OPENCV2基础(补充材料)OpenCV_tutorials翻译资料整理而来翻译材料出处:/opencvdoc/2.3.2/html/doc/tutorials/tutorial s.html[2014/10]目录一、Mat - 基本图像容器 (2)二、OpenCV如何扫描图像、利用查找表和计时 (9)三、矩阵的掩码操作 (18)四、使用OpenCV对两幅图像求和（求混合(blending)） (22)五、改变图像的对比度和亮度 (25)六、图像平滑处理 (30)七、腐蚀与膨胀(Eroding and Dilating) (37)八、实现自己的线性滤波器 (45)九、给图像添加边界 (50)十、Sobel 导数 (56)十一、霍夫线变换 (62)十二、直方图均衡化 (69)十三、仿射变换 (74)十四、Remapping 重映射 (83)一、 Mat - 基本图像容器目的从真实世界中获取数字图像有很多方法，比如数码相机、扫描仪、CT或者磁共振成像。

无论哪种方法，我们（人类）看到的是图像，而让数字设备来“看“的时候，则是在记录图像中的每一个点的数值。

比如上面的图像，在标出的镜子区域中你见到的只是一个矩阵，该矩阵包含了所有像素点的强度值。

如何获取并存储这些像素值由我们的需求而定，最终在计算机世界里所有图像都可以简化为数值矩以及矩阵信息。

作为一个计算机视觉库，OpenCV其主要目的就是通过处理和操作这些信息，来获取更高级的信息。

因此，OpenCV如何存储并操作图像是你首先要学习的。

Mat在2001年刚刚出现的时候，OpenCV基于C语言接口而建。

为了在内存（memory）中存放图像，当时采用名为IplImage的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。

但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。

虽然对于小型的程序来说手动管理内存不是问题，但一旦代码开始变得越来越庞大，你需要越来越多地纠缠于这个问题，而不是着力解决你的开发目标。

幸运的是，C++出现了，并且带来类的概念，这给用户带来另外一个选择：自动的内存管理（不严谨地说）。

这是一个好消息，如果C++完全兼容C的话，这个变化不会带来兼容性问题。

为此，OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。

使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁（少写多得）。

但C++接口唯一的不足是当前许多嵌入式开发系统只支持C语言。

所以，当目标不是这种开发平台时，没有必要使用旧方法（除非你是自找麻烦的受虐狂码农）。

关于Mat，首先要知道的是你不必再手动地（1）为其开辟空间（2）在不需要时立即将空间释放。

但手动地做还是可以的：大多数OpenCV函数仍会手动地为输出数据开辟空间。

当传递一个已经存在的Mat对象时，开辟好的矩阵空间会被重用。

也就是说，我们每次都使用大小正好的内存来完成任务。

基本上讲Mat是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。

矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。

因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。

OpenCV 是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。

同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝大的图像，因为这会降低程序速度。

为了搞定这个问题，OpenCV使用引用计数机制。

其思路是让每个Mat对象有自己的信息头，但共享同一个矩阵。

这通过让矩阵指针指向同一地址而实现。

而Mat A, C; // 只创建信息头部分A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存Mat B(A); // 使用拷贝构造函数C = A; // 赋值运算符拷贝构造函数则只拷贝信息头和矩阵指针，而不拷贝矩阵。

以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。

虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。

实际上，不同的对象只是访问相同数据的不同途径而已。

这里还要提及一个比较棒的功能：你可以创建只引用部分数据的信息头。

比如想要创建一个感兴趣区域（ROI），你只需要创建包含边界信息的信息头：Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangleMat E = A(Range:all(), Range(1,3)); // using row and column boundaries现在你也许会问，如果矩阵属于多个Mat对象，那么当不再需要它时谁来负责清理？简单的回答是：最后一个使用它的对象。

通过引用计数机制来实现。

无论什么时候有人拷贝了一个Mat对象的信息头，都会增加矩阵的引用次数；反之当一个头被释放之后，这个计数被减一；当计数值为零，矩阵会被清理。

但某些时候你仍会想拷贝矩阵本身(不只是信息头和矩阵指针)，这时可以使用函数clone()或者copyTo()。

Mat F = A.clone();Mat G;A.copyTo(G);在改变F或者G就不会影响Mat信息头所指向的矩阵。

总结一下，你需要记住的是•OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。

•使用OpenCV的C++接口时不需要考虑内存释放问题。

•赋值运算符和拷贝构造函数（ctor）只拷贝信息头。

•使用函数clone()或者copyTo()来拷贝一副图像的矩阵。

存储方法这里讲述如何存储像素值。

需要指定颜色空间和数据类型。

颜色空间是指对一个给定的颜色，如何组合颜色元素以对其编码。

最简单的颜色空间要属灰度级空间，只处理黑色和白色，对它们进行组合可以产生不同程度的灰色。

对于彩色方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。

RGB颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。

它的基色是红色、绿色和蓝色，有时为了表示透明颜色也会加入第四个元素alpha (A)。

有很多的颜色系统，各有自身优势：•RGB是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用。

•HSV和HLS把颜色分解成色调、饱和度和亮度/明度。

这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。

•YCrCb在JPEG图像格式中广泛使用。

•CIE L*a*b*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。

每个组成元素都有其自己的定义域，取决于其数据类型。

如何存储一个元素决定了我们在其定义域上能够控制的精度。

最小的数据类型是char，占一个字节或者8位，可以是有符号型（0到255之间）或无符号型（-127到+127之间）。

尽管使用三个char型元素已经可以表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double（8字节，64位）则能给出更加精细的颜色分辨能力。

但同时也要切记增加元素的尺寸也会增加了图像所占的内存空间。

显式地创建一个Mat对象教程读取、修改、保存图像已经讲解了如何使用函数imwrite()将一个矩阵写入图像文件中。

但是为了debug，更加方便的方式是看实际值。

为此，你可以通过Mat的运算符<< 来实现，但要记住这只对二维矩阵有效。

Mat不但是一个很赞的图像容器类，它同时也是一个通用的矩阵类，所以可以用来创建和操作多维矩阵。

创建一个Mat对象有多种方法：Mat()构造函数Mat M(2,2, CV_8UC3, Scalar(0,0,255));out << "M = " << endl << " " << M << endl << endl;对于二维多通道图像，首先要定义其尺寸，即行数和列数。

然后，需要指定存储元素的数据类型以及每个矩阵点的通道数。

为此，依据下面的规则有多种定义CV_[The number of bits per item][Signed or Unsigned][TypePrefix]C[The channel number]比如CV_8UC3表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。

预先定义的通道数可以多达四个。

Scalar是个short型vector。

指定这个能够使用指定的定制化值来初始化矩阵。

当然，如果你需要更多通道数，你可以使用大写的宏并把通道数放在小括号中，如下所示·在C\C++ 中通过构造函数进行初始化int sz[3] = {2,2,2};Mat L(3,sz, CV_8UC(1), Scalar::all(0));上面的例子演示了如何创建一个超过两维的矩阵：指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同为已存在IplImage指针创建信息头:IplImage* img = cvLoadImage("greatwave.png", 1);Mat mtx(img); // convert IplImage* -> MatCreate() function: 函数M.create(4,4, CV_8UC(2));cout << "M = "<< endl << " " << M << endl << endl;这个创建方法不能为矩阵设初值，它只是在改变尺寸时重新为矩阵数据开辟内存。

·MATLAB形式的初始化方式：zeros(), ones(), :eyes()。

使用以下方式指定尺寸和数据类型：Mat E = Mat::eye(4, 4, CV_64F);cout << "E = " << endl << " " << E << endl << endl;Mat O = Mat::ones(2, 2, CV_32F);cout << "O = " << endl << " " << O << endl << endl;Mat Z = Mat::zeros(3,3, CV_8UC1);cout << "Z = " << endl << " " << Z << endl << endl;对于小矩阵你可以用逗号分隔的初始化函数:Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);cout << "C = " << endl << " " << C << endl << endl;·使用clone()或者copyTo()为一个存在的Mat对象创建一个新的信息头。