OpenCV 图形API(20)用于执行标量与矩阵之间的逐元素减法操作函数subRC()

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

算法描述

计算给定标量与矩阵之间的逐元素差值。

该函数可以用矩阵表达式替代:
dst = c − src \texttt{dst} = \texttt{c} - \texttt{src} dst=c−src

输出矩阵的深度由 ddepth 参数决定。如果 ddepth 设置为默认值 -1,则输出矩阵的深度将与输入矩阵相同。这些矩阵可以是单通道或多通道的。输出矩阵必须与 src 具有相同的尺寸。

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.subRC"

函数原型

cpp 复制代码
GMat cv::gapi::subRC 	
(
 	const GScalar &  	c,
	const GMat &  	src,
	int  	ddepth = -1 
) 		

参数:

  • 参数c: 要从中减去的标量值。
  • 参数src: 输入矩阵,其每个元素将从标量值 c 中减去。
  • 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/opencv.hpp>

int main()
{
    // 创建示例输入矩阵
    cv::Mat src = ( cv::Mat_< float >( 3, 3 ) << 5.f, 6.f, 7.f, 8.f, 9.f, 10.f, 11.f, 12.f, 13.f );

    // 定义标量值
    cv::Scalar c( 20.0f );  // 标量值为20.0

    // 定义G-API计算图
    cv::GComputation subComp( []() {
        cv::GScalar scalar;
        cv::GMat in;
        cv::GMat out = cv::gapi::subRC( scalar, in );  // 计算逐元素差
        return cv::GComputation( cv::GIn( scalar, in ), cv::GOut( out ) );
    } );

    // 输出矩阵
    cv::Mat dst;

    // 执行计算图
    subComp.apply( cv::gin( c, src ), cv::gout( dst ) );

    // 打印结果
    std::cout << "Element-wise subtraction result: \n" << dst << std::endl;

    return 0;
}

运行结果

bash 复制代码
Element-wise subtraction result: 
[15, 14, 13;
 12, 11, 10;
 9, 8, 7]
相关推荐
志尊宝几秒前
AI原生前端开发(007):AI驱动的UI生成与布局设计
人工智能·ai-native
goujunwe几秒前
保险个人实体图谱搭建实操:全网信息统一,消除 AI 交叉校验的信息冲突
大数据·人工智能
9i编程3 分钟前
5. 带 AI 从零搭低代码平台·踩坑实录:测试脚本按界面重写,别拿假数据糊弄我
人工智能·openai·ai编程
小易测试笔记5 分钟前
如何选择适合的Hanwa ESD-易捷测试设备进行半导体静电放电测试?
人工智能
程序员差不多先生6 分钟前
Anthropic 用 5 个月重写了 Git:当 AI Agent 把版本控制系统逼到墙角
人工智能·git·elasticsearch·deepseek v4 pro·kimi k3·glm 5.3·qwen3.7 max
墨林陌6 分钟前
AI 热点日报(2026-10-19):DeepSeek V4.1-Flash落地,国产十万卡超集群亮相,Meta开源816B大模型
人工智能
const_qiu8 分钟前
第三章 08:3.10 本章小结
java·人工智能
hsfxuebao10 分钟前
从 OpenTelemetry 到 Langfuse:企业级 Agent 可观测性实践
人工智能
在所不辞兄11 分钟前
【神经网络干货】把指数级计算拆成四条一维路径:可分离 PI-DeepONet 如何破解高维 PDE
人工智能·深度学习·神经网络·机器学习
CV爱数码16 分钟前
论文精读|FBPConvNet:先 FBP 再 U-Net,深度学习 CT 重建的起点
人工智能·深度学习·ct·重建