C++ Eigen的簡單用法
Eigen非常方便矩陣操作,當然它的功能不止如此,由於本人只用到了它的矩陣相關操作,所以這裡只給出了它的一些矩陣相關的簡單用法,以方便快速入門。矩陣操作在演算法研究過程中,非常重要,例如在影象處理中二維高斯擬合求取光斑中心時使用Eigen提供的矩陣演算法,差不多十來行程式碼即可實現,具體可見:http://blog.csdn.net/hjx_1000/article/details/8490653
Eigen的下載與安裝,可參考下面兩個部落格:
Eigen用原始碼的方式提供給使用者使用,在使用時只需要包含Eigen的標頭檔案即可進行使用。
之所以採用這種方式,是因為Eigen採用模板方式實現,由於模板函式不支援分離編譯,所以只能提供原始碼而不是動態庫的方式供使用者使用,不過這也也更方面使用者使用和研究。
1、 矩陣的定義
Eigen中關於矩陣類的模板函式中,共有6個模板引數,但是目前常用的只有前三個,如下所示:
- template<typename _Scalar, int _Rows, int _Cols, int _Options, int _MaxRows, int _MaxCols>
-
struct traits<Matrix<_Scalar, _Rows, _Cols, _Options, _MaxRows, _MaxCols> >
- .......
typedef Matrix<double,Dynamic, Dynamic> MatrixXd; |
typedef Matrix< double , 3 , 1> Vector3d |
注意:
(1)Eigen中無論是矩陣還是陣列、向量,無論是靜態矩陣還是動態矩陣都提供預設建構函式,也就是你定義這些資料結構時都可以不用提供任何引數,其大小均由執行時來確定。
(2)矩陣的建構函式中只提供行列數、元素型別的構造引數,而不提供元素值的構造,對於比較小的、固定長度的向量提供初始化元素的定義,例如:
- Vector2d a(5.0, 6.0);
- Vector3d b(5.0, 6.0, 7.0);
- Vector4d c(5.0, 6.0, 7.0, 8.0);
2、動態矩陣和靜態矩陣
動態矩陣是指其大小在執行時確定,靜態矩陣是指其大小在編譯時確定,在Eigen中並未這樣稱呼矩陣。具體可見如下兩段程式碼:
程式碼段1:
- #include <iostream>
- #include <Eigen/Dense>
- usingnamespace Eigen;
- usingnamespace std;
- int main()
- {
- MatrixXd m = MatrixXd::Random(3,3);
- m = (m + MatrixXd::Constant(3,3,1.2)) * 50;
- cout << "m =" << endl << m << endl;
- VectorXd v(3);
- v << 1, 2, 3;
- cout << "m * v =" << endl << m * v << endl;
- }
- #include <iostream>
- #include <Eigen/Dense>
- usingnamespace Eigen;
- usingnamespace std;
- int main()
- {
- Matrix3d m = Matrix3d::Random();
- m = (m + Matrix3d::Constant(1.2)) * 50;
- cout << "m =" << endl << m << endl;
- Vector3d v(1,2,3);
- cout << "m * v =" << endl << m * v << endl;
- }
1)程式碼段1中MatrixXd表示任意大小的元素型別為double的矩陣變數,其大小隻有在執行時被賦值之後才能知道; MatrixXd::Random(3,3)表示產生一個元素型別為double的3*3的臨時矩陣物件。
2) 程式碼段2中Matrix3d表示元素型別為double大小為3*3的矩陣變數,其大小在編譯時就知道;
3)上例中向量的定義也是類似,不過這裡的向量時列優先,在Eigen中行優先的矩陣會在其名字中包含有row,否則就是列優先。
4)向量只是一個特殊的矩陣,其一個維度為1而已,如:typedef Matrix< double , 3 , 1> Vector3d
3、矩陣元素的訪問
在矩陣的訪問中,行索引總是作為第一個引數,需注意Eigen中遵循大家的習慣讓矩陣、陣列、向量的下標都是從0開始。矩陣元素的訪問可以通過()操作符完成,例如m(2,3)即是獲取矩陣m的第2行第3列元素(注意行列數從0開始)。可參看如下程式碼:
- #include <iostream>
- #include <Eigen/Dense>
- usingnamespace Eigen;
- int main()
- {
- MatrixXd m(2,2);
- m(0,0) = 3;
- m(1,0) = 2.5;
- m(0,1) = -1;
- m(1,1) = m(1,0) + m(0,1);
- std::cout << "Here is the matrix m:\n" << m << std::endl;
- VectorXd v(2);
- v(0) = 4;
- v(1) = v(0) - 1;
- std::cout << "Here is the vector v:\n" << v << std::endl;
- }
Here is the matrix m: 3 -1 2.5 1.5 Here is the vector v: 4 3
針對向量還提供[]操作符,注意矩陣則不可如此使用,原因為:在C++中m[i, j]中逗號表示式 “i, j”的值始終都是“j”的值,即m[i, j]對於C++來講就是m[j];
4、設定矩陣的元素
在Eigen中過載了"<<"操作符,通過該操作符即可以一個一個元素的進行賦值,也可以一塊一塊的賦值。另外也可以使用下標進行復制,例如下面兩段程式碼:
程式碼段1
- Matrix3f m;
- m << 1, 2, 3,
- 4, 5, 6,
- 7, 8, 9;
- std::cout << m;
1 2 3 4 5 6 7 8 9程式碼段二(使用下標進行復制)
- VectorXf m_Vector_A;
- MatrixXf m_matrix_B;
- int m_iN =-1;
- bool InitData(int pSrc[100][100], int iWidth, int iHeight)
- {
- if (NULL == pSrc || iWidth <=0 || iHeight <= 0)
- returnfalse;
- m_iN = iWidth*iHeight;
- VectorXf tmp_A(m_iN);
- MatrixXf tmp_B(m_iN, 5);
- int i =0, j=0, iPos =0;
- while(i<iWidth)
- {
- j=0;
- while(j<iHeight)
- {
- tmp_A(iPos) = pSrc[i][j] * log((float)pSrc[i][j]);
- tmp_B(iPos,0) = pSrc[i][j] ;
- tmp_B(iPos,1) = pSrc[i][j] * i;
- tmp_B(iPos,2) = pSrc[i][j] * j;
- tmp_B(iPos,3) = pSrc[i][j] * i * i;
- tmp_B(iPos,4) = pSrc[i][j] * j * j;
- ++iPos;
- ++j;
- }
- ++i;
- }
- m_Vector_A = tmp_A;
- m_matrix_B = tmp_B;
- }
(3) 使用“=”操作符操作動態矩陣時,如果左右邊的矩陣大小不等,則左邊的動態矩陣的大小會被修改為右邊的大小。例如下面的程式碼段:
- MatrixXf a(2,2);
- std::cout << "a is of size " << a.rows() << "x" << a.cols() << std::endl;
- MatrixXf b(3,3);
- a = b;
- std::cout << "a is now of size " << a.rows() << "x" << a.cols() << std::endl;
a is of size 2x2 a is now of size 3x36、如何選擇動態矩陣和靜態矩陣? Eigen對於這問題的答案是:對於小矩陣(一般大小小於16)的使用固定大小的靜態矩陣,它可以帶來比較高的效率,對於大矩陣(一般大小大於32)建議使用動態矩陣。
還需特別注意的是:如果特別大的矩陣使用了固定大小的靜態矩陣則可能造成棧溢位的問題
---------------------------------------------------------------------------------------------本文主要是Eigen中矩陣和向量的算術運算,在Eigen中的這些算術運算過載了C++的+,-,*,所以使用起來非常方便。
1、矩陣的運算
Eigen提供+、-、一元操作符“-”、+=、-=,例如:
二元操作符+/-表示兩矩陣相加(矩陣中對應元素相加/減,返回一個臨時矩陣): B+C 或 B-C;
一元操作符-表示對矩陣取負(矩陣中對應元素取負,返回一個臨時矩陣): -C;
組合操作法+=或者-=表示(對應每隔元素都做相應操作):A += B 或者 A-=B
程式碼段1為矩陣的加減操作,程式碼如下:
- #include <iostream>
-
相關推薦
c++ eigen 簡單用法
//for (int i = 0; i < fileParse->frame_count; i++) //{ // bool left_foot_contact = NCGetContactState(index, i, 6); // bool
C++ sort簡單用法
1.對基本型別的陣列從小到大排序 sort(陣列名+n1,陣列名+n2); tips:如果·n1=0,+n1可以不寫。將陣列中下標範圍[n1,n2)的元素從小到大排序。n2元素不在排序區間內。 int a[]={6,3,1,5,2,0,4}; sort(a,a+7);//對整個陣列從小到大排序 so
Eigen C++開源矩陣計算工具——Eigen的簡單用法
Eigen非常方便矩陣操作,當然它的功能不止如此,由於本人只用到了它的矩陣相關操作,所以這裡只給出了它的一些矩陣相關的簡單用法,以方便快速入門。矩陣操作在演算法研究過程中,非常重要,例如在影象處理中二維高斯擬合求取光斑中心時使用Eigen提供的矩陣演算法,差不多十來行程式碼即可實現,具體可見:http:
C++開源矩陣計算工具——Eigen的簡單用法(三)
本節主要涉及Eigen的塊操作以及QR分解,Eigen的QR分解非常繞人,搞了很久才搞明白是怎麼回事,最後是一個使用Eigen的矩陣操作完成二維高斯擬合求取光點的程式碼例子,關於二維高斯擬合求取光點的詳細內容可參考:http://blog.csdn.net/hjx_1000
C++ Eigen的簡單用法
Eigen非常方便矩陣操作,當然它的功能不止如此,由於本人只用到了它的矩陣相關操作,所以這裡只給出了它的一些矩陣相關的簡單用法,以方便快速入門。矩陣操作在演算法研究過程中,非常重要,例如在影象處理中二維高斯擬合求取光斑中心時使用Eigen提供的矩陣演算法,差不多十來行
Eigen: C++開源矩陣計算工具——Eigen的簡單用法
Eigen非常方便矩陣操作,當然它的功能不止如此,由於本人只用到了它的矩陣相關操作,所以這裡只給出了它的一些矩陣相關的簡單用法,以方便快速入門。矩陣操作在演算法研究過程中,非常重要,例如在影象處理中二維高斯擬合求取光斑中心時使用Eigen提供的矩陣演算法,差不多十來行程式碼即
C++開源矩陣計算工具——Eigen的簡單用法(二)
本文主要是Eigen中矩陣和向量的算術運算,在Eigen中的這些算術運算過載了C++的+,-,*,所以使用起來非常方便。1、矩陣的運算Eigen提供+、-、一元操作符“-”、+=、-=,例如:二元操作符+/-表示兩矩陣相加(矩陣中對應元素相加/減,返回一個臨時矩陣): B+C
C++中priority_queue的簡單用法
soj isf htm lov sni osc coj dpt kml 6rwglt柯繳滔拐僖瓢http://shufang.docin.com/dhbp31536hted8m舜棺蠢訪棵料http://huiyi.docin.com/mqnqv574629sniu6澳刀飯疤
C++ char 和 string 簡單用法
直接上程式碼,編譯執行,跟著結果對比就好理解 #include<iostream> #include<string> #include<sstream> #include<cstring> #include <stdlib.h>
C語言與matlab混合程式設計中mwArray的Get函式的簡單用法解釋
網上的通用示例: double data[4] = {1.0, 2.0, 3.0, 4.0}; double x; mwArray a(2, 2, mxDOUBLE_CLASS); a.SetData(data, 4); x = a.Get(1,1); // x = 1.0
C++ vector和iterator簡單用法
vector是動態可變陣列,可以新增int、double、自定義的類 1.int示例: #incldue<vector> vector<int> a; a.push_back(1); a.push_back(2); a.push_ba
C++----zlib 簡單的用法
簡單點,zlib是一種壓縮演算法,有 .h .lib 檔案 ,我們可以直接使用 #include "stdafx.h" #include "../zlib.h" #pragma comment(lib,"../zlib.lib") int main(int argc
有關eigen庫的一些簡單用法
#include <iostream> #include "Eigen/Dense" using namespace Eigen; int main() { MatrixXf m1(3,4); //動態矩陣,建立3行4列。 MatrixXf m2(4,3); //4行3列,依此類推。 M
C++ rapid JSON 簡單用法例項
{LOG(INFO) << "JsonString: " << JsonString;std::string tlvdataString ="";std::string signatureString ="";auto tlvLen =0;auto iRet= -1;auto si
開源矩陣計算工具——Eigen的簡單用法
(一) 1、 矩陣的定義 Eigen中關於矩陣類的模板函式中,共有6個模板引數,但是目前常用的只有前三個,如下所示: template<typename _Scalar, int _Rows, int _Cols, int
C++中的C_str()函式簡單用法
語法: const char *c_str(); c_str()函式返回一個指向正規C字串的指標常量, 內容與本string串相同. 這是為了與c語言相容,在c語言中沒有string型別,故必須通過string類物件的成員函式c_str()把string 物件轉換成c中
C# 執行緒池簡單用法
最簡單的單執行緒運用是直接建立一個Thread物件再呼叫satrt(),此方法丟擲一個執行緒後將不再管它,讓其自生自滅... private void MessageShow(string msg, string title, MessageBoxIcon
C# 嵌入資料庫SQLite的簡單用法
原:http://www.oschina.net/code/snippet_584165_47859 引用百度百科的說法:SQLite,是一款輕型的資料庫,是遵守ACID的關係型資料庫管理系統,它包含在一個相對小的C庫中。它是D.RichardHipp建立的公有領域專案
C++中的堆疊stack的簡單用法
1)push 能夠插入元素 2)pop 移除棧頂元素 使用的時候,需要包含標頭檔案 #include <stack>,stack 被宣告如下: namespace std { template <class T, class Container = deque<T&g
【C#學習筆記】反射的簡單用法
常見的使用反射的場景: 程式在執行時動態地訪問類的成員,如獲得類的變數、方法。 例如:用反射給本類的變數賦值。 public class Student{ public string studentName = "小王"; public