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
羊小猪~~15 分钟前
数据库学习笔记(十七)--触发器的使用
数据库·人工智能·后端·sql·深度学习·mysql·考研
摸爬滚打李上进33 分钟前
重生学AI第十六集:线性层nn.Linear
人工智能·pytorch·python·神经网络·机器学习
HuashuiMu花水木34 分钟前
PyTorch笔记1----------Tensor(张量):基本概念、创建、属性、算数运算
人工智能·pytorch·笔记
lishaoan7738 分钟前
使用tensorflow的线性回归的例子(四)
人工智能·tensorflow·线性回归
AI让世界更懂你1 小时前
【ACL系列论文写作指北15-如何进行reveiw】-公平、公正、公开
人工智能·自然语言处理
牛客企业服务2 小时前
2025年AI面试推荐榜单,数字化招聘转型优选
人工智能·python·算法·面试·职场和发展·金融·求职招聘
视觉语言导航2 小时前
RAL-2025 | 清华大学数字孪生驱动的机器人视觉导航!VR-Robo:面向视觉机器人导航与运动的现实-模拟-现实框架
人工智能·深度学习·机器人·具身智能
**梯度已爆炸**2 小时前
自然语言处理入门
人工智能·自然语言处理
ctrlworks3 小时前
楼宇自控核心功能:实时监控设备运行,快速诊断故障,赋能设备寿命延长
人工智能·ba系统厂商·楼宇自控系统厂家·ibms系统厂家·建筑管理系统厂家·能耗监测系统厂家
BFT白芙堂3 小时前
睿尔曼系列机器人——以创新驱动未来,重塑智能协作新生态(上)
人工智能·机器学习·机器人·协作机器人·复合机器人·睿尔曼机器人