OPENCV CV类

1、cv::Mat

cv::Mat

cv::Mat 是OpenCV库中的一个核心数据结构，代表一个多功能的、用于存储图像或矩阵数据的类。"Mat" 是 "Matrix"（矩阵）的缩写。

cv::Mat matrix(rows, cols, type, data);
//1、rows 和 cols 分别定义了矩阵的行数和列数。它们可以是任意正整数，也可以使用某些特定值（如CV_MAT_CN(type)）来自适应大小。
//type 指定了矩阵元素的数据类型。OpenCV中有很多预定义的数据类型，如CV_8UC1（8位无符号单通道）、CV_32FC2（32位浮点数双通道）等。这影响了矩阵中元素如何存储和解释。
//data 是一个可选参数，指向一个包含初始数据的缓冲区。如果提供了这个参数，新创建的cv::Mat对象会尝试从这个缓冲区中初始化数据。如果不提供，矩阵会被默认初始化（通常是零填充）。

//cv::Mat 可以表示三维甚至更高维度的数据
cv::Mat threeDMatrix(10, 10, 10, CV_8UC1);
 // 创建一个10x10x10的三维矩阵，元素类型为8位无符号单通道

vector<cv::Mat>
//是C++标准库中的std::vector容器，用于存储cv::Mat对象的集合。这意味着每个元素都是一个独立的cv::Mat实例，可以有不同的尺寸、类型或表示不同的图像帧、特征集合、分割后的图像区域等。使用vector<cv::Mat>允许你以一种有序且动态可调整大小的方式管理多个cv::Mat对象。

mat 位置查看 

int main() {
    cv::Mat matrix; // 这里声明了一个空的 Mat 对象，但没有进行初始化赋值
    matrix = cv::Mat(2, 3, CV_8UC1); // 这是正确的方式来初始化一个 Mat 对象
    matrix.setTo(Scalar(58));
    cv::Mat myMatrix(2, 3, CV_8UC1); // 这是另一种方式来声明并初始化一个 Mat 对象
    cout << "Filled matrix with ones:\n" <<   static_cast<int>(matrix.at<uchar>(0, 1))<< endl;

    //return 0;
}

 

matrix.at<uchar>(2, 1) 表达的确实是像素值，具体来说是第3行第2列像素的灰度值（如果矩阵是单通道的，如 CV_8UC1 类型）。

现在来解释 static_cast<int> 的作用和区别：

   matrix.at<uchar>(2, 1) 返回值的类型：

   matrix.at<uchar>(2, 1) 返回的是一个 uchar 类型的值，即无符号字符类型，范围在0到255之间，代  表像素的灰度值。

   static_cast<int> 的作用：

   static_cast<int>(matrix.at<uchar>(2, 1)) 这个表达式的作用是将 uchar 类型的像素值转换为 int 类型。在 OpenCV 中，通常像素值的范围是 0 到 255，因此 uchar 转换为 int 是安全的，因为 int 类型可以容纳 uchar 类型的所有值。
区别和用途：

   matrix.at<uchar>(2, 1) 返回的是原始的像素值，类型是 uchar。
static_cast<int>(matrix.at<uchar>(2, 1)) 返回的是将像素值转换为 int 类型后的值。这种转换常用于需要进行数学运算或者打印输出时，因为大多数情况下，我们更习惯处理 int 类型的数据。

1. 动态尺寸：它可以在运行时动态地调整大小，支持任意维度的矩阵（通常是二维或三维，用于图像处理）。

2. 内存管理：自动管理内存，包括内存分配和释放，减少了程序员管理内存的负担。

3. 连续与非连续存储：支持连续内存块存储（利于快速访问）和非连续存储（如子矩阵可以共享父矩阵的内存）。

4. 数据类型灵活性：可以存储不同类型的数据，包括基本的整数、浮点数，甚至是用户自定义的数据类型。

5. 高效操作：内置了大量的图像处理和矩阵运算方法，如像素访问、几何变换、算术运算、色彩空间转换等。

2、cv::dnn::blobFromImage

blobFromImage 是 OpenCV DNN 模块中的一个函数，它用于将输入图像转换为深度学习模型所需的 Blob 格式（一个四维的数组，通常表示为 NCHW，即 Batch Size, Channels, Height, Width）。

3、cv::Rect

cv::Rect 类则代表了一个矩形区域，通常用于指定图像中的“感兴趣区域”（ROI, Region of Interest）。它由四个成员变量定义：x（矩形左上角的列坐标）、y（矩形左上角的行坐标）、width（矩形的宽度）和 height（矩形的高度）。当你需要从一张大图中提取或操作特定区域时，cv::Rect 就显得非常有用。

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 假设我们有之前创建的图像 blackImage
    cv::Mat blackImage(3, 3, CV_8UC1, cv::Scalar(0));

    // 定义一个感兴趣区域，比如图像的右下角1x1区域
    cv::Rect roi(2, 2, 1, 1);

    // 提取ROI并修改
    cv::Mat corner = blackImage(roi);
    corner.at<uchar>(0, 0) = 255; // 修改ROI内像素为白色

    return 0;
}

4、cv::Reshape

cv::Mat cv::reshape(const cv::Mat& src, int cn, int rows=0) 
//或者 
cv::Mat cv::reshape(const cv::MatND& src, int cn, int dim=0, const int* sz=NULL)
//•src: 输入矩阵，即要重塑的原始矩阵。
//•cn: 目标矩阵的通道数（深度）。如果设置为0，则通道数保持不变。
//•rows: 目标矩阵的行数。如果设置为0（默认），函数会尝试计算合适的行数以保持元素总数不变。如果同时指定了cn和rows，那么cols（列数）将被自动计算。
//•dim: （仅在使用cv::MatND版本时有效）指定调整尺寸的维度索引，默认为0。
//•sz: （仅在使用cv::MatND版本时有效）新的尺寸数组。如果不为NULL，它将覆盖除了dim指定的维度之外的所有维度尺寸。

示例：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 创建一个一维的cv::Mat，模拟一个向量
    cv::Mat oneDVector = cv::Mat::ones(12, 1, CV_8U);

    // 使用reshape将其转换为3x4的矩阵（保持元素总数不变）
    cv::Mat twoDMatrix = oneDVector.reshape(1, 3);
 // 这里cn=1表示单通道，3是行数，列数会自动计算以保持元素总数不变

    std::cout << "Original shape: " << oneDVector.size() << std::endl;
    std::cout << "Reshaped shape: " << twoDMatrix.size() << std::endl;

    return 0;
}

4、minMaxLoc

minMaxLoc 是 OpenCV 库中的一个函数，用于在一个数组（通常是单通道的灰度图像或者一维数组）中找到最大值和最小值及其对应的索引位置。

该函数原型如下：

void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray() )

 简单示例：

minMaxLoc(scores, 0, &maxClassScore, 0, &class_id);

•scores: 这是一个单通道的矩阵或向量，通常包含了某个图像或数据对于不同类别的预测分数。比如，在一个深度学习模型的输出层，每个元素代表模型预测该样本属于某一类别的置信度分数。

•0: 第二个参数是 minVal 的位置，但这里传入了 0，意味着我们不关心最小值。这是因为在这个上下文中，我们只关心找到最高得分的类别。

•&maxClassScore: 这是一个指向变量的指针，用来接收最大值，即最高类别得分。minMaxLoc 执行后，maxClassScore 将存储最高的类别得分。

•0: 第四个参数也是指针位置，用于接收最小值对应的索引或位置，但由于我们不关心最小值，所以也传入了 0。

•&class_id: 这是一个指向变量的指针，用来接收最大值对应的位置或索引。在这个上下文中，它将告诉我们哪个类别的预测分数最高，即预测的类别ID。