cvcreatemat與mat哪個(gè)函數(shù)一樣

一、Mat類(lèi)型：矩陣類(lèi)型，Matrix。在openCV中，Mat是一個(gè)多維的密集數(shù)據(jù)數(shù)組?？梢杂脕?lái)處理向量和矩陣、圖像、直方圖等等常見(jiàn)的多維數(shù)據(jù)。Mat有3個(gè)重要的方法：1、Matmat=imread(constString*filename);讀取圖像2、imshow(conststringframeName,InputArraymat);顯示圖像3、imwrite(conststringfilename,InputArrayimg);儲(chǔ)存圖像Mat類(lèi)型較CvMat與IplImage類(lèi)型來(lái)說(shuō)，有更強(qiáng)的矩陣運(yùn)算能力，支持常見(jiàn)的矩陣運(yùn)算。在計(jì)算密集型的應(yīng)用當(dāng)中，將CvMat與IplImage類(lèi)型轉(zhuǎn)化為Mat類(lèi)型將大大減少計(jì)算時(shí)間花費(fèi)。A.Mat-IplImage同樣只是創(chuàng)建圖像頭，而沒(méi)有復(fù)制數(shù)據(jù)。例：//假設(shè)Mat類(lèi)型的imgMat圖像數(shù)據(jù)存在IplImagepImg=IplImage(imgMat);B.Mat-CvMat與IplImage的轉(zhuǎn)換類(lèi)似，不復(fù)制數(shù)據(jù)，只創(chuàng)建矩陣頭。例：//假設(shè)Mat類(lèi)型的imgMat圖像數(shù)據(jù)存在CvMatcvMat=imgMat;二、CvMat類(lèi)型與IplImage類(lèi)型：“圖像”類(lèi)型在openCV中，Mat類(lèi)型與CvMat和IplImage類(lèi)型都可以代表和顯示圖像，但是，Mat類(lèi)型側(cè)重于計(jì)算，數(shù)學(xué)性較高，openCV對(duì)Mat類(lèi)型的計(jì)算也進(jìn)行了優(yōu)化。而CvMat和IplImage類(lèi)型更側(cè)重于“圖像”，openCV對(duì)其中的圖像操作（縮放、單通道提取、圖像閾值操作等）進(jìn)行了優(yōu)化。補(bǔ)充：IplImage由CvMat派生，而CvMat由CvArr派生即CvArr-CvMat-IplImageCvArr用作函數(shù)的參數(shù)，無(wú)論傳入的是CvMat或IplImage，內(nèi)部都是按CvMat處理。1.CvMatA.CvMat-IplImageIplImage*img=cvCreateImage(cvGetSize(mat),8,1);cvGetImage(matI,img);cvSaveImage("rice1.bmp",img);B.CvMat-Mat與IplImage的轉(zhuǎn)換類(lèi)似，可以選擇是否復(fù)制數(shù)據(jù)。Mat::Mat(constCvMat*m,boolcopyData=false);在openCV中，沒(méi)有向量（vector）的數(shù)據(jù)結(jié)構(gòu)。任何時(shí)候，但我們要表示向量時(shí)，用矩陣數(shù)據(jù)表示即可。但是，CvMat類(lèi)型與我們?cè)诰€性代數(shù)課程上學(xué)的向量概念相比，更抽象，比如CvMat的元素?cái)?shù)據(jù)類(lèi)型并不僅限于基礎(chǔ)數(shù)據(jù)類(lèi)型，比如，下面創(chuàng)建一個(gè)二維數(shù)據(jù)矩陣：CvMat*cvCreatMat(introws,intcols,inttype);這里的type可以是任意的預(yù)定義數(shù)據(jù)類(lèi)型，比如RGB或者別的多通道數(shù)據(jù)。這樣我們便可以在一個(gè)CvMat矩陣上表示豐富多彩的圖像了。2.IplImage在類(lèi)型關(guān)系上，我們可以說(shuō)IplImage類(lèi)型繼承自CvMat類(lèi)型，當(dāng)然還包括其他的變量將之解析成圖像數(shù)據(jù)。IplImage類(lèi)型較之CvMat多了很多參數(shù)，比如depth和nChannels。在普通的矩陣類(lèi)型當(dāng)中，通常深度和通道數(shù)被同時(shí)表示，如用32位表示RGB+Alpha.但是，在圖像處理中，我們往往將深度與通道數(shù)分開(kāi)處理，這樣做是OpenCV對(duì)圖像表示的一種優(yōu)化方案。IplImage的對(duì)圖像的另一種優(yōu)化是變量origin----原點(diǎn)。在計(jì)算機(jī)視覺(jué)處理上，一個(gè)重要的不便是對(duì)原點(diǎn)的定義不清楚，圖像來(lái)源，編碼格式，甚至操作系統(tǒng)都會(huì)對(duì)原地的選取產(chǎn)生影響。為了彌補(bǔ)這一點(diǎn)，openCV允許用戶定義自己的原點(diǎn)設(shè)置。取值0表示原點(diǎn)位于圖片左上角，1表示左下角。dataOrder參數(shù)定義數(shù)據(jù)的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE兩種取值，前者便是對(duì)于像素，不同的通道的數(shù)據(jù)交叉排列，后者表示所有通道按順序平行排列。IplImage類(lèi)型的所有額外變量都是對(duì)“圖像”的表示與計(jì)算能力的優(yōu)化。A.IplImage-MatIplImage*pImg=cvLoadImage("lena.jpg");Matimg(pImg,0);//0是不復(fù)制影像，也就是pImg與img的data共用同個(gè)記憶體位置，header各自有B.IplImage-CvMat法1：CvMatmathdr,*mat=cvGetMat(img,mathdr);法2：CvMat*mat=cvCreateMat(img-height,img-width,CV_64FC3);cvConvert(img,mat);C.IplImage*-BYTE*BYTE*data=img-imageData;CvMat和IplImage創(chuàng)建時(shí)的一個(gè)小區(qū)別：1、建立矩陣時(shí)，第一個(gè)參數(shù)為行數(shù)，第二個(gè)參數(shù)為列數(shù)。CvMat*cvCreateMat(introws,intcols,inttype);2、建立圖像時(shí)，CvSize第一個(gè)參數(shù)為寬度，即列數(shù)；第二個(gè)參數(shù)為高度，即行數(shù)。這個(gè)和CvMat矩陣正好相反。IplImage*cvCreateImage(CvSizesize,intdepth,intchannels);CvSizecvSize(intwidth,intheight);IplImage內(nèi)部buffer每行是按4字節(jié)對(duì)齊的，CvMat沒(méi)有這個(gè)限制補(bǔ)充：A.BYTE*-IplImage*img=cvCreateImageHeader(cvSize(width,height),depth,channels);cvSetData(img,data,step);//首先由cvCreateImageHeader()創(chuàng)建IplImage圖像頭，制定圖像的尺寸，深度和通道數(shù)；//然后由cvSetData()根據(jù)BYTE*圖像數(shù)據(jù)指針設(shè)置IplImage圖像頭的數(shù)據(jù)數(shù)據(jù)，//其中step指定該IplImage圖像每行占的字節(jié)數(shù)，對(duì)于1通道的IPL_DEPTH_8U圖像，step可以等于width。

從策劃到設(shè)計(jì)制作，每一步都追求做到細(xì)膩，制作可持續(xù)發(fā)展的企業(yè)網(wǎng)站。為客戶提供網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、網(wǎng)站策劃、網(wǎng)頁(yè)設(shè)計(jì)、域名注冊(cè)、虛擬主機(jī)、網(wǎng)絡(luò)營(yíng)銷(xiāo)、VI設(shè)計(jì)、 網(wǎng)站改版、漏洞修補(bǔ)等服務(wù)。為客戶提供更好的一站式互聯(lián)網(wǎng)解決方案,以客戶的口碑塑造優(yōu)易品牌,攜手廣大客戶,共同發(fā)展進(jìn)步。

python 怎么創(chuàng)建一個(gè)function：mat(int)，接收一整數(shù)n，得到一n*n 矩陣，每行的數(shù)是前一行數(shù)字加10

你在刷題啊

def?mk_mat(num):

output?=?[]

for?i?in?range(num):

output.append([x+i*10?for?x?in?range(num)])

return?output

print?mk_mat(4)

python怎么實(shí)現(xiàn)矩陣的除法

1、首先打開(kāi)pycharm軟件，新建一個(gè)python文件并導(dǎo)入numpy庫(kù)。

2、然后創(chuàng)建矩陣A，這里先創(chuàng)建一個(gè)兩行兩列的數(shù)組，在用numpy的mat函數(shù)將數(shù)組轉(zhuǎn)換為矩陣。

3、接著計(jì)算矩陣A的逆矩陣，逆矩陣是通過(guò)A.I求得。

4、求出了矩陣A的逆矩陣后，用矩陣B乘以這個(gè)逆矩陣就是矩陣的除法了，即為矩陣B除以矩陣A的值。

python怎么將數(shù)組轉(zhuǎn)換為矩陣

python將數(shù)組轉(zhuǎn)換為矩陣，方法如下：

數(shù)組轉(zhuǎn)換矩陣：?

A ＝ mat（s［］）

Python的定義：

Python是一種面向?qū)ο?、直譯式計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言，Python語(yǔ)法簡(jiǎn)捷而清晰，具有豐富和強(qiáng)大的類(lèi)庫(kù)。

它常被為膠水語(yǔ)言，它能夠很輕松的把用其他語(yǔ)言制作的各種模塊（尤其是C/C++）輕松地聯(lián)結(jié)在一起。常見(jiàn)的一種應(yīng)用情形是，使用python快速生成程序的原型（有時(shí)甚至是程序的最終界面），然后對(duì)其中有特別要求的部分，用更合適的語(yǔ)言改寫(xiě)。比如3D游戲中的圖形渲染模塊，速度要求非常高，就可以用C++重寫(xiě)。

python3 如何把一個(gè)txt文件轉(zhuǎn)換成json數(shù)據(jù),txt包含4個(gè)字段

前言

今天拿到一個(gè)傳感器信號(hào)文件，txt格式，有十幾行，每行是一組json格式數(shù)據(jù)，有兩個(gè)字段（鍵）：'series'和'id'，共4個(gè)json對(duì)象，id從'901'到'904'，其中每組的series是是個(gè)數(shù)組，數(shù)組中包含512個(gè)json對(duì)象，每個(gè)json對(duì)象含有兩個(gè)字段：'time'和'value'。

圖1 原始文件

解析

MATLAB本身無(wú)直接解析json數(shù)據(jù)的函數(shù)，我從MATLAB官網(wǎng)論壇File Exchange上找到兩個(gè)解析json的第三方函數(shù)：json4mat和parse_json。這兩個(gè)函數(shù)均能成功解析json格式數(shù)據(jù)到MATLAB支持的cell和struct類(lèi)型數(shù)據(jù)。

下載地址：;query=jsonterm=json

發(fā)現(xiàn)json4mat比parse_json的解析速度更快。

示例

以json4mat為例，

3? ? ?%%?解析 ?

4? ? ?clear;clc; ?

5? ? ?file?=?'C:\Users\Administrator\Desktop\06\zlw\AccData-18-29-43.txt'; ?

6? ? ?A?=?importdata(file); ?

7? ? ?M?=?[]; ?

8? ? ?for?i?=?1:numel(A) ?

9? ? ?????M=[M;json2mat(A{i})]; ?

10? ? ?end?%方法1,json2mat函數(shù) ?

11? ? ?? ?

12? ? ?%?for i = 1:numel(A) ?

13? ? ?%?????tmp = parse_json(A{i}); ?

14? ? ?%?????M = [M;tmp{1}]; ?

15? ? ?%?end %方法2,parse_json函數(shù) ?

結(jié)果

解析后得到的16*4的cell格式數(shù)據(jù)，里面每個(gè)元素是結(jié)構(gòu)體struct數(shù)據(jù)。每個(gè)結(jié)構(gòu)體有兩個(gè)字段：series和id。可供MATLAB進(jìn)行處理。

圖2 解析后的數(shù)據(jù)

如何讀取mat文件 python

一、mat文件

mat數(shù)據(jù)格式是Matlab的數(shù)據(jù)存儲(chǔ)的標(biāo)準(zhǔn)格式。在Matlab中主要使用load()函數(shù)導(dǎo)入一個(gè)mat文件，使用save()函數(shù)保存一個(gè)mat文件。對(duì)于文件

load('data.mat')

save('data_1.mat','A')

其中，'A'表示要保存的內(nèi)容。

二、python中讀取mat文件

在python中可以使用scipy.io中的函數(shù)loadmat()讀取mat文件，函數(shù)savemat保存文件。

1、讀取文件

如上例：

#coding:UTF-8

import scipy.io as scio

dataFile = 'E://data.mat'

data = scio.loadmat(dataFile)

注意，讀取出來(lái)的data是字典格式，可以通過(guò)函數(shù)type(data)查看。

print type(data)

結(jié)果顯示

type 'dict'

找到mat文件中的矩陣：

print data['A']

結(jié)果顯示

[[ 0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

。。。。。。。。。。。

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0.36470588 ?0.90196078 ?0.99215686 ?0.99607843 ?0.99215686 ?0.99215686

0.78431373 ?0.0627451 ? 0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

。。。。。。。。。。。。

0.94117647 ?0.22745098 ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.30196078

。。。。。。。

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0.

0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ? ?0. ? ? ? ?]]

格式為：

type 'numpy.ndarray'

即為numpy中的矩陣格式。

2、保存文件

將這里的data['A']矩陣重新保存到一個(gè)新的文件dataNew.mat中：

dataNew = 'E://dataNew.mat'

scio.savemat(dataNew, {'A':data['A']})

分享名稱：mat函數(shù)python3 mat函數(shù)用法
鏈接URL：http://aaarwkj.com/article44/doodjee.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供做網(wǎng)站、小程序開(kāi)發(fā)、網(wǎng)站營(yíng)銷(xiāo)、面包屑導(dǎo)航、品牌網(wǎng)站建設(shè)、網(wǎng)站策劃

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)