2015-09-16

    一、矩阵
    Mat I,img,I1,I2,dst,A,B;
    double k,alpha;
    Scalar s;
    1.加法
    I=I1+I2;//等同add(I1,I2,I);
    add(I1,I2,dst,mask,dtype);
    scaleAdd(I1,scale,I2,dst);//dst=scaleI1+I2;
    2.减法
    absdiff(I1,I2,I);//I=|I1-I2|;
    A-B;A-s;s-A;-A;
    subtract(I1,I2,dst);
    3.乘法
    I=I.mul(I);//点乘,I.mul(I,3);—>I=3
    I.^2
    Mat C=A.mul(5/B);//==divide(A,B,C,5);
    AB;矩阵相乘
    I=alpha
    I;
    Mat::cross(Mat);//三维向量(或矩阵)的叉乘,A.cross(B)
    double Mat::dot(Mat);//2个向量(或矩阵)的点乘的结果,A.dot(B)
    mul———-multiply
    pow(src,double p,dst);//如果p是整数dst(I)=src(I)^p;其他|src(I)|^p
    4.除法
    divide(I1,I2,dst,scale,int dtype=-1);//dst=saturatecast(I1scale/I2);
    A/B;alpha/A;都是点除
    5.转换
    I.convertTo(I1,CV_32F);//类型转换
    A.t();//转置
    flip(I,dst,int flipCode);//flipCode=0是上下翻转,>0时左右翻转,<0时一起来
    sqrt(I,dst);
    cvtColor(I,dst,int code,int dstCn=0);
    resize:对图像进行形变
    —————————————————————————————————————
    6.其他
    Scalar s=sum(I);各通道求和
    norm,countNonZero,trace,determinant,repeat都是返回Mat或者Scalar
    countNonZero:用来统计非零的向量个数.(rows
    cols个)
    Scalar m=mean(I);//各通道求平均
    Mat RowClone=C.row(1).clone();//复制第2行
    addWeight(I1,alpha,I2,beta,gamma,dst,int dtype=-1);//dst=saturate(alphaI1+betaI2+gamma);dtype是dst的深度
    ——————————————————————————————————————
    7.运算符
    log10()
    exp(I,dst);//dst=exp(I);计算每个数组元素的指数
    log(I,dst);//如果Iij!=0;则dstij=log(|Iij|)
    randu(I,Scalar::all(0),Scalar::all(255));
    Mat::t()转置
    Mat::inv(int method=DECOMP_LU)求逆。method=DECOMP_CHOLESKY(专门用于对称,速度是LU的2倍),DECOMP_SVD//A.inv();A.inv()B;
    invert(I1,dst,int method=DECOMP_LU);//用法同上
    MatExpr abs(Mat)//求绝对值
    A cmpop B;A compop alpha;alpha cmpop A;这里cmpop表示>,>=,==,!=,<=,<等,结果是CV_8UC1的mask的0或255
    按位运算:A logicop B;A logicop s;s logicop A;~A;这里logicop代表&,|,^
    bitwise_not(I,dst,mask);//inverts所有的队列
    还有bitwise_and,bitwise_or,bitwise_xor,
    min(A,B);min(A,alpha);max(A,B);max(A,alpha);都返回MatExpr,返回的dst和A的类型一样
    double determinant(Mat);//行列式
    bool eigen(I1,dst,int lowindex=-1,int highindex=-1);//
    bool eigen(I1,dst,I,int…);//得到特征值向量dst和对应特征值的特征向量
    minMaxLoc(I1,&minVal,&maxVal,Point
    minLoc=0,Point MaxLoc=0,mask);
    //minLoc是2D时距原点最小的点(未考证)
    ———————————————————————————————————————
    *8.初始化
    Mat I(img,Rect(10,10,100,100));//用一块地方初始化。
    Mat I=img(Range:all(),Range(1,3));//所有行,1~3列
    Mat I=img.clone();//完全复制
    img.copyTo(I);//传递矩阵头
    Mat I(2,2,CV_8UC3,Scalar(0,0,255));//I=[0,0,255,0,0,255;0,0,255,0,0,255];
    Mat E=Mat::eye(4,4,CV_64F);//对角矩阵
    Mat O=Mat::ones(2,2,CV_32F);//全一矩阵
    Mat Z=Mat::zeros(3,3,CV_8UC1);//全零矩阵
    Mat C=(Mat
    (2,2)<<0,-1,2,3);//如果是简单矩阵的初始化
    Mat::row(i);Mat::row(j);Mat::rowRange(start,end);Mat::colRange(start,end);都只是创建个头
    Mat::diag(int d);d=0是是主对角线,d=1是比主低的对角线,d=-1….
    static Mat Mat::diag(const Mat& matD)
    Mat::setTo(Scalar &s);以s初始化矩阵
    Mat::pushback(Mat);在原来的Mat的最后一行后再加几行
    Mat::pop_back(size_t nelems=1);//移出最下面几行
    ———————————————————————————————————————-
    9.矩阵读取和修改
    (1)1个通道:
    for(int i=0;i
    for(int j=0;j
    I.at(i,j)=k;
    (2)3个通道:
    Mat
    _I=I;//他没有4个通道寸,只有3个通道!
    for(int i=0;i
    for(int j=0;j
    {
    _I(i,j)[0]=b;
    _I(i,j)[1]=g;
    _I(i,j)[2]=r;
    }
    I=_I;
    ——————————————————————————————
    或者直接用I.at(i,j)[0]….
    ————————————————————————-
    float s;
    for(i=0;i
    {s=proImg.ptr(i);
    for(j=0;j
    {a1=s[3
    j+1]-m1;
    a2=s[3j+2]-m2;}}
    ————————————————————————————————————-
    (3)其他机制
    I.rows(0).setTo(Scalar(0));//把第一行清零
    saturate_cast(…);//可以确保内容为0~255的整数
    Mat::total();返回一共的元素数量
    size_t Mat::elemSize();返回元素的大小:CV_16SC3—>3
    sizeof(short)—>6
    size_t Mat::elemSize1();返回元素一个通道的大小CV_16SC3—>sizeof(short)—>2
    int Mat::type()返回他的类型CV_16SC3之类
    int Mat::depth()返回深度:CV_16SC3—>CV_16S
    int Mat::channels()返回通道数
    size_t Mat:step1()返回一个被elemSize1()除以过的step
    Size Mat::size()返回Size(cols,rows);如果大于2维,则返回(-1,-1),都是先宽再高的
    bool Mat::empty()如果没有元素返回1,即Mat::total()==0或者Mat::data==NULL
    uchar Mat::ptr(int i=0)指向第i行
    Mat::at(int i)(int i,int j)(Point pt)(int i,int j,int k)
    RNG随机类:next,float RNG::uniform(float a,float b);..
    double RNG::gaussian(double sigma);
    RNG::fill(I,int distType,Mat low,Mat up);//用随机数填充
    randu(I,low,high);
    randn(I,Mat mean,Mat stddev);
    reduce(I,dst,int dim,int reduceOp,int dtype=-1);//可以统计每行或每列的最大、最小、平均值、和
    setIdentity(dst,Scalar &value=Scalar(1));//把对角线替换为value
    //效果等同:Mat A=Mat::eye(4,3,CV_32F)
    5;
    ———————————————————————————————
    10.较复杂运算
    gemm(I1,I2,alpha,I3,beta,dst,int flags=0);//I1至少是浮点型,I2同I1,flags用来转置
    //gemm(I1,I2,alpha,I3,beta,dst,GEMM_1_T,GEMM_3_T);—>dst=alphaI1.t()I2+betaI3.t();可用此完全代替此函数
    mulTransposed(I,dst,bool aTa,Mat delta=noArray(),double scale=1,int rtype=-1);
    //I是1通道的,和gemm不同,他可用于任何类型。
    //如果aTa=flase时,dst=scale
    (I-delta).t()(I-delta);
    //如果是true,dst=scale
    (I-delta)(I-delta).t();
    calcCovarMatrix(Mat,int,Mat,Mat,int,int=);calcCovarMatrix(Mat I,Mat covar,Mat mean,int flags,int=);
    cartToPolar//转到极坐标
    compare(I1,I2,dst,cmpop);cmpop=CMP_EQ,CMP_GT,CMP_GE,CMP_LT,CMP_LE,COM_NE
    completeSymm(M,bool lowerToUpper=false);当lowerToUpper=true时Mij=Mji(ij)
    变成可显示图像:convertScaleAbs(I,dst,alpha,beta);dst=saturate_cast(|alphaI+beta|);
    dct(I,dst,int flags=0);//DCT变换,1维、2维的矩阵;flags=DCT_INVERSE,DCT_ROWS
    idct,dft,idft
    inRange(I1,I_low,I_up,dst);//dst是CV_8UC1,在2者之间就是255
    Mahalanobis(vec1,vec2,covar);
    merge(vector,Mat);//把多个Mat组合成一个和split相反
    double norm(…):当src2木有时,norm可以计算出最长向量、向量距离和、向量距离和的算术平方根
    solveCubic解3次方程,solvePoly解n次方程
    排列:sort,sortIdx
    mixChannels();对某个通道进行各种传递
    ————————————————————————————————-
    11.未懂的函数
    getConvertElem,extractImageCOI,LUT
    magnitude(x,y,dst);//I1,I2都是1维向量,dst=sqrt(x(I)^2+y(I)^2);
    meanStdDev,
    MulSpectrums(I1,I2,dst,flags);傅里叶
    normalize(I,dst,alpha,beta,int normType=NORM_L2,int rtype=-1,mask);//归一化
    PCA,SVD,solve,transform,transpose
    *二、其他数据结构
    Point2f P(5,1);
    Point3f P3f(2,6,7);
    vector v;v.push_back((float)CV_PI);v.push_back(2);v.push_back(3.01f);//不断入
    vector vPoints(20);//一次定义20个

    三、常用方法
    Mat mask=src<0;这样很快建立一个mask了

    四、以后可能用到的函数
    randShuffle,repeat