图像识别与处理之Opencv——Mat表达式的运算（矩阵的一些运算）

    利用 C++中的运算符重载， OpenCV 2 中引入了 Mat 运算表达式。这一新特点使得使用 C++进行编程时，就如同写 Matlab 脚本，代码变得简洁易懂，也便于维护。如果矩阵 A 和 B 大小相同，则可以使用如下表达式：

C = A + B + 1;

    其执行结果是 A 和 B 的对应元素相加，然后再加 1，并将生成的矩阵赋给 C变量。下面给出 Mat 表达式所支持的运算。下面的列表中使用 A 和 B 表示 Mat 类型的对象，使用 s 表示 Scalar 对象， alpha 表示 double 值。
 加法，减法，取负： A+B， A-B， A+s， A-s， s+A， s-A， -A
 缩放取值范围： A*alpha
 矩阵对应元素的乘法和除法： A.mul(B)， A/B， alpha/A
 矩阵乘法： A*B （注意此处是矩阵乘法，而不是矩阵对应元素相乘）
 矩阵转置： A.t()
 矩阵求逆和求伪逆： A.inv()
 矩阵比较运算： A cmpop B， A cmpop alpha， alpha cmpop A。此处 cmpop可以是>， >=， ==， !=， <=， <。如果条件成立，则结果矩阵（8U 类型矩阵）的对应元素被置为 255；否则置 0。
 矩阵位逻辑运算： A logicop B， A logicop s， slogicop A， ~A，此处 logicop可以是&， |和^。
 矩阵对应元素的最大值和最小值： min(A, B)， min(A, alpha)， max(A, B)，max(A, alpha)。
 矩阵中元素的绝对值： abs(A)
 叉积和点积： A.cross(B)， A.dot(B)

    下面例程展示了 Mat 表达式的使用方法，例程的输出结果如后图所示。

#include <iostream>
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{
Mat A = Mat::eye(4,4,CV_32SC1);
Mat B = A * 3 + 1;
Mat C = B.diag(0) + B.col(1);
cout << "A = " << A << endl << endl;
cout << "B = " << B << endl << endl;
cout << "C = " << C << endl << endl;
cout << "C .* diag(B) = " << C.dot(B.diag(0)) << endl;
return 0;
}