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(3,3, CV_32F); // zeros

Mat B = Mat::ones(5,5, CV_8U);   // ones

Mat C = Mat::eye(4,4, CV_32F);   // eye

打印矩阵的几种方式：

// 第一种，逐行逐列打印
for(int i=0; i<A.rows; i++)
{
    for(int j=0; j<A.cols; j++) 
        cout << A.at<float>(i,j) << "	";  // 打印矩阵 A
    cout << endl;
}

// 第二种
cout << "
" << "A = " << "
" << A << "
" << 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(2,2, CV_64F);
cout << "请输入一个" << I.rows << "x" << I.cols << "大小的矩阵" << "
";
for(int i=0; i<I.rows; i++)
{
    cout << "请输入第" << i << "行的" << I.cols << "个元素" << endl;
    for(int j=0; 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 << "
" << "I = " << "
" << I << "
" << endl;

// 第二种
Mat L = (Mat_<int>(3,3) << 1, -1, 1, -1, 5, -1, 1, -1, 1);

// 第三种
double b[] = {66, 0, 21, 8};
Mat N = Mat(2, 2, CV_64FC1, b);

// 第四种
Mat K(Matx33d(
    2759.48,       0,   1520.69,
    0,       2764.16,   1006.81,
    0,             0,         1));

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)0, (double)1);   // 生成一个随机数 double类型，[0,1)之间
cout << "x = " << x << "
" << endl;

// 随机矩阵
Mat D = Mat(3, 3, CV_32F);
randu(D, Scalar::all(0), Scalar::all(1));   // 生成一个随机数矩阵，范围在[0,1)间,float类型
cout << "
" << "D = " << "
" << D << "
" << endl;

Mat E = Mat(3, 3, CV_8UC1);
randu(E, Scalar::all(0), Scalar::all(255));   // 生成一个随机数矩阵，范围在[0,255)间,8U类型
cout << "
" << "E = " << "
" << E << "
" << 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(3, 3, 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 << "
" << "F = " << "
" << F << "
" << endl;

Mat G = Mat(3, 3, 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 << "
" << "G = " << "
" << G << "
" << endl;

对行或列求和：

Mat H = Mat(3,3, CV_8UC1);
reduce(E, H, 0, CV_REDUCE_SUM, CV_32S);    // 0 是对列求和，1是对行求和，dtype参数要注意
cout << "
" << "H = " << "
" << H << "
" << 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[] = {2, 0, 0, 2};
Mat Ma = Mat(2, 2, 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 << "
" << "Ma = " << "
" << Ma << "
" << 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>(3,3) << 1, -1, 1, -1, 5, -1, 1, -1, 1);  
cout << "
" << "L = " << "
" << L << "
" << endl;
L.at<int>(1,1) = 100;
cout << "
" << "修改后L = " << "
" << L << "
" << endl;

// 修改某些行或者列
L(Range(0,2), Range::all()) = 20;  
// 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 << "
" << "修改某些行后的L = " << "
" << L << "
" << 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(5,5, CV_64FC1);; //Full matrix 
Rect r(1,1,2,2); // 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(1);
cout << "
" << "bigmat = " << "
" << bigmat << "
" << 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(5,5,CV_32FC1);
    //Mat mat43= Mat::eye(2,2,CV_32FC1);
    float b[] = {66, 0, 21, 8};
    Mat mat43 = Mat(2, 2, CV_32FC1, b); 

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

    Mat aux = X.colRange(0,2).rowRange(0,2); // you are pointing to submatrix 4x3 at X(0,0)
    cout << "
" << "aux = " << "
" << aux << "
" << endl;
    mat43.copyTo(aux);
    cout << "
" << "X = " << "
" << X << "
" << endl;

    system("PAUSE");

    return 0;
}

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(0, A.rows).colRange(0, A.cols);
            Mat Bpart = C.rowRange(A.rows, A.rows+B.rows).colRange(0, A.cols);

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

            cout << "
" << "C = " << "
" << C << "
" << endl;
            return C;
        }
        else
            cout << "
[A;B] 类型的拼接要求 A 和 B 的列数一致！
" << endl;
    }
    else
        cout << "
 A和B的类型不一致，无法拼接！
" << 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(0, A.rows).colRange(0, A.cols);
            Mat Bpart = C.rowRange(0, A.rows).colRange(A.cols, A.cols+B.cols);

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

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

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

    Mat A = (Mat_<double>(3,3) << 
                                  1, -1,  1, 
                                 -1,  5, -1, 
                                  1, -1,  1);
    Mat B = (Mat_<double>(3,3) << 
                                  1,  2,  3, 
                                  4,  5,  6, 
                                  7,  8,  9);

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

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

    Mat C = cat2(B,A);

    system("pause");
    return 0;
}

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

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(5,5,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 0;
}

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

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>(3,3) << 1, 0, 1, -1, -2, 0, 0, 1, -1);

    Mat U(3,3,CV_64F), S(3,1,CV_64F), VT(3,3,CV_64F);
    SVD thissvd(A,SVD::FULL_UV);

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

    cout << "
" << "U = " << "
" << U << "
" << endl;
    cout << "
" << "S = " << "
" << S << "
" << endl;  // 3 x 1 的矩阵，和MATLAB中 3 x 3 的不同
    cout << "
" << "VT = " << "
" << VT << "
" << endl;
    
    system("PAUSE");

    return 0;
}

 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(
        8,   1,   6,
        3,   5,   7,
        4,   9,   2));  // 由 MATLAB 中的 magic(3) 产生的矩阵

    Mat B(Matx31d(
        1,
        2,
        3));

    Mat X = Mat(3,1, CV_64F);

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

    cout << "
" << "X = " << "
" << X << "
" << endl;

    system("pause");
    return 0;
}

//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[2][3] = 
    {{ 4.5, 1.1,  1.0 },
     { 8.1, 27.2,  19.9 }};  
    Mat RawDataMat(2,3,CV_64F,RawData);

    cout << "
" << "RawDataMat = " << "
" << RawDataMat << "
" << endl;
    
    double minv = 0.0, maxv = 0.0;  
    double* minp = &minv;  
    double* maxp = &maxv;  
  

    int minidx[2] = {0, 0}, maxidx[2] = {0, 0};
    double minval = 0, maxval = 0;
    minMaxIdx(RawDataMat, &minval, &maxval, minidx, maxidx);

    cout << "minval = " << minval << endl;
    cout << "maxval = " << maxval << endl;
    cout << "min value at     row:  " << minidx[0] << "	" << "col:  " << minidx[1] << endl;
    cout << "max value at     row:  " << maxidx[0] << "	" << "col:  " << maxidx[1] << endl;

    system("pause");
    return 0;
}

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