篇一：OpenCV矩陣運算總結

原文地址：http://www.cvvision.cn/273.html

著作權歸作者所有。
商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。
作者：cvvision
鏈接：http://www.cvvision.cn/273.html
來源：CV視覺網

一、矩陣
Mat I,img,I1,I2,dst,A,B;
double k,alpha;
Scalar s;
1.加法
I=I1+I2;//等同add(I1,I2,I);
add(I1,I2,dst,mask,dtype);
scaleAdd(I1,scale,I2,dst);//dst=scale*I1+I2;
2.減法
absdiff(I1,I2,I);//I=|I1-I2|;
A-B;A-s;s-A;-A;
subtract(I1,I2,dst);
3.乘法
I=I.mul(I);//點乘,I.mul(I,3);–>I=3*I.^2
Mat C=A.mul(5/B);//==divide(A,B,C,5);
A*B;矩陣相乘
I=alpha*I;
Mat::cross(Mat);//三維向量(或矩陣)的叉乘,A.cross(B)
double Mat::dot(Mat);//2個向量(或矩陣)的點乘的結果,A.dot(B)
mul——-multiply
pow(src,double p,dst);//如果p是整數dst(I)=src(I)^p;其他|src(I)|^p
4.除法
divide(I1,I2,dst,scale,int dtype=-1);//dst=saturate_cast(I1*scale/I2);
A/B;alpha/A;都是點除
5.轉換
I.convertTo(I1,CV_32F);//類型轉換
A.t();//轉置
flip(I,dst,int flipCode);//flipCode=0是上下翻轉，>0時左右翻轉,<0時一起來
sqrt(I,dst);
cvtColor(I,dst,int code,int dstCn=0);
resize:對圖像進行形變
————————————————————————–
6.其他
Scalar s=sum(I);各通道求和
norm,countNonZero,trace,determinant,repeat都是返回Mat或者Scalar
countNonZero:用來統計非零的向量個數.(rows*cols個)
Scalar m=mean(I);//各通道求平均
Mat RowClone=C.row(1).clone();//複製第2行
addWeight(I1,alpha,I2,beta,gamma,dst,int dtype=-1);//dst=saturate(alpha*I1+beta*I2+gamma);dtype是dst的深度
—————————————————————————-
7.運算符
log10()
exp(I,dst);//dst=exp(I);計算每個數組元素的指數
log(I,dst);//如果Iij!=0;則dstij=log(|Iij|)
randu(I,Scalar::all(0),Scalar::all(255));
Mat::t()轉置
Mat::inv(int method=DECOMP_LU)求逆。method=DECOMP_CHOLESKY(專門用於對稱，速度是LU的2倍),DECOMP_SVD//A.inv();A.inv()*B;
invert(I1,dst,int method=DECOMP_LU);//用法同上
MatExpr abs(Mat)//求絕對值
A cmpop B;A compop alpha;alpha cmpop A;這裏cmpop表示>,>=,==,!=,<=,<等，結果是CV_8UC1的mask的0或255
按位運算：A logicop B;A logicop s;s logicop A;~A;這裏logicop代表&,|,^
bitwise_not(I,dst,mask);//inverts所有的隊列
還有bitwise_and,bitwise_or,bitwise_xor,
min(A,B);min(A,alpha);max(A,B);max(A,alpha);都返回MatExpr,返回的dst和A的類型一樣
double determinant(Mat);//行列式
bool eigen(I1,dst,int lowindex=-1,int highindex=-1);//
bool eigen(I1,dst,I,int…);//得到特徵值向量dst和對應特徵值的特徵向量
minMaxLoc(I1,&minVal,&maxVal,Point *minLoc=0,Point* MaxLoc=0,mask);
//minLoc是2D時距原點最小的點(未考證)
——————————————————————————
8.初始化
Mat I(img,Rect(10,10,100,100));//用一塊地方初始化。
Mat I=img(Range:all(),Range(1,3));//所有行，1~3列
Mat I=img.clone();//完全複製
img.copyTo(I);//傳遞矩陣頭
Mat I(2,2,CV_8UC3,Scalar(0,0,255));//I=[0,0,255,0,0,255;0,0,255,0,0,255];
Mat E=Mat::eye(4,4,CV_64F);//對角矩陣
Mat O=Mat::ones(2,2,CV_32F);//全一矩陣
Mat Z=Mat::zeros(3,3,CV_8UC1);//全零矩陣
Mat C=(Mat_<double>(2,2)<<0,-1,2,3);//如果是簡單矩陣的初始化
Mat::row(i);Mat::row(j);Mat::rowRange(start,end);Mat::colRange(start,end);都只是創建個頭
Mat::diag(int d);d=0是是主對角線，d=1是比主低的對角線,d=-1….
static Mat Mat::diag(const Mat& matD)
Mat::setTo(Scalar &s);以s初始化矩陣
Mat::push_back(Mat);在原來的Mat的最後一行後再加幾行
Mat::pop_back(size_t nelems=1);//移出最下面幾行
——————————————————————————-
9.矩陣讀取和修改
(1)1個通道：
for(int i=0;i<I.rows;++i)
for(int j=0;j<I.cols;++j)
I.at<uchar>(i,j)=k;
(2)3個通道：
Mat_<Vec3b> _I=I;//他沒有4個通道寸，只有3個通道！
for(int i=0;i<I.rows;++i)
for(int j=0;j<I.cols;++j)
{
_I(i,j)[0]=b;
_I(i,j)[1]=g;
_I(i,j)[2]=r;
}
I=_I;
————————————————————
或者直接用I.at<Vec3b>(i,j)[0]….
————————————————-
float *s;
for(i=0;i<dealImg.rows;i++)
{s=proImg.ptr<float>(i);
for(j=0;j<dealImg.cols;j++)
{a1=s[3*j+1]-m1;
a2=s[3*j+2]-m2;}}
————————————————————————-
(3)其他機制
I.rows(0).setTo(Scalar(0));//把第一行清零
saturate_cast<uchar>(…);//可以確保內容爲0~255的整數
Mat::total();返回一共的元素數量
size_t Mat::elemSize();返回元素的大小:CV_16SC3–>3*sizeof(short)–>6
size_t Mat::elemSize1();返回元素一個通道的大小CV_16SC3–>sizeof(short)–>2
int Mat::type()返回他的類型CV_16SC3之類
int Mat::depth()返回深度:CV_16SC3–>CV_16S
int Mat::channels()返回通道數
size_t Mat:step1()返回一個被elemSize1()除以過的step
Size Mat::size()返回Size(cols,rows);如果大於2維，則返回(-1,-1)，都是先寬再高的
bool Mat::empty()如果沒有元素返回1,即Mat::total()==0或者Mat::data==NULL
uchar *Mat::ptr(int i=0)指向第i行
Mat::at(int i)(int i,int j)(Point pt)(int i,int j,int k)
RNG隨機類:next,float RNG::uniform(float a,float b);..
double RNG::gaussian(double sigma);
RNG::fill(I,int distType,Mat low,Mat up);//用隨機數填充
randu(I,low,high);
randn(I,Mat mean,Mat stddev);
reduce(I,dst,int dim,int reduceOp,int dtype=-1);//可以統計每行或每列的最大、最小、平均值、和
setIdentity(dst,Scalar &value=Scalar(1));//把對角線替換爲value
//效果等同：Mat A=Mat::eye(4,3,CV_32F)*5;
————————————————————–
10.較複雜運算
gemm(I1,I2,alpha,I3,beta,dst,int flags=0);//I1至少是浮點型,I2同I1,flags用來轉置
//gemm(I1,I2,alpha,I3,beta,dst,GEMM_1_T,GEMM_3_T);–>dst=alpha*I1.t()*I2+beta*I3.t();可用此完全代替此函數
mulTransposed(I,dst,bool aTa,Mat delta=noArray(),double scale=1,int rtype=-1);
//I是1通道的,和gemm不同,他可用於任何類型。
//如果aTa=flase時,dst=scale*(I-delta).t()*(I-delta);
//如果是true,dst=scale*(I-delta)(I-delta).t();
calcCovarMatrix(Mat,int,Mat,Mat,int,int=);calcCovarMatrix(Mat I,Mat covar,Mat mean,int flags,int=);
cartToPolar//轉到極座標
compare(I1,I2,dst,cmpop);cmpop=CMP_EQ,CMP_GT,CMP_GE,CMP_LT,CMP_LE,COM_NE
completeSymm(M,bool lowerToUpper=false);當lowerToUpper=true時Mij=Mji(i<j);當爲flase時,Mij=Mji(i>j)
變成可顯示圖像:convertScaleAbs(I,dst,alpha,beta);dst=saturate_cast<uchar>(|alpha*I+beta|);
dct(I,dst,int flags=0);//DCT變換，1維、2維的矩陣;flags=DCT_INVERSE,DCT_ROWS
idct,dft,idft
inRange(I1,I_low,I_up,dst);//dst是CV_8UC1,在2者之間就是255
Mahalanobis(vec1,vec2,covar);
merge(vector<Mat>,Mat);//把多個Mat組合成一個和split相反
double norm(…)：當src2木有時,norm可以計算出最長向量、向量距離和、向量距離和的算術平方根
solveCubic解3次方程，solvePoly解n次方程
排列：sort,sortIdx
mixChannels();對某個通道進行各種傳遞
—————————————————————–
11.未懂的函數
getConvertElem,extractImageCOI,LUT
magnitude(x,y,dst);//I1,I2都是1維向量,dst=sqrt(x(I)^2+y(I)^2);
meanStdDev,
MulSpectrums(I1,I2,dst,flags);傅里葉
normalize(I,dst,alpha,beta,int normType=NORM_L2,int rtype=-1,mask);//歸一化
PCA,SVD,solve,transform,transpose
二、其他數據結構
Point2f P(5,1);
Point3f P3f(2,6,7);
vector<float> v;v.push_back((float)CV_PI);v.push_back(2);v.push_back(3.01f);//不斷入
vector<Point2f> vPoints(20);//一次定義20個
三、常用方法
Mat mask=src<0;這樣很快建立一個mask了
四、以後可能用到的函數
randShuffle,repeat
五、矩陣處理
1、矩陣的內存分配與釋放
（1） 總體上:
Opencv 使用C語言來進行矩陣操作。不過實際上有很多C++語言的替代方案可以更高效地完成。
在OpenCV中向量被當做是有一個維數爲1的N維矩陣.
矩陣按行-行方式存儲，每行以4字節（32位）對齊.
（2） 爲新矩陣分配內存:
CvMat* cvCreateMat(int rows, int cols, int type);
type: 矩陣元素類型.
按CV_<bit_depth>(S|U|F)C<number_of_channels> 方式指定. 例如: CV_8UC1 、CV_32SC2.
示例:
CvMat* M = cvCreateMat(4,4,CV_32FC1);
（3） 釋放矩陣內存:
CvMat* M = cvCreateMat(4,4,CV_32FC1);
cvReleaseMat(&M);
（4） 複製矩陣:
CvMat* M1 = cvCreateMat(4,4,CV_32FC1);
CvMat* M2;
M2=cvCloneMat(M1);
（5） 初始化矩陣:
double a[] = { 1, 2, 3, 4,
5, 6, 7, 8,
9, 10, 11, 12 };
CvMat Ma=cvMat(3, 4, CV_64FC1, a);
//等價於:
CvMat Ma;
cvInitMatHeader(&Ma, 3, 4, CV_64FC1, a);
（6） 初始化矩陣爲單位矩陣:
CvMat* M = cvCreateMat(4,4,CV_32FC1);
cvSetIdentity(M); // does not seem to be working properl
2、訪問矩陣元素
（1） 假設需要訪問一個2D浮點型矩陣的第（i, j）個單元.
（2） 間接訪問:
cvmSet(M,i,j,2.0); // Set M(i,j)
t = cvmGet(M,i,j); // Get M(i,j)
（3） 直接訪問（假設矩陣數據按4字節行對齊）:
CvMat* M = cvCreateMat(4,4,CV_32FC1);
int n = M->cols;
float *data = M->data.fl;
data[i*n+j] = 3.0;
（4） 直接訪問（當數據的行對齊可能存在間隙時 possible alignment gaps）:
CvMat* M = cvCreateMat(4,4,CV_32FC1);
int step = M->step/sizeof(float);
float *data = M->data.fl;
(data+i*step)[j] = 3.0;
（5） 對於初始化後的矩陣進行直接訪問:
double a[16];
CvMat Ma = cvMat(3, 4, CV_64FC1, a);
a[i*4+j] = 2.0; // Ma(i,j)=2.0;
3、矩陣/向量運算
（1） 矩陣之間的運算:
CvMat *Ma, *Mb, *Mc;
cvAdd(Ma, Mb, Mc); // Ma+Mb -> Mc
cvSub(Ma, Mb, Mc); // Ma-Mb -> Mc
cvMatMul(Ma, Mb, Mc); // Ma*Mb -> Mc
（2） 矩陣之間的元素級運算:
CvMat *Ma, *Mb, *Mc;
cvMul(Ma, Mb, Mc); // Ma.*Mb -> Mc
cvDiv(Ma, Mb, Mc); // Ma./Mb -> Mc
cvAddS(Ma, cvScalar(-10.0), Mc); // Ma.-10 -> Mc
（3） 向量乘積:
double va[] = {1, 2, 3};
double vb[] = {0, 0, 1};
double vc[3];
CvMat Va=cvMat(3, 1, CV_64FC1, va);
CvMat Vb=cvMat(3, 1, CV_64FC1, vb);
CvMat Vc=cvMat(3, 1, CV_64FC1, vc);
double res=cvDotProduct(&Va,&Vb); // 向量點乘: Va . Vb -> res
cvCrossProduct(&Va, &Vb, &Vc); // 向量叉乘: Va x Vb -> Vc
注意在進行叉乘運算時，Va, Vb, Vc 必須是僅有3個元素的向量.
（4） 單一矩陣的運算:
CvMat *Ma, *Mb;
cvTranspose(Ma, Mb); // 轉置：transpose(Ma) -> Mb (注意轉置陣不能返回給Ma本身)
CvScalar t = cvTrace(Ma); // 跡：trace(Ma) -> t.val[0]
double d = cvDet(Ma); // 行列式：det(Ma) -> d
cvInvert(Ma, Mb); // 逆矩陣：inv(Ma) -> Mb
（5） 非齊次線性方程求解:
CvMat* A = cvCreateMat(3,3,CV_32FC1);
CvMat* x = cvCreateMat(3,1,CV_32FC1);
CvMat* b = cvCreateMat(3,1,CV_32FC1);
cvSolve(&A, &b, &x); // solve (Ax=b) for x
（6） 特徵值與特徵向量 (矩陣爲方陣):
CvMat* A = cvCreateMat(3,3,CV_32FC1);
CvMat* E = cvCreateMat(3,3,CV_32FC1);
CvMat* l = cvCreateMat(3,1,CV_32FC1);
cvEigenVV(A, E, l); // l = A 的特徵值(遞減順序)
// E = 對應的特徵向量 (行向量)
（7） 奇異值分解（SVD）:====
CvMat* A = cvCreateMat(3,3,CV_32FC1);
CvMat* U = cvCreateMat(3,3,CV_32FC1);
CvMat* D = cvCreateMat(3,3,CV_32FC1);
CvMat* V = cvCreateMat(3,3,CV_32FC1);
cvSVD(A, D, U, V, CV_SVD_U_T|CV_SVD_V_T); // A = U D V^T
標誌位使矩陣U或V按轉置形式返回 (若不轉置可能運算出錯).

篇二：OpenCV的基本矩陣操作與示例

OpenCV中的矩陣操作非常重要，本文總結了矩陣的創建、初始化以及基本矩陣操作，給出了示例代碼，主要內容包括：

創建與初始化
矩陣加減法
矩陣乘法
矩陣轉置
矩陣求逆
矩陣非零元素個數
矩陣均值與標準差
矩陣全局極值及位置
其他矩陣運算函數列表

1. 創建與初始化矩陣

1.1 數據類型

建立矩陣必須要指定矩陣存儲的數據類型，圖像處理中常用的幾種數據類型如下：

[cpp] view
plain copy

CV_8UC1// 8位無符號單通道  

CV_8UC3// 8位無符號3通道  

CV_8UC4  

CV_32FC1// 32位浮點型單通道  

CV_32FC3// 32位浮點型3通道  

CV_32FC4

包括數據位深度8位、32位，數據類型U:uchar、F:float型以及通道數C1：單通道、C3：三通道、C4：四通道。

1.2 基本方法

我們可以通過載入圖像來創建Mat類型矩陣，當然也可以直接手動創建矩陣，基本方法是指定矩陣尺寸和數據類型：

[cpp] view
plain copy

// 基本方法  

    cv::Mat a(cv::Size(5,5),CV_8UC1); // 單通道  

    cv::Mat b = cv::Mat(cv::Size(5,5),CV_8UC3); //3通道每個矩陣元素包含3個uchar值  

    cout<<"a  = "<<endl<<a<<endl<<endl;  

    cout<<"b  = "<<endl<<b<<endl<<endl;  

    system("pause");

運行結果：

3通道矩陣中，一個矩陣元素包含3個變量。

1.3 初始化方法

上述方法不初始化矩陣數據，因此將出現隨機值。如果想避免這種情況，可使用Mat類的幾種初始化創建矩陣的方法：

[cpp] view
plain copy

// 初始化方法  

    cv::Mat mz = cv::Mat::zeros(cv::Size(5,5),CV_8UC1); // 全零矩陣  

    cv::Mat mo = cv::Mat::ones(cv::Size(5,5),CV_8UC1);  // 全1矩陣  

    cv::Mat me = cv::Mat::eye(cv::Size(5,5),CV_32FC1);  // 對角線爲1的對角矩陣  

    cout<<"mz = "<<endl<<mz<<endl<<endl;  

    cout<<"mo = "<<endl<<mo<<endl<<endl;  

    cout<<"me = "<<endl<<me<<endl<<endl;

運行結果：

2. 矩陣運算

2.1 基本概念

OpenCV的Mat類允許所有的矩陣運算。

2.2 矩陣加減法

我們可以使用"+"和"-"符號進行矩陣加減運算。

[cpp] view
plain copy

cv::Mat a= Mat::eye(Size(3,2), CV_32F);  

cv::Mat b= Mat::ones(Size(3,2), CV_32F);  

cv::Mat c= a+b;  

cv::Mat d= a-b;  

2.3 矩陣乘法

使用"*"號計算矩陣與標量相乘，矩陣與矩陣相乘（必須滿足矩陣相乘的行列數對應規則）

[cpp] view
plain copy

Mat m1= Mat::eye(2,3, CV_32F); //使用cv命名空間可省略cv::前綴，下同  

Mat m2= Mat::ones(3,2, CV_32F);  

cout<<"m1  = "<<endl<<m1<<endl<<endl;  

cout<<"m2  = "<<endl<<m2<<endl<<endl;  

// Scalar by matrix  

cout << "\nm1.*2 = \n" << m1*2 << endl;  

// matrix per element multiplication  

cout << "\n(m1+2).*(m1+3) = \n" << (m1+1).mul(m1+3) << endl;  

// Matrix multiplication  

cout << "\nm1*m2 = \n" << m1*m2 << endl;

2.4 矩陣轉置

矩陣轉置是將矩陣的行與列順序對調（第i行轉變爲第i列）形成一個新的矩陣。OpenCV通過Mat類的t()函數實現。

[cpp] view
plain copy

// 轉置  

    Mat m1= Mat::eye(2,3, CV_32F);    

    Mat m1t = m1.t();  

    cout<<"m1  = "<<endl<<m1<<endl<<endl;  

    cout<<"m1t  = "<<endl<<m1t<<endl<<endl;  

    system("pause");

運行結果：

2.5 求逆矩陣

逆矩陣在某些算法中經常出現，在OpenCV中通過Mat類的inv()方法實現

[cpp] view
plain copy

// 求逆  

    Mat meinv = me.inv();  

    cout<<"me  = "<<endl<<me<<endl<<endl;  

    cout<<"meinv = "<<endl<<meinv<<endl<<endl;  

    system("pause");

運行結果：

單位矩陣的逆就是其本身。

2.6 計算矩陣非零元素個數

計算物體的像素或面積常需要用到計算矩陣中的非零元素個數，OpenCV中使用countNonZero()函數實現。

[cpp] view
plain copy

// 非零元素個數  

    int nonZerosNum = countNonZero(me); // me爲輸入矩陣或圖像  

    cout<<"me  = "<<endl<<me<<endl;  

    cout<<"me中非零元素個數 = "<<nonZerosNum<<endl<<endl;  

    system("pause");

運行結果：

2.7 均值和標準差

OpenCV提供了矩陣均值和標準差計算功能，可以使用meanStdDev(src,mean,stddev)函數實現。

參數

src – 輸入矩陣或圖像
mean – 均值，OutputArray
stddev – 標準差，OutputArray

[cpp] view
plain copy

// 均值方差  

    Mat mean;  

    Mat stddev;  

    meanStdDev(me, mean, stddev); //me爲前文定義的5×5對角陣  

    cout<<"mean = "<<mean<<endl;  

    cout<<"stddev = "<<stddev<<endl;  

    system("pause");

運行結果：

需要說明的是，如果src是多通道圖像或多維矩陣，則函數分別計算不同通道的均值與標準差，因此返回值mean和stddev爲對應維度的向量。

[cpp] view
plain copy

Mat mean3;  

Mat stddev3;  

Mat m3(cv::Size(5,5),CV_8UC3,Scalar(255,200,100));  

cout<<"m3  = "<<endl<<m3<<endl<<endl;  

meanStdDev(m3, mean3, stddev3);  

cout<<"mean3 = "<<mean3<<endl;  

cout<<"stddev3 = "<<stddev3<<endl;  

system("pause");

多通道矩陣運算結果：

2.8 求最大最小值

求輸入矩陣的全局最大最小值及其位置，可使用函數：

[cpp] view
plain copy

void minMaxLoc(InputArray src, CV_OUT double* minVal,  

                           CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,  

                           CV_OUT Point* maxLoc=0, InputArray mask=noArray());  

參數：

src – 輸入單通道矩陣（圖像）.
minVal – 指向最小值的指針，如果未指定則使用NULL
maxVal – 指向最大值的指針，如果未指定則使用NULL
minLoc – 指向最小值位置（2維情況）的指針，如果未指定則使用NULL
maxLoc – 指向最大值位置（2維情況）的指針，如果未指定則使用NULL
mask – 可選的蒙版，用於選擇待處理子區域

[cpp] view
plain copy

// 求極值 最大、最小值及其位置  

    Mat img = imread("Lena.jpg",0);  

    imshow("original image",img);  

    double minVal=0,maxVal=0;  

    cv::Point minPt, maxPt;  

    minMaxLoc(img,&minVal,&maxVal,&minPt,&maxPt);  

    cout<<"min value  = "<<minVal<<endl;  

    cout<<"max value  = "<<maxVal<<endl;  

    cout<<"minPt = ("<<minPt.x<<","<<minPt.y<<")"<<endl;  

    cout<<"maxPt = ("<<maxPt.x<<","<<maxPt.y<<")"<<endl;  

    cout<<endl;  

    cv::Rect rectMin(minPt.x-10,minPt.y-10,20,20);  

    cv::Rect rectMax(maxPt.x-10,maxPt.y-10,20,20);  

    cv::rectangle(img,rectMin,cv::Scalar(200),2);  

    cv::rectangle(img,rectMax,cv::Scalar(255),2);  

    imshow("image with min max location",img);  

    cv::waitKey();

運行結果：

輸入圖像及其最大最小值位置

3. 其他矩陣運算

其他矩陣運算函數見下表：

Function (函數名)	Use (函數用處)
add	矩陣加法，A+B的更高級形式，支持mask
scaleAdd	矩陣加法，一個帶有縮放因子dst(I) = scale * src1(I) + src2(I)
addWeighted	矩陣加法，兩個帶有縮放因子dst(I) = saturate(src1(I) * alpha + src2(I) * beta + gamma)
subtract	矩陣減法，A-B的更高級形式，支持mask
multiply	矩陣逐元素乘法，同Mat::mul()函數，與A*B區別，支持mask
gemm	一個廣義的矩陣乘法操作
divide	矩陣逐元素除法，與A/B區別，支持mask
abs	對每個元素求絕對值
absdiff	兩個矩陣的差的絕對值
exp	求每個矩陣元素 src(I) 的自然數 e 的 src(I) 次冪 dst[I] = esrc(I)
pow	求每個矩陣元素 src(I) 的 p 次冪 dst[I] = src(I)p
log	求每個矩陣元素的自然數底 dst[I] = log\|src(I)\| (if src != 0)
sqrt	求每個矩陣元素的平方根
min, max	求每個元素的最小值或最大值返回這個矩陣 dst(I) = min(src1(I), src2(I)), max同
minMaxLoc	定位矩陣中最小值、最大值的位置
compare	返回逐個元素比較結果的矩陣
bitwise_and, bitwise_not, bitwise_or, bitwise_xor	每個元素進行位運算，分別是和、非、或、異或
cvarrToMat	舊版數據CvMat,IplImage,CvMatND轉換到新版數據Mat
extractImageCOI	從舊版數據中提取指定的通道矩陣給新版數據Mat
randu	以Uniform分佈產生隨機數填充矩陣，同 RNG::fill(mat, RNG::UNIFORM)
randn	以Normal分佈產生隨機數填充矩陣，同 RNG::fill(mat, RNG::NORMAL)
randShuffle	隨機打亂一個一維向量的元素順序
theRNG()	返回一個默認構造的RNG類的對象 theRNG()::fill(...)
reduce	矩陣縮成向量
repeat	矩陣拷貝的時候指定按x/y方向重複
split	多通道矩陣分解成多個單通道矩陣
merge	多個單通道矩陣合成一個多通道矩陣
mixChannels	矩陣間通道拷貝，如Rgba[]到Rgb[]和Alpha[]
sort, sortIdx	爲矩陣的每行或每列元素排序
setIdentity	設置單元矩陣
completeSymm	矩陣上下三角拷貝
inRange	檢查元素的取值範圍是否在另兩個矩陣的元素取值之間，返回驗證矩陣
checkRange	檢查矩陣的每個元素的取值是否在最小值與最大值之間，返回驗證結果bool
sum	求矩陣的元素和
mean	求均值
meanStdDev	均值和標準差
countNonZero	統計非零值個數
cartToPolar, polarToCart	笛卡爾座標與極座標之間的轉換
flip	矩陣翻轉
transpose	矩陣轉置，比較 Mat::t() AT
trace	矩陣的跡
determinant	行列式 \|A\|, det(A)
eigen	矩陣的特徵值和特徵向量
invert	矩陣的逆或者僞逆，比較 Mat::inv()
magnitude	向量長度計算 dst(I) = sqrt(x(I)2 + y(I)2)
Mahalanobis	Mahalanobis距離計算
phase	相位計算，即兩個向量之間的夾角
norm	求範數，1-範數、2-範數、無窮範數
normalize	標準化
mulTransposed	矩陣和它自己的轉置相乘 AT * A, dst = scale(src - delta)T(src - delta)
convertScaleAbs	先縮放元素再取絕對值，最後轉換格式爲8bit型
calcCovarMatrix	計算協方差陣
solve	求解1個或多個線性系統或者求解最小平方問題(least-squares problem)
solveCubic	求解三次方程的根
solvePoly	求解多項式的實根和重根
dct, idct	正、逆離散餘弦變換，idct同dct(src, dst, flags \| DCT_INVERSE)
dft, idft	正、逆離散傅立葉變換, idft同dft(src, dst, flags \| DTF_INVERSE)
LUT	查表變換
getOptimalDFTSize	返回一個優化過的DFT大小
mulSpecturms	兩個傅立葉頻譜間逐元素的乘法

上表引自：http://blog.sina.com.cn/s/blog_7908e1290101i97z.html

轉載請註明出處（本文更新鏈接）：http://blog.csdn.net/iracer/article/details/51296631

OpenCV矩陣運算總結

篇二：OpenCV的基本矩陣操作與示例

1. 創建與初始化矩陣

1.1 數據類型

1.2 基本方法

1.3 初始化方法

2. 矩陣運算

2.1 基本概念

2.2 矩陣加減法

2.3 矩陣乘法

2.4 矩陣轉置

2.5 求逆矩陣

2.6 計算矩陣非零元素個數

2.7 均值和標準差

2.8 求最大最小值

3. 其他矩陣運算

ROS CAN總線設備接入（二）can總線數據提取和以ros topic形式發佈

ROS CAN總線設備接入（一）Linux動態庫的顯式調用

ROS多進程回調的實現 ROS Using different ros::CallbackQueue

python tkinter 程序簡單打包exe

Keras深度神經網絡訓練IMDB情感分類的四種方法

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結