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=alpha⋅src1T⋅src2+beta⋅src3T。
其中 src1 T 和 src3 T \texttt{src1} ^T和\texttt{src3} ^T src1T和src3T分别表示 src1 和 src3 \texttt{src1}和\texttt{src3} src1和src3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=1nAik⋅Bkj]
,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 (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
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:
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)=(ac−bd)+(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,
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!