openc基礎(chǔ)知識(shí)好資料

OpenCV的基本數(shù)據(jù)類(lèi)型

OpenCV提供了多種基本數(shù)據(jù)類(lèi)型。雖然這些數(shù)據(jù)類(lèi)型在C語(yǔ)言中不是基本類(lèi)型，但結(jié)構(gòu)都

很簡(jiǎn)單，可將它們作為原子類(lèi)型?？梢栽凇啊?OpenCV/cxcore/include”目錄下的extypes.h文

件中查看其詳細(xì)定義。

在這些數(shù)據(jù)類(lèi)型中最簡(jiǎn)單的就是CvPointoCvPoint是一個(gè)包含integer類(lèi)型成員x和y的簡(jiǎn)

單結(jié)構(gòu)體。CvPoint有兩個(gè)變體類(lèi)型：CvPoint2D32f和CvPoint3D32f。前者同樣有兩個(gè)成員

x,y,但它們是浮點(diǎn)類(lèi)型；而后者卻多了一個(gè)浮點(diǎn)類(lèi)型的成員z。

CvSize類(lèi)型與CvPoint非常相似，但它的數(shù)據(jù)成員是integer類(lèi)型的widthfllheighto如果希

望使用浮點(diǎn)類(lèi)型，則選用CvSize的變體類(lèi)型CvSize2D32fo

CvRect類(lèi)型派生于CvPoint和CvSize,它包含4個(gè)數(shù)據(jù)成員：x,y,width和height。(正如

你所想的那樣，該類(lèi)型是一個(gè)復(fù)合類(lèi)型)。

下一個(gè)(但不是最后一個(gè))是包含4個(gè)整型成員的CvScalar類(lèi)型，當(dāng)內(nèi)存不是問(wèn)題時(shí):CvScal

ar經(jīng)常用來(lái)代替1.2或者3個(gè)實(shí)數(shù)成員(在這個(gè)情況下，不需要的分量被忽略)。CvScalar

有一個(gè)單獨(dú)的成員val,它是一個(gè)指向4個(gè)雙精度浮點(diǎn)數(shù)數(shù)組的指針。

所有這些數(shù)據(jù)類(lèi)型具有以其名稱(chēng)來(lái)定義的構(gòu)造函數(shù)，例如cvSize。。(構(gòu)造函數(shù)通常具有與結(jié)

構(gòu)類(lèi)型一樣的名稱(chēng)，只是首字母不大寫(xiě))。記住，這是C而不是C++,所以這些構(gòu)造函數(shù)只

是內(nèi)聯(lián)函數(shù)，它們首先提取參數(shù)列表，然后返回被賦予相關(guān)值的結(jié)

構(gòu)?！?1】

各數(shù)據(jù)類(lèi)型的內(nèi)聯(lián)構(gòu)造函數(shù)被列在表3-1中：cvPointXXX(),cvSize(),cvRect()和cvScalar。。

這些結(jié)構(gòu)都十分有用，因?yàn)樗鼈儾粌H使代碼更容易編寫(xiě)，而且也更易于閱讀。假設(shè)要在(5,

10)和(20,30)之間畫(huà)一個(gè)白色矩形，只需簡(jiǎn)單調(diào)用：

cvRectangle(

mylmg,

cvPoint(5,10),

cvPoint(20,30),

cvScalar(255,255,255)

)；

表3-1：points,size,rectangles和calar三元組的結(jié)構(gòu)

結(jié)構(gòu)成員意義

CvPointintx,y圖像中的點(diǎn)

CvP0int2D32ffloatx,y二維空間中的點(diǎn)

CvP0int3D32ffloatx,y,z三維空間中的點(diǎn)

CvSizeintwidth,height圖像的尺寸

CvRectintx,y,width,height圖像的部分區(qū)域

OvScalardoubleval[4]RGBA值

cvScalar是一個(gè)特殊的例子：它有3個(gè)構(gòu)造函數(shù)。第一個(gè)是cvScalaK),它需要一個(gè)、兩個(gè)、

三個(gè)或者四個(gè)參數(shù)并將這些參數(shù)傳遞給數(shù)組val[]中的相應(yīng)元素。第二個(gè)構(gòu)造函數(shù)是cvReal

Scalar(),它需要?個(gè)參數(shù)，它被傳遞給給val[0],而val[]數(shù)組別的值被賦為0。最后一個(gè)有

所變化的是cvScalarAll。，它需要一個(gè)參數(shù)并且val口中的4個(gè)元素都會(huì)設(shè)置為這個(gè)參數(shù)。

矩陣和圖像類(lèi)型

圖3-1為我們展示了三種圖像的類(lèi)或結(jié)構(gòu)層次結(jié)構(gòu)。使用OpenCV時(shí),會(huì)頻繁遇到Ipllmage

數(shù)據(jù)類(lèi)型，第2章已經(jīng)出現(xiàn)多次。Ipllmage是我們用來(lái)為通常所說(shuō)的“圖像”進(jìn)行編碼的基本

結(jié)構(gòu)。這些圖像可能是灰度，彩色，4通道的(RGB+alpha),其中每個(gè)通道可以包含任意的

整數(shù)或浮點(diǎn)數(shù)。因此，該類(lèi)型比常見(jiàn)的、易于理解的3通道8位RGB圖像更通用。

OpenCV提供了大量實(shí)用的圖像操作符，包括縮放圖像，單通道提取，找出特定通道最大最

小值，兩個(gè)圖像求和，對(duì)圖像進(jìn)行閾值操作，等等。本章我們將仔細(xì)介紹這類(lèi)操

圖3-1：雖然OpenCV是由C語(yǔ)言實(shí)現(xiàn)的，但它使用的結(jié)構(gòu)體也是遵循面向?qū)ο蟮乃枷朐O(shè)計(jì)

的。實(shí)際上，Ipllmage由CvMat派生，而O/Mat由CvArr派生

在開(kāi)始探討圖像細(xì)節(jié)之前，我們需要先了解另?種數(shù)據(jù)類(lèi)型CvMat,OpenCV的矩陣結(jié)構(gòu)。

雖然OpenCV完全由C語(yǔ)言實(shí)現(xiàn)，但CvMat和Ipllmage之間的關(guān)系就如同C++中的繼承關(guān)

系。實(shí)質(zhì)上，Ipllmage可以被視為從CvMat中派生的。因此，在試圖了解復(fù)雜的派生類(lèi)之

前，最好先了解基本的類(lèi)。第三個(gè)類(lèi)CvArr,可以被視為一個(gè)抽象基類(lèi)，CvMat由它派生。

在函數(shù)原型中，會(huì)經(jīng)?？吹紺vArr(更準(zhǔn)確地說(shuō)，CvArr*),當(dāng)它出現(xiàn)時(shí)，便可以將CvMat*

或Ipllmage*傳遞到程序。

CvMat矩陣結(jié)構(gòu)

在開(kāi)始學(xué)習(xí)矩陣的相關(guān)內(nèi)容之前，我們需要知道兩件事情。第一，在OpenCV中沒(méi)有向量(v

ector)結(jié)構(gòu)。任何時(shí)候需要向量，都只需要一個(gè)列矩陣(如果需要一個(gè)轉(zhuǎn)置或者共施向量，則

需要?個(gè)行矩陣)。第二，OpenCV矩陣的概念與我們?cè)诰€(xiàn)性代數(shù)課上學(xué)習(xí)的概念相比，更

抽象，尤其是矩陣的元素，并非只能取簡(jiǎn)單的數(shù)值類(lèi)型。例如，-個(gè)用于新建一個(gè)二維矩陣

的例程具有以下原型：

cvMat*cvCreateMat(introws,intcols,inttype);

這里type可以是任何預(yù)定義類(lèi)型，預(yù)定義類(lèi)型的結(jié)構(gòu)如下：CV_<bit_depth>(SIUIF)Ccnumb

er_of_channels>o于是，矩陣的元素可以是32位浮點(diǎn)型數(shù)據(jù)(CV_32FC1),或者是無(wú)符號(hào)的

8位三元組的整型數(shù)據(jù)(CV_8UC3),或者是無(wú)數(shù)的其他類(lèi)型的元素。一個(gè)CvMat的元素不?

定就是個(gè)單一的數(shù)字。在矩陣中可以通過(guò)單一(簡(jiǎn)單)的輸入來(lái)表示多值，這樣我們可以在一

個(gè)三原色圖像上描繪多重色彩通道。對(duì)于一個(gè)包含RGB通道的簡(jiǎn)單圖像，大多數(shù)的圖像操

作將分別應(yīng)用于每一個(gè)通道(除非另有說(shuō)明)。

實(shí)質(zhì)上，正如例3-1所示，CvMat的結(jié)構(gòu)相當(dāng)簡(jiǎn)單，(可以自己打開(kāi)文件…/ope〃cM、xc"e/i〃c

lude/cxtypes.h查看)。矩陣由寬度(width)、高度(height)、類(lèi)型(type)、行數(shù)據(jù)長(zhǎng)度(step,行的

氏度用字節(jié)表示而不是整型或者浮點(diǎn)型長(zhǎng)度)和一個(gè)指向數(shù)據(jù)的指針構(gòu)成(現(xiàn)在我們還不能

討論更多的東西)?？梢酝ㄟ^(guò)一個(gè)指向CvMat的指針訪(fǎng)問(wèn)這些成員，或者對(duì)于一些普通元素，

使用現(xiàn)成的訪(fǎng)問(wèn)方法。例如，為了獲得矩陣的大小，可通過(guò)調(diào)用函數(shù)vGetSize(CvMat*),返

回一個(gè)CvSize結(jié)構(gòu)，便可以獲取任何所需信息，或者通過(guò)獨(dú)立訪(fǎng)問(wèn)高度和寬度，結(jié)構(gòu)為ma

trix->height和matrix->width?！?3?34】

例3-1：Q/Mat結(jié)構(gòu)：矩陣頭

typedefstructCvMat{

inttype;

intstep;

int*refcount;//forinternaluseonly

union{

uchar*ptr;

short*s;

int*i;

float*fl;

double*db;

}data;

union{

introws;

intheight;

)；

union{

intcols;

intwidth;

)；

}CvMat;

此類(lèi)信息通常被稱(chēng)作矩陣頭。很多程序是區(qū)分矩陣頭和數(shù)據(jù)體的，后者是各個(gè)data成員所

指向的內(nèi)存位置。

矩陣有多種創(chuàng)建方法。最常見(jiàn)的方法是用cvCreateMat。，它由多個(gè)原函數(shù)組成，如cvCreat

eMatHeader()^ncvCreateData()ocvCreateMatHeader()函數(shù)創(chuàng)建CvMat結(jié)構(gòu)，不為數(shù)據(jù)分配內(nèi)

存，而cvCreateData。函數(shù)只負(fù)責(zé)數(shù)據(jù)的內(nèi)存分配。有時(shí)，只需要函數(shù)cvCreateMatHeader(),

因?yàn)橐岩蚱渌碛煞峙淞舜鎯?chǔ)空間，或因?yàn)檫€不準(zhǔn)備分配存儲(chǔ)空間。第三種方法是用函數(shù)c

vCloneMat(CvMat*),它依據(jù)一個(gè)現(xiàn)有矩陣創(chuàng)建一個(gè)新的矩陣。當(dāng)這個(gè)矩陣不再需耍時(shí)，可

以調(diào)用函數(shù)cvReleaseMat(CvMat*)釋放它。【34】

例3-2概述了這些函數(shù)及其密切相關(guān)的其他函數(shù)。

例3-2：矩陣的創(chuàng)建和釋放

//Createanewrowsbycolsmatrixoftype'type'.

//

Q/Mat*cvCreateMat(introws,intcols,inttype);

//Createonlymatrixheaderwithoutallocatingdata

//

OMat*cvCreateMatHeader(introws,intcols,inttype);

//InitializeheaderonexistiongCvMatstructure

//

Q/Mat*cvlnitMatHeader(

CvMat*mat,

introws,

intcols,

inttype,

void*data=NULL,

intstep=CV_AUTOSTEP

)；

//LikecvlnitMatHeader()butallocatesCvMataswell.

//

Q/MatcvMat(

introws,

int(x)ls,

inttype,

void*data=NULL

)；

//Allocateanewmatrixjustlikethematrix'mat'.

//

Q/Mat*cvQoneMat(constcvMat*mat);

//Freethematrix'mat',bothheaderanddata.

//

voidcvReleaseMat(Q/Mat**mat);

與很多OpenCV結(jié)構(gòu)類(lèi)似，有…種構(gòu)造函數(shù)叫cvMat,它可以創(chuàng)建CvMat結(jié)構(gòu)，但實(shí)際h

不分配存儲(chǔ)空間，僅創(chuàng)建頭結(jié)構(gòu)(與cvInilMatHeader。類(lèi)似)。這些方法對(duì)于存取到處散放的

數(shù)據(jù)很有作用，可以將矩陣頭指向這些數(shù)據(jù)，實(shí)現(xiàn)對(duì)這些數(shù)據(jù)的打包，并用操作矩陣的函數(shù)

去處理這些數(shù)據(jù)，如例3-3所示。

例3-3：用固定數(shù)據(jù)創(chuàng)建一個(gè)OpenCV矩陣

//CreateanOpenCVMatrixcontainingsomefixeddata.

//

floatvals[]={0.866025,-0.500000,0.500000,0.866025};

Q/Matrotmat;

cvlnitMatHeader(

&rotmat,

2,

2,

CV_32FC1,

vals

)；

一旦我們創(chuàng)建了一個(gè)矩陣，便可用它來(lái)完成很多事情。最簡(jiǎn)單的操作就是查詢(xún)數(shù)組定義和數(shù)

據(jù)訪(fǎng)問(wèn)等。為查詢(xún)矩陣，我們可以使用函數(shù)cvGetElemType(constCvArr*arr).cvGetDims(c

onstCvArr*arr,int*sizes=NULL)和cvGet-DimSize(constCvArr*arr,intindex)?第一個(gè)

返回一個(gè)整型常數(shù)，表示存儲(chǔ)在數(shù)組里的元素類(lèi)型(它可以為CV_8UC1和CV_64FC4等類(lèi)

型)。第二個(gè)取出數(shù)組以及一個(gè)可選擇的整型指針，它返回維數(shù)(我們當(dāng)前的實(shí)例是二維，但

是在后面我們將遇到的N維矩陣對(duì)象)。如果整型指針不為空，它將存儲(chǔ)對(duì)應(yīng)數(shù)組的高度和

寬度(或者N維數(shù))。最后的函數(shù)通過(guò)一個(gè)指示維數(shù)的整型數(shù)簡(jiǎn)單地返回矩陣在那個(gè)維數(shù)上矩

陣的大小?！?5?36]

矩陣數(shù)據(jù)的存取

訪(fǎng)問(wèn)矩陣中的數(shù)據(jù)有3種方法：簡(jiǎn)單的方法、麻煩的方法和恰當(dāng)?shù)姆椒ā?/p>

簡(jiǎn)單的方法

從矩陣中得到?個(gè)元素的最簡(jiǎn)單的方法是利用宏CV_MAT_ELEM()?這個(gè)宏(參

見(jiàn)例3-4)傳入矩陣、待提取的元素的類(lèi)型、行和列數(shù)4個(gè)參數(shù)，返回提

取出的元素的值。

例3-4：利用CV_MAT_ELEM()宏存取矩陣

Q/Mat*mat=cvCreateMat(5,5,CV_32FC1);

floatelement_3_2=CV_MAT_ELEM(*mat,float,3,2);

更進(jìn)?步，還有一個(gè)與此宏類(lèi)似的宏，叫CV_MAT_ELEM_PTR()。CV_MAT_ELEM_PTR()

(參見(jiàn)例3-5)傳入矩陣、待返回元素的行和列號(hào)這3個(gè)參數(shù)，返回指向這個(gè)元素的指針。該

宏和CV_MAT_ELEM()宏的最重要的區(qū)別是后者在指針解引用之前將其轉(zhuǎn)化成指定的類(lèi)型。

如果需要同時(shí)讀取數(shù)據(jù)和設(shè)置數(shù)據(jù)，可以直接調(diào)用CV_MAT_ELEM_PTR(),但在這種情況

下，必須自己將指針轉(zhuǎn)化成恰當(dāng)?shù)念?lèi)型。

例3-5：利用宏CV_MAT_ELEM_FTR()為矩陣設(shè)置一個(gè)數(shù)值

Q/Mat*mat=cvCreateMat(5,5,CV_32FC1);

floatelement_3_2=7.7;

*((float*)CV_MAT_ELEM_PTR(*mat,3,2))=element_3_2;

[36]

遺撼的是，這些宏在每次調(diào)用的時(shí)候都重新計(jì)算指針。這意味著要查找指向矩陣基本元素?cái)?shù)

據(jù)區(qū)的指針、計(jì)算目標(biāo)數(shù)據(jù)在矩陣中的相對(duì)地址，然后將相對(duì)位置與基本位置相加。所以，

即使這些宏容易使用，但也不是存取矩陣的最佳方法。在計(jì)劃順序訪(fǎng)問(wèn)矩陣中的所有元素時(shí)，

這種方法的缺點(diǎn)尤為突出。下面我們將講述怎么運(yùn)用最好的方法完成這個(gè)重要任務(wù)。

麻煩的方法

在“簡(jiǎn)單的方法”中討論的兩個(gè)宏僅僅適用于訪(fǎng)問(wèn)1維或2維的數(shù)組(回憶一下，I維的數(shù)組，

或者稱(chēng)為“向量”實(shí)際只是一個(gè)"X1維矩陣)。OpenCV提供了處理多維數(shù)組的機(jī)制。事實(shí)上，

OpenCV可以支持普通的N維的數(shù)組，這個(gè)N值可以取值為任意大的數(shù)。

為了訪(fǎng)問(wèn)普通矩陣中的數(shù)據(jù)，我們可以利用在例3-6和例3-7中列舉的cvPtr*D和cvGet*D…

等函數(shù)族。cvPtr*D家族包括cvPtrlDO,cvPtr2D(),cvPtr3D()和cvPtrND?！?。這三個(gè)函數(shù)都

可接收CvArr*類(lèi)型的矩陣指針參數(shù)，緊隨其后的參數(shù)是表示索引的整數(shù)值，最后是一個(gè)可

選的參數(shù)，它表示輸出值的類(lèi)型。函數(shù)返回一個(gè)指向所需元素的指針。對(duì)于cvPtrND()來(lái)說(shuō),

第二個(gè)參數(shù)是一個(gè)指向一個(gè)整型數(shù)組的指針，這個(gè)數(shù)組中包含索引的合適數(shù)字。后文會(huì)再次

介紹此函數(shù)(在這之后的原型中，也會(huì)看到一些可選參數(shù)，必要時(shí)會(huì)有講解)。

例3-6：指針訪(fǎng)問(wèn)矩陣結(jié)構(gòu)

uchar*cvPtr1D(

constCvArr*arr,

intidxO,

int*type=NULL

)；

uchar*cvPtr2D(

constCvArr*arr,

intidxO,

intidx1,

int*type=NULL

)；

uchar*cvPtr3D(

constCvArr*arr,

intidxO,

intidx1,

intidx2,

int*type=NULL

)；

uchar*cvPtrND(

constCvArr*arr,

int*idx,

int*type=NULL,

intcreate_node=1,

unsigned*precalc_hashval=NULL

)；[37?38]

如果僅僅是讀取數(shù)據(jù)，可用另一個(gè)函數(shù)族cvGet*D。如例3?7所示，該例與例3?6類(lèi)似，但

是返回矩陣元素的實(shí)際值。

例3-7：Q/Mat和IPIImage元素函數(shù)

doublecvGetReal1D(constQ/Arr*arr,intidxO);

doublecvGetReal2D(constQ/Arr*arr,intidxO,intidx1);

doublecvGetReal3D(constQ/Arr*arr,intidxO,intidx1,intidx2);

doublecvGetRealND(constCvArr*arr,int*idx);

Q/ScalarcvGet1D(constQ/Arr*arr,intidxO);

Q/ScalarcvGet2D(constOArr*arr,intidxO,intidx1);

Q/ScalarcvGet3D(constCX/Arr*arr,intidxO,intidx1,intidx2);

Q/ScalarcvGetND(constCvArr*arr,int*idx);

cvGet*D中有四個(gè)函數(shù)返回的是整型的，另外四個(gè)的返回值是CvScalar類(lèi)型的。這意味著在

使用這些函數(shù)的時(shí)候，會(huì)有很大的空間浪費(fèi)。所以，只是在你認(rèn)為用這些函數(shù)比較方便和高

效率的時(shí)候才用它們，否則，最好用cvPtr*D。

用cvPtr*D()函數(shù)族還有另外一個(gè)原因，即可以用這些指針函數(shù)訪(fǎng)問(wèn)矩陣中的特定的點(diǎn)，然

后由這個(gè)點(diǎn)出發(fā)，用指針的算術(shù)運(yùn)算得到指向矩陣中的其他數(shù)據(jù)的指針。在多通道的矩陣中，

務(wù)必記住一點(diǎn)：通道是連續(xù)的，例如，在一個(gè)3通道2維的表示紅、綠、藍(lán)(RGB)矩陣中。

矩陣數(shù)據(jù)如下存儲(chǔ)rgbrgbrgb.一。所以，要將指向該數(shù)據(jù)類(lèi)型的指針移動(dòng)到下一通道，我

們只需要將其增加1。如果想訪(fǎng)問(wèn)下一個(gè)“像素”或者元素集，我們只需要增加一定的偏移量,

使其與通道數(shù)相等。

另一個(gè)需要知道的技巧是矩陣數(shù)組的step元素(參見(jiàn)例3-1和例3-3),step是矩陣中行的長(zhǎng)

度，單位為字節(jié)。在那些結(jié)構(gòu)中，僅靠cols或width是無(wú)法在矩陣的不同行之間移動(dòng)指針的，

出于效率的考慮，矩陣或圖像的內(nèi)存分配都是4字節(jié)的整數(shù)倍。所以，三個(gè)字節(jié)寬度的矩陣

將被分配4個(gè)字節(jié)，最后一個(gè)字節(jié)被忽略。因此，如果我們得到一個(gè)字節(jié)指針，該指針指向

數(shù)據(jù)元素，那么我們可以用step和這個(gè)指針相加以使指針指向正好在我們的點(diǎn)的下一行元

素。如果我們有?個(gè)整型或者浮點(diǎn)型的矩陣，對(duì)應(yīng)的有整型和浮點(diǎn)型的指針指向數(shù)據(jù)區(qū)域，

我們將讓step/4與指針相加來(lái)移到下一行，對(duì)雙精度型的，我們讓step/8與指針相加(這里

僅僅考慮了C將自動(dòng)地將差值與我們添加的數(shù)據(jù)類(lèi)型的字節(jié)數(shù)相

乘)。

[38]

例3-8中的cvSet*D和cvGet*D多少有些相似，它通過(guò)一次函數(shù)調(diào)用為一個(gè)矩陣或圖像中的

元素設(shè)置值，函數(shù)cvSetReal*D()和函數(shù)cvSet*D()可以用來(lái)設(shè)置矩陣或者圖像中元素的數(shù)值。

例3-8：為CvMat或者IpHmage元素設(shè)定值的函數(shù)

voidcvSetReal1D(CvArr*arr,intidxO,doublevalue);

voidcvSetReal2D(CvArr*arr,intidxO,intidx1,doublevalue);

voidcvSetReal3D(

CvArr*arr,

intidxO,

intidx1,

intidx2,

doublevalue

)；

voidcvSetRealND(CX/Arr*arr,int*idx,doublevalue);

voidcvSetlD(CvArr*arr,intidxO,CvScalarvalue);

voidcvSet2D(CvArr*arr,intidxO,intidx1,CvScalarvalue);

voidcvSet3D(

CvArr*arr,

intidxO,

intidx1,

intidx2,

CvScalarvalue

)；

voidcvSetND(CvArr*arr,int*idx,CvScalarvalue);

為了方便，我們也可以使用cvmSet()和cvmGet(),這兩個(gè)函數(shù)用于處理浮點(diǎn)型單通道矩陣,

非常簡(jiǎn)單。

doublecvmGet(constCvMat*mat,introw,intcol)

voidcvmSet(CVMat*mat,introw,intcol,doublevalue)

以下函數(shù)調(diào)用cvmSetO：

cvmSet(mat,2,2,0.5000);

等同于cvSetReal2D函數(shù)調(diào)用：

cvSetReal2D(mat,2,2,0.5000);

恰當(dāng)?shù)姆椒?/p>

從以上所有那些訪(fǎng)問(wèn)函數(shù)來(lái)看，你可能會(huì)想，沒(méi)有必要再介紹了。實(shí)際上，這些set和get

函數(shù)很少派上用場(chǎng)。大多數(shù)時(shí)侯，計(jì)算機(jī)視覺(jué)是一種運(yùn)算密集型的任務(wù)，因而你想盡量利用

最有效的方法做事。毋庸置疑，通過(guò)這些函數(shù)接口是不可能做到十分高效的。相反地，應(yīng)該

定義自己的指針計(jì)算并且在矩陣中利用自己的方法。如果打算對(duì)數(shù)組中的每一個(gè)元素執(zhí)行一

些操作，使用自己的指針是尤為重要的(假設(shè)沒(méi)有可以為你執(zhí)行任務(wù)的OpenCV函數(shù))。

要想直接訪(fǎng)問(wèn)矩陣，其實(shí)只需要知道一點(diǎn)，即數(shù)據(jù)是按光柵掃描順序存儲(chǔ)的，歹ij("x”)是變

化最快的變量。通道是互相交錯(cuò)的，這意味著，對(duì)于?個(gè)多通道矩陣來(lái)說(shuō)，它們變化的速度

仍然比較快。例3-9顯示了這一過(guò)程。【39?40]

例3-9：累加一個(gè)三通道矩陣中的所有元素

floatsum(constCvMat*mat){

floats=O.Of;

for(introw=0;row<mat->rows;row++){

constfloat*ptr=(constfloat*)(mat->data.ptr+row*mat->step);

for(col=0;col<mat->cols;col++){

s+=*ptr++;

)

return(s);

)

計(jì)算指向矩陣的指針時(shí).，記住一點(diǎn)：矩陣的元素data是一個(gè)聯(lián)合體。所以，對(duì)這個(gè)指針解

引用的時(shí)候，必須指明結(jié)構(gòu)體中的正確的元素以便得到正確的指針類(lèi)型。然后，為了使指針

產(chǎn)生正確的偏移，必須用矩陣的行數(shù)據(jù)長(zhǎng)度(step)元素。我們以前曾提過(guò)，行數(shù)據(jù)元素的是

用字節(jié)來(lái)計(jì)算的。為了安全，指針最好用字節(jié)計(jì)算，然后分配恰當(dāng)?shù)念?lèi)型，如浮點(diǎn)型。Cv

Mat結(jié)構(gòu)中為了兼容Iplhnage結(jié)構(gòu)，有寬度和高度的概念，這個(gè)概念已經(jīng)被最新的行和列取

代。最后要注意，我們?yōu)槊啃卸贾匦掠?jì)算了ptr,而不是簡(jiǎn)單地從開(kāi)頭開(kāi)始，爾后每次讀的

時(shí)候累加指針。這看起來(lái)好像很繁瑣，但是因?yàn)镃vMat數(shù)據(jù)指針可以指向一個(gè)大型數(shù)組中

的R0I,所以無(wú)法保證數(shù)據(jù)會(huì)逐行連續(xù)存取。

點(diǎn)的數(shù)組

有一個(gè)經(jīng)常提到但又必須理解的問(wèn)題是，包含多維對(duì)象的多維數(shù)組(或矩陣)和包含一維對(duì)象

的高維數(shù)組之間的不同。例如，假設(shè)有〃個(gè)三維的點(diǎn)，你想將這些點(diǎn)傳遞到參數(shù)類(lèi)型為Cv

Mat*的一些OpenCV函數(shù)中。對(duì)此，有四種顯而易見(jiàn)的方式，記住，這些方法不一定等價(jià)。

一是用一個(gè)二維數(shù)組，數(shù)組的類(lèi)型是CV32FC1,有”行，3列5x3)。類(lèi)似地，也可以用一

個(gè)3行〃列(3x〃)的二維數(shù)組。也可以用一個(gè)"行1列(〃xl)的數(shù)組或者1行〃歹的數(shù)組,

數(shù)組的類(lèi)型是CV32FC3。這些例子中，有些可以自由轉(zhuǎn)換(這意味著只需傳遞一個(gè)，另一個(gè)

便可可以計(jì)算得到)，有的則不能。要想理解原因，可以參考圖3-2中的內(nèi)存布

局情況。

從圖中可以看出，在前三種方式中，點(diǎn)集以同樣的方式被映射到內(nèi)存。但最后一種方式則不

同。對(duì)N維數(shù)組的c維點(diǎn)，情況變得更為復(fù)雜。需要記住的最關(guān)鍵的一點(diǎn)是，給定點(diǎn)的位

置可以由以下公式計(jì)算出來(lái)。

$=(IDW).取.N…+(coD?Ni+(chaimel)

n-by-132FC3)1-by-n32FC3)

Xoyo2oXi力2lXoyoZoXiyi2l

points

X2Y2z?X3丫3Z3X2y?22X3yjA

(XoyZo)

0x*Y4乙X5Vs4x4VA必V、4

僅1為zj

X6y6qX7y?27%丫6■X7YlZ7

(xjyjZj)x8心Z8y94X8y?4叼y929

(x3y}z3)

dvR

(xsy$zs)n-by-3132FC1)3-by-n32FC1)

僅6丫6勾*0yo20yi2l*0Xi■*3X5

(x?y/z7)勺y：4X3X7XR*9Voyi

僅)

8y8Z8X424X5V，z$V1y$V7

（必丫9與）*6火qMY727ya丫9Z9Ziz2Z3

y?28VQZ9244q27s29

圖3-2：有10個(gè)點(diǎn)，每個(gè)點(diǎn)由3個(gè)浮點(diǎn)數(shù)表示，這10個(gè)點(diǎn)被放在4個(gè)結(jié)構(gòu)稍有不同的數(shù)組

中。前3種情況下，內(nèi)存布局情況是相同的，但最后一種情況下，內(nèi)存布局不同

其中，%和Mhanneb分別表示列數(shù)和通道數(shù)。總的來(lái)說(shuō)，從這個(gè)公式中可以看出一點(diǎn)，一

個(gè)c維對(duì)象的N維數(shù)組和一個(gè)一維對(duì)象的（N+C）維數(shù)組不同。至于N=l（即把向量描繪成"X1

或者1X"數(shù)組），有一個(gè)特殊之處（即圖3-2顯示的等值）值得注意，如果考慮到性能，可以在

有些情況下用到它。

關(guān)于OpenCV的數(shù)據(jù)類(lèi)型，如CvPoint2D和CvPoint2D32f,我們要說(shuō)明的最后一點(diǎn)是：這

些數(shù)據(jù)類(lèi)型被定義為C結(jié)構(gòu)，因此有嚴(yán)格定義的內(nèi)存布局。具體說(shuō)來(lái)，由整型或者浮點(diǎn)型

組成的結(jié)構(gòu)是順序型的通道。那么，對(duì)于一維的C語(yǔ)言的對(duì)象數(shù)組來(lái)說(shuō)，其數(shù)組元素都具

有相同的內(nèi)存布局，形如CV32FC2的?xl或者lx〃數(shù)組。這和申請(qǐng)CvPoint3D32f類(lèi)型的

數(shù)組結(jié)構(gòu)也是相同的。[41]

Ipllmage數(shù)據(jù)結(jié)構(gòu)

掌握了前面的知識(shí)，再來(lái)討論Ipllmage數(shù)據(jù)結(jié)構(gòu)就比較容易了。從本質(zhì)上講，它是?個(gè)Cv

Mat對(duì)象，但它還有其他一些成員變量將矩陣解釋為圖像。這個(gè)結(jié)構(gòu)最初被定義為Intel圖

像處理庫(kù)（IPL）的一部分。Ipllmage結(jié)構(gòu)的準(zhǔn)確定義如例3-10所示。

例3-10：IpHmage結(jié)構(gòu)

typedefstruct」plImage{

intnSze;

intID;

intnChannels;

intalphaChannel;

intctepth;

charcolorModel[4];

charchannelSeq[4];

intdataOrder;

intorigin;

intalign;

intwidth;

intheight;

struct」plROI*roi;

structJplImage*maskROI;

void*imageld;

structJpITilelnfo*tileinfo;

intimageSze;

char*imageData;

intwidthStep;

intBorderMode[4];

intBorderConst[4];

char*imageDataOrigin;

}IplImage;

我們?cè)噲D討論這些變量的某些功能。有些變量不是很重要，但是有些變量非常重要，有助于

我們理解OpenCV解釋和處理圖像的方式。

width和height這兩個(gè)變量很重要，其次是depth和nchannals。depth變量的值取自ipl.h中

定義的一組數(shù)據(jù)，但與在矩陣中看到的對(duì)應(yīng)變量不同。因?yàn)樵趫D像中，我們往往將深度和通

道數(shù)分開(kāi)處理，而在矩陣中，我們往往同時(shí)表示它們?？捎玫纳疃戎等绫?-2所

示。[42]

表3-2：OpenCV圖像類(lèi)型

宏圖像像素類(lèi)型

IPL^DEPTH_8U無(wú)符號(hào)8位整數(shù)(8u)

IPL^DEPTH_8S有符號(hào)8位整數(shù)(8s)

IPL^DEPTH_16S有符號(hào)16位整數(shù)(16s)

IPL_DEPTH_32S有符號(hào)32位整數(shù)(32s)

IPL^DEPTH_32F32位浮點(diǎn)數(shù)單精度(32f)

IPL^DEPTH_64F64位浮點(diǎn)數(shù)雙精度(64f)

通道數(shù)nChannels可取的值是1,2,3或4。

隨后兩個(gè)重要成員是origin和dataOrder。origin變量可以有兩種取值：IPL_ORIGIN_TL或

者IPL_ORIGIN_BL,分別設(shè)置坐標(biāo)原點(diǎn)的位置于圖像的左上角或者左下角。在計(jì)算機(jī)視覺(jué)

領(lǐng)域，一個(gè)重要的錯(cuò)誤來(lái)源就是原點(diǎn)位置的定義不統(tǒng)一。具體而言，圖像的來(lái)源、操作系統(tǒng)、

編解碼器和存儲(chǔ)格式等因素都可以影響圖像坐標(biāo)原點(diǎn)的選取。舉例來(lái)說(shuō)，你或許認(rèn)為自己正

在從圖像上面的臉部附近取樣，但實(shí)際上卻在圖像下方的裙子附近取樣。避免此類(lèi)現(xiàn)象發(fā)生

的最好辦法是在最開(kāi)始的時(shí)候檢查一下系統(tǒng)，在所操作的圖像塊的地方畫(huà)點(diǎn)東西試試。

dataOrder的取值可以是IPL_DATA_ORDER_PIXEL或IPL_DATA_ORDER_PLANE,前者指

明數(shù)據(jù)是將像素點(diǎn)不同通道的值交錯(cuò)排在一起(這是常用的交錯(cuò)排列方式)，后者是把所有像

素同通道值排在一起，形成通道平面，再把平面排列起來(lái)。

參數(shù)widthStep與前面討論過(guò)的CvMat中的step參數(shù)類(lèi)似，包括相鄰行的同列點(diǎn)之間的字節(jié)

數(shù)。僅憑變量width是不能計(jì)算這個(gè)值的，因?yàn)闉榱颂幚磉^(guò)程更高效每行都會(huì)用固定的字節(jié)

數(shù)來(lái)對(duì)齊；因此在第i行末和第/+1行開(kāi)始處可能會(huì)有些冗于字節(jié)。參數(shù)imageData包含一

個(gè)指向第一行圖像數(shù)據(jù)的指針。如果圖像中有些獨(dú)立的平面(如當(dāng)dataOrder=IPL_DATA_

ORDER_PLANE)那么把它們作為單獨(dú)的圖像連續(xù)擺放，總行數(shù)為height和nChannels的乘

積。但通常情況下，它們是交錯(cuò)的，使得行數(shù)等于高度，而且每一行都有序地包含交錯(cuò)的通

道。

最后還有一個(gè)實(shí)用的重要參數(shù)——感興趣的區(qū)域(ROI),實(shí)際上它是另一個(gè)IPL/IPP結(jié)構(gòu)Ip

1R0I的實(shí)例。IplROI包含xOffset,yOffset,height,width和coi成員變量，其中COI代表

channelofinterest(感興趣的通道)。ROI的思想是：一旦設(shè)定ROI,通常作用于整幅圖像的

函數(shù)便會(huì)只對(duì)ROI所表示的子圖像進(jìn)行操作。如果Ipllmage變量中設(shè)置了ROI,則所有的

OpenCV函數(shù)就會(huì)使用該ROI變量。如果C01被設(shè)置成非0值，則對(duì)該圖像的操作就只作

用于被指定的通道上了?不幸的是，許多OpenCV函數(shù)都忽略參數(shù)COI。

訪(fǎng)問(wèn)圖像數(shù)據(jù)

通常，我們需要非常迅速和高效地訪(fǎng)問(wèn)圖像中的數(shù)據(jù)。這意味著我們不應(yīng)受制于存取函數(shù)(如

cvSet*D之類(lèi))。實(shí)際上，我們想要用最直接的方式訪(fǎng)問(wèn)圖像內(nèi)的數(shù)據(jù)。現(xiàn)在，應(yīng)用已掌握的

Ipllmage內(nèi)部結(jié)構(gòu)的知識(shí)，我們知道怎樣做才是最佳的方法。

雖然OpenCV中有很多優(yōu)化函數(shù)幫助我們完成大多數(shù)的圖像處理的任務(wù)，但是還有一些任

務(wù)，庫(kù)中沒(méi)有預(yù)先包裝好的函數(shù)可以幫我們解決。例如，如果我們有一個(gè)三通道HSV圖像[S

mith78],在色度保持不變的情況下，我們要設(shè)置每個(gè)點(diǎn)的飽和度和高度為255(8位圖像的最

大值)，我們可以使用指針遍歷圖像，類(lèi)似于例3-9中的矩陣遍歷。然而，有一些細(xì)微的不

同，是源于IpHmage和CvMat結(jié)構(gòu)的差異。例3-11演示了最高效的方法。

例3-11：僅最大化HSV圖像"S’和"V部分

voidsaturate_sv(Ipllmage*img){

for(inty=0;y<img->height;y++){

uchar*ptr=(uchar*)(

img->imageData+y*img->widthStep

)；

for(intx=0;x<img->width;x++){

ptr[3*x+1]=255;

ptr[3*x+2]=255;

)

)

)

在以上程序中，我們用指針ptr指向第y行的起始位置。接著，我們從指針中析出飽和度和

高度在x維的值。因?yàn)檫@是一個(gè)三通道圖像，所以C通道在x行的位置是3*x+c。

與CvMat的成員data相比，Ipllmage和CvMat之間的一個(gè)重要度別在于imageData。CvMa

t的data兀素類(lèi)型是聯(lián)合類(lèi)型，所以你必須說(shuō)明需要使用的指針類(lèi)型。imageData指針是字

節(jié)類(lèi)型指針(uchar*)。我們已經(jīng)知道是種類(lèi)型的指針指向的數(shù)據(jù)是uchar類(lèi)型的，這意味

著,在圖像上進(jìn)行指針運(yùn)算時(shí)，你可以簡(jiǎn)單地增加widthStep(也以字節(jié)為單位)，而不必關(guān)

心實(shí)際數(shù)據(jù)類(lèi)型。在這里重新說(shuō)明一下：當(dāng)要處理的是矩陣時(shí)，必須對(duì)偏移并進(jìn)行調(diào)整，因

為數(shù)據(jù)指針可能是非字節(jié)類(lèi)型；當(dāng)要處理的是圖像時(shí).，可以直接使用偏移，因?yàn)閿?shù)據(jù)指針總

是字節(jié)類(lèi)型，因此當(dāng)你要用到它的時(shí)候要清楚是怎么回事。

對(duì)ROI和widthStep的補(bǔ)充

ROI和widthStep在實(shí)際工作中有很重要的作用，在很多情況下，使用它們會(huì)提高計(jì)算機(jī)視

覺(jué)代碼的執(zhí)行速度。這是因?yàn)樗鼈冊(cè)试S對(duì)圖像的某?小部分進(jìn)行操作，而不是對(duì)整個(gè)圖像進(jìn)

行運(yùn)算。在OpenCV中，普遍支持ROI和widthStep,函數(shù)的操作被限于感興趣區(qū)域。要設(shè)

置或取消ROI,就要使用cvSetlmageROI。和cvResetlmageROI。函數(shù)。如果想設(shè)置ROL可

以使用函數(shù)cvSetlmageROK),并為其傳遞一個(gè)圖像指針和矩形。而取消ROL只需要為函

數(shù)cvResetImageROI()傳遞■個(gè)圖像指針。

voidcvSetlmageROI(Ipllmage*image,CvRectrect);

voidcvResetlmageROI(Ipllmage*image);

為了解釋ROI的用法，我們假設(shè)要加載一幅圖像并修改一些區(qū)域，如例3-12的代碼，讀取

了一幅圖像，并設(shè)置了想要的ROI的x,y,width和height的值，最后將ROI區(qū)域中像素

都加上一個(gè)整數(shù)。本例程中通過(guò)內(nèi)聯(lián)的cvRect()構(gòu)造函數(shù)設(shè)置ROI。通過(guò)cvResetlmageROI。

函數(shù)釋放ROI是非常重要的，否則，將忠實(shí)地只顯示ROI區(qū)域。

例3-12：用imageROI來(lái)增加某范圍的像素

//roi_add<image><x><y><width><height><add>

#include<cv.h>

#include<highgui.h>

intmain(intargc,char**argv)

Ipllmage*src;

if(argc==7&&((src=cvLoadlmage(argv[1],1))!=0))

intx=atoi(argv[2]);

inty=atoi(argv[3]);

intwidth=atoi(argv[4]);

intheight=atoi(argv[5]);

intadd=atoi(argv[6]);

cvSetlmageROI(src,cvRect(x,y,width,height));

cvAddS(src,cvScalar(add),src);

cvResetlmageROI(src);

cvNamedWindow("Roi_Add”，1);

cvShowlmage("Roi_Addn,src);

cvWaitKey();

)

return0;

)

使用例3-12中的代碼把ROI集中于一張貓的臉部，并將其藍(lán)色通道增加150后的效果如圖

3-3所示?！?5~46】

圖3-3：在貓臉上用ROI增加150像素的效果

通過(guò)巧妙地使用widthStep,我們可以達(dá)到同樣的效果。要做到這一點(diǎn)，我們創(chuàng)建另一個(gè)圖

像頭，讓它的width和height的值等于interest_rect的width和height的值。我們還需要按i

nterest_rect起點(diǎn)設(shè)置圖像起點(diǎn)(左上角或者左下角)。下一步，我們?cè)O(shè)置子圖像的widthStep

與較大的interest_img相同。這樣，即可在子圖像中逐行地步進(jìn)到大圖像里子區(qū)域中下?行

開(kāi)始處的合適位置。最后設(shè)置子圖像的imageDate指針指向興趣子區(qū)域的開(kāi)始，如例3-13

所示。

例3-13：利用其他widthStep方法把interestjmg的所有像素值增加1

//AssumingIplImage*interestjmg;and

//Q/Rectinterest_rect;

//UsewidthSteptogetaregionofinterest

//

//(Alternatemethod)

//

IplImage*subJmg=cvCreatelmageHeader(

cvSize(

interest_rect.width,

interest_rect.height

),

interest_img->depth,

interest_img->nChannels

);

sub_img->origin=interest_img->origin;

sub_img->widthstep=interestJmg->widthstep;

sub_img->imageData=interestJmg->imageData+

interest_rect.y*interestJmg->widthstep+

interest_rect.x*interest_img->nChannels;

cvAddS(subjmg,cvScalar(1),subJmg);

cvReleaselmageHeader(&sub_img);

看起來(lái)設(shè)置和重置ROI更方便一些，為什么還要使用widthstep?原因在于有些時(shí)候在處理

的過(guò)程中，想在操作過(guò)程中設(shè)置和保持一幅圖像的多個(gè)子區(qū)域處于活動(dòng)狀態(tài)，但是ROI只

能串行處理并且必須不斷地設(shè)置和重置。

最后，我們要在此提到一個(gè)詞——掩碼或模板，在代碼示例中cvAddS。函數(shù)允許第四個(gè)參

數(shù)默認(rèn)值為空：constCvArr*mask=NULL。這是一個(gè)8位單通道數(shù)組，它允許把操作限制

到任意形狀的非0像素的掩碼區(qū)，如果ROI隨著掩碼或模板變化，進(jìn)程將會(huì)被限制在ROI

和掩碼的交集區(qū)域。掩碼或模板只能在指定了其圖像的函數(shù)中使用。

矩陣和圖像操作

表3-3列出了一些操作矩陣圖像的函數(shù)，其中的大部分對(duì)于圖像處理非常有效。它們實(shí)現(xiàn)了

圖像處理中的基本操作，例如對(duì)角化、矩陣變換以及一些更復(fù)雜的諸如計(jì)算圖像的統(tǒng)計(jì)操

作。[47]

表3-3：矩陣和圖像基本操作

函數(shù)名稱(chēng)描述

cvAbs計(jì)算數(shù)組中所有元素的絕對(duì)值

cvAbsDiff計(jì)算兩個(gè)數(shù)組差值的絕對(duì)值

續(xù)表

函數(shù)名稱(chēng)描述

cvAbsDiffS計(jì)算數(shù)組和標(biāo)量差值的絕對(duì)值

cvAdd兩個(gè)數(shù)組的元素級(jí)的加運(yùn)算

cvAddS一個(gè)數(shù)組和一個(gè)標(biāo)量的元素級(jí)的相加運(yùn)算

cvAddWeighted兩個(gè)數(shù)組的元素級(jí)的加權(quán)相加運(yùn)算（alpha融合）

cvAvg計(jì)算數(shù)組中所有元素的平均值

cvAvgSdv計(jì)算數(shù)組中所有元素的絕對(duì)值和標(biāo)準(zhǔn)差

cvCalcCovarMatrix計(jì)算一組〃維空間向量的協(xié)方差

cvCmp對(duì)兩個(gè)數(shù)組中的所有元素運(yùn)用設(shè)置的比較操作

cvCmpS對(duì)數(shù)組和標(biāo)量運(yùn)用設(shè)置的比較操作

cvConvertScale用可選的縮放值轉(zhuǎn)換數(shù)組元素類(lèi)型

cvConvertScaleAbs計(jì)算可選的縮放值的絕對(duì)值之后再轉(zhuǎn)換數(shù)組元素的類(lèi)型

cvCopy把數(shù)組中的值復(fù)制到另一個(gè)數(shù)組中

cvCountNonZero計(jì)算數(shù)組中非。值的個(gè)數(shù)

cvCrossProduct計(jì)算兩個(gè)三維向量的向量積（叉積）

cvCvtColor將數(shù)組的通道從一個(gè)顏色空間轉(zhuǎn)換另外一個(gè)顏色空間

cvDet計(jì)算方陣的行列式

cvDiv用另外一個(gè)數(shù)組對(duì)一個(gè)數(shù)組進(jìn)行元素級(jí)的除法運(yùn)算

cvDotProduct計(jì)算兩個(gè)向量的點(diǎn)積

cvBgenW計(jì)算方陣的特征值和特征向量

cvFIip圍繞選定軸翻轉(zhuǎn)

cvGEMM矩陣乘法

cvGetCol從一個(gè)數(shù)組的列中復(fù)制元素

cvGetCols從數(shù)據(jù)的相鄰的多列中復(fù)制元素值

cvGetDiag復(fù)制數(shù)組中對(duì)角線(xiàn)上的所有元素

cvGetDims返回?cái)?shù)組的維數(shù)

cvGetDimSze返回個(gè)數(shù)組的所有維的大小

cvGetRow從個(gè)數(shù)組的行中復(fù)制元素值

cvGetRows從一個(gè)數(shù)組的多個(gè)相鄰的行中復(fù)制元素值

cvGetSize得到二維的數(shù)組的尺寸，以CvSze返回

cvGetSubRect從一個(gè)數(shù)組的子區(qū)域復(fù)制元素值

cvlnRange檢查個(gè)數(shù)組的元素是否在另外兩個(gè)數(shù)組中的值的范圍內(nèi)

cvlnRangeS檢查個(gè)數(shù)組的元素的值是否在另外兩個(gè)標(biāo)量的范圍內(nèi)

續(xù)表

函數(shù)名稱(chēng)描述

cvlnvert求矩陣的轉(zhuǎn)置

cvMahalonobis計(jì)算兩個(gè)向量間的馬氏距離

cvMax在兩個(gè)數(shù)組中進(jìn)行元素級(jí)的取最大值操作

cvMaxS在一個(gè)數(shù)組和一個(gè)標(biāo)量中進(jìn)行元素級(jí)的取最大值操作

cvMerge把幾個(gè)單通道圖像合并為一個(gè)多通道圖像

cvMin在兩個(gè)數(shù)組中進(jìn)行元素級(jí)的取最小值操作

cvMinS在個(gè)數(shù)組和?個(gè)標(biāo)量中進(jìn)行元素級(jí)的取最小值操作

cvMinMaxLoc尋找數(shù)組中的最大最小值

cvMul計(jì)算兩個(gè)數(shù)組的元素級(jí)的乘積

cvNot按位對(duì)數(shù)組中的每一個(gè)元素求反

cvNorm計(jì)算兩個(gè)數(shù)組的正態(tài)相關(guān)性

cvNormalize將數(shù)組中元素進(jìn)行規(guī)一化

cvOr對(duì)兩個(gè)數(shù)組進(jìn)行按位或操作

cvOrS在數(shù)組與標(biāo)量之間進(jìn)行按位或操作

cvReduce通過(guò)給定的操作符將二維數(shù)組約簡(jiǎn)為向量

cvRepeat以平鋪的方式進(jìn)行數(shù)組復(fù)制

cvSet用給定值初始化數(shù)組

cvSetZero將數(shù)組中所有元素初始化為0

cvSetldentity將數(shù)組中對(duì)角線(xiàn)上的元素設(shè)為1,其他置0

cvSolve求出線(xiàn)性方程組的解

cvSplit將多通道所組分割成多個(gè)單通道數(shù)組

cvSub兩個(gè)數(shù)組元素級(jí)的相減

cvSubS元素級(jí)的從數(shù)組中減去標(biāo)量

cvSubRS元素級(jí)的從標(biāo)量中減去數(shù)組

cvSum對(duì)數(shù)組中的所有元素求和

cvSVD二維矩陣的奇異值分解

cvSVBkSb奇異值回代計(jì)算

cvTrace計(jì)算矩陣跡

cvTranspose矩陣的轉(zhuǎn)置運(yùn)算

cvXor對(duì)兩個(gè)數(shù)組進(jìn)行按位異或操作

cvXorS在數(shù)組和標(biāo)量之間進(jìn)行按位異或操作

cvZero將所有數(shù)組中的元素置為0

cvAbs,cvAbsDiff和cvAbsDiffS

voidcvAbs(

constCvArr*src,

constdst

)；

voidcvAbsDiff(

constCvArr*src1,

constCvArr*src2,

constdst

)；

voidcvAbsDiffS(

constCvArr*src,

CvScalarvalue,

constdst

[501

這些函數(shù)計(jì)算一個(gè)數(shù)組的絕對(duì)值或數(shù)組和其他對(duì)象的差值的絕對(duì)值，cvAbs()函數(shù)計(jì)算src里

的值的絕對(duì)值，然后把結(jié)果寫(xiě)到dst；cvAbsDiff()函數(shù)會(huì)先從srcl減去src2,然后將所得差

的絕對(duì)值寫(xiě)到dst：除了從所有src元素減掉的數(shù)是常標(biāo)量值外，可以看到cvAbsDiffSO函數(shù)

同cvAbsDiff()函數(shù)基本相同。

cvAdd,cvAddS,cvAddWeighted和alpha融合

voidcvAdd(

constCvArr*srcl,

constCvArr*src2,

CvArr*dst,

constCvArr*mask=NULL

voidcvAddS(

constCvArr*src,

CvScalarvalue,

CvArr*dst,

constCvArr*mask=NULL

voidcvAddWeighted(

constCvArr*srd,

doublealpha,

constCvArr*src2,

double