Eigen應用於Qt 常用操作總結

2021-09-23 22:19:08 字數 1850 閱讀 7613

eigen應用於qt：常用操作總結

參考：eigen的官網解釋：

在建構函式前使用

using namespace std;


using namespace eigen;
pro：

includepath+=g:\eigen-eigen-b70bf4fad467
注意：這個資料夾路徑，到包含以下檔案的資料夾名即可

需要包含的預處理內容 

#include#include
目錄向量和矩陣的建立

初始化單位陣的定義

常見運算

固定尺寸的陣列和向量：

//矩陣1


matrix2d m;


m(0,0)= 1;


m(0,1)= 2;


m(1,0)= 3;


m(1,1)= 4;//函式賦值的方法一


cout注意：在進行定義的時候，關鍵字中都出現了具體的數字，比如matrix2d中的2，vector3d中的3。


這種定義矩陣和向量的方式叫：使用固定尺寸（例如matrix4f


）


但是，當矩陣行或者列的大小，向量的大小超過16，使用固定尺寸的定義方式就有些欠妥當，小於16，沒有問題，固定尺寸的定義方式更有優勢


尺寸超過16，我們使用動態尺寸，如下


矩陣：matrixxd part_1(20,20);
定義形式：matrixxd name_for_matrix(row，col);

向量：

vectorxd g(21);
定義形式：vectorxd name_for_vector(size); 

初始化方式很多：

向量可以在定義的時候就初始化，也可以在定義後初始化:

vector3d vecs(1.0, 2.0, 3.0);//向量賦值方法


cout<


//矩陣1


matrix2d m;


m(0,0)= 1;


m(0,1)= 2;


m(1,0)= 3;


m(1,1)= 4;//函式賦值的方法一


//矩陣2


matrix2d md;


md<<4,3,


2,1;


cout當然也可以迴圈賦值：


matrixxd a(4,4);


for(int i = 0;i<4;i++)


}cout<


matrixxd e = matrixxd::identity(4,4);//對角陣，全是1
matrixxd name_for_matrix = matrixxd::identity(size,size);

a = a*a;//矩陣和矩陣相乘


cout<


cout<


vector4d vecs1(1.0, 2.0, 3.0, 4.0);


vecs1 = vecs1.transpose().eval();
點乘：

vector4d vecs1(1.0, 2.0, 3.0, 4.0);


vector4d vecs2(1, 1.0, 1.0, 1.0);


result = vecs1.dot(vecs2);

python應用於網路 python應用於網路通訊

專案需要用到採用python實現維護測試工具，測試物件是linux裝置，需要在pc端採用python獲取linux裝置相關資訊 一 採用udp獲取普通資訊 udpserver socket af inet,sock dgram udpserver.bind ip,port data,client a...

bitmap應用於排序

這種方法只適合 資料不重複，已知資料範圍 的情況來自於 程式設計珠璣 所謂的bit map就是用乙個bit位來標記某個元素對應的value，而key即是該元素。由於採用了bit為單位來儲存資料，因此在 儲存空間方面，可以大大節省。如果說了這麼多還沒明白什麼是bit map，那麼我們來看乙個具體的例子...

MATLAB應用於濾波

1.什麼是影象的直方圖 2.直方圖均衡化 直方圖均衡化 histogram equalization 又稱直方圖平坦化，直方圖 拉伸是通過對比度拉伸對直方圖進行調整，從而 擴大 前景和背景灰度的差別，以達到增強 對比度的目的，這種方法可以利用線性或 非線性的方法來實現直方圖均衡化則通過使用累積函式對...