【读书笔记】学习OpenCV(中文版)第三章
2014-04-28 19:40
429 查看
1,OpenCV的基本数据类型
CvPoint是一个包含integer类型成员x和y的简单结构体。有两个变体,CvPoint2D32f和CvPoint3D32f。前者同样有两个成员,但是是float类型,后者多了成员z。
CvSize含有成员width和heigth。有一个变体CvSize2D32f。
CvRect含有四个成员x,y,width和heigth。
CvScalar,当内存不是问题时,它常常用来替代1,2或者3个实数成员(在这种情况下,不需要的分量被忽略)。它有一个单独的成员val,它是一个指向4个双精度浮点数数组指针。
这些数据类型具有以其名称来定义的构造函数,例如cvSize()。注意首字母不大写。这些构造函数只是内联函数,它们首先提取参数列表,然后返回被赋予相关值的结构。
cvScalar是一个特殊的例子:它有3个构造函数。第一个是cvScalar(),它需要一个、两个、三个或者四个参数并将这些参数传输给数组val[]中的相应元素。第二个构造函数是cvRealScalar(),它需要一个参数,它被传递给val[0],而val[]数组别的值被赋为0,最后一个有所变化的时cvScalarAll(),它需要一个参数并且val[]中的4个元素都会设置为这个参数。
2,矩阵和图像类型
IplImage数据类型是“图像”进行编码的基本结构。这些图像可能是灰度,彩色,4通道(RGB+alpha)的,其中每个通道可以包含任意的整数或浮点数。因此,该类型比常见的3通道8位RGB图片更通用。
IplImage是由CvMat派生的,而CvMat由CvArr派生的。
3,CvMat矩阵结构
在OpenCV中没有向量(vector)结构。任何时候需要向量,都只需要一个列举证。第二,OpenCV矩阵的概念比我们线性代数中提到的更抽象。
cvMat *cvCreateMat(int rows, int cols, int type); //这里的type可以是任何预定义类型,预定义类型的结构如下:CV_<bit_depth>(S|U|F)C<number_of_channels>。于是矩阵元素可以是32位浮点型数据,或是无符号的8位三元组的整形数据,或者是无数的其他类型元素。一个CvMat的元素不一定就是单一的数字。但是实际上,CvMat的结构相当简单。矩阵有宽度,高度,类型,行数据长度和一个指向数据的指针构成。可以通过一个指向CvMat的指针访问这些成员,或者对于一些普通元素,使用现成的访问方法。
[align=left]CvMat 的定义[/align]
[align=left]typedef struct CvMat[/align]
[align=left]{[/align]
int type;
//矩阵的数据类型,通道数,也可以理解为维度
int step;
//矩阵一行的字节数
int*
refcount;
[align=left] int hdr_refcount;[/align]
[align=left] [/align]
[align=left] union[/align]
[align=left] {[/align]
[align=left] uchar* ptr;[/align]
short*
s;
int*
i;
float*
fl;
double*
db;
[align=left] } data;[/align]
[align=left]
[/align]
[align=left]#ifdef __cplusplus[/align]
[align=left] union[/align]
[align=left] {[/align]
[align=left] int rows;[/align]
[align=left] int height;[/align]
[align=left] };[/align]
[align=left]
[/align]
[align=left] union[/align]
[align=left] {[/align]
[align=left] int cols;[/align]
[align=left] int width;[/align]
[align=left] };[/align]
[align=left]#else[/align]
[align=left] int rows;[/align]
[align=left] int cols;[/align]
[align=left]#endif[/align]
[align=left]
[/align]
[align=left]}[/align]
[align=left]CvMat;[/align]
[align=left]通常通过cvCreateMat()创建,它由多个原函数组成,如cvCreateMatHeader()和cvCreateData()。cvCreateMatHeader()创建CvMat结构,不为数据分配内存。而cvCreateData()只负责数据内存的分配。低三种方法使用函数cvCloneMat,它依据一个现有矩阵创建一个新矩阵。它有一种构造函数叫做cvMat,它可以创建CvMat结构,实际上不分配存储空间,仅创建头结构。[/align]
[align=left]4,矩阵数据的存取[/align]
[align=left]简单方法就是利用宏CV_MAT_ELEM(),这个宏传入矩阵,待提取的元素类型,行和列四个参数,返回提取出的元素值。[/align]
[align=left]CvMat *mat = cvCreateMat(5, 5, CV_32FC1);[/align]
[align=left]float element_3_2 = CV_MAT_ELEM(*mat, float, 3, 2);[/align]
[align=left]类似的宏,CV_MAT_ELEM_PTR()。传入矩阵,待返回元素的航和列号这三个参数,返回指向这个元素的指针。与前者的最大区别是后者在指针解引用之前将其转化成指定的类型。若需要同时读取数据和设置数据,可以直接调用后者。但是必须自己将指针转化成恰当的类型。[/align]
[align=left]麻烦的方法,简单方法只适用于访问1维或2维的数组。利用cvPtr*D家族和cvGet*D家族。[/align]
恰当的方法,大多数时候,计算机视觉是一种运算密集型的任务,因而你想尽量利用最有效的方法做事。要想直接访问矩阵,其实只需要知道一点,即数据是按光栅扫描顺序存储的,列是变化最快的变量。通道是互相交错的,这意味着,对于一个多通道矩阵来说,它们变化的速度仍然比较快。
5,点到数组
包含多维对象的多维数组和包含一维对象的高维数组之间不同。
6,IplImage数据结构
typedef struct _IplImage
{
int nSize; /* IplImage大小 */
int ID; /* 版本 (=0)*/
int nChannels; /* 大多数OPENCV函数支持1,2,3 或 4 个通道 */
int alphaChannel; /* 被OpenCV忽略 */
int depth;
/* 像素的位深度,主要有以下支持格式: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F 和IPL_DEPTH_64F */
char colorModel[4]; /* 被OpenCV忽略 */
char channelSeq[4]; /* 同上 */
int dataOrder; /* 0 - 交叉存取颜色通道, 1 - 分开的颜色通道.只有cvCreateImage可以创建交叉存取图像 */
int origin; /*图像原点位置: 0表示顶-左结构,1表示底-左结构 */
int align; /* 图像行排列方式 (4 or 8),在 OpenCV 被忽略,使用 widthStep 代替 */
int width; /* 图像宽像素数 */
int height; /* 图像高像素数*/
struct _IplROI *roi; /* 图像感兴趣区域,当该值非空时,只对该区域进行处理 */
struct _IplImage *maskROI; /* 在 OpenCV中必须为NULL */
void *imageId; /* 同上*/
struct _IplTileInfo *tileInfo; /*同上*/
int imageSize; /* 图像数据大小(在交叉存取格式下ImageSize=image->height*image->widthStep),单位字节*/
char *imageData; /* 指向排列的图像数据 */
int widthStep; /* 排列的图像行大小,以字节为单位 */
int BorderMode[4]; /* 边际结束模式, 在 OpenCV 被忽略*/
int BorderConst[4]; /* 同上 */
char *imageDataOrigin; /* 指针指向一个不同的图像数据结构(不是必须排列的),是为了纠正图像内存分配准备的 */
} IplImage;
OpenCV图像类型
IPL_DEPTH_8U,IPL_DEPTH_8S,IPL_DEPTH_16S,IPL_DEPTH_32S,IPL_DEPTH_32F,IPL_DEPTH_64F。
原点可以置于图像的左上角或左下角。在计算机视觉领域,一个重要的错误来源于原点位置的定义的不同意。
最后一个实用的重要参数--感兴趣的区域(ROI),一旦设定了ROI,通常作用于整幅图像的函数便会只对ROI所表示的子图像进行操作。
7,访问图像数据
IplImage和CvMat之间的一个重要度别在于imageData。CvMat的data元素类型是联合类型,所以你必须说明需要使用的指针类型。imageData指针是字节类型指针(uchar *)。
8,矩阵和图像操作
矩阵逻辑运算
void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvAndS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvOr(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvOrS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvXor(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvXorS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvNot(const CvArr* src,CvArr* dst);//矩阵取反
矩阵算术运算
绝对值
void cvAbs(const CvArr* src,CvArr* dst);
void cvAbsDiff(const CvArr* src1,const CvArr* src2, CvArr* dst);//两矩阵相减取绝对值
void cvAbsDiffS(const CvArr* src, CvArr* dst,CvScalar value);//矩阵减去一个数取绝对值
加减
void cvAdd(const CvArr* src1,const CvArr* src2,CvArr* dst,const CvArr* mask = NULL);//两数组相加,dst(I)=src1(I)+src2(I) if mask(I)!=0
void cvAddS(const CvArr* src,CvScalar value,CvArr*dst,const CvArr* mask = NULL);//数组和一个数相加,dst(I)=src(I)+value if mask(I)!=0
void cvAddWeighted(const CvArr* src1,double alpha,const CvArr* src2,double beta,double gamma,CvArradded to each sum* dst);//带权相加相当于dst(x,y) = α ? src1(x,y) + β ? src2(x,y) + γ
void cvSub(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//矩阵减法,dst(I)=src1(I)-src2(I) if mask(I)!=0
void cvSubS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//矩阵减数,dst(I)=src(I)-value if mask(I)!=0
void cvSubRS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//数减矩阵,dst(I)=value-src(I) if mask(I)!=0
乘除
void cvDiv(const CvArr* src1, const CvArr* src2, CvArr* dst, double scale=1);//scale*src1(i)/src2(i),如果src1=NULL,则计算scale/src2(i)
void cvMul(const CvArr* src1,const CvArr* src2,CvArr* dst,double scale=1);//两矩阵元素之间的简单乘法,一般的矩阵点乘用cvGEMM();
次方
void cvPow(const CvArr* src, CvArr* dst, double power);//为每个src的数求power次方
指数
void cvExp(const CvArr* src, CvArr* dst);//dst(I)=EXP(src(I))
对数
void cvLog(const CvArr* src, CvArr* dst);//
线性代数计算
加&乘
void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1和scale的乘积加上src2
void cvCrossProduct(const CvArr* src1,const CvArr* src2,CvArr* dst);//计算两个3D向量(单通道)的叉乘运算
double cvDotProduct(const CvArr* src1, const CvArr* src2);//两个向量点乘
void cvGEMM(const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0);//乘加运算的始祖
由通用乘加函数参与定义的两个具体宏
cvMatMul(const CvArr* src1,const CvArr* src2,CvArr* dst);
cvMatMulAdd(const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);
CvScalar cvTrace(const CvArr* mat);//计算对角线上的元素和
变换
void cvTransform(const CvArr* src, CvArr* dst, const CvMat* transmat, const CvMat* shiftvec=NULL);//dst=transmat · src + shiftvec
void cvPerspectiveTransform(const CvArr* src, CvArr* dst, const CvMat* mat);//把矩阵每个元素中三个通道当做一个矩阵,乘mat,mat是一个3×3或者4×4的转换矩阵
转置
void cvTranspose(const CvArr* src, CvArr* dst);
void cvMulTransposed(const CvArr* src, CvArr* dst, int order, const CvArr* delta=NULL, double scale=1.0);//(src-delta)乘以它的转置再乘以scale
逆矩阵
double cvInvert(const CvArr* src,CvArr* dst,int method=CV_LU);//求原矩阵的逆矩阵,默认使用高斯消去法
方阵可逆的充要条件是|A|!=0
method取值为CV_LU高斯消去法(默认) CV_SVD 奇异值分解SVD CV_SVD_SYM对称矩阵的SVD
行列式
double cvDet(const CvArr* mat);//计算方阵行列式,一定是单通道的
小型方阵直接计算,大型方阵用高斯消去法计算
如果矩阵正定对称,用奇异值分解的方法解决cvSVD();
特征向量特征值
void cvEigenVV(CvArr* mat, CvArr* evects, CvArr* evals, double eps=0);//计算对称矩阵的特征值和特征向量,evects输出特征向量,evals输出特征值,eps雅可比方法停止参数
要求三个矩阵都是浮点类型,10×10以下该方法有效,20×20以上的矩阵不能计算出结果,为节约计算量,eps通常设为DBL_EPSILON(10^-15)
如果给定的矩阵是对称正定矩阵,那么考虑使用cvSVD();
协方差
void cvCalcCovarMatrix(const CvArr** vects, int count, CvArr* cov_mat, CvArr* avg, int flags);//给定一组大小和类型相同的向量,向量的个数,计算标记,输出协方差正阵和每个向量的平均值矩阵
CV_COVAR_NORMAL 普通计算协方差和平均值,输出的是n×n的协方差阵
CV_COVAR_SCRAMBLED 快速PCA“Scrambled”协方差,输出的是m×m的协方差阵
CV_COVAR_USE_AVERAGE 平均值是输入的
CV_COVAR_SCALE 重新缩放输出的协方差矩阵
四个flag通过并运算协同发挥作用,前两个不能并
CvSize cvMahalonobis(const CvArr* vec1,const CvArr* vec2,CvArr* mat);
int cvSolve(const CvArr* src1, const CvArr* src2, CvArr* dst, int method=CV_LU);//Solves a linear system or least-squares problem.
void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, int flags=0);//Performs singular value decomposition of a real floating-point matrix.
void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, const CvArr* B, CvArr* X, int flags);//Performs singular value back substitution.
数组比较
void cvCmp(const CvArr* src1, const CvArr* src2, CvArr* dst, int cmp_op);//两矩阵比较运算
CV_CMP_EQ - src1(I) 是否相等
CV_CMP_GT - src1(I) 是否大于
CV_CMP_GE - src1(I) 是否大于等于
CV_CMP_LT - src1(I) 是否小于
CV_CMP_LE - src1(I) 是否小于等于
CV_CMP_NE - src1(I) 是否不等
如果判断为假,dst设为0,如果判断为真,dst设为0xff
void cvCmpS(const CvArr* src, double value, CvArr* dst, int cmp_op);//矩阵和一个数字比较运算
矩阵内转换
类型转换
void cvConvertScale(const CvArr* src,CvArr* dst,double scale,double shift);//矩阵首先乘以scale再加上shift,然后把src中的数据类型转换成dst类型,但是src和dst通道数需要相等
void cvConvertScaleAbs(const CvArr* src,CvArr* dst,double scale,double shift);//在src到dst类型转换前,先做绝对值
void cvCvtColor(const CvArr* src,CvArr* dst, int code);//图像 颜色空间转换,src要为8U 16U 32F,dst的数据类型需要和src相同,通道数看code
code格式如:CV_原色彩空间2目的色彩空间 色彩空间要考虑RGB的顺序
支持的颜色空间包括:RGB RGB565 RGB555 GRAY RGBA XYZ YCrCb HSV HLS Luv BayerRG
空间转换
void cvFlip(const CvArr* src, CvArr* dst=NULL, int flip_mode=0);//图像绕x、y轴旋转。当用在一维数组上时并且flip_mode>0,可以用来颠倒数据排列
flip_mode=0:左右对称values of the conversion resul
flip_mode>0:上下对称
flip_mode<0:中心对称
矩阵间操作
void cvCopy(const CvArr* src,CvArr* dst,const CvArr* mask=NULL);
void cvMerge(const CvArr* src0,const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);//多个数组合并成一个,类型和尺寸都相同,dst有多个通道,src可以赋值NULL
void cvSplit(cosnt CvArr* src,CvArr* dst0,CvArr* dst1,CvArr* dst2,CvArr* dst3);//一个多通道数组分解成多个数组,类型尺寸都想同,dst可以赋值NULL
void cvRepeat(const CvArr* src, CvArr* dst);//在dst中重复叠加src,dst(i,j)=src(i mod rows(src), j mod cols(src))
CvMat* cvReshape(const CvArr* originalarr, CvMat* headerdata, int new_cn, int new_rows=0);//把一个originalarr(可以是已经有内容的图片),转换为有新的通道数、新的行数的数据(CvMat*只含数据,没有图片头)
CvArr* cvReshapeMatND(const CvArr* arr, int sizeof_header, CvArr* header, int new_cn, int new_dims, int* new_sizes);
void cvLUT(const CvArr* src, CvArr* dst, const CvArr* lut);//src是8bit类型的数据,lut是一张一维查找表,拥有256个通道数类型和dst相同的元素,src的某一位置的元素数值n,到lut的n位置查找的内容填入dst的相应src的n元素的位置
统计运算
最大最小
void cvMax(const CvArr* src1, const CvArr* src2, CvArr* dst);
void cvMaxS(const CvArr* src, double value, CvArr* dst);//找较大值放到dst中
void cvMin(const CvArr* src1,const CvArr* src2,CvArr* dst);
void cvMins(const CvArr* src,double value,CvArr* dst);//找较小值放到dst中
void cvMinMaxLoc(const CvArr* arr, double* min_val, double* max_val, CvPoint* min_loc=NULL, CvPoint* max_loc=NULL, const CvArr* mask=NULL);
找出全局某个通道中最大最小的值,和她们的位置,如果不止一个通道,一定要设置COI
零的个数
int cvCountNonZero( const CvArr* arr );//统计非零的个数
是否落在范围内
void cvInRange(const CvArr* src,const CvArr* lower,const CvArr* upper,CvArr* dst);
void cvInRangeS(const CvArr* src,CvScalar lower,CvScalar upper,CvArr* dst);//判断原数组中的每个数大小是否落在对应的lower、upper数组位置数值的中间
if( lower(i)<=src(i)
平均值标准差
CvScalar cvAvg(const CvArr* arr,const CvArr* mask = NULL);//计算mask非零位置的所有元素的平均值,如果是图片,则单独计算每个通道上的平均值,如果COI设置了,只计算该COI通道的平均值
void cvAvgSdv(const CvArr* arr, CvScalar* mean, CvScalar* std_dev, const CvArr* mask=NULL);//计算各通道的平均值,标准差,支持COI
double cvNorm(const CvArr* arr1,const CvArr* arr2=NULL,int norm_type=CV_L2,const CvArr* mask=NULL);//计算一个数组的各种范数
如果arr2为NULL,norm_type为
CV_C 求所有数取绝对值后的最大值,CV_L1 求所有数的绝对值的和,CV_L2求所有数的平方和的平方根
如果arr2不为NULL,norm_type为
CV_C arr1和arr2对应元素差的绝对值中的最大值 CV_L1 arr1和arr2对应元素差的绝对值的和 CV_L2 arr1和arr2的差平方和的平方根
CV_RELATIVE_C CV_RELATIVE_L1 CV_RELATIVE_L2 上面结果除以cvNorm(arr2,NULL,对应的norm_type);
cvNormalize(const CvArr* src,CvArr* dst,double a=1.0,double b=0.0,int norm_type=CV_L2,const CvArr* mask=NULL);
CV_C CV_L1 CV_L2 CV_MINMAX
cvReduce(const CvArr* src,CvArr* dst,int dim,int op=CV_REDUCE_SUM);//根据一定规则,把矩阵约简为向量
dim 决定约简到行还是列 1:约简到单个列,0:约简到单个行,-1:根据dst的CvSize,决定约简到行还是列
op 决定按什么规则约简
CV_REDUCE_SUM - 行/列的和
CV_REDUCE_AVG - 行/列平均值
CV_REDUCE_MAX - 行/列中最大值
CV_REDUCE_MIN - 行/列中最小值
取得设置数组信息
得到指定行列
CvMat* cvGetCol(const CvArr* arr,CvMat* submat,int col);
CvMat* cvGetCols(const CvArr* arr,CvMat* submat,int start_col,int end_col);//取目标矩阵的某列/连续几列,submat和返回值的实际数据还是在原矩阵中,只是修改了头部和数据指针,没有数据拷贝
CvMat* cvGetRow(const CvArr* arr,CvMat* submat,int row);
CvMat* cvGetRows(const CvArr* arr,CvMat* submat,int start_row,int end_row);
得到对角线
CvMat* cvGetDiag(const CvArr* arr,CvMat* submat,int diag=0);//取矩阵arr的对角线,结果放在向量中,并不要求原矩阵是方阵,diag表示从哪个位置开始取对角线
维度大小
int cvGetDims(const CvArr* arr,int* sizes=NULL);//获取数组的维数和每一维的大小,sizes十一个数组的头指针。图像或者矩阵的维数一定是2,先行数后列数
int cvGetDimSize(const CvArr* arr,int index);//获取某一维的大小
矩阵大小
CvSize cvGetSize(const CvArr* arr);//返回矩阵和图像的大小。小的结构体一般都是直接返回值而不是重新分配指针,分配指针的效率可能比直接返回值效率更低
截取矩形矩阵
CvMat* cvGetSubRect(const CvArr* arr, CvMat* submat, CvRect rect);//从输入的数组中根据输入的矩形截取一块数组中的矩形,返回的CvMat*就是submat
得到和设置元素 因为效率原因,实际很少会直接用到这些方法,而是根据实际的应用来决定如何操作每一个数
uchar* cvPtr1D(CvArr* arr,int idx0,int* type);//得到的是指针,所以可以修改,比下面的效率更高
uchar* cvPtr2D(CvArr* arr,int idx0,int idx1,int* type);
uchar* cvPtr3D(CvArr* arr,int idx0,int idx1,int idx2,int* type);
uchar* cvPtrND(CvArr* arr,int* idx,int* type,int create_node=1,unsigned* precalc_hashval=NULL);//int* idx是一个数组指针,里面保存着索引
double cvGetReal1D(const CvArr* arr,int idx0);//得到的是具体值
double cvGetReal2D(const CvArr* arr,int idx0,int idx1);
double cvGetReal3D(const CvArr* arr,int idx0,int idx1,int idx2);
double cvGetRealND(const CvArr* arr,int* idx);
CvScalar cvGet1D(const CvArr* arr,int idx0);
CvScalar cvGet2D(const CvArr* arr,int idx0,int idx1);
CvScalar cvGet3D(const CvArr* arr,int idx0,int idx1,int idx2);
CvScalar cvGetND(const CvArr* arr,int* idx);
double cvmGet(const CvMat* mat, int row, int col);//仅仅用于矩阵单通道浮点数的获取,由于是inline并且没有类型判断,所以效率比较高
void cvSetReal1D(CvArr* arr, int idx0, double value);
void cvSetReal2D(CvArr* arr, int idx0, int idx1, double value);
void cvSetReal3D(CvArr* arr, int idx0, int idx1, int idx2, double value);
void cvSetRealND(CvArr* arr, int* idx, double value);
void cvSet1D(CvArr* arr, int idx0, CvScalar value);
void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
void cvSet3D(CvArr* arr, int idx0, int idx1, int idx2, CvScalar value);
void cvSetND(CvArr* arr, int* idx, CvScalar value);
void cvmSet(CvMat* mat, int row, int col, double value);//仅仅用于设置单通道浮点类型的矩阵
void cvClearND(CvArr* arr, int* idx);//把多维数组的某位置设置为0
void cvSet(CvArr* arr, CvScalar value, const CvArr* mask=NULL);//把数组每个元素都设为value
void cvSetZero(CvArr* arr);//对普通矩阵,每位都设为0;对稀疏矩阵,删除所以元素
一般算数运算
int cvRound(double value ); int cvFloor( double value ); int cvCeil( double value);//求和double最(上/下)接近的整数
float cvSqrt(float value);//求平方根
float cvInvSqrt(float value);//求平方根倒数
float cvCbrt(float value);//求立方根
float cvCbrt(float value);//求两个向量的夹角
int cvIsNaN(double value);//判断是否是合法数
int cvIsInf(double value);//判断是否无穷
void cvCartToPolar(const CvArr* x, const CvArr* y, CvArr* magnitude, CvArr* angle=NULL, int angle_in_degrees=0);//
void cvPolarToCart(const CvArr* magnitude, const CvArr* angle, CvArr* x, CvArr* y, int angle_in_degrees=0);//
void cvSolveCubic(const CvArr* coeffs, CvArr* roots);//求三次方方程解,coeffs作为三次方程的系数,可以是三元(三次方系数为1)或者四元
随机数生成
CvRNG cvRNG(int64 seed=-1);//生成随机数生成器
unsigned cvRandInt(CvRNG* rng);
double cvRandReal(CvRNG* rng);
void cvRandArr(CvRNG* rng, CvArr* arr, int dist_type, CvScalar param1, CvScalar param2);//
dist_type决定生成随机数组中的分布 CV_RAND_UNI均匀分布 CV_RAND_NORMAL正态/高斯分布
param1:均匀分布中的下界(包含),正态分布中的平均值
param2:均匀分布中的上界(不包含),正态分布中的偏差
分布转换
void cvDFT(const CvArr* src, CvArr* dst, int flags, int nonzero_rows=0);
int cvGetOptimalDFTSize(int size0);
void cvMulSpectrums(const CvArr* src1, const CvArr* src2, CvArr* dst, int flags);
void cvDCT(const CvArr* src, CvArr* dst, int flags);
CvPoint是一个包含integer类型成员x和y的简单结构体。有两个变体,CvPoint2D32f和CvPoint3D32f。前者同样有两个成员,但是是float类型,后者多了成员z。
CvSize含有成员width和heigth。有一个变体CvSize2D32f。
CvRect含有四个成员x,y,width和heigth。
CvScalar,当内存不是问题时,它常常用来替代1,2或者3个实数成员(在这种情况下,不需要的分量被忽略)。它有一个单独的成员val,它是一个指向4个双精度浮点数数组指针。
这些数据类型具有以其名称来定义的构造函数,例如cvSize()。注意首字母不大写。这些构造函数只是内联函数,它们首先提取参数列表,然后返回被赋予相关值的结构。
cvScalar是一个特殊的例子:它有3个构造函数。第一个是cvScalar(),它需要一个、两个、三个或者四个参数并将这些参数传输给数组val[]中的相应元素。第二个构造函数是cvRealScalar(),它需要一个参数,它被传递给val[0],而val[]数组别的值被赋为0,最后一个有所变化的时cvScalarAll(),它需要一个参数并且val[]中的4个元素都会设置为这个参数。
2,矩阵和图像类型
IplImage数据类型是“图像”进行编码的基本结构。这些图像可能是灰度,彩色,4通道(RGB+alpha)的,其中每个通道可以包含任意的整数或浮点数。因此,该类型比常见的3通道8位RGB图片更通用。
IplImage是由CvMat派生的,而CvMat由CvArr派生的。
3,CvMat矩阵结构
在OpenCV中没有向量(vector)结构。任何时候需要向量,都只需要一个列举证。第二,OpenCV矩阵的概念比我们线性代数中提到的更抽象。
cvMat *cvCreateMat(int rows, int cols, int type); //这里的type可以是任何预定义类型,预定义类型的结构如下:CV_<bit_depth>(S|U|F)C<number_of_channels>。于是矩阵元素可以是32位浮点型数据,或是无符号的8位三元组的整形数据,或者是无数的其他类型元素。一个CvMat的元素不一定就是单一的数字。但是实际上,CvMat的结构相当简单。矩阵有宽度,高度,类型,行数据长度和一个指向数据的指针构成。可以通过一个指向CvMat的指针访问这些成员,或者对于一些普通元素,使用现成的访问方法。
[align=left]CvMat 的定义[/align]
[align=left]typedef struct CvMat[/align]
[align=left]{[/align]
int type;
//矩阵的数据类型,通道数,也可以理解为维度
int step;
//矩阵一行的字节数
int*
refcount;
[align=left] int hdr_refcount;[/align]
[align=left] [/align]
[align=left] union[/align]
[align=left] {[/align]
[align=left] uchar* ptr;[/align]
short*
s;
int*
i;
float*
fl;
double*
db;
[align=left] } data;[/align]
[align=left]
[/align]
[align=left]#ifdef __cplusplus[/align]
[align=left] union[/align]
[align=left] {[/align]
[align=left] int rows;[/align]
[align=left] int height;[/align]
[align=left] };[/align]
[align=left]
[/align]
[align=left] union[/align]
[align=left] {[/align]
[align=left] int cols;[/align]
[align=left] int width;[/align]
[align=left] };[/align]
[align=left]#else[/align]
[align=left] int rows;[/align]
[align=left] int cols;[/align]
[align=left]#endif[/align]
[align=left]
[/align]
[align=left]}[/align]
[align=left]CvMat;[/align]
[align=left]通常通过cvCreateMat()创建,它由多个原函数组成,如cvCreateMatHeader()和cvCreateData()。cvCreateMatHeader()创建CvMat结构,不为数据分配内存。而cvCreateData()只负责数据内存的分配。低三种方法使用函数cvCloneMat,它依据一个现有矩阵创建一个新矩阵。它有一种构造函数叫做cvMat,它可以创建CvMat结构,实际上不分配存储空间,仅创建头结构。[/align]
[align=left]4,矩阵数据的存取[/align]
[align=left]简单方法就是利用宏CV_MAT_ELEM(),这个宏传入矩阵,待提取的元素类型,行和列四个参数,返回提取出的元素值。[/align]
[align=left]CvMat *mat = cvCreateMat(5, 5, CV_32FC1);[/align]
[align=left]float element_3_2 = CV_MAT_ELEM(*mat, float, 3, 2);[/align]
[align=left]类似的宏,CV_MAT_ELEM_PTR()。传入矩阵,待返回元素的航和列号这三个参数,返回指向这个元素的指针。与前者的最大区别是后者在指针解引用之前将其转化成指定的类型。若需要同时读取数据和设置数据,可以直接调用后者。但是必须自己将指针转化成恰当的类型。[/align]
[align=left]麻烦的方法,简单方法只适用于访问1维或2维的数组。利用cvPtr*D家族和cvGet*D家族。[/align]
恰当的方法,大多数时候,计算机视觉是一种运算密集型的任务,因而你想尽量利用最有效的方法做事。要想直接访问矩阵,其实只需要知道一点,即数据是按光栅扫描顺序存储的,列是变化最快的变量。通道是互相交错的,这意味着,对于一个多通道矩阵来说,它们变化的速度仍然比较快。
5,点到数组
包含多维对象的多维数组和包含一维对象的高维数组之间不同。
6,IplImage数据结构
typedef struct _IplImage
{
int nSize; /* IplImage大小 */
int ID; /* 版本 (=0)*/
int nChannels; /* 大多数OPENCV函数支持1,2,3 或 4 个通道 */
int alphaChannel; /* 被OpenCV忽略 */
int depth;
/* 像素的位深度,主要有以下支持格式: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F 和IPL_DEPTH_64F */
char colorModel[4]; /* 被OpenCV忽略 */
char channelSeq[4]; /* 同上 */
int dataOrder; /* 0 - 交叉存取颜色通道, 1 - 分开的颜色通道.只有cvCreateImage可以创建交叉存取图像 */
int origin; /*图像原点位置: 0表示顶-左结构,1表示底-左结构 */
int align; /* 图像行排列方式 (4 or 8),在 OpenCV 被忽略,使用 widthStep 代替 */
int width; /* 图像宽像素数 */
int height; /* 图像高像素数*/
struct _IplROI *roi; /* 图像感兴趣区域,当该值非空时,只对该区域进行处理 */
struct _IplImage *maskROI; /* 在 OpenCV中必须为NULL */
void *imageId; /* 同上*/
struct _IplTileInfo *tileInfo; /*同上*/
int imageSize; /* 图像数据大小(在交叉存取格式下ImageSize=image->height*image->widthStep),单位字节*/
char *imageData; /* 指向排列的图像数据 */
int widthStep; /* 排列的图像行大小,以字节为单位 */
int BorderMode[4]; /* 边际结束模式, 在 OpenCV 被忽略*/
int BorderConst[4]; /* 同上 */
char *imageDataOrigin; /* 指针指向一个不同的图像数据结构(不是必须排列的),是为了纠正图像内存分配准备的 */
} IplImage;
OpenCV图像类型
IPL_DEPTH_8U,IPL_DEPTH_8S,IPL_DEPTH_16S,IPL_DEPTH_32S,IPL_DEPTH_32F,IPL_DEPTH_64F。
原点可以置于图像的左上角或左下角。在计算机视觉领域,一个重要的错误来源于原点位置的定义的不同意。
最后一个实用的重要参数--感兴趣的区域(ROI),一旦设定了ROI,通常作用于整幅图像的函数便会只对ROI所表示的子图像进行操作。
7,访问图像数据
IplImage和CvMat之间的一个重要度别在于imageData。CvMat的data元素类型是联合类型,所以你必须说明需要使用的指针类型。imageData指针是字节类型指针(uchar *)。
8,矩阵和图像操作
矩阵逻辑运算
void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvAndS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvOr(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvOrS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvXor(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvXorS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvNot(const CvArr* src,CvArr* dst);//矩阵取反
矩阵算术运算
绝对值
void cvAbs(const CvArr* src,CvArr* dst);
void cvAbsDiff(const CvArr* src1,const CvArr* src2, CvArr* dst);//两矩阵相减取绝对值
void cvAbsDiffS(const CvArr* src, CvArr* dst,CvScalar value);//矩阵减去一个数取绝对值
加减
void cvAdd(const CvArr* src1,const CvArr* src2,CvArr* dst,const CvArr* mask = NULL);//两数组相加,dst(I)=src1(I)+src2(I) if mask(I)!=0
void cvAddS(const CvArr* src,CvScalar value,CvArr*dst,const CvArr* mask = NULL);//数组和一个数相加,dst(I)=src(I)+value if mask(I)!=0
void cvAddWeighted(const CvArr* src1,double alpha,const CvArr* src2,double beta,double gamma,CvArradded to each sum* dst);//带权相加相当于dst(x,y) = α ? src1(x,y) + β ? src2(x,y) + γ
void cvSub(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//矩阵减法,dst(I)=src1(I)-src2(I) if mask(I)!=0
void cvSubS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//矩阵减数,dst(I)=src(I)-value if mask(I)!=0
void cvSubRS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//数减矩阵,dst(I)=value-src(I) if mask(I)!=0
乘除
void cvDiv(const CvArr* src1, const CvArr* src2, CvArr* dst, double scale=1);//scale*src1(i)/src2(i),如果src1=NULL,则计算scale/src2(i)
void cvMul(const CvArr* src1,const CvArr* src2,CvArr* dst,double scale=1);//两矩阵元素之间的简单乘法,一般的矩阵点乘用cvGEMM();
次方
void cvPow(const CvArr* src, CvArr* dst, double power);//为每个src的数求power次方
指数
void cvExp(const CvArr* src, CvArr* dst);//dst(I)=EXP(src(I))
对数
void cvLog(const CvArr* src, CvArr* dst);//
线性代数计算
加&乘
void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1和scale的乘积加上src2
void cvCrossProduct(const CvArr* src1,const CvArr* src2,CvArr* dst);//计算两个3D向量(单通道)的叉乘运算
double cvDotProduct(const CvArr* src1, const CvArr* src2);//两个向量点乘
void cvGEMM(const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0);//乘加运算的始祖
由通用乘加函数参与定义的两个具体宏
cvMatMul(const CvArr* src1,const CvArr* src2,CvArr* dst);
cvMatMulAdd(const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);
CvScalar cvTrace(const CvArr* mat);//计算对角线上的元素和
变换
void cvTransform(const CvArr* src, CvArr* dst, const CvMat* transmat, const CvMat* shiftvec=NULL);//dst=transmat · src + shiftvec
void cvPerspectiveTransform(const CvArr* src, CvArr* dst, const CvMat* mat);//把矩阵每个元素中三个通道当做一个矩阵,乘mat,mat是一个3×3或者4×4的转换矩阵
转置
void cvTranspose(const CvArr* src, CvArr* dst);
void cvMulTransposed(const CvArr* src, CvArr* dst, int order, const CvArr* delta=NULL, double scale=1.0);//(src-delta)乘以它的转置再乘以scale
逆矩阵
double cvInvert(const CvArr* src,CvArr* dst,int method=CV_LU);//求原矩阵的逆矩阵,默认使用高斯消去法
方阵可逆的充要条件是|A|!=0
method取值为CV_LU高斯消去法(默认) CV_SVD 奇异值分解SVD CV_SVD_SYM对称矩阵的SVD
行列式
double cvDet(const CvArr* mat);//计算方阵行列式,一定是单通道的
小型方阵直接计算,大型方阵用高斯消去法计算
如果矩阵正定对称,用奇异值分解的方法解决cvSVD();
特征向量特征值
void cvEigenVV(CvArr* mat, CvArr* evects, CvArr* evals, double eps=0);//计算对称矩阵的特征值和特征向量,evects输出特征向量,evals输出特征值,eps雅可比方法停止参数
要求三个矩阵都是浮点类型,10×10以下该方法有效,20×20以上的矩阵不能计算出结果,为节约计算量,eps通常设为DBL_EPSILON(10^-15)
如果给定的矩阵是对称正定矩阵,那么考虑使用cvSVD();
协方差
void cvCalcCovarMatrix(const CvArr** vects, int count, CvArr* cov_mat, CvArr* avg, int flags);//给定一组大小和类型相同的向量,向量的个数,计算标记,输出协方差正阵和每个向量的平均值矩阵
CV_COVAR_NORMAL 普通计算协方差和平均值,输出的是n×n的协方差阵
CV_COVAR_SCRAMBLED 快速PCA“Scrambled”协方差,输出的是m×m的协方差阵
CV_COVAR_USE_AVERAGE 平均值是输入的
CV_COVAR_SCALE 重新缩放输出的协方差矩阵
四个flag通过并运算协同发挥作用,前两个不能并
CvSize cvMahalonobis(const CvArr* vec1,const CvArr* vec2,CvArr* mat);
int cvSolve(const CvArr* src1, const CvArr* src2, CvArr* dst, int method=CV_LU);//Solves a linear system or least-squares problem.
void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, int flags=0);//Performs singular value decomposition of a real floating-point matrix.
void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, const CvArr* B, CvArr* X, int flags);//Performs singular value back substitution.
数组比较
void cvCmp(const CvArr* src1, const CvArr* src2, CvArr* dst, int cmp_op);//两矩阵比较运算
CV_CMP_EQ - src1(I) 是否相等
CV_CMP_GT - src1(I) 是否大于
CV_CMP_GE - src1(I) 是否大于等于
CV_CMP_LT - src1(I) 是否小于
CV_CMP_LE - src1(I) 是否小于等于
CV_CMP_NE - src1(I) 是否不等
如果判断为假,dst设为0,如果判断为真,dst设为0xff
void cvCmpS(const CvArr* src, double value, CvArr* dst, int cmp_op);//矩阵和一个数字比较运算
矩阵内转换
类型转换
void cvConvertScale(const CvArr* src,CvArr* dst,double scale,double shift);//矩阵首先乘以scale再加上shift,然后把src中的数据类型转换成dst类型,但是src和dst通道数需要相等
void cvConvertScaleAbs(const CvArr* src,CvArr* dst,double scale,double shift);//在src到dst类型转换前,先做绝对值
void cvCvtColor(const CvArr* src,CvArr* dst, int code);//图像 颜色空间转换,src要为8U 16U 32F,dst的数据类型需要和src相同,通道数看code
code格式如:CV_原色彩空间2目的色彩空间 色彩空间要考虑RGB的顺序
支持的颜色空间包括:RGB RGB565 RGB555 GRAY RGBA XYZ YCrCb HSV HLS Luv BayerRG
空间转换
void cvFlip(const CvArr* src, CvArr* dst=NULL, int flip_mode=0);//图像绕x、y轴旋转。当用在一维数组上时并且flip_mode>0,可以用来颠倒数据排列
flip_mode=0:左右对称values of the conversion resul
flip_mode>0:上下对称
flip_mode<0:中心对称
矩阵间操作
void cvCopy(const CvArr* src,CvArr* dst,const CvArr* mask=NULL);
void cvMerge(const CvArr* src0,const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);//多个数组合并成一个,类型和尺寸都相同,dst有多个通道,src可以赋值NULL
void cvSplit(cosnt CvArr* src,CvArr* dst0,CvArr* dst1,CvArr* dst2,CvArr* dst3);//一个多通道数组分解成多个数组,类型尺寸都想同,dst可以赋值NULL
void cvRepeat(const CvArr* src, CvArr* dst);//在dst中重复叠加src,dst(i,j)=src(i mod rows(src), j mod cols(src))
CvMat* cvReshape(const CvArr* originalarr, CvMat* headerdata, int new_cn, int new_rows=0);//把一个originalarr(可以是已经有内容的图片),转换为有新的通道数、新的行数的数据(CvMat*只含数据,没有图片头)
CvArr* cvReshapeMatND(const CvArr* arr, int sizeof_header, CvArr* header, int new_cn, int new_dims, int* new_sizes);
void cvLUT(const CvArr* src, CvArr* dst, const CvArr* lut);//src是8bit类型的数据,lut是一张一维查找表,拥有256个通道数类型和dst相同的元素,src的某一位置的元素数值n,到lut的n位置查找的内容填入dst的相应src的n元素的位置
统计运算
最大最小
void cvMax(const CvArr* src1, const CvArr* src2, CvArr* dst);
void cvMaxS(const CvArr* src, double value, CvArr* dst);//找较大值放到dst中
void cvMin(const CvArr* src1,const CvArr* src2,CvArr* dst);
void cvMins(const CvArr* src,double value,CvArr* dst);//找较小值放到dst中
void cvMinMaxLoc(const CvArr* arr, double* min_val, double* max_val, CvPoint* min_loc=NULL, CvPoint* max_loc=NULL, const CvArr* mask=NULL);
找出全局某个通道中最大最小的值,和她们的位置,如果不止一个通道,一定要设置COI
零的个数
int cvCountNonZero( const CvArr* arr );//统计非零的个数
是否落在范围内
void cvInRange(const CvArr* src,const CvArr* lower,const CvArr* upper,CvArr* dst);
void cvInRangeS(const CvArr* src,CvScalar lower,CvScalar upper,CvArr* dst);//判断原数组中的每个数大小是否落在对应的lower、upper数组位置数值的中间
if( lower(i)<=src(i)
平均值标准差
CvScalar cvAvg(const CvArr* arr,const CvArr* mask = NULL);//计算mask非零位置的所有元素的平均值,如果是图片,则单独计算每个通道上的平均值,如果COI设置了,只计算该COI通道的平均值
void cvAvgSdv(const CvArr* arr, CvScalar* mean, CvScalar* std_dev, const CvArr* mask=NULL);//计算各通道的平均值,标准差,支持COI
double cvNorm(const CvArr* arr1,const CvArr* arr2=NULL,int norm_type=CV_L2,const CvArr* mask=NULL);//计算一个数组的各种范数
如果arr2为NULL,norm_type为
CV_C 求所有数取绝对值后的最大值,CV_L1 求所有数的绝对值的和,CV_L2求所有数的平方和的平方根
如果arr2不为NULL,norm_type为
CV_C arr1和arr2对应元素差的绝对值中的最大值 CV_L1 arr1和arr2对应元素差的绝对值的和 CV_L2 arr1和arr2的差平方和的平方根
CV_RELATIVE_C CV_RELATIVE_L1 CV_RELATIVE_L2 上面结果除以cvNorm(arr2,NULL,对应的norm_type);
cvNormalize(const CvArr* src,CvArr* dst,double a=1.0,double b=0.0,int norm_type=CV_L2,const CvArr* mask=NULL);
CV_C CV_L1 CV_L2 CV_MINMAX
cvReduce(const CvArr* src,CvArr* dst,int dim,int op=CV_REDUCE_SUM);//根据一定规则,把矩阵约简为向量
dim 决定约简到行还是列 1:约简到单个列,0:约简到单个行,-1:根据dst的CvSize,决定约简到行还是列
op 决定按什么规则约简
CV_REDUCE_SUM - 行/列的和
CV_REDUCE_AVG - 行/列平均值
CV_REDUCE_MAX - 行/列中最大值
CV_REDUCE_MIN - 行/列中最小值
取得设置数组信息
得到指定行列
CvMat* cvGetCol(const CvArr* arr,CvMat* submat,int col);
CvMat* cvGetCols(const CvArr* arr,CvMat* submat,int start_col,int end_col);//取目标矩阵的某列/连续几列,submat和返回值的实际数据还是在原矩阵中,只是修改了头部和数据指针,没有数据拷贝
CvMat* cvGetRow(const CvArr* arr,CvMat* submat,int row);
CvMat* cvGetRows(const CvArr* arr,CvMat* submat,int start_row,int end_row);
得到对角线
CvMat* cvGetDiag(const CvArr* arr,CvMat* submat,int diag=0);//取矩阵arr的对角线,结果放在向量中,并不要求原矩阵是方阵,diag表示从哪个位置开始取对角线
维度大小
int cvGetDims(const CvArr* arr,int* sizes=NULL);//获取数组的维数和每一维的大小,sizes十一个数组的头指针。图像或者矩阵的维数一定是2,先行数后列数
int cvGetDimSize(const CvArr* arr,int index);//获取某一维的大小
矩阵大小
CvSize cvGetSize(const CvArr* arr);//返回矩阵和图像的大小。小的结构体一般都是直接返回值而不是重新分配指针,分配指针的效率可能比直接返回值效率更低
截取矩形矩阵
CvMat* cvGetSubRect(const CvArr* arr, CvMat* submat, CvRect rect);//从输入的数组中根据输入的矩形截取一块数组中的矩形,返回的CvMat*就是submat
得到和设置元素 因为效率原因,实际很少会直接用到这些方法,而是根据实际的应用来决定如何操作每一个数
uchar* cvPtr1D(CvArr* arr,int idx0,int* type);//得到的是指针,所以可以修改,比下面的效率更高
uchar* cvPtr2D(CvArr* arr,int idx0,int idx1,int* type);
uchar* cvPtr3D(CvArr* arr,int idx0,int idx1,int idx2,int* type);
uchar* cvPtrND(CvArr* arr,int* idx,int* type,int create_node=1,unsigned* precalc_hashval=NULL);//int* idx是一个数组指针,里面保存着索引
double cvGetReal1D(const CvArr* arr,int idx0);//得到的是具体值
double cvGetReal2D(const CvArr* arr,int idx0,int idx1);
double cvGetReal3D(const CvArr* arr,int idx0,int idx1,int idx2);
double cvGetRealND(const CvArr* arr,int* idx);
CvScalar cvGet1D(const CvArr* arr,int idx0);
CvScalar cvGet2D(const CvArr* arr,int idx0,int idx1);
CvScalar cvGet3D(const CvArr* arr,int idx0,int idx1,int idx2);
CvScalar cvGetND(const CvArr* arr,int* idx);
double cvmGet(const CvMat* mat, int row, int col);//仅仅用于矩阵单通道浮点数的获取,由于是inline并且没有类型判断,所以效率比较高
void cvSetReal1D(CvArr* arr, int idx0, double value);
void cvSetReal2D(CvArr* arr, int idx0, int idx1, double value);
void cvSetReal3D(CvArr* arr, int idx0, int idx1, int idx2, double value);
void cvSetRealND(CvArr* arr, int* idx, double value);
void cvSet1D(CvArr* arr, int idx0, CvScalar value);
void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
void cvSet3D(CvArr* arr, int idx0, int idx1, int idx2, CvScalar value);
void cvSetND(CvArr* arr, int* idx, CvScalar value);
void cvmSet(CvMat* mat, int row, int col, double value);//仅仅用于设置单通道浮点类型的矩阵
void cvClearND(CvArr* arr, int* idx);//把多维数组的某位置设置为0
void cvSet(CvArr* arr, CvScalar value, const CvArr* mask=NULL);//把数组每个元素都设为value
void cvSetZero(CvArr* arr);//对普通矩阵,每位都设为0;对稀疏矩阵,删除所以元素
一般算数运算
int cvRound(double value ); int cvFloor( double value ); int cvCeil( double value);//求和double最(上/下)接近的整数
float cvSqrt(float value);//求平方根
float cvInvSqrt(float value);//求平方根倒数
float cvCbrt(float value);//求立方根
float cvCbrt(float value);//求两个向量的夹角
int cvIsNaN(double value);//判断是否是合法数
int cvIsInf(double value);//判断是否无穷
void cvCartToPolar(const CvArr* x, const CvArr* y, CvArr* magnitude, CvArr* angle=NULL, int angle_in_degrees=0);//
void cvPolarToCart(const CvArr* magnitude, const CvArr* angle, CvArr* x, CvArr* y, int angle_in_degrees=0);//
void cvSolveCubic(const CvArr* coeffs, CvArr* roots);//求三次方方程解,coeffs作为三次方程的系数,可以是三元(三次方系数为1)或者四元
随机数生成
CvRNG cvRNG(int64 seed=-1);//生成随机数生成器
unsigned cvRandInt(CvRNG* rng);
double cvRandReal(CvRNG* rng);
void cvRandArr(CvRNG* rng, CvArr* arr, int dist_type, CvScalar param1, CvScalar param2);//
dist_type决定生成随机数组中的分布 CV_RAND_UNI均匀分布 CV_RAND_NORMAL正态/高斯分布
param1:均匀分布中的下界(包含),正态分布中的平均值
param2:均匀分布中的上界(不包含),正态分布中的偏差
分布转换
void cvDFT(const CvArr* src, CvArr* dst, int flags, int nonzero_rows=0);
int cvGetOptimalDFTSize(int size0);
void cvMulSpectrums(const CvArr* src1, const CvArr* src2, CvArr* dst, int flags);
void cvDCT(const CvArr* src, CvArr* dst, int flags);
相关文章推荐
- 【读书笔记】学习OpenCV(中文版)第二章
- 【读书笔记】学习OpenCV(中文版)第五章
- 【读书笔记】学习OpenCV(中文版)第四章1
- 对 学习OpenCV(中文版) 第三章的总结
- 【读书笔记】学习OpenCV(中文版)第四章2
- opencv 学习第一天 学习opencv(中文版)第一个程序 打开一个图像
- 学习opencv课后答案第三章
- opencv学习(六)书本《学习Opencv》(中文版)第四章的作业答案第二题(opencv3.0.0+VS2012+win7)
- opencv 学习第三天 学习opencv(中文版) cvmat矩阵的操作
- 学习OpenCV(中文版)
- 学习OpenCV(中文版)
- 第三章 学习OpenCV——初探OpenCV
- opencv 学习第二天 学习opencv(中文版)画一个图像
- opencv 学习第四天 学习opencv(中文版) alpha融合
- 零起点学习WPF之《WPF揭秘》读书笔记(9)——第三章 多个提供程序的支持
- 学习opencv中文版心得 第二章 例2-1
- opencv学习(三)书本《学习Opencv》(中文版)第四章的样例Ex4-1(opencv3.0.0+VS2012+win7)
- 学习opencv中文版教程——第二章
- opencv 学习第一天 学习opencv(中文版)创建一个类似滚动条
- opencv3 学习笔记 第三章: