15.java openCV4.x 入门-Core之广义矩阵乘法运算

2024-04-11 16:52

本文主要是介绍15.java openCV4.x 入门-Core之广义矩阵乘法运算,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

专栏简介

💒个人主页
📰专栏目录

点击上方查看更多内容
📖心灵鸡汤📖

我们唯一拥有的就是今天,唯一能把握的也是今天


建议把本文当作笔记来看,据说专栏目录里面有相应视频🤫
🧭文章导航🧭
⬆️ 14.Core之图像融合
⬇️ 16.Core之图像变换

Core之广义矩阵乘法运算

  • 一、广义矩阵乘法
    • 1. 字段
    • 2.方法介绍
    • 3.算法说明
      • 1.算法规则
      • 2.实数矩阵(单通道)
      • 3.复数矩阵(双通道)

  

一、广义矩阵乘法

   gemm其名称来源于 “General Matrix Multiply”,即广义矩阵乘法。此方法与matMul()方法有一样的作用,不过此方法支持第三个矩阵。

1. 字段

GEMM_1_T这是矩阵乘法的一种变换方式,表示对第一个矩阵进行转置
GEMM_2_T 表示对第二个矩阵进行转置.
GEMM_3_T 表示对第三个矩阵进行转置.

2.方法介绍

gemm​(Mat src1, Mat src2, double alpha, Mat src3, double beta, Mat dst, int flags)
参数:
src1 第一个要进行乘法的输入矩阵,可以是实数类型(CV_32FC1,CV_64FC1)或复数类型(CV_32FC2,CV_64FC2)
src2 第二个与src1相同类型的要进行乘法的输入矩阵
alpha 矩阵乘积的缩放因子
src3 第三个可选的增量矩阵,添加到矩阵乘积中;它应该与src1和src2具有相同类型
beta src3的权重
dst 输出矩阵;它具有适当的尺寸,并且与输入矩阵具有相同的类型.
flags 操作标志. GEMM_*。(支持组合 G1+G2)
   gemm(src1, src2, alpha, src3, beta, dst, GEMM_1_T + GEMM_3_T)

   对应的数学表达式为: dst = alpha ⋅ src1 T ⋅ src2 + beta ⋅ src3 T \texttt{dst} = \texttt{alpha} \cdot \texttt{src1} ^T \cdot \texttt{src2} + \texttt{beta} \cdot \texttt{src3} ^T dst=alphasrc1Tsrc2+betasrc3T
   其中 src1 T 和 src3 T \texttt{src1} ^T和\texttt{src3} ^T src1Tsrc3T分别表示 src1 和 src3 \texttt{src1}和\texttt{src3} src1src3转置

3.算法说明

   算法涉及到实数矩阵和复数矩阵

1.算法规则

   1.结果矩阵的行数等于第一个矩阵的行数,列数等于第二个矩阵的列数。如果 (A) 是一个 ( m × n ) (m \times n) (m×n) 的矩阵,(B) 是一个 ( n × p ) (n \times p) (n×p) 的矩阵,则结果矩阵 © 是一个 ( m × p ) (m \times p) (m×p) 的矩阵。
   2.结果矩阵中的每个元素 ( c i j ) (c_{ij}) (cij) 是由第一个矩阵 (A) 的第 ( i ) (i) (i) 行与第二个矩阵 (B) 的第 ( j ) (j) (j) 列对应元素相乘后相加得到的。即:

   [ C i j = ∑ k = 1 n A i k ⋅ B k j ] [C_{ij} = \sum_{k=1}^{n} A_{ik} \cdot B_{kj}] [Cij=k=1nAikBkj]

,其中 ( 1 ≤ i ≤ m ) , ( 1 ≤ j ≤ p ) , ( 1 ≤ k ≤ n ) , i 是行索引, j 是列索引, k 为 1 到 n 之间的值 (1 \leq i \leq m),(1 \leq j \leq p),(1 \leq k \leq n),i是行索引,j是列索引,k为1到n之间的值 (1im)(1jp)(1kn)i是行索引,j是列索引,k1n之间的值
   3.矩阵乘法并不满足交换律,即A×B不一定等于B×A,除非矩阵A和B是方阵(即行数和列数相等)且是可交换的。

2.实数矩阵(单通道)

   1.计算 ( C i j ) (C_{ij}) (Cij) 的值,即将第一个矩阵 A的第 i i i 行与第二个矩阵 B 的第 j j j 列对应元素相乘后相加得到。
   2.将计算结果赋值给结果矩阵C的对应位置。

示例一:

        Mat A =  new Mat(2,3, CvType.CV_32FC1);A.put(0,0,1,2,3,4,5,6);Mat B = new Mat(3,2,CvType.CV_32FC1 );B.put(0,0,3,4,5,6,7,8);Mat C= new Mat();/Core.gemm(A,B,1,new Mat(),1,C);System.out.println("A.dump() = \n"  + A.dump());System.out.println("B.dump() = \n" + B.dump());System.out.println("C.dump() = \n" + C.dump());

结果:

A.dump() = 
[1, 2, 3;4, 5, 6]
B.dump() = 
[3, 4;5, 6;7, 8]
C.dump() = 
[34, 40;79, 94]

计算如下:
在这里插入图片描述
然后依次计算出位置的值即可。
示例二、

        Mat src1 =  new Mat(2,3, CvType.CV_32FC1);src1.put(0,0,1,2,3,4,5,6);Mat src2 = new Mat(3,2,CvType.CV_32FC1 );src2.put(0,0,3,4,5,6,7,8);Mat dst = new Mat();Mat src3 = new Mat(3,3,CvType.CV_32FC1);src3.put(0,0,1,2,3,4);Core.gemm(src1,src2,2,src3,1,dst,Core.GEMM_1_T+Core.GEMM_2_T);System.out.println("src1.dump() = \n"  + src1.dump());System.out.println("src2.dump() = \n" + src2.dump());System.out.println("dst.dump() = \n" + dst.dump());

请自行验证结果

3.复数矩阵(双通道)

   对于复数(双通道)数据,它的计算和计算实数矩阵相似,只需要按照复数的计算规则计算即可:
( a + b i ) ∗ ( c + d i ) = ( a c − b d ) + ( a d + b c ) i (a + bi) * (c + di) = (ac - bd) + (ad + bc)i (a+bi)(c+di)=(acbd)+(ad+bc)i
其中, a , b , c , d a, b, c, d a,b,c,d 都是实数, i i i 是虚数单位。

        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);Mat A =  new Mat(1,2, CvType.CV_32FC2);A.put(0,0,1,2,3,4 );Mat B = new Mat(2,1,CvType.CV_32FC2 );B.put(0,0,3,4,5,6);Mat C= new Mat();Core.gemm(A ,B,new Mat(),1,C);System.out.println("A.dump() = \n"  +  A.dump());System.out.println("B.dump() = \n" + B.dump());System.out.println("C.dump() = \n" + C.dump());

结果

A.dump() = 
[1, 2, 3, 4]
B.dump() = 
[3, 4;5, 6]
C.dump() = 
[-14, 48]

   计算方式如下,
在这里插入图片描述
   按照这个方式计算其它位置的值即可。

这篇关于15.java openCV4.x 入门-Core之广义矩阵乘法运算的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/894654

相关文章

Java 实用工具类Spring 的 AnnotationUtils详解

《Java实用工具类Spring的AnnotationUtils详解》Spring框架提供了一个强大的注解工具类org.springframework.core.annotation.Annot... 目录前言一、AnnotationUtils 的常用方法二、常见应用场景三、与 JDK 原生注解 API 的

Java controller接口出入参时间序列化转换操作方法(两种)

《Javacontroller接口出入参时间序列化转换操作方法(两种)》:本文主要介绍Javacontroller接口出入参时间序列化转换操作方法,本文给大家列举两种简单方法,感兴趣的朋友一起看... 目录方式一、使用注解方式二、统一配置场景:在controller编写的接口,在前后端交互过程中一般都会涉及

Java中的StringBuilder之如何高效构建字符串

《Java中的StringBuilder之如何高效构建字符串》本文将深入浅出地介绍StringBuilder的使用方法、性能优势以及相关字符串处理技术,结合代码示例帮助读者更好地理解和应用,希望对大家... 目录关键点什么是 StringBuilder?为什么需要 StringBuilder?如何使用 St

使用Java将各种数据写入Excel表格的操作示例

《使用Java将各种数据写入Excel表格的操作示例》在数据处理与管理领域,Excel凭借其强大的功能和广泛的应用,成为了数据存储与展示的重要工具,在Java开发过程中,常常需要将不同类型的数据,本文... 目录前言安装免费Java库1. 写入文本、或数值到 Excel单元格2. 写入数组到 Excel表格

Java并发编程之如何优雅关闭钩子Shutdown Hook

《Java并发编程之如何优雅关闭钩子ShutdownHook》这篇文章主要为大家详细介绍了Java如何实现优雅关闭钩子ShutdownHook,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起... 目录关闭钩子简介关闭钩子应用场景数据库连接实战演示使用关闭钩子的注意事项开源框架中的关闭钩子机制1.

Maven中引入 springboot 相关依赖的方式(最新推荐)

《Maven中引入springboot相关依赖的方式(最新推荐)》:本文主要介绍Maven中引入springboot相关依赖的方式(最新推荐),本文给大家介绍的非常详细,对大家的学习或工作具有... 目录Maven中引入 springboot 相关依赖的方式1. 不使用版本管理(不推荐)2、使用版本管理(推

Java 中的 @SneakyThrows 注解使用方法(简化异常处理的利与弊)

《Java中的@SneakyThrows注解使用方法(简化异常处理的利与弊)》为了简化异常处理,Lombok提供了一个强大的注解@SneakyThrows,本文将详细介绍@SneakyThro... 目录1. @SneakyThrows 简介 1.1 什么是 Lombok?2. @SneakyThrows

在 Spring Boot 中实现异常处理最佳实践

《在SpringBoot中实现异常处理最佳实践》本文介绍如何在SpringBoot中实现异常处理,涵盖核心概念、实现方法、与先前查询的集成、性能分析、常见问题和最佳实践,感兴趣的朋友一起看看吧... 目录一、Spring Boot 异常处理的背景与核心概念1.1 为什么需要异常处理?1.2 Spring B

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

如何在 Spring Boot 中实现 FreeMarker 模板

《如何在SpringBoot中实现FreeMarker模板》FreeMarker是一种功能强大、轻量级的模板引擎,用于在Java应用中生成动态文本输出(如HTML、XML、邮件内容等),本文... 目录什么是 FreeMarker 模板?在 Spring Boot 中实现 FreeMarker 模板1. 环