5. openCV中常用函数学习

一、前言

经过两个星期的努力，一边学习，一边写代码，初步完成了毕业论文系统的界面和一些基本功能，主要包括：1 数据的读写和显示，及相关的基本操作（放大、缩小和移动）；2 样本数据的选择；3 数据归一化处理；4 绘制光谱曲线；5 获取波段信息。接下来的工作主要是完成遥感影像分类的相关算法。这部分主要是数学计算，尤其是矩阵的相关运算和操作。为此，系统的学习和了解了openCV库中常用的矩阵操作函数，记录下来，方便以后查阅。

二、openCV函数

1 reshape

 C++: Mat Mat::reshape(int cn, int rows=) const

官方解释：能够改变二维数组的通道和形式，并且并不拷贝数据（只是创建矩阵的信息头）。

参数：int cn : 变换后通道数（0表示保持原通道数）；

int rows : 变换后行数（0表示行数不变），列数更具以上两个参数自动确定。

对于遥感影像来说，我们常常将通道数据（波段数据）作为特征用作后续数据的处理，为此，我们总希望将通道数变为行或列数，对此我们可以使用如下的方法：

 int main(int argc, char *argv[])
 {
     QCoreApplication a(argc, argv);

     cv::Mat img = cv::imread("F:\\paperSystem\\openCV\\2.tif");
     cv::Mat tmpB;
     tmpB = img.reshape(,img.rows*img.cols); // 将通道数变成列数，每一行可表示每一个样本数据
     qDebug()<<img.channels()<<tmpB.cols;  //  通道个数
     qDebug()<<img.at<cv::Vec3b>(,)[]<<tmpB.at<uchar>(,);
     qDebug()<<img.at<cv::Vec3b>(,)[]<<tmpB.at<uchar>(,);
     qDebug()<<img.at<cv::Vec3b>(,)[]<<tmpB.at<uchar>(,);
     return a.exec();
 }

显示如下：

2 norm

 C++: double norm(InputArray src1, int normType=NORM_L2, InputArray mask=noArray())  // 计算矩阵src1的范数，主要包括1,2，inf范数 NORM_L1/NORM_L2/NORM_INF
 C++: double norm(InputArray src1, InputArray src2, int normType=NORM_L2, InputArray mask=noArray()) // 计算矩阵(src1-src2)的1、2、inf范数  NORM_L1/NORM_L2/NORM_INF   （对于normType = NORM_RELATIVE_INF/NORM_RELATIVE_L1/NORM_RELATIVE_L2,则计算（src1-src2）的范数与src1的相应范数之商
 C++: double norm(const SparseMat& src, int normType)

参数：大家都知道

 int main(int argc, char *argv[])
 {
     QCoreApplication a(argc, argv);

     cv::Mat img = cv::imread("F:\\paperSystem\\openCV\\2.tif");
     std::vector<cv::Mat>splitImg(img.channels());
     cv::split(img,splitImg);

     cv::Mat tmp = img.reshape(,img.rows*img.cols);

     double norm1_splitImg = cv::norm(splitImg[],cv::NORM_L1);
     double norm2_splitImg = cv::norm(splitImg[],cv::NORM_L2);
     double normInf_splitImg = cv::norm(splitImg[],cv::NORM_INF);

     double norm1_img = cv::norm(img,cv::NORM_L1);
     double norm2_img = cv::norm(img,cv::NORM_L2);
     double normInf_img = cv::norm(img,cv::NORM_INF);

     double norm1_tmp = cv::norm(tmp,cv::NORM_L1);
     double norm2_tmp = cv::norm(tmp,cv::NORM_L2);
     double normInf_tmp = cv::norm(tmp,cv::NORM_INF);

     qDebug()<<norm1_splitImg<<"  "<<norm1_img<<"  "<<norm1_tmp;
     qDebug()<<norm2_splitImg<<"  "<<norm2_img<<"  "<<norm2_tmp;
     qDebug()<<normInf_splitImg<<"  "<<normInf_img<<"  "<<normInf_tmp;
     return a.exec();
 }

显示如下：对于多通道数据是变成单通道后处理的，全部通道数据都加入计算。

3 normalize

 C++: void normalize(InputArray src, OutputArray dst, double alpha=, double beta=, int norm_type=NORM_L2, int dtype=-, InputArray mask=noArray())
 C++: void normalize(const SparseMat& src, SparseMat& dst, double alpha, int normType)

参数： InputArray src：输入的矩阵；

OutputArray dst：输出矩阵；

double alpha：将矩阵规则化到aipha,或者是规则化后矩阵的最小值；

double beta：矩阵元素规则化的上界；当前面alpha规则化到某个值时，不使用

。。。。。。。

cv::normalize(splitImg[],tmp,,,cv::NORM_MINMAX);  // 关于这个函数我还不是很理解，将矩阵元素归一化到一个区间可以，可是为何将矩阵的某个范数归一化到一个值却一直不行

有知道的请帮忙。

4 reduce

 C++: void reduce(InputArray src, OutputArray dst, int dim, int rtype, int dtype=- )

这个函数功能很强大，可以实现矩阵的列求和、均值、最大、最小。

参数：int dim：0  --- 行

int rtype:  CV_REDUCE_SUM   CV_REDUCE_AVG  CV_REDUCE_MAX  CV_REDUCE_MIN

int dtypr：默认为原始数据的类型，注意：对于求和和均值之类要改变数据类型，尤其是求和，不然数据大小超过原始数据类型会报错

5 repeat

 C++: void repeat(InputArray src, int ny, int nx, OutputArray dst)
 C++: Mat repeat(const Mat& src, int ny, int nx)

这个代码和Matlab中的repmat一样

总结：openCV几乎具有MatLab中相似的矩阵操作函数，看来接下来将MatLab的代码转化为opencCV格式不是那么难  哈哈。。。