viewcode的专栏

opencv的图像及子图像复制1.x版本与2.x版本的使用方式有很大不同。1.x版本采用cvCopy或cvSetImageROI, cvCopy, cvResetImageROI的方式实现。而2.x版本以后，图像用Mat来表示。图像的复制方法比较多，例如src.clone()src.copyTo(dst)src.copyTo(dst, mask)dst与src类

opencv自带一个字符识别的例子，它的重点不是OCR字符识别，而主要是演示机器学习的应用。它应用的是UCI提供的字符数据（特征数据）。DAMILES在网上发布了一个应用OpenCV进行OCR的例子， http://blog.damiles.com/2008/11/basic-ocr-in-opencv/。这些例子都只能用于学习OpenCV或熟悉OCR的简单流程，因为它们与当前比较专业的O

Mat是OpenCV中最重要的数据结构，不仅能存放各种数据，而且提供各种数据操作接口，几乎包含了所有上层算法或程序对数据操作的需求。Mat的功能需求：1. 存放数据及数据的属性，包括大小，维度，数据类型及step2. 初始化，构造、析构3. 数据之间的转换4. 基本元素数据的获取和修改5. 数据的复制、部分引用、分割、融合6. 单个或多个矩阵的基本数学操作，要能满足

在core.hpp中，CV_EXPORT是出现频率最高的词之一。1. CV_EXPORT是什么？ 有什么用？2. CV_EXPORT会涉及到dll的东西，那么dll是什么，lib与dll的区别是什么？CV_EXPORTS 出现的用法：class CV_EXPORTS MatExpr;template class CV_EXPORTS Size_;

算法的目的：数据分类，聚类，识别对象和标准：输入：n个数据对象输出：k个类别, 且满足方差最小的k个聚类，聚类方差度量每个对象与聚类的相似度：一般是采用各个对象到聚类中心（一般是均值中心）的距离，距离哪个中心近，就是与哪个类的相似度高。聚类的紧密度度量（聚类好坏的度量）：所有对象到各自聚类中心的方差和。基本算法步骤：初始化：从 n个数据对象任意选择 k

1. 边界处理的类型2. opencv的实现在图像处理中，经常需要空域或频域的滤波处理，在进入真正的处理程序前，需要考虑图像边界情况。通常的处理方法是为图像增加一定的边缘，以适应 卷积核 在原图像边界的操作。1. 增加边界的类型有以下4个类型：以一行图像数据为例，abcdefgh是原图数据，|是图像边界，为原图加边aaaaaa|abcdefgh|hhhh

导读：1. houghlines的算法思想2. houghlines实现需要考虑的要素3. houghlines的opencv实现，代码分析4. houghlines的效率分析，改进1. houghlines的算法思想检测直线，houghlines标准算法，不考虑线段，不检测线段端点。在直角坐标系和极坐标系的对应关系，点、直线在两个坐标系中是对偶关系。即直角

Point、Size、Rect、Mat 及 Scalar、Vec、Range都是OpenCV中常用的数据类型。Mat是最强大但也最复杂的一个，而其他类型虽然简单，但是也是最常用的，且它们之间有着紧密的联系，本文先分析这些简单的类型。1. 定义这些数据类型的目的有哪些？或者有哪些好处？    1.1 定义这些数据类型有哪些共性？2. 这些数据类型之间的关系有哪些？如能否相互转化、

opencv的filter是如何设计的？如何抽象的？1. filter的要素有哪些？    成员 size与anchor    重载函数 void operator()(src, dst, dststep, dstcount, width)2. filter有哪些？create*Filter3. filterEngine描述的是filter与image的关系关系

为什么要卡曼滤波？简单来说，因为噪声影响，测量不准确，应用卡曼滤波来尽量去除噪声影响。应用场景：当预估的模型可知，如恒定、线性或多项式等。       有固定的模型后，才会有状态转移方程，kalmanfilter应用才方便。opencv中kalmanfilter保留的接口很简单，只有三个：init， predict及correct。init仅仅是初始化卡

图像处理经常要用到形态学操作，其中首先要获取 结构元素。包括结构元素的大小及形状。自定义一个结构元素kernel，要声明一个Mat，然后对Mat的元素赋值；这种方法灵活但略显复杂。OpenCV提供了一个函数getStructuringElement，可以获取常用的结构元素的形状：矩形（包括线形）、椭圆（包括圆形）及十字形。MORPH_RECT， MORPH_ELLIPS

opencv canny的应用详解参见：http://docs.opencv.org/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.htmlcanny算法的基本步骤：1. 获取x，y的梯度2. 非最大值抑制3. 边缘跟踪第一个步骤很好理解，获取x方向、y方向的梯度。ope