图API：数学运算

详细描述

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)
	这是一个重载的成员函数，为了方便提供。它与上面的函数的区别仅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乘积。
GMat	cv::gapi::mulC (const GMat &src, const GScalar &multiplier, int ddepth=-1)
	这是一个重载的成员函数，为了方便提供。它与上面的函数的区别仅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)
	这是一个重载的成员函数，为了方便提供。它与上面的函数的区别仅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)
	根据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)
	计算两个矩阵之间的逐元素差。
GMat	cv::gapi::subC (const GMat &src, const GScalar &c, int ddepth=-1)
	计算矩阵和给定标量之间的逐元素差。
GMat	cv::gapi::subRC (const GScalar &c, const GMat &src, int ddepth=-1)
	计算给定标量和矩阵之间的逐元素差。

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，您可以将一个16位无符号矩阵添加到一个8位有符号矩阵中，并将总和存储为一个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，输出矩阵将具有与输入矩阵相同的深度。

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	可选的输出矩阵深度。

另请参见

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的。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	可选的输出矩阵深度。

另请参见

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>

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

cartToPolar()

std::tuple< GMat, GMat > cv::gapi::cartToPolar	(	const GMat &	x,
		const GMat &	y,
		布尔值	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。

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

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

角度计算精度约为0.3度。对于点(0,0)，角度设置为0。

第一个输出是与输入x大小和深度相同的幅值矩阵。第二个输出是一个与x大小和深度相同的角度矩阵；角度以弧度（从0到2*Pi）或度数（从0到360度）测量。

注意

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

参数

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

另请参见

polarToCart

div()

GMat cv::gapi::div	(	const GMat &	src1,
		const GMat &	src2,
		双精度浮点数	比例因子,
		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)也为零。浮点型情况返回Inf/NaN（根据IEEE标准）。

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的。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	第二个输入矩阵，大小和深度与src1相同。
比例因子	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。

另请参见

mul, add, sub

divC()

GMat cv::gapi::divC	(	const GMat &	src,
		const GScalar &	除数,
		双精度浮点数	比例因子,
		int	ddepth = -1 )

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

#include <opencv2/gapi/core.hpp>

将矩阵除以标量。

函数divC将矩阵src的每个元素除以给定的标量值。

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

当除数为零时，dst(I)也为零。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的。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。
除数	被除数。
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。
比例因子	比例因子。

另请参见

add, sub, div, addWeighted

divRC()

GMat cv::gapi::divRC	(	const GScalar &	被除数,
		const GMat &	src,
		双精度浮点数	比例因子,
		int	ddepth = -1 )

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

#include <opencv2/gapi/core.hpp>

将标量除以矩阵。

函数divRC将给定的标量除以矩阵src的每个元素，并将除法结果保留在新矩阵中，新矩阵的大小和类型与src相同。

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

当src(I)为零时，dst(I)也为零。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的。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	被除数。
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。
比例因子	比例因子

另请参见

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。

函数mask根据掩码矩阵中对应像素值是否为真来设置给定矩阵的值，如果为真则设置矩阵值，否则设置为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。

函数mean计算矩阵元素的平均值M，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。

另请参见

countNonZero, min, max

mul()

GMat cv::gapi::mul	(	const GMat &	src1,
		const GMat &	src2,
		双精度浮点数	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乘积。

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，输出矩阵将与输入矩阵具有相同的深度。矩阵可以是单通道或多通道的。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	第二个输入矩阵，大小和深度与src1相同。
比例因子	可选的比例因子。
ddepth	可选的输出矩阵深度。

另请参见

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(	乘法器, 源矩阵[, 深度]	) ->	retval

#include <opencv2/gapi/core.hpp>

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

mulC() [2/3]

GMat cv::gapi::mulC	(	const GMat &	src,
		双精度浮点数	乘数,
		int	ddepth = -1 )

Python
	cv.gapi.mulC(	src, multiplier[, ddepth]	) ->	retval
	cv.gapi.mulC(	乘法器, 源矩阵[, 深度]	) ->	retval

#include <opencv2/gapi/core.hpp>

将矩阵乘以标量。

mulC 函数将矩阵 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的。输出矩阵的大小必须与 src 相同。

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。

另请参见

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(	乘法器, 源矩阵[, 深度]	) ->	retval

#include <opencv2/gapi/core.hpp>

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

phase()

GMat cv::gapi::phase	(	const GMat &	x,
		const GMat &	y,
		布尔值	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。

函数 cv::phase 计算由 x 和 y 的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，相应的 angle(I) 设置为 0。

参数

x	二维向量 x 坐标的输入浮点型数组。
y	二维向量 y 坐标的输入数组；它必须与 x 具有相同的大小和类型。
angleInDegrees	如果为真，则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 &	幅度,
		const GMat &	角度,
		布尔值	angleInDegrees = false )

Python
	cv.gapi.polarToCart(	幅度, 角度[, 角度以度为单位]	) ->	retval

#include <opencv2/gapi/core.hpp>

根据二维向量的幅度和角度计算x和y坐标。

polarToCart 函数计算由幅度和角度的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。两个输出都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

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

另请参见

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。

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，每个通道都独立处理。精度与内置的 std::sqrt 几乎相同。

参数

src

输入浮点型数组。

返回值

与 src 大小和类型相同的输出数组。

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>

计算两个矩阵之间的逐元素差。

sub 函数计算两个矩阵之间的差值，前提是两个矩阵具有相同的大小和通道数。

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

该函数可以用矩阵表达式替换

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

输入矩阵和输出矩阵都可以具有相同或不同的深度。例如，您可以减去两个 8 位无符号矩阵，并将结果存储为 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，输出矩阵将与输入矩阵具有相同的深度。矩阵可以是单通道或多通道的。

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	可选的输出矩阵深度。

另请参见

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之间的逐元素差。

该函数可以用矩阵表达式替换

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

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的。输出矩阵的大小必须与 src 相同。

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	可选的输出矩阵深度。

另请参见

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之间的逐元素差。

该函数可以用矩阵表达式替换

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

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的。输出矩阵的大小必须与 src 相同。

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	要从中减去的标量值。
src	要减去的输入矩阵。
ddepth	可选的输出矩阵深度。

另请参见

add, addC, subC