图形 API：数学运算

详细说明

函数
GMat	cv::gapi::add (const GMat &src1, const GMat &src2, int ddepth=-1)
	计算两个矩阵的逐元素和。
GMat	cv::gapi::addC (const GMat &src1, const GScalar &c, int ddepth=-1)
	计算矩阵和给定标量的逐元素和。
GMat	cv::gapi::addC (const GScalar &c, const GMat &src1, int ddepth=-1)
	这是一个重载成员函数，为了方便提供。它与上面的函数的区别仅在于它接受的参数。
std::tuple< GMat, GMat >	cv::gapi::cartToPolar (const GMat &x, const GMat &y, bool angleInDegrees=false)
	计算二维向量的幅度和角度。
GMat	cv::gapi::div (const GMat &src1, const GMat &src2, double scale, int ddepth=-1)
	执行两个矩阵的逐元素除法。
GMat	cv::gapi::divC (const GMat &src, const GScalar &divisor, double scale, int ddepth=-1)
	将矩阵除以标量。
GMat	cv::gapi::divRC (const GScalar &divident, const GMat &src, double scale, int ddepth=-1)
	将标量除以矩阵。
GMat	cv::gapi::mask (const GMat &src, const GMat &mask)
	将掩码应用于矩阵。
GScalar	cv::gapi::mean (const GMat &src)
	计算矩阵元素的平均值。
GMat	cv::gapi::mul (const GMat &src1, const GMat &src2, double scale=1.0, int ddepth=-1)
	计算两个矩阵的逐元素缩放积。
GMat	cv::gapi::mulC (const GMat &src, const GScalar &multiplier, int ddepth=-1)
	这是一个重载成员函数，为了方便提供。它与上面的函数的区别仅在于它接受的参数。
GMat	cv::gapi::mulC (const GMat &src, double multiplier, int ddepth=-1)
	将矩阵乘以标量。
GMat	cv::gapi::mulC (const GScalar &multiplier, const GMat &src, int ddepth=-1)
	这是一个重载成员函数，为了方便提供。它与上面的函数的区别仅在于它接受的参数。
GMat	cv::gapi::phase (const GMat &x, const GMat &y, bool angleInDegrees=false)
	计算二维向量的旋转角度。
std::tuple< GMat, GMat >	cv::gapi::polarToCart (const GMat &magnitude, const GMat &angle, bool angleInDegrees=false)
	从二维向量的幅度和角度计算 x 和 y 坐标。
GMat	cv::gapi::sqrt (const GMat &src)
	计算数组元素的平方根。
GMat	cv::gapi::sub (const GMat &src1, const GMat &src2, int ddepth=-1)
	计算两个矩阵的逐元素差。
GMat	cv::gapi::subC (const GMat &src, const GScalar &c, int ddepth=-1)
	计算矩阵和给定标量的逐元素差。
GMat	cv::gapi::subRC (const GScalar &c, const GMat &src, int ddepth=-1)
	计算给定标量和矩阵的逐元素差。

函数文档

add()

GMat cv::gapi::add	(	const GMat &	src1,
		const GMat &	src2,
		int	ddepth = -1
	)

Python
	cv.gapi.add(	src1, src2[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算两个矩阵的逐元素和。

add 函数计算两个大小相同且通道数相同的矩阵的和。

\[\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\]

该函数可以使用矩阵表达式替换。

\[\texttt{dst} = \texttt{src1} + \texttt{src2}\]

输入矩阵和输出矩阵都可以具有相同或不同的深度。例如，可以将 16 位无符号矩阵添加到 8 位有符号矩阵，并将和存储为 32 位浮点矩阵。输出矩阵的深度由 ddepth 参数确定。如果 src1.depth() == src2.depth()，则 ddepth 可以设置为默认值 -1。在这种情况下，输出矩阵将与输入矩阵具有相同的深度。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为 "org.opencv.core.math.add"

参数

src1	第一个输入矩阵。
src2	第二个输入矩阵。
ddepth	输出矩阵的可选深度。

另请参阅

sub、addWeighted

addC() [1/2]

GMat cv::gapi::addC	(	const GMat &	src1,
		const GScalar &	c,
		int	ddepth = -1
	)

Python
	cv.gapi.addC(	src1, c[, ddepth]	) ->	retval
	cv.gapi.addC(	c, src1[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算矩阵和给定标量的逐元素和。

addC 函数将给定的标量值添加到给定矩阵的每个元素中。该函数可以使用矩阵表达式替换。

\f[\texttt{dst} =  \texttt{src1} + \texttt{c}\f]

输出矩阵的深度由 ddepth 参数确定。如果 ddepth 设置为默认值 -1，则输出矩阵的深度将与输入矩阵的深度相同。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和通道数。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为 "org.opencv.core.math.addC"

参数

src1	第一个输入矩阵。
c	要添加的标量值。
ddepth	输出矩阵的可选深度。

另请参阅

sub、addWeighted

addC() [2/2]

GMat cv::gapi::addC	(	const GScalar &	c,
		const GMat &	src1,
		int	ddepth = -1
	)

Python
	cv.gapi.addC(	src1, c[, ddepth]	) ->	retval
	cv.gapi.addC(	c, src1[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

这是一个重载成员函数，为了方便提供。它与上面的函数的区别仅在于它接受的参数。

cartToPolar()

std::tuple< GMat, GMat > cv::gapi::cartToPolar	(	const GMat &	x,
		const GMat &	y,
		bool	angleInDegrees = false
	)

Python
	cv.gapi.cartToPolar(	x, y[, angleInDegrees]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算二维向量的幅度和角度。

cartToPolar 函数计算每个二维向量 (x(I),y(I)) 的幅度、角度或两者。

\[\begin{array}{l} \texttt{magnitude} (I)= \sqrt{\texttt{x}(I)^2+\texttt{y}(I)^2} , \\ \texttt{angle} (I)= \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))[ \cdot180 / \pi ] \end{array}\]

角度的计算精度约为 0.3 度。对于点 (0,0)，角度设置为 0。

第一个输出是与输入 x 具有相同大小和深度的幅度矩阵。第二个输出是角度矩阵，它与 x 具有相同的大小和深度；角度以弧度（从 0 到 2*Pi）或以度数（从 0 到 360 度）测量。

注意

函数文本 ID 为 "org.opencv.core.math.cartToPolar"

参数

x	CV_32FC1 x 坐标的矩阵。
y	CV_32FC1 y 坐标的数组。
angleInDegrees	一个标志，指示角度是以弧度（默认）还是以度数测量。

另请参阅

polarToCart

div()

GMat cv::gapi::div	(	const GMat &	src1,
		const GMat &	src2,
		double	scale,
		int	ddepth = -1
	)

Python
	cv.gapi.div(	src1, src2, scale[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

执行两个矩阵的逐元素除法。

该函数将一个矩阵除以另一个矩阵。

\[\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\]

对于整数类型，当 src2(I) 为零时，dst(I) 也将为零。浮点情况返回 Inf/NaN（根据 IEEE）。

多通道矩阵的不同通道独立处理。矩阵可以是单通道或多通道。输出矩阵必须与 src 具有相同的大小和深度。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为 "org.opencv.core.math.div"

参数

src1	第一个输入矩阵。
src2	与 src1 具有相同大小和深度的第二个输入矩阵。
scale	标量因子。
ddepth	输出矩阵的可选深度；只有当 src1.depth() == src2.depth() 时才能传递 -1。

另请参阅

mul、add、sub

divC()

GMat cv::gapi::divC	(	const GMat &	src,
		const GScalar &	divisor,
		double	scale,
		int	ddepth = -1
	)

Python
	cv.gapi.divC(	src, divisor, scale[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

将矩阵除以标量。

divC 函数将矩阵 src 的每个元素除以给定的标量值。

\[\texttt{dst(I) = saturate(src(I)*scale/divisor)}\]

当 divisor 为零时，dst(I) 也将为零。多通道矩阵的不同通道独立处理。矩阵可以是单通道或多通道。输出矩阵必须与 src 具有相同的大小和深度。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为 "org.opencv.core.math.divC"

参数

src	输入矩阵。
divisor	要除以的数字。
ddepth	输出矩阵的可选深度。如果为 -1，则输出矩阵的深度将与输入矩阵深度相同。
scale	比例因子。

另请参阅

add、sub、div、addWeighted

divRC()

GMat cv::gapi::divRC	(	const GScalar &	被除数,
		const GMat &	src,
		double	scale,
		int	ddepth = -1
	)

Python
	cv.gapi.divRC(	被除数, src, scale[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

将标量除以矩阵。

该函数将给定的标量除以矩阵 src 的每个元素，并将除法结果保存在与 src 大小和类型相同的新的矩阵中。

\[\texttt{dst(I) = saturate(divident*scale/src(I))}\]

当 src(I) 为零时，dst(I) 也将为零。多通道矩阵的不同通道独立处理。矩阵可以是单通道或多通道。输出矩阵必须与 src 具有相同的大小和深度。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.divRC”。

参数

src	输入矩阵。
被除数	要被除的数字。
ddepth	输出矩阵的可选深度。如果为 -1，则输出矩阵的深度将与输入矩阵深度相同。
scale	缩放因子。

另请参阅

add、sub、div、addWeighted

mask()

GMat cv::gapi::mask	(	const GMat &	src,
		const GMat &	mask
	)

Python
	cv.gapi.mask(	src, mask	) ->	retval

#include <opencv2/gapi/core.hpp>

将掩码应用于矩阵。

该函数 mask 在掩码矩阵中对应像素值为 true 的情况下，设置给定矩阵的值，否则设置矩阵值为 0。

支持的 src 矩阵数据类型为 CV_8UC1、CV_16SC1、CV_16UC1。支持的掩码数据类型为 CV_8UC1。

注意

函数文本 ID 为“org.opencv.core.math.mask”。

参数

src	输入矩阵。
mask	输入掩码矩阵。

mean()

GScalar cv::gapi::mean

(

const GMat &

src

)

Python
	cv.gapi.mean(	src	) ->	retval

#include <opencv2/gapi/core.hpp>

计算矩阵元素的平均值。

该函数 mean 计算矩阵元素的平均值 M，对每个通道独立计算，并返回它。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.mean”。

参数

src

输入矩阵。

另请参阅

countNonZero、min、max

mul()

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

Python
	cv.gapi.mul(	src1, src2[, scale[, ddepth]]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算两个矩阵的逐元素缩放积。

该函数 mul 计算两个矩阵的逐元素乘积。

\[\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\]

如果 src1.depth() == src2.depth()，则 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为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.mul”。

参数

src1	第一个输入矩阵。
src2	与 src1 大小和深度相同的第二个输入矩阵。
scale	可选缩放因子。
ddepth	输出矩阵的可选深度。

另请参阅

add、sub、div、addWeighted

mulC() [1/3]

GMat cv::gapi::mulC	(	const GMat &	src,
		const GScalar &	乘数,
		int	ddepth = -1
	)

Python
	cv.gapi.mulC(	src, multiplier[, ddepth]	) ->	retval
	cv.gapi.mulC(	multiplier, src[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

这是一个重载成员函数，为了方便提供。它与上面的函数的区别仅在于它接受的参数。

mulC() [2/3]

GMat cv::gapi::mulC	(	const GMat &	src,
		double	乘数,
		int	ddepth = -1
	)

Python
	cv.gapi.mulC(	src, multiplier[, ddepth]	) ->	retval
	cv.gapi.mulC(	multiplier, src[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

将矩阵乘以标量。

该函数 mulC 将矩阵 src 的每个元素乘以给定的标量值。

\[\texttt{dst} (I)= \texttt{saturate} ( \texttt{src1} (I) \cdot \texttt{multiplier} )\]

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为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.mulC”。

参数

src	输入矩阵。
乘数	要乘的因子。
ddepth	输出矩阵的可选深度。如果为 -1，则输出矩阵的深度将与输入矩阵深度相同。

另请参阅

add、sub、div、addWeighted

mulC() [3/3]

GMat cv::gapi::mulC	(	const GScalar &	乘数,
		const GMat &	src,
		int	ddepth = -1
	)

Python
	cv.gapi.mulC(	src, multiplier[, ddepth]	) ->	retval
	cv.gapi.mulC(	multiplier, src[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

这是一个重载成员函数，为了方便提供。它与上面的函数的区别仅在于它接受的参数。

phase()

GMat cv::gapi::phase	(	const GMat &	x,
		const GMat &	y,
		bool	angleInDegrees = false
	)

Python
	cv.gapi.phase(	x, y[, angleInDegrees]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算二维向量的旋转角度。

该函数 cv::phase 计算由 x 和 y 对应元素形成的每个二维向量的旋转角度。

\[\texttt{angle} (I) = \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))\]

角度估计精度约为 0.3 度。当 x(I)=y(I)=0 时，对应的 angle(I) 设置为 0。

参数

x	二维向量的 x 坐标的输入浮点数组。
y	二维向量的 y 坐标的输入数组；它必须与 x 具有相同的大小和类型。
angleInDegrees	如果为 true，则该函数以度为单位计算角度，否则以弧度为单位测量。

返回值

向量角度数组；它与 x 具有相同的大小和类型。

polarToCart()

std::tuple< GMat, GMat > cv::gapi::polarToCart	(	const GMat &	幅值,
		const GMat &	角度,
		bool	angleInDegrees = false
	)

Python
	cv.gapi.polarToCart(	magnitude, angle[, angleInDegrees]	) ->	retval

#include <opencv2/gapi/core.hpp>

从二维向量的幅度和角度计算 x 和 y 坐标。

该函数 polarToCart 计算由幅值和角度对应元素表示的每个二维向量的笛卡尔坐标。

\[\begin{array}{l} \texttt{x} (I) = \texttt{magnitude} (I) \cos ( \texttt{angle} (I)) \\ \texttt{y} (I) = \texttt{magnitude} (I) \sin ( \texttt{angle} (I)) \\ \end{array}\]

估计坐标的相对精度约为 1e-6。

第一个输出是二维向量 x 坐标的矩阵。第二个输出是二维向量 y 坐标的矩阵。两个输出必须与输入矩阵具有相同的大小和深度。

注意

函数文本 ID 为“org.opencv.core.math.polarToCart”。

参数

幅值	输入浮点 CV_32FC1 矩阵 (1xN)，表示二维向量的幅值；
角度	输入浮点 CV_32FC1 矩阵 (1xN)，表示二维向量的角度。
angleInDegrees	如果为 true，则输入角度以度为单位测量，否则以弧度为单位测量。

另请参阅

cartToPolar、exp、log、pow、sqrt

sqrt()

GMat cv::gapi::sqrt

(

const GMat &

src

)

Python
	cv.gapi.sqrt(	src	) ->	retval

#include <opencv2/gapi/core.hpp>

计算数组元素的平方根。

该函数 cv::gapi::sqrt 计算每个输入数组元素的平方根。对于多通道数组，每个通道独立处理。精度与内置 std::sqrt 几乎相同。

参数

src

输入浮点数组。

返回值

与 src 大小和类型相同的输出数组。

以下是此函数的调用图。

sub()

GMat cv::gapi::sub	(	const GMat &	src1,
		const GMat &	src2,
		int	ddepth = -1
	)

Python
	cv.gapi.sub(	src1, src2[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算两个矩阵的逐元素差。

该函数 sub 计算两个矩阵之间的差值，当两个矩阵具有相同的大小和相同数量的通道时。

\[\texttt{dst}(I) = \texttt{src1}(I) - \texttt{src2}(I)\]

该函数可以使用矩阵表达式替换。

\[\texttt{dst} = \texttt{src1} - \texttt{src2}\]

输入矩阵和输出矩阵可以具有相同或不同的深度。例如，您可以将两个 8 位无符号矩阵相减，并将结果存储为一个 16 位有符号矩阵。输出矩阵的深度由 ddepth 参数确定。如果 src1.depth() == src2.depth()，则 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。

支持的矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.sub”。

参数

src1	第一个输入矩阵。
src2	第二个输入矩阵。
ddepth	输出矩阵的可选深度。

另请参阅

add、addC

subC()

GMat cv::gapi::subC	(	const GMat &	src,
		const GScalar &	c,
		int	ddepth = -1
	)

Python
	cv.gapi.subC(	src, c[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算矩阵和给定标量的逐元素差。

该函数可以使用矩阵表达式替换。

\[\texttt{dst} = \texttt{src} - \texttt{c}\]

输出矩阵的深度由 ddepth 参数确定。如果 ddepth 设置为默认值 -1，则输出矩阵的深度将与输入矩阵的深度相同。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为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.subC”。

参数

src	第一个输入矩阵。
c	要减去的标量值。
ddepth	输出矩阵的可选深度。

另请参阅

add、addC、subRC

subRC()

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

Python
	cv.gapi.subRC(	c, src[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

计算给定标量和矩阵的逐元素差。

该函数可以使用矩阵表达式替换。

\[\texttt{dst} = \texttt{c} - \texttt{src}\]

输出矩阵的深度由 ddepth 参数确定。如果 ddepth 设置为默认值 -1，则输出矩阵的深度将与输入矩阵的深度相同。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为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。

注意

函数文本 ID 为“org.opencv.core.math.subRC”。

参数

c	要从其减去的标量值。
src	要减去的输入矩阵。
ddepth	输出矩阵的可选深度。

另请参阅

add、addC、subC