C++ cv:：Mat到特征矩阵的转换和返回

我在一个

cv:：Mat

中存储了几个特征向量，其中每一行都是一个特征向量（这里有几行像这样：

[x1 y1 x2 y2 x3 y3….]

）。我必须对每个特征向量应用奇异值分解，为此我使用特征库。但是，在应用SVD之前，必须将特征矩阵转换为

Eigen:：matrix

形式

稍后，我必须将SVD结果转换回

cv:：Mat

谁能提出一个好的方法来做这件事？我在

cv:：Mat

表单中需要它的原因是，我必须将它输入到OpenCV中的神经网络中，并且只允许

cv:：Mat

输入矩阵

---

谢谢

尝试使用以下代码将本征值转换为cv:

template<typename _Tp, int _rows, int _cols, int _options, int _maxRows, int _maxCols>
void eigen2cv(const Eigen::Matrix<_Tp, _rows, _cols, _options, _maxRows, _maxCols>& src, cv::Mat& dst)
{
    if (!(src.Flags & Eigen::RowMajorBit))
    {
        cv::Mat _src(src.cols(), src.rows(), cv::DataType<_Tp>::type,
            (void*)src.data(), src.stride() * sizeof(_Tp));
        cv::transpose(_src, dst);
    }
    else
    {
        cv::Mat _src(src.rows(), src.cols(), cv::DataType<_Tp>::type,
            (void*)src.data(), src.stride() * sizeof(_Tp));
        _src.copyTo(dst);
    }
}

来源：这段代码取自OpenCV本身，他们在内部使用它，因为OpenCV可以在内部将libeigen用于某些任务。我不明白为什么到这样的libs和Qt的格式转换没有通过API公开。

下面是一个例子：

#包括
cv:：Mat_uA=Mat_uuA:：ones（2,2）；
本征矩阵b；
cv2eigen（a，b）；

另外，还有一个使用Eigen:：Map的解决方案。

看看这篇文章。它描述了如何以较少的开销映射数据。在最简单的情况下，根本就没有副本。它还处理本征表达式：

// Unsharp mask
Eigen::ArrayXXd img, blur;    
eigen2cv(img) = cv::imread("lena.jpg");
cv::GaussianBlur(eigen2cv(img), eigen2cv(blur));

cv::imshow("sharpened", eigen2cv(1.5 * img - 0.5 * blur));

---

谢谢你的建议！你能告诉我这里的“模板”是什么吗？我还没有达到高级水平。。。以及如何将cv:：Mat转换为Egenen:：Matrix…感谢您的输入@ypnosand这个“typename\u Tp”和数据类型是什么请再解释一点…这非常重要…你需要自己学习模板。但是使用此代码相当容易，并且不涉及模板。例如：cv:：Mat_uuSrc；特征：：MatrixXf dest（src.rows，src.cols）；cv2eigen（src、dest）；我试试这个！请告诉我这个“类型名”和数据类型是什么…我不明白。。。谢谢你@阅读你最喜欢的关于C++模板的书。这是非常基础的C++概念！关于数据类型，请参阅的可能重复项。无需复制数据，使用Eigen:：Map。看看这里的答案：他们认为您在博客中谈论的新头文件与OpenCV 2.4.9不兼容。我刚刚包括了标题Eigen2CV.h，g++抛出了一系列奇怪的错误。

#include <opencv2/core/eigen.hpp>
cv::Mat_<float> a = Mat_<float>::ones(2,2);
Eigen::Matrix<float,Dynamic,Dynamic> b;
cv2eigen(a,b);

// Unsharp mask
Eigen::ArrayXXd img, blur;    
eigen2cv(img) = cv::imread("lena.jpg");
cv::GaussianBlur(eigen2cv(img), eigen2cv(blur));

cv::imshow("sharpened", eigen2cv(1.5 * img - 0.5 * blur));