OpenCV遇到的坑

1. cv::imshow

在使用cv::imshow输出图像时，会将图像数据映射到[0,255]之间；所以对于：

• 图像类型为CV_8U时，正常输出图像，因为此类型数据范围为[0,255]；
• 图像类型为CV_16U或CV_32S时，图像数据会除以255.0，最终映射到所需要的[0,255] ；
• 图像类型为CV_32F或CV_64F时，图像数据会乘上255.0，最终映射到所需要的[0,255] ；
  对于后两种，在cv::imshow前需要做归一化；例如一副图像类型为CV_32F，那么需要将它归一化到[0,1]，这样最后显示结果才是正常的；假设不做normalize，图像中大于1的数据会乘上255再显示，这样的显示出的结果一定是白色的，就无法体现图像本身。

2、Mat赋值

Mat赋值时，注意类型；灰度图为例子，比如图像类型为CV_8UC1，那么赋值时，应该写为mat.at< uchar >(i, j)；类型为CV_32SC1时，应该写成mat.at< int >(i, j)；类型为CV_32FC1时，应该写成mat.at< float >(i, j)；

3、cv::calchist

• bins为需分类数量；
• range[]为图像像素范围；
• 得到的结果图hist为每个bin的统计总数。

4、opencv 使用分类器时需注意的问题

• 训练的数据data为CV_32F类型，输入数据时，注意查看data具体的值，避免出现超出范围的值，导致训练后，输出结果每次都不同，或者会出现这种错误：Assertion failed (sv_count != 0) in cv::ml::SVMImpl::do_train；
• 标签数据为CV_32S类型，训练器只能输入这个类型的responses。