opencv基础

Mat

具有两个数据部分的类：矩阵头（包含矩阵的大小，用于存储的方法，存储在哪个地址的信息等等）和指向包含像素值（取决于所选存储方法的任何维度）。矩阵头大小是恒定的，然而矩阵本身的大小可以随着图像的不同而变化，通常会大一个数量级。

1. 使用引用计数系统。
2. 自动管理内存。
3. 赋值运算符和复制构造函数只复制矩阵，而不是数据本身。
4. cv::Mat::clone()和cv::Mat::copyTo()函数复制矩阵本身。
5. OpenCV标准显示系统使用BGR颜色空间组成颜色。
6. cv::Mat::Mat构造函数，CV_8UC3意味着使用8位长的无符号字符类型，每个像素有三个通道 。

Mat M（2,2，CV_8UC3，Scalar（0,0,255））;
cout << “M =” << endl << “” <<“M << endl << endl;

扫描图像 

1. C风格操作符[]
2. 迭代器
3. cv::Mat::at(int i0, int i1)
4. LUT功能

     速度：4>1>2>3

     LUT函数 :实际上就是一张像素灰度值的映射表,它将实际采样到的像素灰度值经过一定的变换如阈值、反转等，变成了另外一个与之对应的灰度值，这样可以起到突出图像的有用信息，增强图像的光对比度的作用。 

混合两个图像

cv::addWeighted

改变图像的亮度和对比度

cv::convertTo

绘图 

cv::line，cv::ellipse，cv::circle ，cv::fillPoly，cv::rectangle

随机生成器和OpenCV文本 

cv::RNG，cv::putText

IPP 

针对cpu做了优化，给cpu提速

并行计算函数 parallel_for_ 

在使用opencv的过程中，对图片的处理计算量很大，所以在实施运行的程序中如何高效的计算会节省很多时间。现有的方法有很多，如OpenMp,TBB,OpenCL,Nvidia的CUDA等。CUDA不太适合毫秒级别的程序运行，单一张图片在cpu和gpu之间的传输时间就已经达到300ms（使用opencv的cuda库函数）;在TX2上直接对cuda进行编程，数据的传输也是在50ms（不包含初始化）以上。opencv的并行计算函数parallel_for_，整合了上述的多个组件。

平滑处理

cv::blur

设置边框 

cv::copyMakeBorder

边缘检测 

cv::Canny 

重新映射 

cv::remap 

模板匹配 

cv::matchTemplate

滑动条

cv::createTrackbar