c++ - OpenCV element-wise matrix multiplication -


ओपनसीवी कहते हैं एमुल (बी) प्रति-तत्व गुणा है फिर भी निम्न कोड निम्न आउटपुट का उत्पादन करता है, और फिर यह त्रुटि देता है: 

  OpenCV त्रुटि: इनपुट आर्गुमेंट्स के आकार मेल नहीं खाते   
।  
  कॉट & lt; & lt; लैपलासीयन_पीरामिड [आई] [न्यूज़लेव्स - 1 - एल] .रोस & lt; & lt; endl; Cout & lt; & lt; गाऊसी_वेट_पीरामिड [आई] [एल] .रोव & lt; & lt; endl; Cout & lt; & lt; लैपलासीयन_पीरामिड [आई] [न्यूक्लीव्स - 1 - एल]। Cols & lt; & lt; endl; Cout & lt; & lt; गाऊसी_वेट_पीरामिड [आई] [एल]। Cols & lt; & lt; endl;   
 देता है:  
  339 339 571 571   
 तब:  
  मैट प्रोड = गाउसियन_वेट_पीरामिड [आई] [एल] .मूल (लैपलासीयन_पीरामिड [आई] [न्यूक्लीव्स - 1 - एल]);   
 त्रुटि देता है मैंने कोशिश की  Mat :: multiply  एक समान प्रभाव के लिए।   
 
 
 मैं सुझाऊंगा एकल चैनल को तीन चैनल में कनवर्ट करना:  
  चटाई A = चटाई :: शून्य (100, 200, CV_32FC1); चटाई बी = चटाई :: शून्य (100, 200, सीवी_32 एफ 3); // Mat सी = एमुल (बी); // इनपुट आर्ग्यूज के आकार Mat Afc3 से मेल नहीं खाते; Mat टी [] = {ए, ए, ए}; मर्ज (टी, 3, एफ़सी 3); चटाई सी = एफ़सी 3.मूल (बी); // अब एएफसी 3 में 3 चैनल उत्तर हैं, यह 32_एफसी 3 का प्रकार है। हम बी में प्रत्येक एएमएम को ए से एक ही कॉफ़ द्वारा गुणा कर सकते हैं लेकिन अगर बी यह सीवी_ 8 यूसी 3 प्रकार है, तो यह काम नहीं करता क्योंकि ओपनसीवी मैट को गुणा करने की अनुमति नहीं देता है जिसमें विभिन्न प्रकार के पिक्सेल होते हैं उस स्थिति में, प्रत्येक पिक्सेल को 1 / 255.0 में स्केल करने के लिए 8UC3 को 32 एफ 3 रीमेन्टिंग परिवर्तित करें 32 एफसी 3 में प्रत्येक पिक्सेल में 0.0 और 1.0 के बीच का मान है (और निश्चित तौर पर 8UC3 में प्रत्येक पिक्सेल में 0 और 255 के बीच के मान हैं)।  <पूर्व>  चटाई A = चटाई :: शून्य (100, 200, CV_32FC1); Mat B = Mat :: शून्य (100, 200, CV_8UC3); // Mat सी = एमुल (बी); मैट एफ़सी 3, बीएफसी 3; Mat टी [] = {ए, ए, ए}; मर्ज (टी, 3, एफ़सी 3); बी कन्वर्टटे (बीएफसी 3, सीवी_32 एफसी 3, 1 / 255.0); चटाई सी = एफ़सी 3.मूल (बीएफसी 3);

Comments

Post a Comment

Popular posts from this blog

python - how we can use ajax() in views.py in django? -

I have a little code here. Could you please tell me what this code really does? please. Here in the AJAX call: $ .ajax ({url: "{% url} upload_document '%}", type: "POST", data : {Csrfmiddletoken: document.getElementsByName ('csrfmiddletoken') [0] Price, Title: document.getElementById ('title'). Value, // document: document: document.getElementById ('document'),}, datatype: "Jason", success: function (feedback) {if (feedback == "true") {// success} other {// attachment errors}}}); How AJAX works in the Django and how we can see the AJAX request. Here is the idea of ​​my thoughts def upload_document (requested): Print request. POTT print request FILES if request.is_ajax (): If request.method == 'POST': form = UploadForm (request.POST, request.FILES, user = request.user) if form.is_valid (): Form.save () return HTTPPCS (SimpleJason Dumps ('True'), Mime Type = 'App / Jason') Other:...
Read more

matlab - Using loops to get multiple values into a cell -

I have 31 topics (S1, S2, S3, S4, etc.) 3 images in each topic, opposite 1 IMG, Contrast 2 IMG and Contrast 3 Are IMG I p In a NX1 cell named P, I would like to use a loop to get all the paths of contrasts from all the subjects: data / S1 / contrast1.img / S1 / contrast2.img data / S1 / contrast3.img data / s2 / contrast1.img data / S2 / contrast2.img Data / S2 / contrast3.img ... Data / S31 / contast3.img This is what I've tried: A = {'S1', 'S2', 'S3', ..., 'S31'}; % All topics C = {'contrast1.img', 'contrast2.img', 'contrast3.img'}; For each = P = cell (31 * 3,1) for each topic, the required contrast images: Length = A for Jammu = 1: Length (C) P {j} = spm_select ('FPList', Fullfile (data_path, q {i}) sprint ('% s', cell2mat (c))); % Of each topic is to select three contrast images, it works in my script, it is probably not 100% correct, because I had to simplify this example. End of ...
Read more

python - Sequence Pattern recognition with Pybrain -

Image
I am constantly trying to use recurrent neural networks to classify a series of data. To be more specific, I have a sequence of sensor reading (which is continuous over time), I have to learn an algorithm which can detect the state related to this pattern, given the readings change. Example: Time step_1: 1.4 Time step_2: 1 Time step_3: 0.8 State = New Sequence: Time Phase 1: 0.4 Time Phase 2: 0.3 Time Phase 3: 0.1 State = Sitting I actually have 12 censors, I'm just showing a sequence of numbers for convenience. (Numbers are not real, I'm just trying to fulfill this idea)! I am trying to make my network with PyBrain RNN, however, I can not get a Data Set Container that can detect it, like information I tried to use sequential data But after some testing I came to know that this number is the next element in the sequence of numbers. Here's how I prepare my dataset: self.alldata = SequentialDataSet (ds.num_features, 1) # Now add samples to the dat...
Read more