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
1 C++: Mat Mat::reshape(int cn, int rows=0) 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：
1 int main(int argc, char *argv[]) 2 { 3 QCoreApplication a(argc, argv); 4 5 cv::Mat img = cv::imread("F:\paperSystem\openCV\2.tif"); 6 cv::Mat tmpB; 7 tmpB = img.reshape(1,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 8 qDebug()<<img.channels()<<tmpB.cols; // 通道个数 9 qDebug()<<img.at<cv::Vec3b>(0,0)[0]<<tmpB.at<uchar>(0,0); 10 qDebug()<<img.at<cv::Vec3b>(0,0)[1]<<tmpB.at<uchar>(0,1); 11 qDebug()<<img.at<cv::Vec3b>(0,0)[2]<<tmpB.at<uchar>(0,2); 12 return a.exec(); 13 }
显示如下：
2 norm
1 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
2 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
3 C++: double norm(const SparseMat& src, int normType)
参数：大家都知道
1 int main(int argc, char *argv[]) 2 { 3 QCoreApplication a(argc, argv); 4 5 cv::Mat img = cv::imread("F:\paperSystem\openCV\2.tif"); 6 std::vector<cv::Mat>splitImg(img.channels()); 7 cv::split(img,splitImg); 8 9 cv::Mat tmp = img.reshape(1,img.rows*img.cols); 10 11 double norm1_splitImg = cv::norm(splitImg[0],cv::NORM_L1); 12 double norm2_splitImg = cv::norm(splitImg[0],cv::NORM_L2); 13 double normInf_splitImg = cv::norm(splitImg[0],cv::NORM_INF); 14 15 double norm1_img = cv::norm(img,cv::NORM_L1); 16 double norm2_img = cv::norm(img,cv::NORM_L2); 17 double normInf_img = cv::norm(img,cv::NORM_INF); 18 19 double norm1_tmp = cv::norm(tmp,cv::NORM_L1); 20 double norm2_tmp = cv::norm(tmp,cv::NORM_L2); 21 double normInf_tmp = cv::norm(tmp,cv::NORM_INF); 22 23 qDebug()<<norm1_splitImg<<" "<<norm1_img<<" "<<norm1_tmp; 24 qDebug()<<norm2_splitImg<<" "<<norm2_img<<" "<<norm2_tmp; 25 qDebug()<<normInf_splitImg<<" "<<normInf_img<<" "<<normInf_tmp; 26 return a.exec(); 27 }
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
1 C++: void normalize(InputArray src, OutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray()) 2 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[0],tmp,0,255,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
1 C++: void reduce(InputArray src, OutputArray dst, int dim, int rtype, int dtype=-1 )
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
1 C++: void repeat(InputArray src, int ny, int nx, OutputArray dst) 2 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。。。