OpenCV中对数组(矩阵)的常用操作

 

add	矩阵加法，A+B的更高级形式，支持mask
scaleAdd	矩阵加法，一个带有缩放因子dst(I) = scale * src1(I) + src2(I)
addWeighted	矩阵加法，两个带有缩放因子dst(I) = saturate(src1(I) * alpha + src2(I) * beta + gamma)
subtract	矩阵减法，A-B的更高级形式，支持mask
multiply	矩阵逐元素乘法，同Mat::mul()函数，与A*B区别，支持mask
gemm	一个广义的矩阵乘法操作
divide	矩阵逐元素除法，与A/B区别，支持mask
abs	对每个元素求绝对值
absdiff	两个矩阵的差的绝对值
exp	求每个矩阵元素 src(I) 的自然数 e 的 src(I) 次幂 dst[I] = esrc(I)
pow	求每个矩阵元素 src(I) 的 p 次幂 dst[I] = src(I)p
log	求每个矩阵元素的自然数底 dst[I] = log|src(I)| (if src != 0)
sqrt	求每个矩阵元素的平方根
min, max	求每个元素的最小值或最大值返回这个矩阵 dst(I) = min(src1(I), src2(I)), max同
minMaxLoc	定位矩阵中最小值、最大值的位置
compare	返回逐个元素比较结果的矩阵
bitwise_and, bitwise_not, bitwise_or, bitwise_xor	每个元素进行位运算，分别是和、非、或、异或
cvarrToMat	旧版数据CvMat,IplImage,CvMatND转换到新版数据Mat
extractImageCOI	从旧版数据中提取指定的通道矩阵给新版数据Mat
randu	以Uniform分布产生随机数填充矩阵，同 RNG::fill(mat, RNG::UNIFORM)
randn	以Normal分布产生随机数填充矩阵，同 RNG::fill(mat, RNG::NORMAL)
randShuffle	随机打乱一个一维向量的元素顺序
theRNG()	返回一个默认构造的RNG类的对象 theRNG()::fill(...)
reduce	矩阵缩成向量
repeat	矩阵拷贝的时候指定按x/y方向重复
split	多通道矩阵分解成多个单通道矩阵
merge	多个单通道矩阵合成一个多通道矩阵
mixChannels	矩阵间通道拷贝，如Rgba[]到Rgb[]和Alpha[]
sort, sortIdx	为矩阵的每行或每列元素排序
setIdentity	设置单元矩阵
completeSymm	矩阵上下三角拷贝
inRange	检查元素的取值范围是否在另两个矩阵的元素取值之间，返回验证矩阵
checkRange	检查矩阵的每个元素的取值是否在最小值与最大值之间，返回验证结果bool
sum	求矩阵的元素和
mean	求均值
meanStdDev	均值和标准差
countNonZero	统计非零值个数
cartToPolar, polarToCart	笛卡尔坐标与极坐标之间的转换
flip	矩阵翻转
transpose	矩阵转置，比较 Mat::t() AT
trace	矩阵的迹
determinant	行列式 |A|, det(A)
eigen	矩阵的特征值和特征向量
invert	矩阵的逆或者伪逆，比较 Mat::inv()
magnitude	向量长度计算 dst(I) = sqrt(x(I)2 + y(I)2)
Mahalanobis	Mahalanobis距离计算
phase	相位计算，即两个向量之间的夹角
norm	求范数，1-范数、2-范数、无穷范数
normalize	标准化
mulTransposed	矩阵和它自己的转置相乘 AT * A, dst = scale(src - delta)T(src - delta)
convertScaleAbs	先缩放元素再取绝对值，最后转换格式为8bit型
calcCovarMatrix	计算协方差阵
solve	求解1个或多个线性系统或者求解最小平方问题(least-squares problem)
solveCubic	求解三次方程的根
solvePoly	求解多项式的实根和重根
dct, idct	正、逆离散余弦变换，idct同dct(src, dst, flags | DCT_INVERSE)
dft, idft	正、逆离散傅立叶变换, idft同dft(src, dst, flags | DTF_INVERSE)
LUT	查表变换
getOptimalDFTSize	返回一个优化过的DFT大小
mulSpecturms	两个傅立叶频谱间逐元素的乘法

 

１.矩阵的点运算

add(), subtract(), multiply(), divide(), absdiff(), bitwise_and(), bitwise_or(), bitwise_xor(),max(),min(), compare()

对应：加，减，点乘，点除，点绝对差，点位运算—与，点位运算—或，点位运算—异或，点最大，点最小，点比较。

２.矩阵的统计运算

sum(), mean(), meanStdDev(), norm(), countNonZero(),minMaxLoc(),

对应：求和，求均值，求均方差，求范数，求非零元素个数，求最大最小元素及位置。

３.基本数学运算

exp(), log(), pow(), sqrt(), cartToPolar(),polarToCart()

对应：矩阵元素的指数，对数，乘方，开方,计算二维向量的长度和/或者角度,计算极坐标形式的二维向量对应的直角坐标.

４.代数运算和ＳＶＤ

scaleAdd(), transpose(), gemm(), invert(), solve(),determinant(), trace(), eigen(), SVD,

对应：计算一个数组缩放后与另一个数组的和（dst(I)=src1(I)*scale + src2(I)），

　　矩阵的转置　dst(i,j)=src(j,i) ,

　　矩阵乘法　dst = alpha*op(src1)*op(src2) + beta*op(src3)这里 op(X) 是 X 或者 XT,

　　查找矩阵的逆矩阵或伪逆矩阵，

　　求解线性系统或者最小二乘法问题，

　　返回浮点方阵的行列式，

　　返回矩阵的迹，

　　计算对称矩阵的特征值和特征向量，

　　对实数浮点矩阵进行奇异值分解。

５.离散傅里叶变换和离散余弦变换

dft(), idft(), dct(), idct(),

对应：离散傅里叶变换，离散傅里叶反变换，离散余弦变换，离散余弦反变换。

For some operations a more convenient algebraic notation can　be used, for example:
Mat delta = (J.t()*J + lambda*Mat::eye(J.cols, J.cols, J.type())).inv(CV SVD)*(J.t()*err);
implements the core of Levenberg-Marquardt optimization　algorithm.

参考资料：http://tmjfzy.blog.163.com/blog/static/66447025201262122353504/

　　　　　http://blog.163.com/yuyang_tech/blog/static/2160500832013260492210

转载于:https://www.cnblogs.com/Jack-Lee/p/3652957.html