匈牙利算法的C++实现（基于OpenCV）

    Hungarian/Munkres Algorithm，即著名的匈牙利算法，常用来解决矩形分配问题：我有一些工作jobs，也有一些工人workers，我已经知道每个worker做各个job的耗费cost，那么我如何将各个job分配给各个worker才能使得总的cost最小呢？？这就是匈牙利算法干的事情，他起初是用来解决workers和jobs个数一样多的情形，后来发展成能解决不等量worker-job分配问题。看看这个网页相信能给你一个对Hungarian算法的基本的了解：HungarianAlgorithm.com

    实话说，我自己对匈牙利算法的原理了解不多，但是因为需要用到它，我就稍微查了点资料，比如咱们csdn上有相关博客，在matlab的文件中心搜一下关键词Hungarian能找到许多代码，因为急用，我翻写了其中一篇matlab代码，一个月来，使用情况较为满意，下面把代码贴出来与大家分享。

//文件munkres.cpp

#include "cv.h"
using namespace cv;
using namespace std;


// B = A( extractRows, extractCols )
// Require: 
//	extractRows.size()==A.rows, extractCols.size()==A.cols
//	sum(extractRows)==B.rows, sum(extractCols)==B.cols
void  extractGrids( const Mat &A, const vector<bool> &extractRows, const vector<bool> &extractCols, Mat &B )
{
	typedef float ValueType;
	ValueType *pt1 = (ValueType*)A.data, *pt2 = (ValueType*)B.data, *pt3, *pt4;
	const int step1 = A.step1(), rows = A.rows, cols = A.cols, step2 = B.step1();
	vector<bool>::const_iterator it1, it2, it3 = extractRows.end(), it4 = extractCols.end();
	for( it1=extractRows.begin(); it1!=it3; pt1+=step1 ){
		pt3 = pt1;
		if( *(it1++) ){
			pt4 = pt2;
			for( it2=extractCols.begin(); it2!=it4; pt3++ )
				if( *(it2++) )
					*(pt4++) = *pt3;
			pt2 += step2;
		}
	}
}

// B = A( extract )
// Require: 
//		min(A.rows,A.cols) ==1
//		if(A.rows)==1, then require: A.cols==extract.size(), B.rows==1, sum(extract)==B.cols
//		if(A.cols)==1, then require: A.rows==extract.size(), B.cols==1, sum(extract)==B.rows
void  extractDots( const Mat &A, const vector<bool> &extract, Mat &B )
{
	assert( A.rows==1 || A.cols==1 );
	typedef float ValueType;
	ValueType *pt1 = (ValueType*)A.data, *pt2 = (ValueType*)B.data;
	vector<bool>::const_iterator it = extract.begin(), it2 = extract.end();
	if( A.rows==1 ){
		for( ; it!=it2; pt1++ )
			if( *(it++) )
				*(pt2++) = *pt1;
	}
	else{
		int step1 = A.step1(), step2 = B.step1();
		for( ; it!=it2; pt1+=step1 )
			if( *(it++) ){
				*pt2 = *pt1;
				pt2+=step2;
			}
	}
}


/* Initial Matlab code comes from: