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
闭月之泪舞11 分钟前
OpenCv高阶(十)——光流估计
人工智能·opencv·计算机视觉
layneyao17 分钟前
大语言模型(LLM)的Prompt Engineering:从入门到精通
人工智能·语言模型·prompt
边缘计算社区1 小时前
FPGA与边缘AI:计算革命的前沿力量
人工智能·fpga开发
飞哥数智坊1 小时前
打工人周末充电:15条AI资讯助你领先一小步
人工智能
Tech Synapse1 小时前
基于CARLA与PyTorch的自动驾驶仿真系统全栈开发指南
人工智能·opencv·sqlite
layneyao1 小时前
深度强化学习(DRL)实战:从AlphaGo到自动驾驶
人工智能·机器学习·自动驾驶
海特伟业2 小时前
隧道调频广播覆盖的实现路径:隧道无线广播技术赋能行车安全升级,隧道汽车广播收音系统助力隧道安全管理升级
人工智能
CareyWYR2 小时前
每周AI论文速递(250421-250425)
人工智能
追逐☞3 小时前
机器学习(10)——神经网络
人工智能·神经网络·机器学习
winner88813 小时前
对抗学习:机器学习里的 “零和博弈”,如何实现 “双赢”?
人工智能·机器学习·gan·对抗学习