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=scale*I1+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.^2Mat C=A.mul(5/B);//==divide(A,B,C,5);A*B;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-------multiplypow(src,double p,dst);//如果p是整数dst(I)=src(I)^p;其他|src(I)|^p4.除法divide(I1,I2,dst,scale,int dtype=-1);//dst=saturate_cast(I1*scale/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ScalarcountNonZero: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(alpha*I1+beta*I2+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::push_back(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;ifor(int j=0;jI.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;ifor(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[3*j+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)-->6size_t Mat::elemSize1();返回元素一个通道的大小CV_16SC3-->sizeof(short)-->2int Mat::type()返回他的类型CV_16SC3之类int Mat::depth()返回深度:CV_16SC3-->CV_16Sint Mat::channels()返回通道数size_t Mat:step1()返回一个被elemSize1()除以过的stepSize 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==NULLuchar *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=alpha*I1.t()*I2+beta*I3.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_NEcompleteSymm(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(|alpha*I+beta|);dct(I,dst,int flags=0);//DCT变换，1维、2维的矩阵;flags=DCT_INVERSE,DCT_ROWSidct,dft,idftinRange(I1,I_low,I_up,dst);//dst是CV_8UC1,在2者之间就是255Mahalanobis(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,sortIdxmixChannels();对某个通道进行各种传递-----------------------------------------------------------------11.未懂的函数getConvertElem,extractImageCOI,LUTmagnitude(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转载地址为:http://blog.sina.com.cn/s/blog_afe2af380101bqhz.html
