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
hundaxxx1 小时前
自演化大语言模型的技术背景
人工智能
数智顾问1 小时前
【73页PPT】美的简单高效的管理逻辑(附下载方式)
大数据·人工智能·产品运营
love530love1 小时前
【保姆级教程】阿里 Wan2.1-T2V-14B 模型本地部署全流程:从环境配置到视频生成(附避坑指南)
人工智能·windows·python·开源·大模型·github·音视频
木头左1 小时前
结合机器学习的Backtrader跨市场交易策略研究
人工智能·机器学习·kotlin
Coovally AI模型快速验证2 小时前
3D目标跟踪重磅突破!TrackAny3D实现「类别无关」统一建模,多项SOTA达成!
人工智能·yolo·机器学习·3d·目标跟踪·无人机·cocos2d
研梦非凡2 小时前
CVPR 2025|基于粗略边界框监督的3D实例分割
人工智能·计算机网络·计算机视觉·3d
MiaoChuAI2 小时前
秒出PPT vs 豆包AI PPT:实测哪款更好用?
人工智能·powerpoint
fsnine2 小时前
深度学习——残差神经网路
人工智能·深度学习
和鲸社区3 小时前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp
fanstuck3 小时前
2025 年高教社杯全国大学生数学建模竞赛C 题 NIPT 的时点选择与胎儿的异常判定详解(一)
人工智能·目标检测·数学建模·数据挖掘·aigc