opencv实用技巧总结！（后续会补充）

1.已经定义好了img为Mat型，但是没有初始化，在后面程序的任何一个位置可以使用下面的代码初始化img，比如img=Mat(***1,***2),其中***1是矩形区域的大小，***2是数组内数据类型。 

2.在opencv中像素点的数据类型能找到对应类似char，int，float,double的，比如说是分别为CV_8UC1,CV_16UC1,CV_32FC1, CV_64FC1,一定要注意是没有这一说法的CV_16FC1。

3.在对opencv工程进行debug时，如果想查看Mat型内部的数据，直接在变量监视器里面看是不行的,且观察时其内部还有可能报错。最好是将Mat类型数据cout到屏幕终端观察。

4.将一个vector类型的变量转换成一个Mat型变量，可以采用下面的方法： Vector& c=contours(0);Mat cnew;Cnew=Mat(c);    

5.Scalar与CvScalar类似，都是标量，用于存储像素值的，有4个通道，每个通道可存double型，其内部定义为：

　　typedef  struct CvScalar
　　 {   

　    double val[4];

　  　}CvScalar; 

6.当图像像素值为hsv空间时，hsv中3个分量的取值范围为[0 180],[0 255],[0,255].

7.opencv中的NAN表示是非数字，即Not A Number,INF表示无穷大，比如+INF：正无穷，-INF：负无穷。 

8.RGB空间是类似人眼工作机制，被各种显示设备采用。HSV，HLS是描述颜色更自然的方法，去掉最后一个元素可以使算法对光照不敏感。YCrCb在jpeg中广泛使用。Lab是在感知上比较均匀的颜色空间，适合度量2个颜色之间的距离。

Size wholeSize;

　　　　Point roiofs;

　　　　img.locateROI(wholeSize, roiofs);　

　　　locateROI在此处是如果img图像是从其它父图像中某一部分得来的，那么其父图像的大小尺寸就为whleSize了，img图像左上角那个点相对于父图像的左上角位置就为点roiofs了。

9. 在opencv学习中，经常会读一些基于1.0版本的opencv代码，如果我们需要在2.0以后版本中使用已有的代码，遇到的问题最多的就是Mat和IplImage*之间的转换，现在举个例子来简单说明一下这2者之间的转换。

假设已经定义： Mat src;

　　　　　　　　　　　 IplImage* img;

并且也假设src或者img中已经有了数据。则如果需要将src转换到img，应该使用下面的语句：

　　　　img = &src.operator IplImage();

　　　　如果是将img转换到src，则直接使用下面的语句：

　　　　src = Mat(img);

　　　　这是opencv基于c版本和c++版本混合编程的处理方法。

10. 在opencv的core.hpp里面有AutoBuffer<>()函数，该函数为自动分配一段指定大小的内存,并且可以指定内存中数据的类型。

11.调用Mat::copyTo()函数时，如果需要有mask操作，则不管源图像是多少通道的，其mask矩阵都要定义为单通道，另外可以对一个mask矩阵画一个填充的矩形来达到使mask矩阵中对应ROI的位置的值为设定值，这样就不需要去一一扫描赋值了。

12.在使用OpenCV的Mat矩阵且需要对该矩阵进行扫描时，一定要注意其取值顺序，比如说列和行的顺序，如果弄反了，则经常会报内存错误。

13.在使用OpenCV内部的判断条件时应该使用CV_Assert()函数，而不是CV_ASSERT()。

14.通过实验测试发现，虽然经过calcHist()函数计算过后的直方图保存在hist中，这里hist是一个Mat类型，并且如果计算的是一维的直方图的话,则hist是一个列向量。

15. 当Mat中数据的类型为CV_16UC1的时候，这里的16U并不是指unsigned int，而是指的是unsigned short int，因为在OpenCV框架中，int不是16位的，而是32位的。没想到我使用OpenCV一年了，今天才弄清楚这个。

16. 坐标体系中的零点坐标为图片的左上角，X轴为图像矩形的上面那条水平线；Y轴为图像矩形左边的那条垂直线。该坐标体系在诸如结构体Mat,Rect,Point中都是适用的。（虽然网上有学着说OpenCV中有些数据结构的坐标原点是在图片的左下角，但是我暂时还没碰到过）。

17. 在使用image.at(x1, x2)来访问图像中点的值的时候，x1并不是图片中对应点的x轴坐标，而是图片中对应点的y坐标。因此其访问的结果其实是访问image图像中的Point(x2, x1)点，即与image.at(Point(x2, x1))效果相同。

18. 如果所画图像是多通道的，比如说image图像的通道数时n，则使用Mat::at(x, y)时，其x的范围依旧是0到image的height，而y的取值范围则是0到image的width乘以n，因为这个时候是有n个通道，所以每个像素需要占有n列。但是如果在同样的情况下，使用Mat::at(point)来访问的话，则这时候可以不用考虑通道的个数，因为你要赋值给获取Mat::at(point)的值时，都不是一个数字，而是一个对应的n维向量。

19. 多通道图像在使用minMaxLoc()函数是不能给出其最大最小值坐标的，因为每个像素点其实有多个坐标，所以是不会给出的。因此在编程时，这2个位置应该给NULL。

20.使用霍夫变换时，检测的直线有时候可能不是水平的，为了保持水平或者是竖直，可以使用if函数保证lines数组的第一个与第三个，第二个与第四个其中某一对数值相等。