OpenCV 图形API(16)将极坐标(magnitude 和 angle)转换为笛卡尔坐标(x 和 y)函数polarToCart()

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

描述

计算二维向量的 x 和 y 坐标。

polarToCart 函数根据 magnitude 和 angle 的对应元素表示的每个二维向量,计算其笛卡尔坐标:
x ( I ) = magnitude ( I ) cos ⁡ ( angle ( I ) ) y ( I ) = magnitude ( I ) sin ⁡ ( angle ( I ) ) \begin{array}{l} \texttt{x} (I) = \texttt{magnitude} (I) \cos ( \texttt{angle} (I)) \\ \texttt{y} (I) = \texttt{magnitude} (I) \sin ( \texttt{angle} (I)) \\ \end{array} x(I)=magnitude(I)cos(angle(I))y(I)=magnitude(I)sin(angle(I))

估计坐标的相对精度约为 1e-6。

第一个输出是二维向量 x 坐标的矩阵。第二个输出是二维向量 y 坐标的矩阵。两个输出矩阵必须与输入矩阵具有相同的大小和深度。

注意:

该函数的文本ID是 "org.opencv.core.math.polarToCart"

函数原型

cpp 复制代码
std::tuple<GMat, GMat> cv::gapi::polarToCart 
(
 	const GMat &  	magnitude,
	const GMat &  	angle,
	bool  	angleInDegrees = false 
) 		

参数

  • 参数magnitude: 输入浮点型 CV_32FC1 矩阵 (1xN),表示二维向量的大小(或长度)。
  • 参数angle: 输入浮点型 CV_32FC1 矩阵 (1xN),表示二维向量的角度;角度可以以度或弧度表示,具体取决于 angleInDegrees 参数。
  • 参数angleInDegrees: 如果为 true,则输入的角度以度为单位;否则,角度以弧度为单位。

代码示例

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

int main() {
    // 创建示例输入矩阵
    cv::Mat magnitude = (cv::Mat_<float>(2, 2) << 1.f, 2.f,
                                                 3.f, 4.f);
    cv::Mat angle = (cv::Mat_<float>(2, 2) << 0.f, 90.f,
                                               180.f, 270.f); // 角度以度为单位

    // 定义G-API计算图
    cv::GComputation polarToCartComp([](){
        cv::GMat inMagnitude, inAngle;
        auto xy = cv::gapi::polarToCart(inMagnitude, inAngle, true); // 使用度作为角度单位
        return cv::GComputation(cv::GIn(inMagnitude, inAngle), cv::GOut(std::get<0>(xy), std::get<1>(xy)));
    });

    // 输出矩阵
    cv::Mat x, y;

    // 执行计算图
    polarToCartComp.apply(cv::gin(magnitude, angle), cv::gout(x, y));

    // 打印结果
    std::cout << "X components: \n" << x << std::endl;
    std::cout << "Y components: \n" << y << std::endl;

    return 0;
}

运行结果

bash 复制代码
X components: 
[1, 0;
 -3, 4.8984e-16]
Y components: 
[0, 2;
 3.6738e-16, -4]
相关推荐
Raink老师2 小时前
【AI面试临阵磨枪-70】Agent 系统如何做分布式调度、跨服务协作、故障恢复?
人工智能·面试·职场和发展
tedcloud1233 小时前
RTK部署教程:构建稳定的AI Workflow环境
服务器·javascript·人工智能·typescript·ocr
Raink老师3 小时前
【AI面试临阵磨枪-71】如何用 AI 优化推荐系统、内容审核、广告创意、搜索体验?
人工智能·面试·职场和发展
AI医影跨模态组学3 小时前
Biomarker Res(IF=11.5)安徽医科大学第一医院:基于机器学习的放射组学模型:子宫内膜癌患者的预后预测及机制探索
人工智能·深度学习·论文·医学·医学影像·影像组学
ftpeak3 小时前
Mooncake:以 KVCache 为中心的分离式 LLM 服务架构
人工智能·ai·架构·ai编程·ai开发
Terrence Shen3 小时前
Hermes agent的tools是怎么落地应用的系列
人工智能·llm·agent·hermes
Raink老师3 小时前
【AI面试临阵磨枪-72】电商全场景 AI Agent 设计(商品咨询 / 订单 / 物流 / 售后 / 退款)
人工智能·面试·职场和发展
仙女修炼史3 小时前
CNN更看重Texture还是shape:imagenet-trained cnns are biased
论文阅读·人工智能·cnn
视***间4 小时前
视程空间 AIR SC6N0-C-MB NX 16GB 规格详解与机器人/机器狗适配说明
人工智能·机器人·边缘计算·机器狗·ai算力·具身机器人·视程空间
视***间4 小时前
小身板・强算力・全适配 —— 视程空间 AI 算力开发板如何完美适配机器人 / 机器狗
人工智能·机器人·边缘计算·ai算力·视程空间·算力开发板