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 
#include 
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

randnrandu 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;
}

你可能感兴趣的:(OpenCV,C/C++)