OpenCV 图形API(13)用于执行两个矩阵(或图像)逐元素乘法操作的函数mul()

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

描述

计算两个矩阵的每个元素的缩放乘积。

mul函数计算两个矩阵的逐元素乘积:
dst ( I ) = saturate ( scale ⋅ src1 ( I ) ⋅ src2 ( I ) ) \texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I)) dst(I)=saturate(scale⋅src1(I)⋅src2(I))

如果 src1.depth() == src2.depth(),ddepth 可以设置为默认值 -1。在这种情况下,输出矩阵将具有与输入矩阵相同的深度。矩阵可以是单通道或多通道。输出矩阵必须与输入矩阵具有相同的大小。

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.mul"。

函数原型

cpp 复制代码
GMat cv::gapi::mul
(
 	const GMat &  	src1,
	const GMat &  	src2,
	double  	scale = 1.0,
	int  	ddepth = -1 
) 		

参数

  • 参数src1:第一个输入矩阵。
  • 参数src2:与 src1 大小和深度相同的第二个输入矩阵。
  • 参数scale:可选的比例因子。
  • 参数ddepth:输出矩阵的可选深度。

代码示例

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

int main()
{
    // 创建G-API网络编译器
    cv::GComputation comp( []() {
        // 定义输入
        cv::GMat src1, src2;
        // 计算src1和src2的逐元素乘积,并应用比例因子
        cv::GMat dst = cv::gapi::mul( src1, src2, 1.5, -1 );  // 使用1.5作为scale因子,深度与输入相同
        // 返回计算图
        return cv::GComputation( cv::GIn( src1, src2 ), cv::GOut( dst ) );
    } );

    // 创建一些示例数据
    cv::Mat mat1 = ( cv::Mat_< uchar >( 2, 2 ) << 1, 2, 3, 4 );
    cv::Mat mat2 = ( cv::Mat_< uchar >( 2, 2 ) << 5, 6, 7, 8 );

    // 输出矩阵
    cv::Mat result;

    // 在CPU上运行计算图
    comp.apply( cv::gin( mat1, mat2 ), cv::gout( result ) );

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

    return 0;
}

运行结果

bash 复制代码
Result: 
[  8,  18;
  32,  48]
相关推荐
GPT-Mirrors6 分钟前
通知:大可Ai镜像版更名为 GPT-Mirrors
人工智能·ai·chatgpt
Ashlee_code8 分钟前
什么是TRS收益互换与场外个股期权:从金融逻辑到系统开发实践
大数据·人工智能·python·金融·系统架构·清算·柜台
许泽宇的技术分享13 分钟前
把 CLI 搬上 Web:在内网打造“可二开”的 AI IDE,为什么这条路更现实?
前端·ide·人工智能
快乐非自愿16 分钟前
2025 AI低代码开发趋势:从效率工具到智能开发生态的范式跃迁
人工智能·低代码
宸津-代码粉碎机39 分钟前
Java内部类内存泄露深度解析:原理、场景与根治方案(附GC引用链分析)
java·开发语言·jvm·人工智能·python
致Great1 小时前
强化学习(RL)简介及其在大语言模型中的应用
人工智能·语言模型·自然语言处理·大模型
JJJJ_iii1 小时前
【机器学习11】决策树进阶、随机森林、XGBoost、模型对比
人工智能·python·神经网络·算法·决策树·随机森林·机器学习
咚咚王者2 小时前
人工智能之编程基础 Python 入门:第五章 基本数据类型(一)
人工智能·python
说私域2 小时前
基于开源链动2+1模式AI智能名片S2B2C商城小程序的零售流量重构研究
人工智能·小程序·开源
Funny_AI_LAB2 小时前
Anthropic 最新研究深度解析:大型语言模型中涌现的内省意识
人工智能·语言模型·自然语言处理