首页 > 矩阵在计算机程序中的应用

矩阵在计算机程序中的应用

先总结一下矩阵运算的模版程序

求逆的方法目前不懂，求路过的大神解释。

/* 这部分请忽略

矩阵相乘有分治来优化的方法，Strassen算法，矩阵可以填0的方法计算令它成为2^n * 2^n，贴一下分治的那部分

void Strassen(int n, T A[][N], T B[][N], T C[][N]) {T A11[N][N], A12[N][N], A21[N][N], A22[N][N];T B11[N][N], B12[N][N], B21[N][N], B22[N][N];T C11[N][N], C12[N][N], C21[N][N], C22[N][N];T M1[N][N], M2[N][N], M3[N][N], M4[N][N], M5[N][N], M6[N][N], M7[N][N];T AA[N][N], BB[N][N];if (n == 2) {  //2-order
        Matrix_Multiply(A, B, C);} else {//将矩阵A和B分成阶数相同的四个子矩阵，即分治思想。for (int i = 0; i < n / 2; i++) {for (int j = 0; j < n / 2; j++) {A11[i][j] = A[i][j];A12[i][j] = A[i][j + n / 2];A21[i][j] = A[i + n / 2][j];A22[i][j] = A[i + n / 2][j + n / 2];B11[i][j] = B[i][j];B12[i][j] = B[i][j + n / 2];B21[i][j] = B[i + n / 2][j];B22[i][j] = B[i + n / 2][j + n / 2];}}//Calculate M1 = (A0 + A3) × (B0 + B3)Matrix_Add(n / 2, A11, A22, AA);Matrix_Add(n / 2, B11, B22, BB);Strassen(n / 2, AA, BB, M1);//Calculate M2 = (A2 + A3) × B0Matrix_Add(n / 2, A21, A22, AA);Strassen(n / 2, AA, B11, M2);//Calculate M3 = A0 × (B1 - B3)Matrix_Sub(n / 2, B12, B22, BB);Strassen(n / 2, A11, BB, M3);//Calculate M4 = A3 × (B2 - B0)Matrix_Sub(n / 2, B21, B11, BB);Strassen(n / 2, A22, BB, M4);//Calculate M5 = (A0 + A1) × B3Matrix_Add(n / 2, A11, A12, AA);Strassen(n / 2, AA, B22, M5);//Calculate M6 = (A2 - A0) × (B0 + B1)Matrix_Sub(n / 2, A21, A11, AA);Matrix_Add(n / 2, B11, B12, BB);Strassen(n / 2, AA, BB, M6);//Calculate M7 = (A1 - A3) × (B2 + B3)Matrix_Sub(n / 2, A12, A22, AA);Matrix_Add(n / 2, B21, B22, BB);Strassen(n / 2, AA, BB, M7);//Calculate C0 = M1 + M4 - M5 + M7Matrix_Add(n / 2, M1, M4, AA);Matrix_Sub(n / 2, M7, M5, BB);Matrix_Add(n / 2, AA, BB, C11);//Calculate C1 = M3 + M5Matrix_Add(n / 2, M3, M5, C12);//Calculate C2 = M2 + M4Matrix_Add(n / 2, M2, M4, C21);//Calculate C3 = M1 - M2 + M3 + M6Matrix_Sub(n / 2, M1, M2, AA);Matrix_Add(n / 2, M3, M6, BB);Matrix_Add(n / 2, AA, BB, C22);//Set the result to C[][N]for (int i = 0; i < n / 2; i++) {for (int j = 0; j < n / 2; j++) {C[i][j] = C11[i][j];C[i][j + n / 2] = C12[i][j];C[i + n / 2][j] = C21[i][j];C[i + n / 2][j + n / 2] = C22[i][j];}}}
}

算法核心就是把每次相乘的8次矩阵相乘变成了7次乘法，看别小看这减少的1次乘法，因为每递归1次，性能就提高了1/8，比如对于1024*1024的矩阵，第1次先分解成7次512*512的矩阵相乘，对于512*512的矩阵，又可以继续递归分解成256*256的矩阵相乘，…，一直递归下去，假设分解到64*64的矩阵大小后就不再递归，那么所花的时间将是分块矩阵乘法的(7/8) * (7/8) * (7/8) * (7/8) = 0.586倍，提高了快接近一倍

*/

 

回归正题，看O(n^3)的矩阵乘法，这个在程序里就很可以了。

#include 
#include 
using namespace std;#define MAXN 4
#define zero(x) (fabs(x)<1e-8)struct mat {int n, m;double data[MAXN][MAXN];mat(){memset(data, 0, sizeof(data));}
};
void debug(mat tmp) {for (int i = 0; i < tmp.n; i++) {for (int j = 0; j < tmp.m; j++)printf("%.3lf ", tmp.data[i][j]);puts("");}puts("");
}
mat mul(mat& a, mat& b) { //a乘b = cint i, j, k;mat c;c.n = a.n, c.m = b.m;for (i = 0; i < c.n; i++)for (j = 0; j < c.m; j++) {for (c.data[i][j] = k = 0; k < a.m; k++)c.data[i][j] += a.data[i][k] * b.data[k][j]; //c.data[i][j] = (c.data[i][j] + ((LL) a.data[i][k] * b.data[k][j]) % mod) % mod;if (zero(c.data[i][j]))c.data[i][j] = 0;}return c;
}
mat pow(mat a, int x) {mat b;b.m = b.n = max(a.m, a.n);for (int i = 0; i < b.n; i++)b.data[i][i] = 1;while (x) {if (x & 1) {b = mul(a, b);}a = mul(a, a);x >>= 1;}return b;
}
//二分计算A^l+...A^r
mat cal(mat A, int l, int r) {if (l == r)return pow(A, l);int m = (l + r + 1) / 2;mat t = cal(A, l, m - 1); //算前一半的和mat t2 = pow(A, m - l); //中介的矩阵t = add(t, mul(t2, t));if ((r - l + 1) & 1)t = add(t, pow(A, r)); //如果是奇数，则加上最后一个return t;
}
mat inv(mat a) { // 高斯—约旦法求逆矩阵int i, j, k, is[MAXN], js[MAXN];double t;for (k = 0; k < a.n; k++) { // 从第k行k列开始右下角子阵中选取绝对值最大的元素 记住元素所在行列号for (t = 0, i = k; i < a.n; i++)for (j = k; j < a.n; j++)if (fabs(a.data[i][j]) > t)t = fabs(a.data[is[k] = i][js[k] = j]);if (is[k] != k) // 在通过行交换和列交换将它交换到主元素位置上for (j = 0; j < a.n; j++)swap(a.data[k][j], a.data[is[k]][j]);if (js[k] != k)for (i = 0; i < a.n; i++)swap(a.data[i][k], a.data[i][js[k]]);a.data[k][k] = 1 / a.data[k][k];for (j = 0; j < a.n; j++)if (j != k)a.data[k][j] *= a.data[k][k];for (i = 0; i < a.n; i++)if (i != k)for (j = 0; j < a.n; j++)if (j != k)a.data[i][j] -= a.data[i][k] * a.data[k][j];for (i = 0; i < a.n; i++)if (i != k)a.data[i][k] *= -a.data[k][k];}for (k = a.n - 1; k >= 0; k--) {for (j = 0; j < a.n; j++)if (js[k] != k)swap(a.data[k][j], a.data[js[k]][j]);for (i = 0; i < a.n; i++)if (is[k] != k)swap(a.data[i][k], a.data[i][is[k]]);}return a;
}double det(mat& a) { //求行列式int i, j, k, sign = 0;double b[MAXN][MAXN], ret = 1, t;if (a.n != a.m)return 0;for (i = 0; i < a.n; i++)for (j = 0; j < a.m; j++)b[i][j] = a.data[i][j];for (i = 0; i < a.n; i++) {if (zero(b[i][i])) {for (j = i + 1; j < a.n; j++)if (!zero(b[j][i]))break;if (j == a.n)return 0;for (k = i; k < a.n; k++)t = b[i][k], b[i][k] = b[j][k], b[j][k] = t;sign++;}ret *= b[i][i];for (k = i + 1; k < a.n; k++)b[i][k] /= b[i][i];for (j = i + 1; j < a.n; j++)for (k = i + 1; k < a.n; k++)b[j][k] -= b[j][i] * b[i][k];}if (sign & 1)ret = -ret;return ret;
}int main() {freopen("data3.txt", "r", stdin);int n, m;while (~scanf("%d%d", &n, &m)) {mat ma;ma.n = n, ma.m = m;for (int i = 0; i < n; i++)for (int j = 0; j < m; j++)scanf("%lf", &ma.data[i][j]);mat ni = inv(ma);
//        debug(ni);puts("");mat mu = mul(ma, ni);
//        debug(mu);
    }return 0;
}

 

1.数学应用和图论应用（传递闭包）

先来说一下传递闭包的问题，就是离散数学中二元关系传递转化为矩阵相乘

比如POJ 3660这题，通过矩阵乘得到所有的有关系的二元点对，这题要求多少个点排名能够确定，就是知道这个点和所有其他点的胜负关系，转化为点的入度与出度和是否为n-1的问题

这题要注意，矩阵乘循环的顺序

#include 
#include 
using namespace std;#define MAXN 110
int n;
bool g[MAXN][MAXN];
void mul() {int i, j, k;for (k = 1; k <= n; k++)for (i = 1; i <= n; i++)for (j = 1; j <= n; j++)g[i][j] = g[i][j] | (g[i][k] & g[k][j]);
}
int main() {
//    freopen("data4.txt", "r", stdin);int m, u, v;scanf("%d%d", &n, &m);memset(g, 0, sizeof(g));while (m--) {scanf("%d%d", &u, &v);g[u][v] = 1;}mul();int cnt = 0;for (int i = 1; i <= n; i++) {int cnt_t = 0;for (int j = 1; j <= n; j++)if (g[i][j] || g[j][i]) {cnt_t++;}if (cnt_t == n - 1)cnt++;}cout << cnt << endl;return 0;
}

 

1 给定一个有向图，问从A点恰好走k步（允许重复经过边）到达B点的方案数mod p的值

2 给出一张无向连通图，求S到E经过k条边的最短路

 

2.通过构造解决数学问题

我们先来考虑Fibonacci数列的递推公式，f[i] = f[i-1] + f[i-2]

我们可以用一个转移矩阵来表示这种转移

有一个矩阵  1 1  乘上  f[i-1] 得到 f[i]

　　　　　  1 0　　　 f[i-2]　　  f[i-1]

这样f[i-1]通过一个转移矩阵递推出f[i]

同理如 f[i] = a1*f[i-1] + a2*f[i-2] + ~~ + ak*f[i-k]

就可以找到矩阵 a1 a2 a3 ~~ ak 通过第一行来递增，通过之后的行来保留原来的值

　　　　　　　 1   0  0   ~~  0

　　　　　　　 0   1  0   ~~  0

　　　　　　　 |    |   |   ~~  |

　　　　　　　 0   0 ~~   1   0

则 f[n] = 转移矩阵^n * f[0] 更高效的求出 f[n]

另一个应用 矩阵表示向量的缩放，翻转，旋转，平移。

缩放，翻转，旋转 可以给坐标矩阵 x 乘上一个2*2矩阵得到，如缩放乘 k  0 翻转乘 1  0  旋转乘 cosa  -sina

　　　　　　　　　　　　　　　  y　　　　　　　　　　　　　　     0  k　　　  0  -1　　　  sina　cosa

但是不能满足平移操作的要求

我们的解决办法是加一个维度，用 x 来表示坐标，平移操作乘上矩阵 1  0  x

　　　　　　　　　　　　　　　 y　　　　　　　　　　　　　　  0  1  y

　　　　　　　　　　　　　　　 1　　　　　　　　　　　　　　  0  0  1

保证统一性，其他操作都变为3*3的矩阵，3行3列为1，其他补0。

找到一个很好地图说明

 

另外也可以解决对序列的置换

 

构造矩阵例题 HDU 1757

f(x) = a0 * f(x-1) + a1 * f(x-2) + a2 * f(x-3) + …… + a9 * f(x-10);



|f(10) |     |a0 a1 a2 ...a8 a9| |f(9)|

| f(9)  |     | 1 0 0 ... 0 0|        |f(8)|

|  ....   | =  |..  ... ...  ... ..|       | .. |

| f(2)  |     | 0 0 0 ... 0 0|        |f(1)|

| f(1)  |     | 0 0 0 ... 1 0|        |f(0)|

可见每次乘上这样一个构造矩阵就能降次

可以推出：

(f(n),f(n-1),...,f(n-9))^(-1) = A^(n-9)*(f(9),f(8),...,f(0))^(-1)

#include 
#include 
#include 
#include 
#include 
using namespace std;
#define MAXN 15
#define LL long long
LL mod;
struct mat {int n, m;int data[MAXN][MAXN];
};
void debug(mat tmp) {for (int i = 0; i < tmp.n; i++) {for (int j = 0; j < tmp.m; j++)printf("%d ", tmp.data[i][j]);puts("");}puts("");
}
mat mul(mat& a, mat& b) { //a乘b = cint i, j, k;mat c;c.n = a.n, c.m = b.m;for (i = 0; i < c.n; i++)for (j = 0; j < c.m; j++) {for (c.data[i][j] = k = 0; k < a.m; k++)c.data[i][j] += (a.data[i][k] * b.data[k][j]) % mod;c.data[i][j] = (c.data[i][j] + mod) % mod;}return c;
}
mat pow(mat a, int x) {mat b;memset(b.data, 0, sizeof(b.data));b.m = b.n = max(a.m, a.n);for (int i = 0; i < b.n; i++)b.data[i][i] = 1;while (x) {if (x & 1) {b = mul(a, b);}a = mul(a, a);x >>= 1;}return b;
}
int main() {
//    freopen("data3.txt", "r", stdin);
    mat tran;tran.m = tran.n = 10;int k;LL ans;while (~scanf("%d%I64d", &k, &mod)) {memset(tran.data, 0, sizeof(tran.data));for (int i = 0; i < 10; i++) {scanf("%d", &tran.data[0][i]);tran.data[i + 1][i] = 1;}if (k < 10) {printf("%I64d
", k % mod);continue;}tran = pow(tran, k - 9);ans = 0;for (int i = 0; i < 10; i++)ans += (tran.data[0][i] * (9 - i)) % mod;ans = (ans + mod) % mod;printf("%I64d
", ans % mod);}return 0;
}

 2.HDU 2294

好难。推好递推公式后，难点就是怎么优化递推过程，就是构造一个递推矩阵，也要注意要经常取模

f[i][j]代表j种颜色组成i个珠子,有方程f[i][j]=f[i-1][j]*j+f[i-1][j-1]*(k-j-1),但由于N较大采用一般的方法DP必然按会超时的。

优化的方法是使用矩阵来做。将F[i-1]到F[i]的转移用矩阵来描述，相当于一个k*k的线性变换矩阵。因此F[i]=A*F[i-1]，这里A是转移矩阵，即F[i]=Ai-1*F[1]，所以F[1]+…+F[n]=A0*F[1]+…+An-1*F[1]=（E+A+A2+…+An-1)*F[1]。

0  k  0    0  0  0

0  1  k-1  0  0  0

0  0  2    0  0  0

.   .  .    .   .   .

.   .  .    .   .   .

0  0  0   0  k-1 1

0  0  0   0   0   k

for(i=1;i<=k;i++) //转移矩阵A

        a[i-1][i]=k-i+1, a[i][i]=i;

#include
#include<string.h>
#include 
using namespace std;
int cas, n, k;
#define MAXN 40
#define LL long long
const int mod = 1234567891;
struct mat {int n, m;int data[MAXN][MAXN];mat() {n = m = 0;memset(data, 0, sizeof(data));}
};
void debug(mat tmp) {for (int i = 0; i < tmp.n; i++) {for (int j = 0; j < tmp.m; j++)printf("%d ", tmp.data[i][j]);puts("");}puts("");
}
mat mul(mat& a, mat& b) { //a乘b = cint i, j, k;mat c;c.n = a.n, c.m = b.m;for (i = 0; i < c.n; i++)for (j = 0; j < c.m; j++) {for (c.data[i][j] = k = 0; k < a.m; k++)c.data[i][j] = (c.data[i][j]+ ((LL) a.data[i][k] * b.data[k][j]) % mod) % mod;}return c;
}
mat pow(mat a, int x) {mat b;b.m = b.n = max(a.m, a.n);for (int i = 0; i < b.n; i++)b.data[i][i] = 1;while (x) {if (x & 1) {b = mul(a, b);}a = mul(a, a);x >>= 1;}return b;
}
mat add(mat a, mat b) { //矩阵乘法
    mat c;c.m = a.m, c.n = a.n;for (int i = 0; i < a.n; i++)for (int j = 0; j < a.m; j++)c.data[i][j] = ((LL) a.data[i][j] + b.data[i][j]) % mod;return c;
}
//二分计算A^l+...A^r
mat cal(mat A, int l, int r) {if (l == r)return pow(A, l);int m = (l + r + 1) / 2;mat t = cal(A, l, m - 1); //算前一半的和mat t2 = pow(A, m - l); //中介的矩阵t = add(t, mul(t2, t));if ((r - l + 1) & 1)t = add(t, pow(A, r)); //如果是奇数，则加上最后一个return t;
}int main() {
//    freopen("data3.txt", "r", stdin);scanf("%d", &cas);while (cas--) {scanf("%d%d", &n, &k);mat A;A.m = A.n = k + 1;for (int i = 1; i <= k; i++) //转移矩阵AA.data[i - 1][i] = k - i + 1, A.data[i][i] = i;printf("%d
", cal(A, k, n).data[0][k]);}return 0;
}

 

3.高斯消元解线性方程

1.求有唯一解的线性方程组

#include
#include
using namespace std;
int n, m;
double ans[55], d[55][55], eps = 1e-9;
int gauss_cpivot(double a[55][55], int n, double x[]) {int i, j, k, p;for (j = 0; j < n; ++j) {for (i = j + 1, p = j; i < n; ++i)if (fabs(a[i][j]) > fabs(a[p][j]))p = i;if (fabs(a[p][j]) < eps)return 0;if (p != j)for (k = j; k <= n; ++k)swap(a[j][k], a[p][k]);for (i = j + 1; i < n; ++i)for (k = n; k >= j; --k)a[i][k] -= a[j][k] * a[i][j] / a[j][j];}for (j = n - 1; j >= 0; --j) {x[j] = a[j][n] / a[j][j];for (i = j - 1; i >= 0; --i)a[i][n] -= a[i][j] * x[j];}return 1;
}

 

2.求系数行列式的秩判断是否有解

POJ 1830 用高斯消元解决开关问题: 每个开关只用一次，最后到达使若干个开关状态改变

可以发现对于每个开关从起始状态到终止状态都是那些对它有影响的开关开启关闭情况的异或，即用每个开关一个相关开关方程（相关为1，不相关为0）

那每个开关 系数以相关开关为1 建立一个异或的线性方程组 高斯消元看是否有解，有解每个解都是一种满足条件的方法，则方法数就是自由未知量的所有状态数

#include
#include
#include
using namespace std;
#define MAXN 109
const double eps = 1e-8;
inline bool ZERO(double a) {return fabs(a) < eps;
}
double d[55][55];
int R(double a[55][55], int r, int c) { //求系数行列式的秩int i, j, R, k, Max;for (R = j = 0; j < c - 1; j++) {for (i = R + 1, Max = R; i < r; i++)if (fabs(a[i][j]) > fabs(a[Max][j]))Max = i;if (Max != R)for (k = j; k < c; k++)swap(a[R][k], a[Max][k]);if (ZERO(a[R][j])) {continue;}for (i = R + 1; i < r; i++)if (!ZERO(a[i][j])) {double t = a[i][j] / a[R][j];for (k = j; k < c; k++)a[i][k] -= a[R][k] * t;}R++;}for (i = R; i < r; i++) { //无解情况if (!ZERO(a[i][c - 1]))return -1;}return R;
}
int start[MAXN];
int end[MAXN];int main() {
//    freopen("data3.txt", "r", stdin);int u, v;int T;int n;scanf("%d", &T);while (T--) {scanf("%d", &n);for (int i = 0; i < n; i++)scanf("%d", &start[i]);for (int i = 0; i < n; i++)scanf("%d", &end[i]);memset(d, 0, sizeof(d));while (scanf("%d%d", &u, &v) && u && v) {d[v - 1][u - 1] = 1;}for (int i = 0; i < n; i++)d[i][i] = 1;for (int i = 0; i < n; i++)d[i][n] = start[i] ^ end[i];int ans = R(d, n, n + 1);if (ans == -1)printf("Oh,it's impossible~!!
");elseprintf("%d
", 1 << (n - ans));}return 0;
}

 

http://www.matrix67.com/blog/archives/276

转载于:https://www.cnblogs.com/updateofsimon/p/3409350.html

更多相关：

  • python怎么编程乘法口诀表_用python编写乘法口诀表的方法

    用python编写乘法口诀表的方法 发布时间：2020-08-25 11:46:35 来源：亿速云 阅读：60 作者：小新 用python编写乘法口诀表的方法？这个问题可能是我们日常学习或工作经常见到的。希望通过这个问题能让你收获颇深。下面是小编给大家带来的参考内容，让我们一起来看看吧！ 第一种：使用for遍历循环嵌套for x in...

  • 这就是我为什么推荐使用var aa = for (var i = 0, l = aa.length； i ＜ l； i++) {var a = aa[i]；}循环的原因，每秒最快可以执行4000+次�

    //很长一段时间我都只使用以下方式做数组循环，具体原因看数据 var aa = for (var i = 0, l = aa.length; i < l; i++) { var a = aa[i];} 数据采集图片来源于网友 很明显，for循环第二种方式完胜！！！ 至于for in、forEach什么的，不知道甩他们多少...

  • 论文笔记03

    目录 1. Scene Graph Generation with External Knowledge and Image Reconstruction 2. Knowledge Acquisition for Visual Question Answering via Iterative Querying Author...

  • 2019第四周作业(基础作业+挑战作业）

    基础题1： 输入一个正整数 n (1≤n≤10)和n 阶方阵a的元素，如果方阵a中的所有元素都沿主对角线对称，输出“Yes”, 否则，输出“No”。主对角线为从矩阵的左上角至右下角的连线，方阵a中的所有元素都沿主对角线对称指对所有i, k，a[i][k]和a[k][i]相等。输入输出示例如下： 输入： 3 1 2 3 4 5 6 7...

  • java听课笔记（四）

    程序流程控制 分支 顺序 循环 if switch&case 1 2 3 调整 break 1.6 前 switch(byte、short、char、int) 1.7 可放String 循环 while（次数不确定） do while for（确定次数） break（跳出本层循环） continue（跳出本次循环）     *   2...

  • java 读取excel_Java12POI操作Excel

            Apache POI是一个开源的利用Java读写Excel，WORD等微软OLE2组件文档的项目。        我的需求是对Excel的数据进行导入或将数据以Excel的形式导出。先上简单的测试代码：package com.xing.studyTest.poi;import java.io.FileInputSt...

  • C++ 生成随机数

    要取得[a,b)的随机整数，使用(rand() % (b-a))+ a; 要取得[a,b]的随机整数，使用(rand() % (b-a+1))+ a; 要取得(a,b]的随机整数，使用(rand() % (b-a))+ a + 1; 通用公式:a + rand() % n；其中的a是起始值，n是整数的范围。 要取得a到b之间的...

  • 基于C++的本征图像分解(Intrinsic Image Decomposition)

    利用本征图像分解(Intrinsic Image Decomposition)算法，将图像分解为shading(illumination) image 和 reflectance(albedo) image，计算图像的reflectance image。 Reflectance Image 是指在变化的光照条件下能够维持不变的图像部分...

  • 剑指offer：面试题39. 数组中出现次数超过一半的数字

    题目：面试题39. 数组中出现次数超过一半的数字 数组中有一个数字出现的次数超过数组长度的一半，请找出这个数字。 你可以假设数组是非空的，并且给定的数组总是存在多数元素。 示例 1: 输入: [1, 2, 3, 2, 2, 2, 5, 4, 2] 输出: 2 限制： 1 <= 数组长度 <= 50000 解题： cl...

  • 剑指offer：面试题33. 二叉搜索树的后序遍历序列

    题目：二叉搜索树的后序遍历序列 输入一个整数数组，判断该数组是不是某二叉搜索树的后序遍历结果。如果是则返回 true，否则返回 false。假设输入的数组的任意两个数字都互不相同。 参考以下这颗二叉搜索树：      5     /    2   6   /  1   3示例 1： 输入: [1,6,3,2,5] 输出...

  • 根据相机外参实现单应矩阵计算的理论与实践

    论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享，欢迎各位加入我，我们一起每天一篇文章阅读，开启分享之旅,有兴趣的可联系微信[email protected]。单应矩阵介绍单应性在计算机视觉领域是一个非常重要的概念，它在图像校正、图像拼接、俯视图生成，相机位姿估计、...

©2024 11GX.COM