OpenCV 4.11.0
开源计算机视觉库
加载中…
搜索中…
无匹配项
cv::SVD 类参考

奇异值分解。更多…

#include <opencv2/core.hpp>

cv::SVD 的协作图

公共类型

枚举  标志 {
  MODIFY_A = 1 ,
  NO_UV = 2 ,
  FULL_UV = 4
}
 

公共成员函数

 SVD ()
 默认构造函数
 
 SVD (InputArray src, int flags=0)
 
void backSubst (InputArray rhs, OutputArray dst) const
 执行奇异值反向代换。
 
SVDoperator() (InputArray src, int flags=0)
 执行SVD 的运算符。先前分配的 u、w 和 vt 将被释放。
 

公共静态成员函数

模板<typename _Tp , int m, int n, int nm, int nb>
静态 void backSubst (const Matx< _Tp, nm, 1 > &w, const Matx< _Tp, m, nm > &u, const Matx< _Tp, n, nm > &vt, const Matx< _Tp, m, nb > &rhs, Matx< _Tp, n, nb > &dst)
 
静态 void backSubst (InputArray w, InputArray u, InputArray vt, InputArray rhs, OutputArray dst)
 执行反向代换
 
模板<typename _Tp , int m, int n, int nm>
静态 void compute (const Matx< _Tp, m, n > &a, Matx< _Tp, nm, 1 > &w)
 
模板<typename _Tp , int m, int n, int nm>
静态 void compute (const Matx< _Tp, m, n > &a, Matx< _Tp, nm, 1 > &w, Matx< _Tp, m, nm > &u, Matx< _Tp, n, nm > &vt)
 
静态 void compute (InputArray src, OutputArray w, int flags=0)
 
静态 void compute (InputArray src, OutputArray w, OutputArray u, OutputArray vt, int flags=0)
 分解矩阵并将结果存储到用户提供的矩阵中
 
静态 void solveZ (InputArray src, OutputArray dst)
 求解欠定奇异线性系统
 

公共属性

Mat u
 
Mat vt
 
Mat w
 

详细描述

奇异值分解。

用于计算浮点矩阵的奇异值分解的类。奇异值分解用于求解最小二乘问题、欠定线性系统、矩阵求逆、计算条件数等等。

如果您想计算矩阵的条件数或其行列式的绝对值,则不需要uvt。您可以传递 flags=SVD::NO_UV|... 。另一个标志SVD::FULL_UV 指示必须计算全尺寸的 u 和 vt,这在大多数情况下是不必要的。

另请参阅
invertsolveeigendeterminant

成员枚举文档

◆ Flags

枚举器
MODIFY_A 

允许算法修改分解后的矩阵;这可以节省空间并加快处理速度。目前被忽略。

NO_UV 

指示只处理奇异值向量w,而 u 和 vt 将设置为空矩阵

FULL_UV 

当矩阵不是方阵时,默认情况下,算法会生成足够大的 u 和 vt 矩阵以进行进一步的 A 重构;但是,如果指定了 FULL_UV 标志,则 u 和 vt 将是全尺寸的正交方阵。

构造函数和析构函数文档

◆ SVD() [1/2]

cv::SVD::SVD ( )

默认构造函数

初始化一个空的SVD 结构

◆ SVD() [2/2]

cv::SVD::SVD ( InputArray src,
int flags = 0 )

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在于它接受的参数。初始化一个空的SVD结构体,然后调用SVD::operator()

参数
src分解矩阵。深度必须为CV_32F或CV_64F。
标志操作标志 (SVD::Flags)

成员函数文档

◆ backSubst() [1/3]

模板<typename _Tp , int m, int n, int nm, int nb>
static void cv::SVD::backSubst ( const Matx< _Tp, nm, 1 > & w,
const Matx< _Tp, m, nm > & u,
const Matx< _Tp, n, nm > & vt,
const Matx< _Tp, m, nb > & rhs,
Matx< _Tp, n, nb > & dst )
static
待办事项
文档

◆ backSubst() [2/3]

void cv::SVD::backSubst ( InputArray rhs,
OutputArray dst ) const

执行奇异值反向代换。

该方法计算指定右侧的回代。

\[\texttt{x} = \texttt{vt} ^T \cdot diag( \texttt{w} )^{-1} \cdot \texttt{u} ^T \cdot \texttt{rhs} \sim \texttt{A} ^{-1} \cdot \texttt{rhs}\]

使用此技术,您可以获得便捷线性系统的非常精确的解,或者获得超定线性系统的最佳(最小二乘意义上的)伪解。

参数
rhs线性系统 (u*w*v')*dst = rhs 的右侧,其中 A 以前已被分解。
dst找到的系统解。
注意
只有当您需要使用相同的左侧(例如,src)求解许多线性系统时,显式SVD 和进一步的回代才有意义。如果您只需要求解单个系统(可能有多个立即可用的 rhs),只需调用 solve 并传递 DECOMP_SVD。它做的完全一样的事情。

◆ backSubst() [3/3]

static void cv::SVD::backSubst ( InputArray w,
InputArray u,
InputArray vt,
InputArray rhs,
OutputArray dst )
static

执行反向代换

◆ compute() [1/4]

模板<typename _Tp , int m, int n, int nm>
static void cv::SVD::compute ( const Matx< _Tp, m, n > & a,
Matx< _Tp, nm, 1 > & w )
static
待办事项
文档

◆ compute() [2/4]

模板<typename _Tp , int m, int n, int nm>
static void cv::SVD::compute ( const Matx< _Tp, m, n > & a,
Matx< _Tp, nm, 1 > & w,
Matx< _Tp, m, nm > & u,
Matx< _Tp, n, nm > & vt )
static
待办事项
文档

◆ compute() [3/4]

static void cv::SVD::compute ( InputArray src,
OutputArray w,
int flags = 0 )
static

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在于它接受的参数。计算矩阵的奇异值

参数
src分解矩阵。深度必须为CV_32F或CV_64F。
w计算出的奇异值
标志操作标志 - 请参见 SVD::Flags

◆ compute() [4/4]

static void cv::SVD::compute ( InputArray src,
OutputArray w,
OutputArray u,
OutputArray vt,
int flags = 0 )
static

分解矩阵并将结果存储到用户提供的矩阵中

这些方法/函数执行矩阵的SVD。与SVD::SVD 构造函数和 SVD::operator() 不同,它们将结果存储到用户提供的矩阵中

Mat A, w, u, vt;
n维稠密数组类
定义 mat.hpp:829
Mat w
定义 core.hpp:2858
static void compute(InputArray src, OutputArray w, OutputArray u, OutputArray vt, int flags=0)
分解矩阵并将结果存储到用户提供的矩阵中
Mat vt
定义 core.hpp:2858
Mat u
定义 core.hpp:2858
参数
src分解矩阵。深度必须为CV_32F或CV_64F。
w计算出的奇异值
u计算出的左奇异向量
vt右奇异向量的转置矩阵
标志操作标志 - 请参见 SVD::Flags

◆ operator()()

SVD & cv::SVD::operator() ( InputArray src,
int flags = 0 )

执行SVD 的运算符。先前分配的 u、w 和 vt 将被释放。

该运算符执行提供的矩阵的奇异值分解。u、vt 和奇异值向量 w 存储在结构体中。相同的SVD 结构体可以多次与不同的矩阵一起重用。每次,如果需要,之前的 u、vt 和 w 将被回收,并创建新的矩阵,所有这些都由Mat::create 处理。

参数
src分解矩阵。深度必须为CV_32F或CV_64F。
标志操作标志 (SVD::Flags)

◆ solveZ()

static void cv::SVD::solveZ ( InputArray src,
OutputArray dst )
static

求解欠定奇异线性系统

该方法找到奇异线性系统 A*x = 0 的单位长度解 x。根据 A 的秩,可能没有解、单个解或无限多个解。通常,算法解决以下问题

\[dst = \arg \min _{x: \| x \| =1} \| src \cdot x \|\]

参数
src左侧矩阵。
dst找到的解。

成员数据文档

◆ u

Mat cv::SVD::u

◆ vt

Mat cv::SVD::vt

◆ w

Mat cv::SVD::w

此类的文档是从以下文件生成的