文章目录
一、OPNECV元素
1.CvPoint
为了方便使用，opencv又对常用的类型进行了定义：
typedef Point_<int> Point2i;
typedef Point2i Point;
typedef Point_<float> Point2f;
typedef Point_<double> Point2d;
同理还有Point3_，只不过它是一个3维点(x,y,z)而已。它的常用类型是：
typedef Point3_<int> Point3i;
typedef Point3_<float> Point3f;
typedef Point3_<double> Point3d;
2、模板类
Size模版类
能够访问的成员变量是height和width。还定义了area函数来求面积。其他的操作基本都是类型转化函数。
typedef Size_<int> Size2i;
typedef Size2i Size;
typedef Size_<float> Size2f
Rect模版类
。它是由左上角点和长度、宽度定义的。在opecv中，一般定义为左开右闭区间。
有意思的是，这个类竟然也提供了一个Rect+Point的函数，作用是对矩形的偏移，还有一个Rect Size的函数，在左上角不变的情况下，重新调整矩形的大小。其他的操作还有与&和|，是求两个矩形的交集和并集
RotatedRect模版类
除了基本的矩形之外，opecv还提供了一个可以旋转的矩形RotatedRect，它是由中心、变长、旋转角度决定的。你可以访问它的这三个成员，也可以使用points函数返回它的4个顶点，使用boundingRect求出它的外接矩形（非旋转），下面是一个例子：
int main(void)
{
Mat bg(200,200,CV_8UC3,Scalar(0));
imshow("",bg);
RotatedRect rRect(Point2f(100,100),Size(100,100),40);
Point2f vertices[4];
rRect.points(vertices);
for(int i = 0; i < 4;++i)
line(bg,vertices[i],vertices[(i+1)%4],Scalar(0,255,0));
Rect brect = rRect.boundingRect();
rectangle(bg,brect,Scalar(255,0,0));
imshow("",bg);
waitKey();
}
二、MAT
Mat。Mat是opencv中的一种非常重要的数据结构，当刚开始使用时，我仅仅把它当做一个储存图像的数据结构，后来才慢慢理解，它不仅可以储存二维矩阵，也可以储存高维矩阵，这在模式识别、机器学习中是非常常用的。对于这类问题，我们就没有必要自己手动分配内存了，直接使用它们就可以了。这个类的内容很多，但opencv的帮助手册，很好的帮我们理清的其中的内容。
typedef Matx<float, 1, 2> Matx12f;
typedef Matx<double, 1, 2> Matx12d;
...
typedef Matx<float, 1, 6> Matx16f;
typedef Matx<double, 1, 6> Matx16d;
typedef Matx<float, 2, 1> Matx21f;
typedef Matx<double, 2, 1> Matx21d;
...
typedef Matx<float, 6, 1> Matx61f;
typedef Matx<double, 6, 1> Matx61d;
typedef Matx<float, 2, 2> Matx22f;
typedef Matx<double, 2, 2> Matx22d;
...
typedef Matx<float, 6, 6> Matx66f;
typedef Matx<double, 6, 6> Matx66d;
如果要使用灵活的矩形，还是用Mat
int main(void)
{
int sz[]={
4,5,6};
Mat img(3,sz,CV_8U);//3维数组
cout<<img.dims<<endl;
cout<<img.size[0]<<endl;
cout<<img.size[1]<<endl;
cout<<img.size[2]<<endl;
cout<<img.step[0]<<endl;
cout<<img.step[1]<<endl;
cout<<img.step[2]<<endl;
//遍历每个元素
for(int i = 0; i < 4;++i)
{
for(int j = 0; j < 5;++j)
{
for(int k = 0; k < 6;++k)
{
cout<<(int)*(B.data + B.step[0]*i + B.step[1]*j + B.step[2]*k)<<endl;
}
}
}
return 0;
}
下面我们主要是看看Mat提供的函数。
首先是构造函数，光构造函数就有很多种，这里介绍几种常用的方式：
1.使用(nrows, ncols, type)，初始化2维矩阵
// 创建一个7*7的2通道浮点矩阵，通常这样的矩阵用来表示复矩阵
Mat M(7,7,CV_32FC2,Scalar(1,3));
//改变为100*60的15通道uchar矩阵，原先的数据将会被释放
M.create(100,60,CV_8UC(15));
创建高维矩阵
//创建100*100*100的3维矩阵
int sz[] = {
100, 100, 100};
Mat bigCube(3, sz, CV_8U, Scalar::all(0));
下面是一些简单的对整行、整列的操作
// 第5行*3 + 第3行，这样的操作在线性代数中很常见
M.row(3) = M.row(3) + M.row(5)*3;
// 把第7列拷贝到第1列
// M.col(1) = M.col(7); // 不能这样写
Mat M1 = M.col(1);
M.col(7).copyTo(M1);
用源图像的一部分创建新图像
// 创建一个320*240的图像
Mat img(Size(320,240),CV_8UC3);
// 选择感兴趣区域
Mat roi(img, Rect(10,10,100,100));
// 将区域改为绿色，原图像也会发生修改
roi = Scalar(0,255,0);
int main(void)
{
Mat A = Mat::eye(5,5,CV_8U);
Mat B = A(Range::all(),Range(1,3));
B.setTo(100);
for(int i = 0; i < 5;++i)
{
for(int j = 0; j < 5;++j)
{
cout<<(int)A.at<uchar>(i,j)<<endl;
}
}
return 0;
}
如果需要深拷贝，则使用clone方法。
对于初始化Mat，还有其他的一些方法： 比如Matlab风格的 zeros(), ones(), eye()： M +=
Mat::eye(M.rows, M.cols, CV_64F);Mat M = (Mat_(3,3) << 1, 0, 0, 0, 1, 0, 0, 0, 1);
如果是处理“外来”的数据，那么则在构造函数中加上data则会非常方便的将外来数据转化为Mat结构：
void process_video_frame(const unsigned char* pixels,int width, int height, int step)
{
Mat img(height, width, CV_8UC3, pixels, step);
GaussianBlur(img, img, Size(7,7), 1.5, 1.5);
}
double m[3][3] = {
{
a, b, c}, {
d, e, f}, {
g, h, i}};
Mat M = Mat(3, 3, CV_64F, m).inv();
特别的，对于与opencv1.X中的IplImage结构的交互：
IplImage* img = cvLoadImage("greatwave.jpg", 1);
Mat mtx(img); // convert IplImage* -> Mat
CvMat oldmat = mtx; // convert Mat -> CvMat
读入图片image，将image于result关联起来。OpenCV中一个重要的特点就是你不必事先指定图像的长、宽、像素深度等信息，库函数会自动帮你完成。然后对image图像进行滤波，显示滤波以后result图像的结果（注意：不是image的结果）。
对于图像result，程序中提供3种方式与图像image关联：第一种是是用“=”，第二种是用copyTo，第三种使用clone。运行代码可以发现：当使用“=”时，对image的滤波会导致result的图像改变；而使用clone或者copyTo不会引起result的改变。
原因是什么呢？因为使用“=”时，并没有复制新的数据，而只是让result指向image。它们指向的是内存中的同一份数据。等号操作以后，image的引用计数+1而已。这就是所谓的“浅拷贝”。而copyTo则是把矩阵的每个元素都重新拷贝给了result。copyTo不仅拷贝了矩阵元素值，还复制了矩阵的一些其他信息。它们是所谓的“深拷贝”。
三、Vec类
下面介绍Vec类，它其实是元素较少的向量。
typedef Vec<uchar, 2> Vec2b;
typedef Vec<uchar, 3> Vec3b;
typedef Vec<uchar, 4> Vec4b;
typedef Vec<short, 2> Vec2s;
typedef Vec<short, 3> Vec3s;
typedef Vec<short, 4> Vec4s;
typedef Vec<int, 2> Vec2i;
typedef Vec<int, 3> Vec3i;
typedef Vec<int, 4> Vec4i;
typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;
typedef Vec<float, 4> Vec4f;
typedef Vec<float, 6> Vec6f;
typedef Vec<double, 2> Vec2d;
typedef Vec<double, 3> Vec3d;
typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;
它支持加、减、数乘、相等、不等、求范数等运算。
Scalar_类其实是用Vec<tp,4>派生下来的，也就是说，它是一个4元组：
typedef Scalar_Scalar; 他通常用来传递像素。
Range类用来指定连续的子序列。比如矩阵的一部分，比较简单，我们直接看定义：
class CV_EXPORTS Range
{
public:
Range();
Range(int _start, int _end);
Range(const CvSlice& slice);
int size() const;
bool empty() const;
static Range all();
operator CvSlice() const;
int start, end;
};