cv::eigen
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | void TestEigen() { cv::Mat m = (cv::Mat_< float >(3, 3) << 1, 2, 3, 2, 5, 6, 3, 6, 7); cv::Mat eigenvalues; cv::Mat eigenvectors; cv::eigen(m, eigenvalues, eigenvectors); std::cout << eigenvalues << std::endl; std::cout << eigenvectors << std::endl; return ; } int main( int argc, char ** argv) { TestEigen(); cv::waitKey(0); return 0; } |
1 2 3 4 | bool cv::eigen ( InputArray src, OutputArray eigenvalues, OutputArray eigenvectors = noArray() ) |
解析:
src:输入矩阵,只能是 CV_32FC1 或 CV_64FC1 类型的方阵(即矩阵转置后还是自己)
eigenvalues:输出的特征值组成的向量,数据类型同输入矩阵,排列从大到小
eigenvectors:输出的特征向量组成的矩阵,数据类型同输入矩阵,每一行是一个特征向量,对应相应位置的特征值
备注: 对于非对称矩阵,可以使用 cv::eigenNonSymmetric() 计算特征值和特征向量。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 周边上新:园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源!
· 提示词工程——AI应用必不可少的技术