OpenCV3.4.0学习笔记（二）——cv::Mat的代数运算、变形与分割

cv::Mat的代数运算、变形与分割

关于cv::Mat最基础的内存结构与元素访问笔记在以下博文中：
OpenCV3.4.0学习笔记（一）——cv::Mat的内存结构与访问

可以自由读写cv::Mat数组中的任一元素后，以下考虑 cv::Mat 的一些常用操作。
这里将常用操作分为三类：

1. 代数运算
2. 变形
3. 分割

代数运算

cv::Mat 的代数运算接近矩阵运算，以下给出常用的几种代数运算代码。

	cv::Mat a,b,c;
	
	/*矩阵级运算*/
	c = a + b;	//矩阵加法
	c = a - b;	//矩阵减法
	c = a + 1;	//矩阵数加，位置可互换
	c = a - 1;	//矩阵数减，位置可互换
	c = a * 1;	//矩阵数乘，位置可互换
	c = a * b;	//矩阵乘，限二维单通道矩阵
	c = a.inv();	//矩阵求逆，限二维单通道矩阵
	c = a.t();	//矩阵转置，限二维单通道矩阵
	cv::Scalar trace = cv::trace(a); //矩阵求迹
	double det = cv::determinant(a); //矩阵行列式，要求a为单通道浮点型矩阵
	cv::eigen(a,eigenValue,eigenVector); //对称单通道浮点型矩阵a的特征值特征向量特征向量
		//eigenValue与eigenVector均为cv::Mat型变量，eigenValue存放了特征值，
		//行向量eigenVector[m]对应eigenValue[m]，也就是有如下关系成立：
		//src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t()
	cv::solve(a,b,c); //求解线性方程 A*C = B 中C的最佳值。C与B规模相同，为多个列向量，A必须为方阵
	
	/*元素级运算*/
	//元素级代数运算
	cv::multiply(a,b,c,2);	//矩阵元素相乘并放大给定的因子
	cv::divide(a,b,c); // c=a./b，逐元素除法
	cv::exp(a,c); //逐元素求自然底数为底的指数
	cv::log(a,c); //逐元素求自然底数为底的对数
	cv::pow(a,2,c); //逐元素求指定数的幂次方，注意，对a中非整数对象，则先取绝对值再幂次方
	cv::phase(a,b,c); //c = arctan2(b,a);逐元素运算
	//不等运算，逐元素比较，返回0\255矩阵
	c = a > b;
	c = a >= b;
	c = a < b;
	c = a <= b;
	c = a == b;
	//矩阵元素位运算
	c = a & b;
	c = a | b;
	c = a ^ b;
	c = ~a;
	c = a & 1;
	//按元素求绝对值
	c = cv::abs(a);
	//矩阵元素比较并取值
	c = cv::max(a,b);
	c = cv::max(a,1);
	c = cv::min(a,b);
	c = cv::min(a,1);
	cv::Scalar sum = cv::sum(a); //矩阵元素求和（适用于多通道）
	cv::Scalar means = cv::mean(a); //求a全部元素平均值（适用于多通道）

变形

变形是指改变 cv::Mat 的维度以及维度上的数据长度。常用 cv::Mat::reshape() 函数来实现。
reshape的本质是改变 cv::Mat 的 dims,step,size,channals的矩阵头数据，不改变data中的储存顺序。
因此reshape函数的执行效率很高。同时注意 Mat 的数据总长是：
$$||data||=sizeof(dataType)\ast \prod _{m=1}^{dims}size[m](byte)$$

以下给出几种常用的reshape函数重载格式：

	cv::Mat& cv::Mat::reshape(int channalsCount, std::vector<int> newshape);
	cv::Mat& cv::Mat::reshape(int channalsCount, int newdims, int* newsize);
	cv::Mat& cv::Mat::reshape(int channalsCount, int newrows = 0);

需要注意的是，reshape()的返回值是更改后的矩阵信息头。以下面代码为例：

	cv::Mat a = cv::Mat::zeros(2, 2, CV_32FC1);
	cv::Mat b = a.reshape(1,1); //调用第三个重载的reshape
	cout << a.size() << endl； //a的size不发生改变，为 2*2
	cout << b.size() << endl; //b的size为 1*4
	cout << (unsigned long long)a.data << endl; //a.data与b.data相等
	cout << (unsigned long long)b.data << endl;

分割

常用的矩阵分割包括矩阵指定区域截取、通道分离与合成等。

先给出矩阵指定区域截取的几个重载操作符的代码：

	cv::Mat operator ()(std::vector<cv::Range> &ranges);
	cv::Mat operator ()(cv::Range* ranges);
	cv::Mat operator ()(cv::Rect &roi); //限于二维矩阵
	cv::Mat operator ()(cv::Range rowRange, cv::Range colRange); //限于二维矩阵
	cv::Mat row(int index) //返回矩阵第index行，限于二维矩阵
	cv::Mat col(int index) //返回矩阵第index列，限于二维矩阵

需要注意，矩阵分割的返回值是原有矩阵的引用，也即通过返回值可以修改原有矩阵的数据。
通过以下代码加以说明：

	cv::Mat a = cv::Mat::zeros(3, 3, CV_32FC1);
	cv::Mat b = a(cv::Range(0,1),cv::Range(0,1)); //调用第4个重载的()
	cout << a.at<float>(0, 0) << endl; //输出0
	b.at<float>(0,0) = 1;
	cout << a.at<float>(0, 0) << endl; //输出1

再给出通道分离与融合的几个重载方法

	//通道分离函数
	void cv::split(cv::Mat &muiltChannalMat, std::vector<cv::Mat> channalsMaps);
	//muiltChannalMat为多通道Mat，channalsMaps为单通道Mat向量，多通道与单通道Mat的规模一样，
	//channalsMaps共有muiltChannalMat.channals个元素

	//通道整合函数，参数意义同split
	void cv::merge(std::vector<cv::Mat> channalsMaps, cv::Mat &muiltChannalMat);

末尾注：以上为作者学习过程中自己认识的记录，如有问题，敬请指正。