了解Opencv
Opencv是一个开源的计算机视觉编程程序库，可在windows，Linux，Mac，Android，iOS上面运行。目前Opencv已经到了第3版，增加了许多功能，API也全部迁移到了C++，当然也有Python版本。并且第三版还增加一个独立的最新算法库（contrib库），其中包含一些最新的算法，可能需要收费，但这些算法仍然在开发中，经常会被修改，没有特殊需求一般不需要使用。
Opencv包含多个模块，core模块包含核心功能，imgproc模块包含图像处理，highgui模块包含读写图像和视频的一些函数，在使用这些模块之前，需要包含头文件。
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include<opencv2/imgproc.hpp>
图像对象
在Opencv中，图像对象的数据是由Mat来表示的。对计算机来说，图像就是一个矩阵，因此Mat最主要的部分就是一个矩阵数据。除此之外，Mat还包括一些图像的属性，比如图像的长度、宽度、通道数等，我们可以用rows，cols，channels()来获取这些属性。
Mat image1(240, 320, CV_8U, 100);
cout << image1.cols << image1.rows << image1.channels();
除了图像的属性外，图像的像素也有它自己的格式。像素就是矩阵中的一个数据，这个数据的大小就表示了颜色的深浅。由于图像的通道包括单通道的和多通道的，所以像素也分为两种，单通道的就是一个数据就可以，多通道的需要多个数字组成一个像素。最常见的像素格式就是CV_8U，这表示这是单通道的像素格式，或者说为一个灰度图像，它的像素值为8个字节，用C++中unsigned char数据类型表示。另一个彩色图像的像素可以用CV_8UC3来表示，8U含义与单通道的一样，C3表示三个通道（channels)，表示彩色像素类型，由三个数据RGB表示。若是灰度图像，则这三个RGB数据都相等。
opencv还能够进行图像的读取、展示、保存，读取图像使用imread()函数，保存图像使用imwrite()，展示图像使用imshow()。在读取时，还能够自行选择图像的读取格式，常用的有IMREAD_GRAYSCALE和IMREAD_COLOR，前一个表示灰度图像，后一个表示RGB图像。
Mat image = imread("demo.jpg",IMREAD_COLOR);
imshow("Image", image); // show the image
imwrite("test.jpg", image);
waitKey(0); // wait for a key pressed
waitKey(0)则表示在展示图像的时候，在等待规定时间内接受一个按键再进行下一步的操作，如果等待时间设为0，则表示一直等待下去。
Mat是Opencv经过高度优化的数据结构，它自带了内存管理，可以通过检测引用数来释放不需要的内存。同时它的赋值操作也分为浅赋值和深复制，浅赋值能够不必复制大量的数据，从而提高程序的性能，最好只在需要深复制时在进行深复制。
在赋值或者初始化时，使用的是浅赋值，这样变量的指针指向的是同一个数据。
cv::Mat image2(image1);
image3 = image2;
如上所示，image1，image2，image3指向的都是内存中同一块数据，所以只要修改其中一个任意一个变量，其他的都会改变。
而在进行深赋值时，需要使用函数copyTo()，或者clone()，这样复制出来的就是两个不同的内存数据块，这样就可以随意修改数据也不会影响其他的了。
其他对象
Point表示点类型，常用来表示坐标。Size表示尺寸，常用来表示图像的大小。Scalar表示色彩，用来表示图像的颜色。还有InputArray表示一个输入数组的代理，由于使用Mat可能会造成参数不兼容，所以Opencv中的函数使用的都是InputArray，同时还有OutputArray对象，表示输出数组的代理。
有时候还会遇到需要小矩阵的情况，这时候可以使用模板类Matx和它的子类。例如定义一个3*3的双精度型的浮点数矩阵可以使用Matx33d，定义一个3元素的向量可以使用Matx31d。这些矩阵还支持矩阵之间的操作，比如相乘相加等。
cv::Matx33d matrix(3.0, 2.0, 1.0,
2.0, 1.0, 3.0,
1.0, 2.0, 3.0);
cv::Matx31d vector(5.0, 1.0, 3.0);
cv::Matx31d result = matrix*vector;
获取ROI
ROI就是Region of Interest，表示感兴趣的区域。有时候我们只想获取一部分区域，那就需要用到ROI了。ROI实际上就是一个Mat对象，同时他和他的父图像指向的是同一个数据缓冲区，所以改变ROI也就能改变它的父图像了。
imageROI= image(cv::Rect(image.cols-logo.cols,image.rows-logo.rows,
logo.cols,logo.rows));
如上代码所演示，ROI可以直接使用Rect来定义，我们可以使用图像的大小和logo的大小来确定ROI的大小，接下来改变imageROI就会改变原始图像image。
另一种定义ROI的方式是使用Range结构，即从开始索引到结束索引的一片连续区域，但是行和列需要分别来定义。
imageROI = image(cv::Range(image.rows-logo.rows,image.rows),
cv::Range(image.cols-logo.cols,image.cols))；
还能直接定义行和列组成的ROI，这样只能选择由特定区域的行或者列，但不是特别灵活。
imageROI = image.rowRange(start,end);
imageROI = image.colRange(start,end);
上面主要介绍了opencv的一些基础知识，不过想熟练使用，还得多加练习才是。
欢迎大家关注公众号“计算机视觉与机器学习”
计算机视觉和机器学习
网友评论