Как OpenCV использует Eigen?

При компиляции OpenCV из источника есть опция CMake WITH_EIGEN, которая говорит "Включить поддержку Eigen3". Однако нигде в документации (или с Google, если на то пошло) я могу узнать, что именно это делает и как ее использовать. Я могу представить несколько вариантов:

Можно ли продолжить использование cv:: Mat, а некоторые функции (какие?), такие как cv:: Mat:: inv(), начнут использовать алгоритмы из Eigen?

Или флаг WITH_EIGEN в основном ничего не делает, и мне нужно преобразовать cv:: Mat в Eigen (или использовать Eigen:: Map), а затем использовать собственные алгоритмы вручную?

Ответ 1

После небольшой работы я могу дать ответ:

Флаг WITH_EIGEN ничего не делает, кроме того, что доступны функции взаимодействия с opensv.

Можно ли продолжить использование cv:: Mat, а некоторые функции (какие?), такие как cv:: Mat:: inv(), начнут использовать алгоритмы из Eigen?

Нет, cv:: Mat:: inv() не имеет интеллектуальной логики и будет использовать алгоритмы OpenCV.

Или флаг WITH_EIGEN в основном ничего не делает, и мне нужно преобразовать cv:: Mat в Eigen (или использовать Eigen:: Map), а затем использовать собственные алгоритмы вручную?

Точно, что путь. Однако я бы не рекомендовал использовать cv2eigen() и eigen2cv(). Я использовал Eigen:: Map, чтобы просто отобразить память (без затрат на копирование чего-либо) и cv:: Mat (void *,...), чтобы отобразить данные назад. Будьте осторожны, хотя и с флагами строк и столбцов.

Ответ 2

Вот мой пример взаимодействия с Eigen + OpenCV, надеюсь, что это будет полезно:

//
#define EIGEN_RUNTIME_NO_MALLOC // Define this symbol to enable runtime tests for allocations
#include <Eigen/Dense>
#include <Eigen/Sparse>
#include <vector>
#include <Eigen/IterativeLinearSolvers>
#include <iostream>
#include "opencv2/core/eigen.hpp"
#include "opencv2/opencv.hpp"
using namespace Eigen;
using namespace cv;
using namespace std;

void EnergyFilter(Mat& src,Mat& dst,double alpha)
{
int n_pixels=src.rows*src.cols;
// Image to row-vector
Mat m=src.reshape(1,n_pixels).clone();
// To double
m.convertTo(m,CV_64FC1);

// Eigen vectors
VectorXd I(n_pixels);
VectorXd u(n_pixels);

// convert image from openCV to Eigen 
cv2eigen(m,I);

// 
SparseMatrix<double> A(n_pixels,n_pixels);

// Fill sparse martix using triplets
typedef Eigen::Triplet<double> T;
std::vector<T> tripletList;

// Filter parameter (smoothing factor)
//double alpha=-0.1;

// Set values
for(int i=0;i<n_pixels;i++)
{
    tripletList.push_back(T(i,i,1+4*alpha));
    if((i+1) < n_pixels){tripletList.push_back(T(i,i+1,-alpha));} // +1
    if((i-1) >= 0){tripletList.push_back(T(i,i-1,-alpha));} // -1
    if((i+src.cols) < n_pixels){tripletList.push_back(T(i,i+src.cols,-alpha));} // +3
    if((i-src.cols) >= 0){tripletList.push_back(T(i,i-src.cols,-alpha));} // -3
}

// Boundary values of main diag
tripletList.push_back(T(0,0,1+2*alpha));
for(int i=1;i<src.cols;i++)
{
    tripletList.push_back(T(i,i,1+3*alpha));
}

// 
tripletList.push_back(T(n_pixels-1,n_pixels-1,1+2*alpha));
for(int i=1;i<src.cols;i++)
{
    tripletList.push_back(T(i,n_pixels-i-1,1+3*alpha));
}

// Init sparse matrix
A.setFromTriplets(tripletList.begin(),tripletList.end());

tripletList.clear();
// Solver init
ConjugateGradient<SparseMatrix<double> > cg;
cg.compute(A);
// Solve linear systyem
u = cg.solve(I);
std::cout << "#iterations:     " << cg.iterations() << std::endl;
std::cout << "estimated error: " << cg.error()      << std::endl;
// Get the solution
dst=Mat(n_pixels,1,CV_64FC1);
eigen2cv(u,dst);
dst=dst.reshape(1,src.rows);
dst.convertTo(dst,CV_8UC1);
}


int main(int argc, char* argv[])
{
    namedWindow("image");
    namedWindow("result");
    Mat img=imread("d:\\ImagesForTest\\lena.jpg",1);
    imshow("image",img);
    waitKey(10);
    Mat res;
    vector<Mat> ch;
    cv::split(img,ch);

    for(int i=0;i<3;i++)
    {
        EnergyFilter(ch[i],res,3);
        res.copyTo(ch[i]);
    }

    cv::merge(ch,res);
    // show the resilt
    imshow("result",res);
    waitKey(0);
    return 0;
}