2a = " << N2a << endl;
cout << "N2b = " << N2b << endl;
cout << "N2c = " << N2c << endl;
cout << "N2d = " << N2d << endl;
cout << "N2e = " << N2e << endl;
cout << "N2f = " << N2f << endl;
cout << "N2g = " << N2g << endl;
cout << "N2h = " << N2h << endl;
cout << "N2i = " << N2i << endl;
cout << "N2j = " << N2j << endl<< endl;
/*=======================================用随机数填充数组（矩阵）==========================================
*void RNG:: fill( InputOutputArray mat, 输出矩阵，最多支持4通道，超过4通道先用reshape()改变结构
int distType, UNIFORM 或 NORMAL
InputArray a, disType是UNIFORM,a表示为下界(闭区间)；disType是NORMAL,a均值
InputArray b, disType是UNIFORM,b表示为上界(开区间)；disType是NORMAL,b标准差
bool saturateRange=false) 只针对均匀分布有效。当为真的时候，会先把产生随机数的范围变换到数据类型的范围，
再产生随机数；如果为假，会先产生随机数，再进行截断到数据类型的有效区间。
请看以下fillM1和fillM2的例子并观察结果
===========================================================================================================*/
//产生[1,1000)均匀分布的int随机数填充fillM
Mat_fillM(3,3);
rng.fill(fillM,RNG::UNIFORM,1,1000);
cout << "filM = " << fillM << endl << endl;
Mat fillM1(3,3,CV_8U);
rng.fill(fillM1,RNG::UNIFORM,1,1000,TRUE);
cout << "filM1 = " << fillM1 << endl << endl;
Mat fillM2(3,3,CV_8U);
rng.fill(fillM2,RNG::UNIFORM,1,1000,FALSE);
cout << "filM2 = " << fillM2 << endl << endl;
//fillM1产生的数据都在[0,，255)内，且小于255；
//fillM2产生的数据虽然也在同样范围内，但是由于用了截断操作，所以很多数据都是255,
//因为CV_8U的有效范围就是0~255
//所以我认为最好的方式就是事先想好需要的数据类型和范围，再设置为FALSE(默认值)
//产生均值为1，标准差为3的随机double数填进fillN
Mat_fillN(3,3);
rng.fill(fillN,RNG::NORMAL,1,3);
cout << "filN = " << fillN << endl << endl;
/*=====================================randu( )=====================================================
/*返回均匀分布的随机数，填入数组或矩阵
* randu(dst, low, high)
* dst – 输出数组或矩阵
* low – 区间下界（闭区间）
* high - 区间上界（开区间）
====================================================================================================*/
Mat_randuM(3,3);
randu(randuM,Scalar(0),Scalar(255));
cout << "randuM = " << randuM << endl << endl;
//其实randu和rng.fill功能是类似的，只不过rng需要先定义rng
/*======================================randn( )======================================================
/*返回高斯分布的随机数，填入数组或矩阵
* randn(dst, mean, stddev)
* dst – 输出数组或矩阵
* mean – 均值
* stddev - 标准差
======================================================================================================*/
Mat_randnM(3,3);
randn(randnM,0,1);
cout << "randnM = " << randnM << endl << endl;
//其实randu和rng.fill功能是类似的，只不过rng需要先定义rng
/*======================================randShuffle( )=================================================
/*产生随机打乱的数组，就是将原数组打乱
* randShuffle( InputOutputArray dst, 输入输出数组（一维）
* double iterFactor=1., 决定交换数值的行列的位置的一个 系数...
* RNG* rng=0 ) （可选）随机数产生器，0表示使用默认的随机数产生器，即seed=-1
* rng决定了打乱的方法
=======================================================================================================*/
Mat randShufM =(Mat_(2,3) << 1,2,3,4,5,6);
randShuffle(randShufM,7,0);
cout << "randShufM = " << endl< 
设置不同的种子，会得到不同的结果，否则结果是不会变的。