opencv中用RNG產生隨機數

1.1 rng

rng類是opencv裡c++的隨機數產生器。它可產生乙個64位的int隨機數。目前可按均勻分布和高斯分布產生隨機數。隨機數的產生採用的是multiply-with-carry演算法和ziggurat演算法。

rng可以產生3種隨機數

rng(int seed) 使用種子seed產生乙個64位隨機整數，預設-1

rng::uniform( ) 產生乙個均勻分布的隨機數

rng::gaussian( ) 產生乙個高斯分布的隨機數

rng::uniform(a, b ) 返回乙個[a,b)範圍的均勻分布的隨機數，a,b的資料型別要一致，而且必須是int、float、double中的一種，預設是int。

rng::gaussian( σ) 返回乙個均值為0，標準差為σ的隨機數。

如果要產生均值為λ，標準差為σ的隨機數，可以λ+ rng::gaussian( σ)

//建立rng物件，使用預設種子「-1」  

rng rng;
//產生64位整數  
int n1 = rng;
/*-------------產生均勻分布的隨機數uniform和高斯分布的隨機數gaussian---------*/
//總是得到double型別資料0.000000，因為會呼叫uniform(int,int),只會取整數，所以只產生0   
double n1a = rng.
uniform(0
,1);
//產生[0,1)範圍內均勻分布的double型別資料  
double n1b = rng.
uniform((
double)0
,(double)1
);//產生[0,1)範圍內均勻分布的float型別資料，注意被自動轉換為double了。  
double n1c = rng.
uniform
(0.f
,1.f);
//產生[0,1)範圍內均勻分布的double型別資料。  
double n1d = rng.
uniform(0.
,1.);
//可能會因為過載導致編譯不通過(確實沒通過。。)     
//double n1e = rng.uniform(0,0.999999);  
//產生符合均值為0，標準差為2的高斯分布的隨機數  
double n1g = rng.
gaussian(2
);

上面一次只能返回乙個隨機數，實際上系統已經生成乙個隨機數組。如果我們要連續獲得隨機數，沒有必要重新定義乙個rng類，只需要取出隨機數組的下乙個隨機數即可。

rng:: next 返回下乙個64位隨機整數

rng:: operator 返回下乙個指定型別的隨機數

rng rng;

int n2 = rng.
next()
;//返回下乙個隨機整數，即n1.next();  
//返回下乙個指定型別的隨機數  
int n2a = rng.
operator
uchar()
;//返回下乙個無符號字元數  
int n2b = rng.
operator
schar()
;//返回下乙個有符號字元數  
int n2c = rng.
operator
ushort()
;//返回下乙個無符號短型  
int n2d = rng.
operator
short
int();
//返回下乙個短整型數  
int n2e = rng.
operator
int();
//返回下乙個整型數  
int n2f = rng.
operator
unsigned
int();
//返回下乙個無符號整型數  
int n2g = rng.
operator
float()
;//返回下乙個浮點數  
int n2h = rng.
operator
double()
;//返回下乙個double型數  
int n2i = rng.
operator()
();//和rng.next( )等價  
int n2j = rng.
operator()
(100);
//返回[0,100)範圍內的隨機數  

void fill( inputoutputarray mat, int disttype, inputarray a, inputarray b, bool saturaterange=false );

inputoutputarray                    輸入輸出矩陣，最多支援4通道，超過4通道先用reshape()改變結構
int disttype                             uniform 或 normal，表示均勻分布和高斯分布
inputarray a                           distype是uniform,a表示為下界(閉區間)；distype是normal,a均值
inputarray b                           distype是uniform,b表示為上界(開區間)；distype是normal,b標準差
bool saturaterange=false     只針對均勻分布有效。當為真的時候，會先把產生隨機數的範圍變換到資料型別的範圍，再產生隨機數；
如果為假，會先產生隨機數，再進行截斷到資料型別的有效區間。請看以下fillm1和fillm2的例子並觀察結果

//產生[1,1000)均勻分布的int隨機數填充fillm  

mat_<
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產生的資料都在[0,，255)內，且小於255；  
//fillm2產生的資料雖然也在同樣範圍內，但是由於用了截斷操作，所以很多資料都是255,    
//產生均值為1，標準差為3的隨機double數填進filln  
mat_<
double
>
filln(3
,3);  
rng.
fill
(filln,rng::normal,1,
3);      cout <<
"filn = "
<< filln << endl << endl;

使用時間戳作為種子數

rng rng((

unsigned
)time
(null))
;//當然，用這個要記得加上頭函式
double x=rng.
uniform((
double)0
,(double
)255);
float y=rng.
uniform
(0.f
,255.f);
int z=rng.
uniform((
int)0,
(int
)255
);

看結果~

隨機數產生器RNG

用opencv做演算法的朋友們肯定為隨機數煩惱過，新版本一直支援隨機數產生器啦，而且還繼續支援之前版本的c格式的函式，不過與時俱進，我這裡介紹c 的rng類。它可以壓縮乙個64位的i整數並可以得到scalar和array的隨機數。目前的版本支援均勻分布隨機數和gaussian分布隨機數。隨機數的產生...

隨機數產生器RNG

用opencv做演算法的朋友們肯定為隨機數煩惱過，新版本一直支援隨機數產生器啦，而且還繼續支援之前版本的c格式的函式，不過與時俱進，我這裡介紹c 的rng類。它可以壓縮乙個64位的i整數並可以得到scalar和array的隨機數。目前的版本支援均勻分布隨機數和gaussian分布隨機數。隨機數的產生...

opencv隨機數發生器RNG

用opencv做演算法的朋友們肯定為隨機數煩惱過，新版本一直支援隨機數產生器啦，而且還繼續支援之前版本的c格式的函式，不過與時俱進，我這裡介紹c 的rng類。它可以壓縮乙個64位的i整數並可以得到scalar和array的隨機數。目前的版本支援均勻分布隨機數和gaussian分布隨機數。隨機數的產生...