如何使用OpenCV计算奇异值和并验证第一个奇异值与最后一个奇异值的比率是合理的？
提问于 2013-05-08 11:43:50
我想要验证单应矩阵会给出好的结果，并且这个this answer有它的答案-但是，我不知道如何实现这个答案。
那么，谁能推荐我如何使用OpenCV来计算奇异值和奇异值，并验证第一个到最后一个奇异值的比率是合理的？
回答 2
Stack Overflow用户
回答已采纳
发布于 2013-05-08 12:01:23
在OpenCV中有几种计算奇异值的方法：
cv::SVD homographySVD(homography, cv::SVD::FULL_UV); // constructor
// or:
homographySVD(newHomography, cv::SVD::FULL_UV); // operator ()
homographySVD.w.at<double>(0, 0); // access the first singular value
// alternatives:
cv::SVD::compute(homography, w); // compute just the singular values
cv::eigen(homography, w);Stack Overflow用户
发布于 2017-04-05 10:21:56
您可以使用numpy在python中计算奇异值分解。例如：
import numpy as np
U, s, V = np.linalg.svd(a, full_matrices=True)其将维度M x N的矩阵a因数为u * np.diag(s) * v，其中u和v是么正的，并且s是a的奇异值的一维阵列。
更多信息可以在here上找到。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16439792
复制
![css opacity属性_CSS中的opacity属性[通俗易懂]](https://ask.qcloudimg.com/http-save/yehe-8223537/6e24cdb6bb6b1003641c5fa1b7f43dfb.jpeg)
腾讯云开发者
