- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在将图像处理算法从 Python 移植到 C++,在这两种情况下都使用 OpenCV。
在 Python 版本中,我们使用 Numpy 中的 np.cov:
import numpy as np
#Using some dummy data to represent BGR pixels
values = [[30, 37, 35], [26, 36, 34], [38, 45, 41], [40, 47, 43], [38, 45, 43], [34, 43, 40], [30, 39, 37]]
result = np.cov(values, rowvar=False) #Using default 1/(N-1) normalisation
print result
产生输出:
[[ 27.23809524 22.23809524 18.66666667]
[ 22.23809524 18.9047619 15.83333333]
[ 18.66666667 15.83333333 13.66666667]]
在 C++ 版本中,我们使用 OpenCV 的 calcCovarMatrix:
#include <opencv2/core.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main() {
Mat values(7, 3, CV_8UC1);
//Representing the same pixels as the Python code
values.at<uchar>(0) = (30, 37, 35);
values.at<uchar>(1) = (26, 36, 34);
values.at<uchar>(2) = (38, 45, 41);
values.at<uchar>(3) = (40, 47, 43);
values.at<uchar>(4) = (38, 45, 43);
values.at<uchar>(5) = (34, 43, 40);
values.at<uchar>(6) = (30, 39, 37);
Mat avgs, covars;
calcCovarMatrix(values, covars, avgs, CV_COVAR_NORMAL | CV_COVAR_SCALE | CV_COVAR_ROWS);
cout << covars << "\n";
calcCovarMatrix(values, covars, avgs, CV_COVAR_NORMAL | CV_COVAR_ROWS);
cout << covars << "\n";
return 0;
}
产生输出:
[364.8163265306122, 253.4285714285715, 260.6122448979592;
253.4285714285715, 308.2857142857143, 317.5714285714286;
260.6122448979592, 317.5714285714286, 334.8163265306122]
[2553.714285714286, 1774, 1824.285714285714;
1774, 2158, 2223;
1824.285714285714, 2223, 2343.714285714285]
可以看出,C++ 输出与 Python 输出完全不匹配。在 calcCovarMatrix 中缩放或不缩放似乎并不能纠正它,在 np.cov 中设置 ddof 或不设置似乎也不能纠正它。有什么想法吗?
注意:无论出于何种原因,np.cov 和 calcCovarMatrix 使用对“行”的相互矛盾的解释;在这两种输入情况下,每个 行 代表一个观察值,每个 列 代表一个变量,因此在 Numpy 中我们设置 rowvar=False 但在 calcCovarMatrix 中我们设置 CV_COVAR_ROWS(为 True ).我不认为这是问题的根源。
最佳答案
罪魁祸首已经确定!有两个问题:
1) values.at<uchar>(0) = (30, 37, 35);
实际上并没有将值写入行(正如来自 Python 的人所期望的那样)。它实际上只是将最后一个值 35 写入 Mat 的第 0 个位置。上面代码中的 Mat 实际上解析为:
`[35, 34, 41;
43, 43, 40;
37, 0, 0;
0, 0, 0;
0, 0, 0;
0, 0, 0;
0, 0, 0]`
2) OpenCV CalcCovarMatrix 未标准化。 covars/(values.rows-1)
修复此问题并生成与 Python Numpy 相同的输出。
关于python - OpenCV CalcCovarMatrix 与 Numpy Cov,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38117383/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!