一、opencv簡(jiǎn)介

　　OpenCV是一個(gè)基于BSD許可（開(kāi)源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它輕量級(jí)而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時(shí)提供了Python、Ruby、MATLAB等語(yǔ)言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。

　　二、opencv優(yōu)勢(shì)

　　1.研究代碼（慢，不穩(wěn)定，獨(dú)立并與其他庫(kù)不兼容）

　　2.耗費(fèi)很高的商業(yè)化工具（比如Halcon， MATLAB+Simulink）

　　3.依賴硬件的一些特別的解決方案（比如視頻監(jiān)控，制造控制系統(tǒng)，醫(yī)療設(shè)備）這是如今的現(xiàn)狀。而標(biāo)準(zhǔn)的API將簡(jiǎn)化計(jì)算機(jī)視覺(jué)程序和解決方案的開(kāi)發(fā)。

　　OpenCV致力于成為這樣的標(biāo)準(zhǔn)API。OpenCV致力于真實(shí)世界的實(shí)時(shí)應(yīng)用，通過(guò)優(yōu)化的C代碼的編寫對(duì)其OpenCV與其它視覺(jué)函數(shù)庫(kù)性能對(duì)比執(zhí)行速度帶來(lái)了可觀的提升，并且可以通過(guò)購(gòu)買Intel的IPP高性能多媒體函數(shù)庫(kù)（Integrated Performance Primitives）得到更快的處理速度。

　　三、opencv應(yīng)用

　　1、人機(jī)互動(dòng)

　　2、物體識(shí)別

　　3、圖像分割

　　4、人臉識(shí)別

　　5、動(dòng)作識(shí)別

　　6、運(yùn)動(dòng)跟蹤

　　7、機(jī)器人

　　8、運(yùn)動(dòng)分析

　　9、機(jī)器視覺(jué)

　　10、結(jié)構(gòu)分析

　　11、汽車安全駕駛

　　四、opencv 基本數(shù)據(jù)結(jié)構(gòu)

　　DataType ： 將C++數(shù)據(jù)類型轉(zhuǎn)換為對(duì)應(yīng)的opencv數(shù)據(jù)類型

　　enum { CV_8U=0， CV_8S=1， CV_16U=2， CV_16S=3， CV_32S=4， CV_32F=5， CV_64F=6 };

　　// allocates a 30x40 floating-point matrix // CV_32F

　　Mat A（30， 40， DataType《float》：：type）;

　　Mat B = Mat_《std：：complex《double》 》（3， 3）;

　　// the statement below will print 6， 2 /*， that is depth == CV_64F， channels == 2*/ CV_64FC2

　　cout 《《 B.depth（） 《《 “， ” 《《 B.channels（） 《《 endl;

　　Point_ 二維點(diǎn)坐標(biāo)（x，y）

　　typedef Point_《int》 Point2i;

　　typedef Point2i Point;

　　typedef Point_《float》 Point2f;

　　typedef Point_《double》 Point2d;

　　Point3_ 3維點(diǎn)坐標(biāo)（x，y，z）

　　typedef Point3_《int》 Point3i;

　　typedef Point3_《float》 Point3f;

　　typedef Point3_《double》 Point3d;

　　Size_ 尺寸（width， height）

　　typedef Size_《int》 Size2i;

　　typedef Size2i Size;

　　typedef Size_《float》 Size2f;

　　Rect_ 矩形區(qū)域

? ? ?（x，y，width，height） ，（x，y）左上角坐標(biāo)， 范圍［x， x + width）， ［y， y + height）

　　rect = rect ± point //矩形偏移（shifting a rectangle by a certain offset）

　　rect = rect ± size //改變大小（expanding or shrinking a rectangle by a certain amount）

　　rect += point， rect -= point， rect += size， rect -= size //（augmenting operations）

　　rect = rect1 & rect2 //矩形交集（rectangle intersection）

　　rect = rect1 | rect2 //包含r1r2的最小矩形（minimum area rectangle containing rect2 and rect3 ）

　　rect &= rect1， rect |= rect1 //（and the corresponding augmenting operations）

　　rect == rect1， rect ！= rect1 //（rectangle comparison）

　　RotatedRect 旋轉(zhuǎn)矩形

　　RotatedRect：：RotatedRect（const Point2f& center， const Size2f& size， float angle）// 中心點(diǎn)（不是左上角坐標(biāo)），尺寸，旋轉(zhuǎn)角度

　　RotatedRect rRect = RotatedRect（Point2f（100，100）， Size2f（100，50）， 30）;

　　Matx 小矩陣

　　template《typename_Tp， int m， int n》 class Matx {。。。};

　　typedef Matx《float， 1， 2》 Matx12f;

　　typedef Matx《double， 1， 2》 Matx12d;

　　typedef Matx《float， 1， 6》 Matx16f;

　　typedef Matx《double， 1， 6》 Matx16d;

　　typedef Matx《float， 2， 1》 Matx21f;

　　typedef Matx《double， 2， 1》 Matx21d;

　　typedef Matx《float， 6， 1》 Matx61f;

　　typedef Matx《double， 6， 1》 Matx61d;

　　typedef Matx《float， 2， 2》 Matx22f;

　　typedef Matx《double， 2， 2》 Matx22d;

　　typedef Matx《float， 6， 6》 Matx66f;

　　typedef Matx《double， 6， 6》 Matx66d;

　　Matx33f m（1， 2， 3，

　　4， 5， 6，

　　7， 8， 9）;

　　cout 《《 sum（Mat（m*m.t（））） 《《 endl;//Matx轉(zhuǎn)化為Mat

　　Vec 短向量，基于Matx

　　template《typename_Tp， int n》 class Vec ： public Matx《_Tp， n， 1》 {。。。};

　　typedef Vec《uchar， 2》 Vec2b;

　　typedef Vec《uchar， 3》 Vec3b;

　　typedef Vec《uchar， 4》 Vec4b;

　　typedef Vec《short， 2》 Vec2s;

　　typedef Vec《short， 3》 Vec3s;

　　typedef Vec《short， 4》 Vec4s;

　　typedef Vec《int， 2》 Vec2i;

　　typedef Vec《int， 3》 Vec3i;

　　typedef Vec《int， 4》 Vec4i;

　　typedef Vec《float， 2》 Vec2f;

　　typedef Vec《float， 3》 Vec3f;

　　typedef Vec《float， 4》 Vec4f;

　　typedef Vec《float， 6》 Vec6f;

　　typedef Vec《double， 2》 Vec2d;

　　typedef Vec《double， 3》 Vec3d;

　　typedef Vec《double， 4》 Vec4d;

　　typedef Vec《double， 6》 Vec6d;

　　Scalar_ 四維向量

　　template《typename_Tp》 class Scalar_： public Vec《_Tp， 4》 { 。。。 };

　　typedef Scalar_《double》 Scalar;

　　Range 范圍，（start， end）

　　Mat m（300，300，CV32F）;

　　Mat part = m（Range：：all（）， Range（20， 200））; // 相當(dāng)于matlab的m（：， 20 ： 199）

　　對(duì)于自定義的函數(shù)，可以用如下方法來(lái)支持Range

　　void my_function（。。。， const Range& r， 。。。。）

　　{

　　if（r == Range：：all（）） {

　　// process all the data， 使用全部數(shù)據(jù)

　　}

　　else {

　　// process ［r.start， r.end），根據(jù)r中定義， 處理數(shù)據(jù) start ： end - 1

　　}

　　}

　　Mat 矩陣結(jié)構(gòu)

　　M.data 數(shù)據(jù)區(qū)域的指針

　　M.dims 矩陣維度

　　M.sizes 維度

　　M.elemSize（） 每個(gè)元素占的字節(jié)空間大小，與元素類型相關(guān)，如CV_8U

　　M.step［］ 用來(lái)計(jì)算元素地址， M.step［i］ 表示所有比i大的維度所占空間大小

　　M.step［i］ 》= M.step［i+1］*M.sizes［i+1］; //這里大于是因?yàn)閿?shù)據(jù)空間可能有空白

　　2-dimensional matrices are stored row-by-row

　　3-dimensional matrices are stored plane-by-plane

　　addr（M（i（0），。。。，i（M.dims?1））） = M.data + M.step［0］ ? i（0）+ M.step［1］ ? i（1）+ 。。。 + M.step［M.dims ? 1］ ? i（M.dims?1）

　　創(chuàng)建數(shù)組：

　　// make a 7x7 complex matrix filled with 1+3j.

　　Mat M（7，7，CV_32FC2，Scalar（1，3））;

　　// and now turn M to a 100x60 15-channel 8-bit matrix.

　　// The old content will be deallocated

　　M.create（100，60，CV_8UC（15））;

　　// create a 100x100x100 8-bit array

　　int sz［］ = {100， 100， 100};

　　Mat bigCube（3， sz， CV_8U， Scalar：：all（0））;