OpenCV 图形API(15)计算两个矩阵(通常代表二维向量的X和Y分量)每个对应元素之间的相位角(即角度)函数phase()

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

描述

cv::gapi::phase 是 OpenCV 的 G-API 模块中的一个函数,用于计算两个矩阵(通常代表二维向量的X和Y分量)每个对应元素之间的相位角(即角度)。这个函数特别适用于处理复数的极坐标表示或计算光流等应用中。

计算二维向量的旋转角度。

cv::phase 函数计算由 x 和 y 的对应元素形成的每个二维向量的旋转角度:
angle ( I ) = atan2 ( y ( I ) , x ( I ) ) \texttt{angle} (I) = \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I)) angle(I)=atan2(y(I),x(I))

角度估计的精度约为 0.3 度。当 x(I)=y(I)=0 时,对应的 angle(I) 被设置为 0。

函数原型

cpp 复制代码
GMat cv::gapi::phase 
(
 	const GMat &  	x,
	const GMat &  	y,
	bool  	angleInDegrees = false 
) 		

参数

  • 参数 x: 输入浮点数数组,包含 2D 向量的 x 坐标。
  • 参数 y: 输入数组,包含 2D 向量的 y 坐标;它必须与 x 具有相同的大小和类型。
  • 参数 angleInDegrees: 如果为 true,则函数计算的角度以度为单位;否则,角度以弧度为单位。

返回值

  • 向量角度数组;它具有与 x 相同的大小和类型。

代码示例

cpp 复制代码
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/opencv.hpp>

int main()
{
    // 创建示例输入矩阵
    cv::Mat x = ( cv::Mat_< float >( 2, 2 ) << 1.f, -1.f, -1.f, 1.f );
    cv::Mat y = ( cv::Mat_< float >( 2, 2 ) << 1.f, 1.f, -1.f, -1.f );

    // 定义G-API计算图
    cv::GComputation phaseComp( []() {
        cv::GMat inX, inY;
        cv::GMat out = cv::gapi::phase( inX, inY, true );  // 使用度作为角度单位
        return cv::GComputation( cv::GIn( inX, inY ), cv::GOut( out ) );
    } );

    // 输出矩阵
    cv::Mat dst;

    // 执行计算图
    phaseComp.apply( x, y, dst, cv::compile_args() );

    // 打印结果
    std::cout << "Phase angles (in degrees): \n" << dst << std::endl;

    return 0;
}

运行结果

bash 复制代码
Phase angles (in degrees): 
[44.990456, 135.00955;
 224.99045, 315.00955]
相关推荐
Gigavision2 小时前
基于BUAA-MIHR数据集的噪声解耦对比学习算法
人工智能·python·深度学习·算法
红海云2 小时前
Kimi 双端接入 CloudBase 的工程价值
人工智能·语言模型
计算机编程-吉哥3 小时前
YOLO26 vs YOLO11 vs YOLOv8:深度学习咖啡果实成熟度分割系统【计算机毕业设计选题推荐】
人工智能·python·深度学习·yolo·django·毕业设计
冬奇Lab3 小时前
一年前没启动 AI 提效的团队,今年在付什么钱?
人工智能
NeoGressAI外贸数字化4 小时前
IOR新规9月18日生效:Form 5106六项资料自查清单
人工智能
根目录下的猫4 小时前
RK3588适配的轻量级AI模型推荐
人工智能·后端·python·目标检测
weixin_6684 小时前
Cursor 插件使用说明:Linear 与 Figma
人工智能·cursor
wshzd5 小时前
LLM之Agent(六十八)|PI(七)构建测试与开发流程
人工智能
H0311169855 小时前
App竞品数据平台功能梳理:月狐数据、七麦数据、点点数据
人工智能
YOLO数据集集合5 小时前
高铁轨道紧固件损坏检测数据集 | 高铁巡检 紧固件缺陷 轨道安全9093期
人工智能·目标检测·计算机视觉·目标跟踪·轨道·铁轨紧固件·铁轨