梳理程序的笔记（一）

1，parameterReader()

opencv 中的mat，和matlab中的mat数据类型是一样的含义
opencv中的CV_32FC1的含义是，openCV 的32位float数据使用通道（channel）1

C++ string中的

string str; 
str.find() //返回查找字符所在的位置数
str.substr(0,4)  //获得字符串0-4位置的字符串内容，例如"hello,world",则0-4则为"hell"

C++中的 c.str() 和python的一样，讲其他类型转化成C语言字符串类型
C++中的ifstream是用来读取整个文件的一个库类。
C++在stream流类型中，有一个成员函数good().用来判断当前流的状态是否正常。

C++中map的使用，

1 声明一个map容器------- map<string, string> data

2声明一个对应1中类型的map的迭代器 -------map<string, string>::iterator iter

成员函数	含义
begin()	返回指向map头部的迭代器
clear()	删除所有元素
count()	返回指定元素出现的次数
empty()	如果map为空则返回true
end()	返回指向map末尾的迭代器
equal_range()	返回特殊条目的迭代器对
erase()	删除一个元素
find()	查找一个元素
insert()	插入元素
max_size()	返回可以容纳的最大元素个数
size()	返回map中元素的个数
swap()	交换两个map
get_allocator()	返回map的配置器
key_comp()	返回比较元素key的函数
lower_bound()	返回键值>=给定元素的第一个位置
max_size()	返回可以容纳的最大元素个数
rbegin()	返回一个指向map尾部的逆向迭代器
rend()	返回一个指向map头部的逆向迭代器
upper_bound()	返回键值>给定元素的第一个位置
value_comp()	返回比较元素value的函数

3 插入数据

其中 pair和 make_pair 有first和second域，可以直接访问，

make_paire是返回一个pair<type，type>的数据。

3.1 data[key]=vaule

3.2 data.insert(pair<string, string>(key, value))

3.3 data.insert(make_pair<string, string>(key, value))

4 删除和查找数据

data.find(key)    //通过key来查找
data.erase(key)  //删除
//或者
data.erase(iter)

如果查找时迭代器的键值不存在，会返回data.end()的值

C++使用map的迭代器遍历比较方便；

我们都知道可以用下标运算来访问string对象和vector对象。而另外还有一种更通用的方法也可以实现这样的方法-----迭代器（iterator）类似于指针，迭代器也提供了对对象的间接访问。就迭代器而言，其对象是容器中的元素或者string中的字符。使用迭代器可以访问某个元素，迭代器也能从一个元素移动到另外一个元素。迭代器有有效和无效之分，有效的迭代器指向某个元素或者容器中尾元素的下一个位置。其他情况均为无效。

和指针不一样的是，迭代器不是使用取址符，而是使用begin和end成员。

openCV mat数据类型指针ptr的使用

mat.ptr(row)[col]

返回的数据类型和一致，通过指针ptr定位(row)[col]位置的数据，该数据的类型要和一致
C++中的 atof （ ascii to floating point numbers）函数在<stdlib.h>中，将字符串转化成双精度的浮点数。

1，相机内参矩阵，外参矩阵

内参矩阵：
$\left[ \begin{matrix} f_x && s && x_0 \\ 0 && f_y && y_0 \\ 0 && 0 && 1 \\ \end{matrix} \right] \tag{1}$
式（1）中， $f_x$ 和 $f_y$ 焦距参数； $x_0$ 和 $y_0$ 为主点偏移，相机的主轴是与图像平面垂直切穿过真空的线，与图像平面的交点成为主点，主点偏移就是主点位置相对于图像平面的位置；s为坐标轴倾斜参数，理想情况下为0，即坐标轴不倾斜。

2， dmLocation()

openCV中对于图像的放缩使用 resize() 和 cvResize()

//resize函原型
CV_EXPORTS_W void resize( InputArray src, OutputArray dst,  
                              Size dsize, double fx=0, double fy=0,  
                              int interpolation=INTER_LINEAR );  
//cvResize函数原型
void cvResize( const CvArr* src, CvArr* dst, int interpolation=CV_INTER_LINEAR );

其中两个函数的src和dst 含义相同，都是指输入图像，输出图像；

参数 interpolation是指差值方法，

可选参数	含义
INTER_LINEAR	双线性差值 (缺省使用)
INTER_AREA	区域差值算法，使用象素关系重采样时，图像抽取的首选方法。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 INTER_NEAREST 方法
INTER_CUBIC	立方差值
INTER_NEAREST	最邻近插值算法
INTER_LANCZOS4	Lanczos插值(超过8x8领域的插值算法)
INTER_MAX	用于插值的掩模板
WARP_INVERSE_MAP	标志位，反变换
WARP_FILL_OUTLIERS	标志位，用于填充目标图像的像素值，如果其中的一些值对应原图像的异常值，那么这些值讲被设为0

resize()中的 dsize表示放缩后的尺寸，（fx,fy）表示水平方向上的缩放系数和垂直方向上的缩放系数，一般设为0，但是dsize和（fx,fy）不能同时为0。

注意opencv中的seize()d的大小尺寸信息是（列，行）
```
Size(col, row)
```
opencv中的cvtColor()用于将一个颜色空间转换到另一个颜色空间

void cv::cvtColor(
		cv::InputArray src, // 输入序列
		cv::OutputArray dst, // 输出序列
		int code, // 颜色映射码
		int dstCn = 0 // 输出的通道数 (0='automatic')
	);

opencv默认的彩色图像的颜色空间是BGR

code	参数
RGB和BGR	COLOR_BGR2RGB, COLOR_RGB2BGR, COLOR_RGBA2BGRA, COLOR_BGRA2RGBA
向RGB和BGR图像中增添alpha通道	COLOR_RGB2RGBA, COLOR_BGR2BGRA
从RGB和BGR图像中去除alpha通道	COLOR_RGBA2RGB, COLOR_BGRA2BGR
从RBG和BGR颜色空间转换到灰度空间	COLOR_RGB2GRAY,COLOR_BGR2GRAY,COLOR_RGBA2GRAY,COLOR_BGRA2GRAY

等，仅列举部分。

为什么要转化到灰度值？？？？

因为算法值关注于其中的一种颜色，因此通过二值化讲图像中的其他色彩调成0，通过设置阈值化(Threshold)，进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。