opencv, image处理注意点，eigen库的应用

1. 传统的MSR，是分别对RGB三个channel进行多尺寸滤波，为了保证颜色不失真，或是节省时间取RGB最大值对RGB整体滤波，均需要分清RGB的存储，下图为RGB图像被opencv中imread函数读入mat后的存储模式。

2. 从color image 转化为gray image，可用opencv的函数

cvtColor( image, gray_image, CV_BGR2GRAY );

不用opencv函数的话，还有直接用RGB值推导灰度值，但是计算公式有几个，优劣见http://entropymine.com/imageworsener/grayscale/

3. 新建一个mat，可用函数

//inline Mat::Mat(int _rows, int _cols, int _type, const Scalar& _s)
Mat m1 = Mat(1,1, CV_64F, cvScalar(0.));

4. 从mat中找到某一位置的像素点

For grayscale you would use it like this,

image.at<uchar>(Point(x,y)) <