OpenCV 图形API(6)将一个矩阵(或图像)与一个标量值相加的函数addC()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

addC 函数将给定的标量值加到给定矩阵的每个元素上。该功能可以用矩阵表达式替换:
dst = src1 + c \texttt{dst} = \texttt{src1} + \texttt{c} dst=src1+c

输出矩阵的深度由 ddepth 参数决定。如果 ddepth 设置为默认值 -1,则输出矩阵将具有与输入矩阵相同的深度。 输入矩阵可以是单通道或多个通道的矩阵。输出矩阵必须与输入矩阵具有相同的尺寸和通道数。

支持的矩阵数据类型包括:CV_8UC1 CV_8UC3 CV_16UC1 CV_16SC1 CV_32FC1
注意:

函数的文本ID是 "org.opencv.core.math.addC"

函数原型

cpp 复制代码
GMat cv::gapi::addC 	
(
 	const GMat &  	src1,
	const GScalar &  	c,
	int  	ddepth = -1 
) 	

参数

  • 参数src1:第一个输入矩阵。
  • 参数c:要加到输入矩阵上的标量值。
  • 参数ddepth:输出矩阵的可选深度。

代码示例

cpp 复制代码
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>  // 包含G-API核心功能
#include <opencv2/opencv.hpp>

int main()
{
    // 读取输入图像
    cv::Mat img1 = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/stich1.png", cv::IMREAD_COLOR );

    if ( img1.empty() )
    {
        std::cerr << "无法加载图像,请检查路径。" << std::endl;
        return -1;
    }

    // 定义标量值
    cv::Scalar scalar_value( 90, 90, 90 );  // BGR颜色空间中的标量值

    // 定义G-API图中的输入和输出
    cv::GMat in1;
    auto out = cv::gapi::addC( in1, cv::GScalar( scalar_value ) );  // 使用默认深度

    // 创建一个计算图
    cv::GComputation add_graph( cv::GIn( in1 ), cv::GOut( out ) );

    // 输出矩阵
    cv::Mat result;

    // 编译并执行计算图
    add_graph.apply( img1, result, cv::GCompileArgs() );

    // 显示结果
    cv::imshow( "原图", img1 );
    cv::imshow( "Result", result );

    // 如果需要指定不同的输出深度,可以这样做:
    int ddepth           = CV_32F;  // 指定为32位浮点数
    auto out_with_ddepth = cv::gapi::addC( in1, cv::GScalar( scalar_value ), ddepth );

    // 创建另一个计算图
    cv::GComputation add_graph_with_ddepth( cv::GIn( in1 ), cv::GOut( out_with_ddepth ) );

    // 输出矩阵(这次是浮点型)
    cv::Mat result_float;

    // 编译并执行计算图
    add_graph_with_ddepth.apply( img1, result_float, cv::GCompileArgs() );

    // 转换回8位图像以便显示
    cv::Mat result_converted;
    result_float.convertTo( result_converted, CV_8U );

    cv::imshow( "Result with specified depth", result_converted );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
147API1 天前
60,000 星的代价:解析 OpenClaw 的架构设计与安全教训
人工智能·安全·aigc·clawdbot·moltbot·openclaw
audyxiao0011 天前
智能交通顶刊TITS论文分享|如何利用驾驶感知世界模型实现无信号灯路口自动驾驶?
人工智能·机器学习·自动驾驶·tits
lisw051 天前
氛围炒股概述!
大数据·人工智能·机器学习
hjs_deeplearning1 天前
文献阅读篇#16:自动驾驶中的视觉语言模型:综述与展望
人工智能·语言模型·自动驾驶
爱喝可乐的老王1 天前
PyTorch深度学习参数初始化和正则化
人工智能·pytorch·深度学习
杭州泽沃电子科技有限公司1 天前
为电气风险定价:如何利用监测数据评估工厂的“电气安全风险指数”?
人工智能·安全
Godspeed Zhao1 天前
自动驾驶中的传感器技术24.3——Camera(18)
人工智能·机器学习·自动驾驶
顾北121 天前
MCP协议实战|Spring AI + 高德地图工具集成教程
人工智能
wfeqhfxz25887821 天前
毒蝇伞品种识别与分类_Centernet模型优化实战
人工智能·分类·数据挖掘
中杯可乐多加冰1 天前
RAG 深度实践系列(七):从“能用”到“好用”——RAG 系统优化与效果评估
人工智能·大模型·llm·大语言模型·rag·检索增强生成