学习OpenCV2——产生随机数
来源:互联网 发布:济南管家婆进销存软件 编辑:程序博客网 时间:2024/05/21 09:31
产生随机数是编程中经常用到的操作,特别在进行初始化的时候需要赋一些随机值。C和C++中产生随机数的方法如rand()、srand()等在OpenCV中仍可以用。此外,OpenCV还特地编写了C++的随机数类RNG,C的随机数类CvRNG,还有一些相关的函数,使用起来更加方便。下面,一一介绍。
说明
- 关键字前带cv的都是C里的写法,不带cv的是C++里的写法,比如CvRNG和RNG,其本质都是一样的。
- 计算机产生的随机数都是伪随机数,是根据种子seed和特定算法计算出来的。所以,只要种子一定,算法一定,产生的随机数是相同的
- 要想产生完全重复的随机数,可以用系统时间做种子。OpenCV中用GetTickCount(),C 中用time()
所有的结果见最后面截图。
1. OpenCV中的C++版本随机数
1.1 RNG
RNG类是opencv里C++的随机数产生器。它可产生一个64位的int随机数。目前可按均匀分布和高斯分布产生随机数。随机数的产生采用的是Multiply-With-Carry算法和Ziggurat算法。
1.1.1 产生一个随机数
RNG可以产生3种随机数
RNG(int seed) 使用种子seed产生一个64位随机整数,默认-1
RNG::uniform( ) 产生一个均匀分布的随机数
RNG::gaussian( ) 产生一个高斯分布的随机数
RNG::uniform(a, b ) 返回一个[a,b)范围的均匀分布的随机数,a,b的数据类型要一致,而且必须是int、float、double中的一种,默认是int。
RNG::gaussian( σ) 返回一个均值为0,标准差为σ的随机数。
如果要产生均值为λ,标准差为σ的随机数,可以λ+ RNG::gaussian( σ)
//创建RNG对象,使用默认种子“-1”RNG rng;//产生64位整数int N1 = rng;/*-------------产生均匀分布的随机数uniform和高斯分布的随机数gaussian---------*///总是得到double类型数据0.000000,因为会调用uniform(int,int),只会取整数,所以只产生0double N1a = rng.uniform(0,1);//产生[0,1)范围内均匀分布的double类型数据double N1b = rng.uniform((double)0,(double)1);//产生[0,1)范围内均匀分布的float类型数据,注意被自动转换为double了。double N1c = rng.uniform(0.f,1.f);//产生[0,1)范围内均匀分布的double类型数据。double N1d = rng.uniform(0.,1.);//可能会因为重载导致编译不通过(确实没通过。。)//double N1e = rng.uniform(0,0.999999);//产生符合均值为0,标准差为2的高斯分布的随机数double N1g = rng.gaussian(2);其实,rng既是一个RNG对象,也是一个随机整数。
1.1.2 返回下一个随机数
上面一次只能返回一个随机数,实际上系统已经生成一个随机数组。如果我们要连续获得随机数,没有必要重新定义一个RNG类,只需要取出随机数组的下一个随机数即可。
RNG:: next 返回下一个64位随机整数
RNG:: operator 返回下一个指定类型的随机数
RNG rng;int N2 = rng.next(); //返回下一个随机整数,即N1.next();//返回下一个指定类型的随机数int N2a = rng.operator uchar(); //返回下一个无符号字符数int N2b = rng.operator schar(); //返回下一个有符号字符数int N2c = rng.operator ushort(); //返回下一个无符号短型int N2d = rng.operator short int(); //返回下一个短整型数int N2e = rng.operator int(); //返回下一个整型数int N2f = rng.operator unsigned int(); //返回下一个无符号整型数int N2g = rng.operator float(); //返回下一个浮点数int N2h = rng.operator double(); //返回下一个double型数int N2i = rng.operator ()(); //和rng.next( )等价int N2j = rng.operator ()(100); //返回[0,100)范围内的随机数
1.1.3 用随机数填充矩阵 RNG::fill( )
void fill( InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false );
InputOutputArray 输入输出矩阵,最多支持4通道,超过4通道先用reshape()改变结构
int distType UNIFORM 或 NORMAL,表示均匀分布和高斯分布
InputArray a disType是UNIFORM,a表示为下界(闭区间);disType是NORMAL,a均值
InputArray b disType是UNIFORM,b表示为上界(开区间);disType是NORMAL,b标准差
bool saturateRange=false 只针对均匀分布有效。当为真的时候,会先把产生随机数的范围变换到数据类型的范围,再产生随机数;
如果为假,会先产生随机数,再进行截断到数据类型的有效区间。请看以下fillM1和fillM2的例子并观察结果
//产生[1,1000)均匀分布的int随机数填充fillMMat_<int>fillM(3,3);rng.fill(fillM,RNG::UNIFORM,1,1000);cout << "filM = " << fillM << endl << endl;Mat fillM1(3,3,CV_8U);rng.fill(fillM1,RNG::UNIFORM,1,1000,TRUE);cout << "filM1 = " << fillM1 << endl << endl;Mat fillM2(3,3,CV_8U);rng.fill(fillM2,RNG::UNIFORM,1,1000,FALSE);cout << "filM2 = " << fillM2 << endl << endl;//fillM1产生的数据都在[0,,255)内,且小于255;//fillM2产生的数据虽然也在同样范围内,但是由于用了截断操作,所以很多数据都是255,//产生均值为1,标准差为3的随机double数填进fillNMat_<double>fillN(3,3);rng.fill(fillN,RNG::NORMAL,1,3);cout << "filN = " << fillN << endl << endl;前面的这些方法都是基于RNG类的,需要先定义RNG类,下面的方法则不需要,只不过不能定义seed,所以不能产生不重复的随机数组。
1.2 randu( )
作用:返回均匀分布的随机数,填入数组或矩阵
randu(dst, low, high) ;
dst – 输出数组或矩阵 ;low – 区间下界(闭区间); high - 区间上界(开区间)
Mat_<int>randuM(3,3);randu(randuM,Scalar(0),Scalar(255));cout << "randuM = " << randuM << endl << endl;//其实randu和rng.fill功能是类似的,只不过rng需要先定义rng
1.3 randn( )
作用:返回高斯分布的随机数,填入数组或矩阵
randn(dst, mean, stddev)
dst – 输出数组或矩阵; mean – 均值; stddev - 标准差
Mat_<int>randnM(3,3);randn(randnM,0,1);cout << "randnM = " << randnM << endl << endl;//其实randu和rng.fill功能是类似的,只不过rng需要先定义rng
1.4 randShuffle( )
作用:将原数组(矩阵)打乱
randShuffle( InputOutputArray dst, 输入输出数组(一维)
double iterFactor=1. , 决定交换数值的行列的位置的一个系数...
RNG* rng=0 ) (可选)随机数产生器,0表示使用默认的随机数产生器,即seed=-1。rng决定了打乱的方法
Mat randShufM =(Mat_<double>(2,3) << 1,2,3,4,5,6);randShuffle(randShufM,7,0); cout << "randShufM = " << endl<<randShufM<< endl << endl;
2. OpenCV中的C版本随机数
2.1 CvRNG
作用:产生64位随机整数,参见RNG。C++版本中的RNG已经代替了CvRNG
2.2 cvRandArr( )
作用:用CvRNG产生的随机数填充数组(矩阵)
void cvRandArr( CvRNG* rng, 被 cvRNG 初始化的 RNG 状态
CvArr* arr, 输出数组
int dist_type, CV_RAND_UNI 或 CV_RAND_NORMAL
CvScalar param1, 如果是均匀分布它是随机数范围的闭下边界;如果是正态分布它是随机数的平均值
CvScalar param2) 如果是均匀分布它是随机数范围的开上边界;如果是正态分布它是随机数的标准差
CvMat* cvM = cvCreateMat(3,3,CV_16U); //创建3×3的矩阵cvRandArr(&cvRNG,cvM,CV_RAND_UNI,cvScalarAll(0),cvScalarAll(255)); //给cvM赋值,[0,255)//cout << "cvM = " << cvM << endl << endl; //cvM是指针,这样输出的是地址cout<<"cvM = ";for(int i=0;i<3;i++){for(int j= 0;j<3;j++){cout<<(int)cvGetReal2D(cvM,i,j)<<" "; //如何更方便地输出?}cout<<endl;}cout<<endl;
2.3 cvRandInt( )
unsigned int cvRandInt( CvRNG* rng)
作用: cvRandInt 返回均匀分布的随机 32-bit 无符号整型值并更新 RNG 状态;它和 C 运行库里面的 rand() 函数十分相似,但是它产生的总是一个 32-bit 数,而 rand()返回一个 0 到 RAND_MAX(它是 2**16 或者 2**32, 依赖于操作平台)之间的数。
int cvInt = cvRandInt(&cvRNG);cout << "cvInt = " << cvInt << endl << endl;
2.4 cvRandReal( )
double cvRandReal( CvRNG* rng)
作用: 返回均匀分布的随机浮点数,范围[0,1)
double cvDouble = cvRandReal(&cvRNG);cout << "cvDouble = " << cvDouble << endl<< endl;
3. C语言随机数
这里就介绍最基本的2个rand()和srand()
int rand(void); 使用默认种子“1”,产生0到RAND_MAX之间的伪随机数。 RAND_MAX常量被定义在stdlib.h头文件中。
void srand (unsigned int seed); 使用种子seed产生0到RAND_MAX之间的伪随机数
rang和srand的唯一区别是,是否设置seed。
//产生[0,10)随机整数printf("\n rand1 =" );for (int i=0; i<10; i++){printf("%d ", rand()%10);}printf("\n srand1 =" );srand(8);for (int i=0; i<10; i++){printf("%d ", rand()%10);}printf("\n srand2 =" );//使用time()获取不重复的种子srand((unsigned)time(NULL)); for (int i=0; i<10; i++){printf("%d ", rand()%10);}printf("\n" );
使用rand和srand产生随机数小结
1、随机数是由随机种子根据一定的计算方法计算出来的数值。所以,只要计算方法一定,随机种子一定,那么产生的随机数就不会变。
2、默认情况下随机种子来自系统时钟(即定时/计数器的值),想得到完全不重复的随机种子,可以用time()
3、要取[a,b)之间的随机整数使用:(rand() % (b - a)) + a
要取[0,N)之间的随机浮点数使用: rand() /((double)(RAND_MAX)/N)
要取[a,b)之间的随机浮点数使用: rand() /((double)(RAND_MAX)/(b-a))+(b-a)
4. 完整程序及结果
#include <opencv2/highgui/highgui.hpp>#include <opencv2/core/core.hpp>#include <iostream>#include <iostream>#include "cv.h"#include "highgui.h"using namespace cv;using namespace std;int main(int argc,char** argv){/***********************************OpenCV中的C++版本随机数******************************************//*====================================产生一个随机数================================================*RNG可以产生3种随机数*RNG(int seed) 使用种子seed产生一个64位随机整数,默认-1*RNG::uniform() 产生一个均匀分布的随机数*RNG::gaussian() 产生一个高斯分布的随机数*关于种子seed:种子好比是生成随机数的产品证,想要生成不同的随机数,就要用不同种子。你运行此程序两次,* 会发现两次产生的随机数都是一样的,因为使用了默认种子“-1”。产生不重复随机数的好办法是* 用getTickCount()返回一个64位长整数的时间数据,绝对不重复。RNG(getTickCount())===================================================================================================*///创建RNG对象,使用默认种子“-1”RNG rng;//产生64位整数int N1 = rng;/*-------------产生均匀分布的随机数uniform和高斯分布的随机数gaussian---------*///总是得到double类型数据0.000000,因为会调用uniform(int,int),只会取整数,所以只产生0double N1a = rng.uniform(0,1);//产生[0,1)范围内均匀分布的double类型数据double N1b = rng.uniform((double)0,(double)1);//产生[0,1)范围内均匀分布的float类型数据,注意被自动转换为double了。double N1c = rng.uniform(0.f,1.f);//产生[0,1)范围内均匀分布的double类型数据。double N1d = rng.uniform(0.,1.);//可能会因为重载导致编译不通过(确实没通过。。)//double N1e = rng.uniform(0,0.999999);//产生符合均值为0,标准差为2的高斯分布的随机数double N1g = rng.gaussian(2);cout << "N1 = " << N1 << endl;cout << "N1a = " << N1a << endl;cout << "N1b = " << N1b << endl; cout << "N1c = " << N1c << endl;cout << "N1d = " << N1d << endl;//cout << "N1e = " << N1e << endl;cout << "N1g = " << N1g << endl;/*================================返回下一个随机数==============================================*给定种子,rng就会按照某规律生产一系列随机数,只不过每次按顺序取出一个来。如果要得到另一个随机数,*不必重新生成一个随机数,只需原随机数列里的下一个随机数即可*RNG:: next 返回下一个64位随机整数 *RNG:: operator 返回下一个指定类型的随机数================================================================================================*///返回下一个64位随机数,即n1的下一个int N2 = rng.next(); //即N1.next();//返回下一个指定类型的随机数int N2a = rng.operator uchar();int N2b = rng.operator schar();int N2c = rng.operator ushort();int N2d = rng.operator short int();int N2e = rng.operator int();int N2f = rng.operator unsigned int();int N2g = rng.operator float();int N2h = rng.operator double();int N2i = rng.operator ()(); //和rng.next( )等价int N2j = rng.operator ()(100); //返回[0,100)范围内的随机数cout << "N2 = " << N2 << endl;cout << "N2a = " << N2a << endl;cout << "N2b = " << N2b << endl;cout << "N2c = " << N2c << endl;cout << "N2d = " << N2d << endl;cout << "N2e = " << N2e << endl;cout << "N2f = " << N2f << endl;cout << "N2g = " << N2g << endl;cout << "N2h = " << N2h << endl;cout << "N2i = " << N2i << endl;cout << "N2j = " << N2j << endl<< endl;/*=======================================用随机数填充数组(矩阵)==========================================*void RNG:: fill( InputOutputArray mat, 输出矩阵,最多支持4通道,超过4通道先用reshape()改变结构 int distType, UNIFORM 或 NORMAL InputArray a, disType是UNIFORM,a表示为下界(闭区间);disType是NORMAL,a均值 InputArray b, disType是UNIFORM,b表示为上界(开区间);disType是NORMAL,b标准差 bool saturateRange=false) 只针对均匀分布有效。当为真的时候,会先把产生随机数的范围变换到数据类型的范围, 再产生随机数;如果为假,会先产生随机数,再进行截断到数据类型的有效区间。 请看以下fillM1和fillM2的例子并观察结果 ===========================================================================================================*///产生[1,1000)均匀分布的int随机数填充fillMMat_<int>fillM(3,3);rng.fill(fillM,RNG::UNIFORM,1,1000);cout << "filM = " << fillM << endl << endl;Mat fillM1(3,3,CV_8U);rng.fill(fillM1,RNG::UNIFORM,1,1000,TRUE);cout << "filM1 = " << fillM1 << endl << endl;Mat fillM2(3,3,CV_8U);rng.fill(fillM2,RNG::UNIFORM,1,1000,FALSE);cout << "filM2 = " << fillM2 << endl << endl;//fillM1产生的数据都在[0,,255)内,且小于255;//fillM2产生的数据虽然也在同样范围内,但是由于用了截断操作,所以很多数据都是255,//因为CV_8U的有效范围就是0~255//所以我认为最好的方式就是事先想好需要的数据类型和范围,再设置为FALSE(默认值)//产生均值为1,标准差为3的随机double数填进fillNMat_<double>fillN(3,3);rng.fill(fillN,RNG::NORMAL,1,3);cout << "filN = " << fillN << endl << endl;/*=====================================randu( )=====================================================/*返回均匀分布的随机数,填入数组或矩阵* randu(dst, low, high) *dst – 输出数组或矩阵 *low – 区间下界(闭区间)*high - 区间上界(开区间)====================================================================================================*/Mat_<int>randuM(3,3);randu(randuM,Scalar(0),Scalar(255));cout << "randuM = " << randuM << endl << endl;//其实randu和rng.fill功能是类似的,只不过rng需要先定义rng/*======================================randn( )======================================================/*返回高斯分布的随机数,填入数组或矩阵* randn(dst, mean, stddev)*dst – 输出数组或矩阵 *mean – 均值*stddev - 标准差======================================================================================================*/Mat_<int>randnM(3,3);randn(randnM,0,1);cout << "randnM = " << randnM << endl << endl;//其实randu和rng.fill功能是类似的,只不过rng需要先定义rng/*======================================randShuffle( )=================================================/*产生随机打乱的数组,就是将原数组打乱 *randShuffle( InputOutputArray dst, 输入输出数组(一维) * double iterFactor=1., 决定交换数值的行列的位置的一个 系数... * RNG* rng=0 ) (可选)随机数产生器,0表示使用默认的随机数产生器,即seed=-1 * rng决定了打乱的方法=======================================================================================================*/Mat randShufM =(Mat_<double>(2,3) << 1,2,3,4,5,6);randShuffle(randShufM,7,0); cout << "randShufM = " << endl<<randShufM<< endl << endl;/******************************OpenCV中的C++版本随机数*************************************************//*===================================CvRNG============================================================*产生64位随机整数,参见RNG。C++版本中的RNG已经代替了CvRNG========================================================================================================*/ CvRNG cvRNG; /*======================================cvRandArr========================================================*用CvRNG产生的随机数填充数组(矩阵)*void cvRandArr( CvRNG* rng, 被 cvRNG 初始化的 RNG 状态* CvArr* arr, 输出数组* int dist_type, CV_RAND_UNI 或 CV_RAND_NORMAL* CvScalar param1, 如果是均匀分布它是随机数范围的闭下边界;如果是正态分布它是随机数的平均值*CvScalar param2) 如果是均匀分布它是随机数范围的开上边界;如果是正态分布它是随机数的标准差========================================================================================================*/CvMat* cvM = cvCreateMat(3,3,CV_16U); //创建3×3的矩阵cvRandArr(&cvRNG,cvM,CV_RAND_UNI,cvScalarAll(0),cvScalarAll(255)); //给cvM赋值,[0,255)//cout << "cvM = " << cvM << endl << endl; //cvM是指针,这样输出的是地址cout<<"cvM = ";for(int i=0;i<3;i++){for(int j= 0;j<3;j++){cout<<(int)cvGetReal2D(cvM,i,j)<<" "; //如何更方便地输出?}cout<<endl;}cout<<endl;/*=====================================cvRandInt======================================================unsigned int cvRandInt( CvRNG* rng)函数 cvRandInt 返回均匀分布的随机 32-bit 无符号整型值并更新 RNG 状态;它和 C 运行库里面的 rand() 函数十分相似,但是它产生的总是一个 32-bit 数而 rand()返回一个 0 到 RAND_MAX(它是 2**16 或者 2**32, 依赖于操作平台)之间的数=====================================================================================================*/int cvInt = cvRandInt(&cvRNG);cout << "cvInt = " << cvInt << endl << endl;/*====================================cvRandReal======================================================double cvRandReal( CvRNG* rng) 返回均匀分布的随机浮点数,范围[0,1)=====================================================================================================*/double cvDouble = cvRandReal(&cvRNG);cout << "cvDouble = " << cvDouble << endl<< endl;/******************************纯正的C语言随机数***************************************************** OpenCV里的随机数都是基于RNG或CvRNG的,其实C语言里的随机数也能用****************************************************************************************************//*=====================================rand和srand=================================================** int rand(void); 使用默认种子“1”,产生0到RAND_MAX之间的伪随机数。RAND_MAX常量被定义在stdlib.h头文件中。 * void srand (unsigned int seed); 使用种子seed产生0到RAND_MAX之间的伪随机数* rang和srand的唯一区别是,是否设置seed。*==================================================================================================*///产生[0,10)随机整数printf("\n rand1 =" );for (int i=0; i<10; i++){printf("%d ", rand()%10);}printf("\n srand1 =" );srand(8);for (int i=0; i<10; i++){printf("%d ", rand()%10);}printf("\n srand2 =" );//使用time()获取不重复的种子srand((unsigned)time(NULL)); for (int i=0; i<10; i++){printf("%d ", rand()%10);}printf("\n" );/*=================使用rand和srand产生随机数小结=======================================1、随机数是由随机种子根据一定的计算方法计算出来的数值。所以,只要计算方法一定,随机种子一定,那么产生的随机数就不会变。2、默认情况下随机种子来自系统时钟(即定时/计数器的值),想得到完全不重复的随机种子,可以用time()3、要取[a,b)之间的随机整数使用:(rand() % (b - a)) + a 要取[0,N)之间的随机浮点数使用: rand() /((double)(RAND_MAX)/N) 要取[a,b)之间的随机浮点数使用: rand() /((double)(RAND_MAX)/(b-a))+(b-a) *============================================================================================================*/system("pause");return 0;}结果如下图所示
设置不同的种子,会得到不同的结果,否则结果是不会变的。
- 学习OpenCV2——产生随机数
- Javascript—产生随机数
- qt学习--产生随机数
- 关注C++细节——产生随机数
- 数据库技巧—sql产生随机数
- Boost学习系列1----产生随机数
- C++入门学习(一) 产生随机数
- java7新特性——使用ThreadLocalRandom产生并发随机数
- java7新特性——使用ThreadLocalRandom产生并发随机数
- java7新特性——使用ThreadLocalRandom产生并发随机数
- C语言——产生一个随机字符或者随机数
- 产生m个1—m的不重复随机数
- 产生随机数
- 产生随机数
- 随机数产生
- 产生随机数
- 产生随机数
- 产生随机数
- 统计中文RSS博客中的词频
- 蓝桥杯:高精度加法
- 简说期望类问题的解法
- C++ 智能指针 auto_ptr 和 shared_ptr
- 深入理解CSS
- 学习OpenCV2——产生随机数
- 进程的创建及相关api
- 【uoj#150】【NOIP2015】运输计划 树上前缀和+lca+二分+拓扑排序+特别的卡常数技巧
- 欢迎使用CSDN-markdown编辑器
- POJ-2406 Power Strings(KMP)
- orcal 递归
- power Management ---赏析
- c 语言字符串相关函数使用说明
- 【bzoj1914】[Usaco2010 OPen]Triangle Counting 数三角形 计算几何