在OpenCV中要练习的一些基本操作

OpenCV上手有一些基本操作要练习下，其实是想把OpenCV玩的像MATLAB一样熟

照着MATLAB的手册从前到后找了下自己经常用到的东西，要完成的操作有：

// zeros ones eyes
// rand sort sortrows sum transpose 用键盘输入的方式初始化矩阵
// 乘法 det行列式 读取和更改任意位置 元素 一行几行 或几列 部分截取和修改填充
// reshape min max
// 拼接 删除 归一化 A(:) triu tril
// 读取矩阵尺寸 flipud fliplr diag
// 1:5:100步进 linspace repmat length meshgrid
// logical .* ./ strcat num2str rank trace
// 打印矩阵 解方程组 sqrt .^2
// sin cos tan arctan log exp 生成复数矩阵
// abs real angle
// fix floor round mod sign pi NaN的处理 conv2
// input interp interp2
// mean std diff
// fft fft2 ifft ifft2 fftshift ifftshift
// fminunc minFunc quad dblquad 可能没有
// 符号计算sym 可能没有
// 文件读写 目录操作 将一个mat的内容写入到文件中，再在另一个程序中读入
// rgb2gray im2bw imresize imrotate imcrop subplot
// ginput conhull imhist edge
// 作图部分还有一大堆，figure mesh surf 之类的，可能要第三方包
// 子矩阵赋值 矩阵拼接 特定列数、行数的抽取，删除
// find 二维矩阵拼接成三维矩阵
// svd

zeros，ones，eye：

 Mat A = Mat::zeros(,, CV_32F); // zeros

 Mat B = Mat::ones(,, CV_8U);   // ones

 Mat C = Mat::eye(,, CV_32F);   // eye

打印矩阵的几种方式：

 // 第一种，逐行逐列打印
 for(int i=; i<A.rows; i++)
 {
     for(int j=; j<A.cols; j++)
         cout << A.at<float>(i,j) << "\t";  // 打印矩阵 A
     cout << endl;
 }

 // 第二种
 cout << "\n" << "A = " << "\n" << A << "\n" << endl;

矩阵初始化的几种方式：

 // 第一种，初始化，然后逐行逐列输入，再打印
 Mat I = Mat(,, CV_64F);
 cout << "请输入一个" << I.rows << "x" << I.cols << "大小的矩阵" << "\n";
 for(int i=; i<I.rows; i++)
 {
     cout << "请输入第" << i << "行的" << I.cols << "个元素" << endl;
     for(int j=; j<I.cols; j++)
     {
         cin >> I.at<double>(i,j);   // 类型问题真他妈烦
         //I.at<double>(i,j) = i+j;
     }
 }
 cout << "\n" << "I = " << "\n" << I << "\n" << endl;

 // 第二种
 Mat L = (Mat_<int>(,) << , -, , -, , -, , -, );

 // 第三种
 double b[] = {, , , };
 Mat N = Mat(, , CV_64FC1, b);

 // 第四种
 Mat K(Matx33d(
     2759.48,       ,   1520.69,
     ,       2764.16,   1006.81,
     ,             ,         ));

生成一个随机数或者随机矩阵：

 // 随机数
 RNG rng; // Random number generator
 double x = rng.uniform( (double), (double));   // 生成一个随机数 double类型，[0,1)之间
 cout << "x = " << x << "\n" << endl;

 // 随机矩阵
 Mat D = Mat(, , CV_32F);
 randu(D, Scalar::all(), Scalar::all());   // 生成一个随机数矩阵，范围在[0,1)间,float类型
 cout << "\n" << "D = " << "\n" << D << "\n" << endl;

 Mat E = Mat(, , CV_8UC1);
 randu(E, Scalar::all(), Scalar::all());   // 生成一个随机数矩阵，范围在[0,255)间,8U类型
 cout << "\n" << "E = " << "\n" << E << "\n" << endl;

排序，MATLAB中是sort和sortrows，但是没找到OpenCV中实现MATLAB中sortrows这种扩展排序的函数，先跳过：

 Mat F = Mat(, , CV_8UC1);
 cv::sort( E, F, CV_SORT_EVERY_COLUMN);      // 对每一列排序，注意要添加cv::，不然会认为是std中的sort，E是上面生成的随机矩阵
 cout << "\n" << "F = " << "\n" << F << "\n" << endl;

 Mat G = Mat(, , CV_8UC1);
 cv::sortIdx(E,G,CV_SORT_EVERY_COLUMN);    //  看不懂，不知道类似MATLAB中的sortrows有没有，先跳过
 cout << "\n" << "G = " << "\n" << G << "\n" << endl;

对行或列求和：

 Mat H = Mat(,, CV_8UC1);
 reduce(E, H, , CV_REDUCE_SUM, CV_32S);    // 0 是对列求和，1是对行求和，dtype参数要注意
 cout << "\n" << "H = " << "\n" << H << "\n" << endl;
 // 项目--属性--配置属性--C/C++--常规--多处理器编译--选择 是(/MP) 会让程序更快

矩阵转置，乘法，点乘：

 A.t()

 Mat J = I*I;   // 乘法

 Mat K = J.mul(J);  // 点乘

类型转换：

 Mat L1;
 L.convertTo(L1,CV_32FC1);  // L 转换为 L1 的 CV_32FC1 类型

求矩阵的行列式的值：

double a[] = {, , , };
Mat Ma = Mat(, , CV_64FC1, a);  // 这也是一种矩阵初始化方式
double dst = determinant(Ma);     // 小矩阵求行列式的值
cout << "\n" << "Ma = " << "\n" << Ma << "\n" << endl;
cout << "det of Ma is :" << dst << endl;

//小型方阵直接计算，大型方阵（大于 3 x 3 的）用高斯消去法计算
//如果矩阵正定对称，用奇异值分解的方法解决 SVD;   以后解决

修改矩阵中某些元素或者某行某列的值：

 // 用 A.at<type>(i,j)修改
 Mat L = (Mat_<int>(,) << , -, , -, , -, , -, );
 cout << "\n" << "L = " << "\n" << L << "\n" << endl;
 L.at<int>(,) = ;
 cout << "\n" << "修改后L = " << "\n" << L << "\n" << endl;

 // 修改某些行或者列
 L(Range(,), Range::all()) = ;
 // 行号都是从0开始数起，但是都是左闭右开 [0,2) 代表第0和1行， rowRange、colRange类似
 cout << "\n" << "修改某些行后的L = " << "\n" << L << "\n" << endl;

 // 下面这种方法自己也没搞透，貌似只能scalar，stackoverflow上看到的
 Mat bigmat = Mat::zeros(,, CV_64FC1);; //Full matrix
 Rect r(,,,); // Part of the matrix we are interested in
 Mat roi(bigmat, r); // This submatrix will be a REFERENCE to PART of full matrix, NOT a copy
 roi = Scalar();
 cout << "\n" << "bigmat = " << "\n" << bigmat << "\n" << endl;

对矩阵的子矩阵赋值是一个经常使用到的重要操作，就算OpenCV中没有诸如MATLAB中[A;B]或者[A B]这种矩阵拼接方式，也可以通过新建一个矩阵

然后再把要拼接的矩阵赋值到子矩阵完成。

还有矩阵中特定行数或者列数的抽取、删除也很重要，以及诸如find函数，二维矩阵拼接成三维矩阵都相当重要。

先练习了下子矩阵赋值，也是stackoverflow上看到的：

 #include <opencv2/opencv.hpp>
 #include <iostream>

 using namespace cv;
 using namespace std;

 int main()
 {
     Mat X = Mat::zeros(,,CV_32FC1);
     //Mat mat43= Mat::eye(2,2,CV_32FC1);
     float b[] = {, , , };
     Mat mat43 = Mat(, , CV_32FC1, b); 

     cout << "\n" << "X = " << "\n" << X << "\n" << endl;
     cout << "\n" << "mat43 = " << "\n" << mat43 << "\n" << endl;

     Mat aux = X.colRange(,).rowRange(,); // you are pointing to submatrix 4x3 at X(0,0)
     cout << "\n" << "aux = " << "\n" << aux << "\n" << endl;
     mat43.copyTo(aux);
     cout << "\n" << "X = " << "\n" << X << "\n" << endl;

     system("PAUSE");

     return ;
 }

OpenCV中矩阵拼接：

 #include <opencv2/opencv.hpp>
 #include <iostream>

 using namespace cv;
 using namespace std;

 Mat cat1(Mat A, Mat B)
 {
     if(A.type()==B.type())
     {
         // [A;B] 竖直方向拼接
         if(A.cols==B.cols)
         {
             Mat C = Mat( A.rows + B.rows, A.cols, A.type());

             Mat Apart = C.rowRange(, A.rows).colRange(, A.cols);
             Mat Bpart = C.rowRange(A.rows, A.rows+B.rows).colRange(, A.cols);

             A.copyTo(Apart);
             B.copyTo(Bpart);

             cout << "\n" << "C = " << "\n" << C << "\n" << endl;
             return C;
         }
         else
             cout << "\n[A;B] 类型的拼接要求 A 和 B 的列数一致！\n" << endl;
     }
     else
         cout << "\n A和B的类型不一致，无法拼接！\n" << endl;
 }

 Mat cat2(Mat A, Mat B)
 {
     if(A.type()==B.type())
     {
         // [A B] 水平方向拼接
         if(A.rows==B.rows)
         {
             Mat C = Mat( A.rows , A.cols+B.cols, A.type());

             Mat Apart = C.rowRange(, A.rows).colRange(, A.cols);
             Mat Bpart = C.rowRange(, A.rows).colRange(A.cols, A.cols+B.cols);

             A.copyTo(Apart);
             B.copyTo(Bpart);

             cout << "\n" << "C = " << "\n" << C << "\n" << endl;
             return C;
         }
         else
             cout << "\n[A B] 类型的拼接要求 A 和 B 的行数一致！\n" << endl;
     }
     else
         cout << "\n A和B的类型不一致，无法拼接！\n" << endl;
 }

 int main()
 {
     //Mat A = Mat::zeros(3,4, CV_64F);
     //Mat B = Mat::eye(3,4, CV_64F);

     Mat A = (Mat_<double>(,) <<
                                   , -,  ,
                                  -,  , -,
                                   , -,  );
     Mat B = (Mat_<double>(,) <<
                                   ,  ,  ,
                                   ,  ,  ,
                                   ,  ,  );

     cout << "\n" << "A = " << "\n" << A << "\n" << endl;
     cout << "\n" << "B = " << "\n" << B << "\n" << endl;

     cout << A.type() << endl;
     cout << B.type() << endl;

     Mat C = cat2(B,A);

     system("pause");
     return ;
 }

==========================================================================

Mat矩阵保存到xml中，以及从xml中读取数据到Mat中，文件后缀也可以是txt：

 #include <iostream>
 #include <fstream>
 #include <iterator>
 #include <vector>
 #include <opencv2/opencv.hpp>

 using namespace std;
 using namespace cv;

 int main()
 {
     Mat mat = Mat::eye(,,CV_32FC1);
     FileStorage fs(".\\vocabulary.xml", FileStorage::WRITE);
     fs<<"vocabulary"<<mat;
     fs.release(); 

     FileStorage fs(".\\vocabulary.xml", FileStorage::READ);
     Mat mat_vocabulary;
     fs["vocabulary"] >> mat_vocabulary;  

     return ;
 }

==========================================================================

SVD：

在MATLAB中做了下测试

A = ...
[1 0 1;
 -1 -2 0;
 0 1 -1]

svd后得到
U =
 -0.1200 -0.8097 0.5744
  0.9018  0.1531  0.4042
 -0.4153  0.5665  0.7118
S =
 2.4605 0          0
 0         1.6996  0
 0         0          0.2391
V =
 -0.4153 -0.5665  0.7118
 -0.9018  0.1531 -0.4042
  0.1200 -0.8097 -0.5744

其中：
AA = U*S*V'= A

OpenCV中svd如下：

 #include <opencv2/opencv.hpp>
 #include <iostream>

 using namespace std;
 using namespace cv;

 int main()
 {
     Mat A = (Mat_<float>(,) << , , , -, -, , , , -);

     Mat U(,,CV_64F), S(,,CV_64F), VT(,,CV_64F);
     SVD thissvd(A,SVD::FULL_UV);

     U = thissvd.u;
     S = thissvd.w;
     VT = thissvd.vt;// 已经转置了

     cout << "\n" << "U = " << "\n" << U << "\n" << endl;
     cout << "\n" << "S = " << "\n" << S << "\n" << endl;  // 3 x 1 的矩阵，和MATLAB中 3 x 3 的不同
     cout << "\n" << "VT = " << "\n" << VT << "\n" << endl;

     system("PAUSE");

     return ;
 }

OpenCV中解线性方程组：

 #include <opencv2/opencv.hpp>
 #include <iostream>

 using namespace std;
 using namespace cv;

 int main()
 {
     Mat A(Matx33d(
         ,   ,   ,
         ,   ,   ,
         ,   ,   ));  // 由 MATLAB 中的 magic(3) 产生的矩阵

     Mat B(Matx31d(
         ,
         ,
         ));

     Mat X = Mat(,, CV_64F);

     solve(A, B, X, DECOMP_LU);   // AX = B

     cout << "\n" << "X = " << "\n" << X << "\n" << endl;

     system("pause");
     return ;
 }

 //A =
 //     8     1     6
 //     3     5     7
 //     4     9     2
 //
 //B =
 //     1
 //     2
 //     3
 //
 //X =
 //    0.0500
 //    0.3000
 //    0.0500

寻找最大最小值并返回索引值：

 #include <opencv2/opencv.hpp>
 #include <iostream>

 using namespace cv;
 using namespace std;

 int main()
 {
     double RawData[][] =
     {{ 4.5, 1.1,  1.0 },
      { 8.1, 27.2,  19.9 }};
     Mat RawDataMat(,,CV_64F,RawData);

     cout << "\n" << "RawDataMat = " << "\n" << RawDataMat << "\n" << endl;

     double minv = 0.0, maxv = 0.0;
     double* minp = &minv;
     double* maxp = &maxv;  

     int minidx[] = {, }, maxidx[] = {, };
     double minval = , maxval = ;
     minMaxIdx(RawDataMat, &minval, &maxval, minidx, maxidx);

     cout << "minval = " << minval << endl;
     cout << "maxval = " << maxval << endl;
     cout << "min value at     row:  " << minidx[] << "\t" << "col:  " << minidx[] << endl;
     cout << "max value at     row:  " << maxidx[] << "\t" << "col:  " << maxidx[] << endl;

     system("pause");
     return ;
 }

编辑时间：

2016年8月5日00:15:00

2016年8月8日00:06:35

2016年8月12日13:21:57

2016年8月16日18:50:14

2016年8月16日23:47:02

2016年8月17日17:09:43