OpenCV 图形API(14)用于执行矩阵(或图像)与一个标量值的逐元素乘法操作函数mulC()

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

描述

将矩阵与标量相乘。

mulC 函数将给定矩阵 src 的每个元素乘以一个给定的标量值:
dst ( I ) = saturate ( src1 ( I ) ⋅ multiplier ) \texttt{dst} (I)= \texttt{saturate} ( \texttt{src1} (I) \cdot \texttt{multiplier} ) dst(I)=saturate(src1(I)⋅multiplier)

矩阵可以是单通道或多通道。输出矩阵必须与 src 具有相同的大小。

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

注意:

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

函数原型

cpp 复制代码
GMat cv::gapi::mulC
(
 	const GMat &  	src,
	double  	multiplier,
	int  	ddepth = -1 
) 	

参数

  • 参数src:输入矩阵。
  • 参数 multiplier:要乘以的因子。
  • 参数 ddepth:输出矩阵的可选深度。如果为 -1,输出矩阵的深度将与输入矩阵的深度相同。

代码示例

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

int main()
{
    // 创建一个示例矩阵
    cv::Mat src = ( cv::Mat_< double >( 2, 2 ) << 1.0, 2.0, 3.0, 4.0 );

    // 标量乘数
    double multiplier = 2.5;

    // 定义G-API计算图
    cv::GComputation mulComp( [ multiplier ]() {  // 捕获multiplier
        cv::GMat in;
        cv::GMat out = cv::gapi::mulC( in, multiplier );
        return cv::GComputation( cv::GIn( in ), cv::GOut( out ) );
    } );

    // 输出矩阵
    cv::Mat dst;

    // 执行计算图,这里我们不指定特定的backend,使用默认设置
    mulComp.apply( src, dst, cv::compile_args() );

    // 打印结果
    std::cout << "Result: \n" << dst << std::endl;

    return 0;
}

运行结果

bash 复制代码
Result: 
[2.5, 5;
 7.5, 10]
相关推荐
kaixin_啊啊7 小时前
【用于更准确 G×E 基因组预测的大规模作物数据集与基于深度学习的多模态融合框架】论文学习
人工智能·深度学习·学习
GOWIN革文品牌咨询7 小时前
工业测量品牌系统化搭建指南:从内容架构到长期治理的全流程
大数据·人工智能·架构
拿本唠嗑AI研究8 小时前
本体工程实战指南:从建模到可维护的完整落地路径
java·人工智能·python·jena·ontology
deepseek238 小时前
AI 模型隐藏任意能力拆解:把加密神经网络塞进宿主权重,能力评估为什么在密码学上抓不到
人工智能·深度学习·神经网络·密码学·模型安全
揽秀亭长8 小时前
从音频到五线谱,自动扒谱的完整技术流程
人工智能
Smoothcloud润云8 小时前
PyTorch推理服务模型热切换与失败回滚实战:降低版本更新中断
服务器·人工智能·pytorch·python·深度学习·gpu
冬奇Lab8 小时前
开源项目第236期:PentAGI — 全自主渗透测试多智能体系统,自带 20+ 专业工具箱
人工智能·开源·资讯
forest_098 小时前
Agent 系列02|Agent 架构全景图
人工智能·架构·prompt·agi
YangYang9YangYan8 小时前
2027供应链计划校招:数学与应用数学专业如何把预测模型讲成业务决策?
人工智能·sql·算法
jsjzsl28 小时前
递归自改进系统(RSI)的本质是自发对称破缺:智能爆炸有界—— AI研发切记盲目投入
人工智能·python·算法