OpenCV 图形API(69)图像与通道拼接函数------将一个 GMat 类型的对象转换为另一个具有不同深度GMat对象函数convertTo()

  • 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

将一个矩阵转换为另一种数据深度,并可选择进行缩放。

该方法将源像素值转换为目标数据深度。最终应用 saturate_cast<> 以避免可能出现的数据溢出情况:
m ( x , y ) = s a t u r a t e _ c a s t < r T y p e > ( α ( ∗ t h i s ) ( x , y ) + β ) m(x,y) = saturate \_ cast<rType>( \alpha (*this)(x,y) + \beta ) m(x,y)=saturate_cast<rType>(α(∗this)(x,y)+β)

输出矩阵必须与输入矩阵大小相同。

注意 :

此函数的文本标识符是 "org.opencv.core.transform.convertTo"。

函数原型

cpp 复制代码
GMat cv::gapi::convertTo 	
(
 	const GMat &  	src,
	int  	rdepth,
	double  	alpha = 1,
	double  	beta = 0 
) 	

参数

  • 参数 src: 需要被转换的输入矩阵。
  • 参数 rdepth: 目标输出矩阵的数据深度,更确切地说是深度(因为通道数量与输入相同);如果 rdepth 是负数,则输出矩阵将具有与输入相同的深度。
  • 参数 alpha: 可选的比例因子。
  • 参数 beta: 添加到缩放值的可选增量。

代码示例

cpp 复制代码
#include <iomanip>  // For std::setprecision
#include <iostream>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/opencv.hpp>

int main()
{
    // 创建一个 G-API 图像处理图
    cv::GMat in;

    // 定义转换操作:例如从 CV_8U 转换到 CV_32F,并应用 alpha 和 beta
    int rdepth   = CV_32F;  // 目标深度,这里是32位浮点数
    double alpha = 1.0;     // 缩放因子
    double beta  = 0.0;     // 增量值

    // 使用 convertTo 方法
    cv::GMat dst = cv::gapi::convertTo( in, rdepth, alpha, beta );

    // 定义 G-API 图(graph)和编译它
    cv::GComputation graph( cv::GIn( in ), cv::GOut( dst ) );

    // 准备输入数据:这里以随机生成的数据为例
    cv::Mat src_mat = ( cv::Mat_< uchar >( 3, 3 ) << 1, 2, 3, 4, 5, 6, 7, 8, 9 );  // 示例8位无符号整数矩阵

    cv::Mat dst_mat;

    // 在输入数据上运行 G-API 图像处理图
    graph.apply( src_mat, dst_mat, cv::compile_args( cv::gapi::kernels() ) );

    // 输出结果
    std::cout << "Original matrix (type CV_8U):\n" << src_mat << std::endl;
    std::cout << "Converted matrix (type CV_32F):\n";
    std::cout << std::fixed << std::setprecision( 1 );  // 设置浮点数输出格式
    for ( int i = 0; i < dst_mat.rows; ++i )
    {
        for ( int j = 0; j < dst_mat.cols; ++j )
        {
            std::cout << dst_mat.at< float >( i, j ) << " ";
        }
        std::cout << "\n";
    }

    return 0;
}

运行结果

bash 复制代码
Original matrix (type CV_8U):
[  1,   2,   3;
   4,   5,   6;
   7,   8,   9]
Converted matrix (type CV_32F):
1.0 2.0 3.0 
4.0 5.0 6.0 
7.0 8.0 9.0 
相关推荐
AI算力5 小时前
让安全驾驶有“AI”相伴|腾视科技DMS视频监控一体机,守护每一次出行
人工智能·科技·ai·车载终端·ai算力·车载智能终端·车载dvr
泯泷6 小时前
超越基准:Claude Opus 4.5 的 4 个惊人洞察
人工智能
果果软件6 小时前
2026 后台管理系统选型:若依、JeecgBoot、芋道、NocoBase 和 GewuMind Boot 怎么选?
java·人工智能·后端·ai·开源
Csvn6 小时前
刚开始用 WorkBuddy,第一步该做什么?
人工智能
一水鉴天6 小时前
同一与唯一:AppBus 外壳与 DevOps 内核 之1 20261121(元宝)
人工智能·机器学习
Wellijohn6 小时前
一个 Android 老兵的十年开源路:从 167 star 的滑动控件,到本地优先的 AI Agent
android·人工智能·开源
ZONGYUAN-ROOT7 小时前
【API配额】API 配额监控告警不生效?用 Python 监控读数变化量,抓住静态阈值漏掉的「假重置」
人工智能
Wellijohn7 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
伞伞悦读9 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习