OpenCV Mat в alglib real 2d Array преобразование

Mat Col(28539, 97, CV_32F);

является двумерным (28539 строками, 97 столбцами) плотным массивом с плавающей точкой (CV_32F = float) в OpenCV.

Алглиб почти эквивалентен тип данных является

// bi-dimensional real (double precision) array
real_2d_array matrix;

Расположение данных в Mat совместим с real_2d_array (и большинство типов плотных массивов из других наборов инструментов и SDK).

Простой способ конвертировать это:

const int rows(28539);
const int columns(97);

matrix.setlength(rows, columns);

for (int i(0); i < rows; ++i)
for (int j(0); j < columns; ++j)
matrix(i, j) = Col.at<float>(i, j);

Mat::at возвращает ссылку на указанный элемент массива.

РЕДАКТИРОВАТЬ

От справочное руководство:

void alglib::dfbuildrandomdecisionforest(
real_2d_array xy,
ae_int_t npoints,
ae_int_t nvars,
ae_int_t nclasses,
ae_int_t ntrees,
double r,
ae_int_t& info,
decisionforest& df,
dfreport& rep);

• xy это обучающий набор (строки, соответствующие компонентам выборки, и столбцы, соответствующие переменным).

  Для задачи классификации первым nvars из столбцов содержат независимые переменные. прошлой столбец будет содержать номер класса (от 0 до nclasses-1). Дробные значения округляются до ближайшего целого числа.

• npoints размер тренировочного набора (>=1).
• nvars количество независимых переменных (>=1).
• nclasses должно быть> 1 для классификации.
• ntrees количество деревьев в лесу (>=1).
• r процент тренировочного набора, используемого для построения отдельных деревьев (0 < R <= 1).

Остальные параметры являются выходными параметрами. В случае возникновения проблем вы должны проверить info:

• info код возврата:
  • -2, если есть точка с номером класса за пределами [0..nclasses-1],
  • -1, если были переданы неверные параметры (npoints<1, nvars<1, nclasses<1, ntrees<1, r<=0 или же r>1).
  • 1, если задача была решена.