OpenCV矩阵之一平均值、方差、协方差、特征向量

 在普通的几何空间里，向量是一个带方向和大小的量，但一旦建立了坐标系，向量就与有序数组(x,y,z)对应起来了。这样的3维有序数组(x,y,z)就是一个向量，但也可以说是一个一行三列的矩阵。
 矩阵的每一行（列）都构成行（列）向量。对矩阵施行初等行变换，实质是行向量的线性运算。线性方程组解的结构涉及到解向量的线性组合，而解向量的读取又与矩阵的列向量密切相关。
 注意，协方差矩阵是一个对称矩阵，在计算机处理中，一般协方差矩阵的计算是这样的：先让样本矩阵中心化，即每一维度减去该维度的均值（这样一来，每一维度上的均值为0），然后直接使用新得到的样本矩阵乘以它的转置，最后除以(N-1)。OpenCV正是采用了这种算法。

Scalar类
 scalar的意思是标量

typedef struct Scalar
{
	double val[4];
}Scalar;

scalar是由一个由长度为4的数组作为元素构成的结构体，最多可以存储四个值，没有提供的默认值为0。
常使用的场景如下：

Mat M(7,7,CV_32FC2,Scalar(1,3));

上面的代码表示：创建一个2通道，且每个通道的值都为（1，3），深度为32，7行7列的图像矩阵。CV_32F表示每个元素的值的类型为32位浮点数，C2表示通道数位为2，Scalar(1,3)表示对矩阵每个元素都赋值为(1,3)，第一个通道中的值都是1，第二个通道中的值都是3.

cv::mean()