OpenCV之RNG生成随机数类详解

2024-05-28 06:18

本文主要是介绍OpenCV之RNG生成随机数类详解,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!

    OpenCV中主要是通过RNG类来生成随机数,默认定义RNG类对象的时候需要初始化一个种子(默认种子为0xFFFFFFFF,64位无符号值),对种子进行运算从而生成随机数,RNG类定义如下:

    如果将种子设定为默认种子的话,每次运行种子及其种子运算所得随机数不变,往往不利于程序需求,通常可将种子设置为当前时间,这样每次获得的种子及其运算所得随机数都不同。

默认种子RNG类定义:RNG rng(0xFFFFFFFF)

时间种子RNG类定义:RNG rng((unsigned)time(NULL))

    uniform(a,b)函数可以随机产生一个[a,b)的随机数,其类型可以是int,double,float,例如 int x=rng.uniform((int)0,(int)255),x等于一个0-255的随机整数。

    RNG类在opencv中常用于产生随机的RGB颜色值Scalar和随机点中,距离如下:

产生随机颜色值:int color = (int)rng ; Scalar(color&255,(color>>8)&255,(color>>16)&255);

产生随机点:Point pt ;  pt.x=rng.uniform((double)0,(double)255) ; pt.y=rng.uniform((double)0,(double)255);

  1.    Random Number Generator 
  2.  
  3.    The class implements RNG using Multiply-with-Carry algorithm 
  4. */  
  5. class CV_EXPORTS RNG  
  6. {  
  7. public:  
  8.     enum { UNIFORM=0, NORMAL=1 };  
  9.   
  10.       
  11. RNG();//默认构造函数  
  12. // inline RNG::RNG() { state = 0xffffffff; }  
  13.   
  14. RNG(uint64 state);//带参数的构造函数,接受一个64位无符号的值。  
  15. //inline RNG::RNG(uint64 _state) { state = _state ? _state : 0xffffffff; }  
  16.   
  17.   
  18. //! updates the state and returns the next 32-bit unsigned integer random number  
  19.     unsigned next();  
  20. /* 
  21. inline unsigned RNG::next() 
  22. { 
  23.     state = (uint64)(unsigned)state*CV_RNG_COEFF + (unsigned)(state >> 32); 
  24.     return (unsigned)state; 
  25. } 
  26. #define CV_RNG_COEFF 4164903690U 
  27. 用两个很大的无符号数相乘,乘积结果要转换为64位无符号数,转换的时候两个乘数应该向高精度看起,所以应该也先转换为64位再相乘。把state右移32位得到一个数,把这两个数相加。函数返回一个32位的无符号数,其值为截断前面求得的和。 
  28. */  
  29.   
  30.   
  31. //以下几个函数是从类到uchar.schar,ushort,short,usinged的显示转换函数  
  32. operator uchar();//返回一个8位无符号类型的随机数,把next返回的数截断  
  33. //inline RNG::operator uchar() { return (uchar)next(); }  
  34.   
  35.   
  36. operator schar();//返回一个8为有符号类型的随机数。???会产生负数吗,返回的也是截断的next返回值。莫非是截断后得到的最高位作为符号位,这样也可能是随机的。???  
  37. //inline RNG::operator schar() { return (schar)next(); }  
  38.   
  39.   
  40. operator ushort();//返回一个无符号16为整数  
  41. //inline RNG::operator ushort() { return (ushort)next(); }  
  42.   
  43. operator short();//返回一个有符号16为整数  
  44. // inline RNG::operator short() { return (short)next(); }  
  45.   
  46.   
  47. operator unsigned();//返回一个无符号32为整数  
  48. // inline RNG::operator unsigned() { return next(); }  
  49.   
  50.   
  51. //! returns a random integer sampled uniformly from [0, N).  
  52. unsigned operator ()(unsigned N);//重载括号操作符,带参数。在(0,N)之间返回一个整数,调用uniform成员函数  
  53. //inline unsigned RNG::operator ()(unsigned N) {return (unsigned)uniform(0,N);}  
  54.   
  55.   
  56. unsigned operator ()();//重载括号操作符,无参数。直接返回next结果。  
  57. // inline unsigned RNG::operator ()() {return next();}  
  58.   
  59.   
  60. //放在这个位置有点奇怪,为什么不和前边同类放一起呢?放回一个带符//号32为整数  
  61. operator int();  
  62. // inline RNG::operator int() { return (int)next(); }  
  63.   
  64. //返回一个float型(具体多少位看平台)数。  
  65. operator float();  
  66. // inline RNG::operator float() { return next()*2.3283064365386962890625e-10f; }  
  67.   
  68. //两个数按位或一下,解释起来好麻烦  
  69. operator double();  
  70. /* 
  71. inline RNG::operator double() 
  72. { 
  73.     unsigned t = next(); 
  74.     return (((uint64)t << 32) | next())*5.4210108624275221700372640043497e-20; 
  75. }*/  
  76.   
  77.   
  78. //! returns uniformly distributed integer random number from [a,b) range  
  79. int uniform(int a, int b);//[a,b)内随机产生一个int型值,均匀的哦!  
  80. // inline int RNG::uniform(int a, int b) { return a == b ? a : (int)(next()%(b - a) + a); }  
  81.   
  82.   
  83. //! returns uniformly distributed floating-point random number from [a,b) range  
  84. float uniform(float a, float b); //[a,b)内随机产生一个float型值,均匀的哦!  
  85. // inline float RNG::uniform(float a, float b) { return ((float)*this)*(b - a) + a; }  
  86.   
  87.   
  88. //! returns uniformly distributed double-precision floating-point random number from [a,b) range  
  89. double uniform(double a, double b); //[a,b)内随机产生一个double型值,均匀的  
  90. // inline double RNG::uniform(double a, double b) { return ((double)*this)*(b - a) + a; }  
  91.   
  92. void fill( InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false );//这个函数实现很长,暂时略过。  
  93.   
  94. //! returns Gaussian random variate with mean zero.  
  95. double gaussian(double sigma);//返回均值为0的高斯随机变量,  
  96. /*double RNG::gaussian(double sigma) 
  97. { 
  98.     float temp; 
  99.     randn_0_1_32f( &temp, 1, &state ); 
  100.     return temp*sigma; 
  101. }*/  
  102.       
  103.   
  104.   
  105. uint64 state;//种子,next中需要这样一个初始值  
  106. };  


这篇关于OpenCV之RNG生成随机数类详解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/1009763

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言