Eigen使用

Eigen

1.使用Map函数，c++数组与 eigen矩阵的转换

2.eigen矩阵与opencv互转

3.eigen使用总结

https://zxl19.github.io/eigen-note/
https://eigen.tuxfamily.org/dox/group__QuickRefPage.html

4.eigen visual studio 和 ubuntu上

a.ubuntu上只需要CMakeLists.txt中添加

include_directories(“/home/xx/software/eigen-3.4.0”)

b.eigen 库在visual studio中的使用：
只需要添加包含目录即可

1）

在eigen中， matrices 和 vectors都是 Matrix template class的对象。
Vectors 是matrices的特殊case：行数为1或者列数为1

模板类一共有六个参数，一般使用前三个参数就足够了。比如

2）

Dynamic关键字 指示动态矩阵动态向量。 动态是运行时才知道size大小。
静态时编译时就知道size大小。一般比较小的矩阵可以使用静态。
静态和动态类似于：

int a[16];
int *a = new int[1000*1000];

3）初始化的方法

4）元素获取

用括号
m(1,2) //第2行第3列

5）resize

m.rows() m.cols() m.size()
resize 只能操作固定size的矩阵，如果resize后数量不变则无操作，数量变化会删除原来的数据

6）赋值操作

a = b //相当于把b copy到 a, 如果ab大小不同，会有resize的操作。

7）存储顺序

column major or row major

如果没有指定，默认是 ColMajor。
且两者可以互相转换，转换方法如下：

=======================================================================

8）算术操作

加减操作。必须类型（Scalar）相同，size相同。

矩阵与scalar的乘法，除法操作。

9）算术表达式

下面是可行的，而且可以更好的被优化

a = 3*b + 4*c - x/2;

10） 转置

11） 矩阵相乘

c = a * b -> [m,n] @ [n,m] = [m, m]

12）内积

13）外积

14）eigen中内积和外积分别是 dot, cross

dot适用于任意长度的向量
cross只适用于长度为3的vector

15）reduction 操作

===============================================================================
array class

16）array

matrix目的是为了线性集合操作，比如矩阵相乘。
Array 可以更好的执行 element-wise 操作。
比如对矩阵+上一个数，或者两个矩阵对应元素相乘。

定义

对应元素 加，减，乘的操作略

对应元素 abs, sqrt, min, max

17） array 和matrix

两个类的操作是不能互通的。因此如果你既想要矩阵相乘，又想要对应元素相乘，这个时候要首先进行转换。

.array() 和 .matrix() 可以是左值也可以是右值。而且基本上没有耗时

=======================================================================================

对于matrix

18）matrix : block(), row(), col() 和其他

block 输入 起始坐标（row,col）和对应高度宽度（height, width），输出矩形数据

m.row(i)
m.col(j)

其他取矩阵的操作

19）vector： head(), tail(), segment()

20）slicing和indexing 操作

21）根据索引提取列

22）一些初始化方法

23） 其他示例

// case1 reduction
// case2 范数
// case3, 按照行或者列进行reduction
// case4: 布尔 all, any, count 操作
// case5: partial recuctions
// case6: broadcasting
// case7: index:A({2, 1}, { 4,2,5,5,3 }) 先索引行，再选列
// case8: reshape 特点是默认按照col优先的储存顺序

#include <iostream>
#include <Eigen/Dense>
#include <algorithm>
using namespace std;
using namespace Eigen;
int main()
{
   
   
    // case1 reduction
    Eigen::Matrix2d mat;
    mat << 1, 2,
        3, 4;
    cout << "Here is mat.sum():       " << mat.sum() << endl;
    cout << "Here is mat.prod():      "