奇异值分解。更多…
#include <opencv2/core.hpp>
|
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
|
|
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u
和 vt
。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
- invert,solve,eigen,determinant
◆ 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。
|
◆ SVD() [1/2]
◆ SVD() [2/2]
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
-
◆ 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 |
◆ backSubst() [2/3]
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]
◆ 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 |
◆ 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 |
◆ compute() [3/4]
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]
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
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
- 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()()
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
-
◆ solveZ()
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
-
◆ vt
此类的文档是从以下文件生成的