一、前言
經過兩個星期的努力，一邊學習，一邊寫代碼，初步完成了畢業論文系統的界面和一些基本功能，主要包括：1 數據的讀寫和顯示，及相關的基本操作（放大、縮小和移動）；2 樣本數據的選擇；3 數據歸一化處理；4 繪制光譜曲線；5 獲取波段信息。接下來的工作主要是完成遙感影像分類的相關算法。這部分主要是數學計算，尤其是矩陣的相關運算和操作。為此，系統的學習和了解了openCV庫中常用的矩陣操作函數，記錄下來，方便以后查閱。
二、openCV函數
1 reshape
1 C++: Mat Mat::reshape(int cn, int rows=0) const
官方解釋：能夠改變二維數組的通道和形式，並且並不拷貝數據（只是創建矩陣的信息頭）。
參數：int cn : 變換后通道數（0表示保持原通道數）；
int rows : 變換后行數（0表示行數不變），列數更具以上兩個參數自動確定。
對於遙感影像來說，我們常常將通道數據（波段數據）作為特征用作后續數據的處理，為此，我們總希望將通道數變為行或列數，對此我們可以使用如下的方法：
1 int main(int argc, char *argv[]) 2 { 3 QCoreApplication a(argc, argv); 4 5 cv::Mat img = cv::imread("F:\\paperSystem\\openCV\\2.tif"); 6 cv::Mat tmpB; 7 tmpB = img.reshape(1,img.rows*img.cols); // 將通道數變成列數，每一行可表示每一個樣本數據 8 qDebug()<<img.channels()<<tmpB.cols; // 通道個數 9 qDebug()<<img.at<cv::Vec3b>(0,0)[0]<<tmpB.at<uchar>(0,0); 10 qDebug()<<img.at<cv::Vec3b>(0,0)[1]<<tmpB.at<uchar>(0,1); 11 qDebug()<<img.at<cv::Vec3b>(0,0)[2]<<tmpB.at<uchar>(0,2); 12 return a.exec(); 13 }
顯示如下：
2 norm
1 C++: double norm(InputArray src1, int normType=NORM_L2, InputArray mask=noArray()) // 計算矩陣src1的范數，主要包括1,2，inf范數 NORM_L1/NORM_L2/NORM_INF
2 C++: double norm(InputArray src1, InputArray src2, int normType=NORM_L2, InputArray mask=noArray()) // 計算矩陣(src1-src2)的1、2、inf范數 NORM_L1/NORM_L2/NORM_INF （對於normType = NORM_RELATIVE_INF/NORM_RELATIVE_L1/NORM_RELATIVE_L2,則計算（src1-src2）的范數與src1的相應范數之商
3 C++: double norm(const SparseMat& src, int normType)
參數：大家都知道
1 int main(int argc, char *argv[]) 2 { 3 QCoreApplication a(argc, argv); 4 5 cv::Mat img = cv::imread("F:\\paperSystem\\openCV\\2.tif"); 6 std::vector<cv::Mat>splitImg(img.channels()); 7 cv::split(img,splitImg); 8 9 cv::Mat tmp = img.reshape(1,img.rows*img.cols); 10 11 double norm1_splitImg = cv::norm(splitImg[0],cv::NORM_L1); 12 double norm2_splitImg = cv::norm(splitImg[0],cv::NORM_L2); 13 double normInf_splitImg = cv::norm(splitImg[0],cv::NORM_INF); 14 15 double norm1_img = cv::norm(img,cv::NORM_L1); 16 double norm2_img = cv::norm(img,cv::NORM_L2); 17 double normInf_img = cv::norm(img,cv::NORM_INF); 18 19 double norm1_tmp = cv::norm(tmp,cv::NORM_L1); 20 double norm2_tmp = cv::norm(tmp,cv::NORM_L2); 21 double normInf_tmp = cv::norm(tmp,cv::NORM_INF); 22 23 qDebug()<<norm1_splitImg<<" "<<norm1_img<<" "<<norm1_tmp; 24 qDebug()<<norm2_splitImg<<" "<<norm2_img<<" "<<norm2_tmp; 25 qDebug()<<normInf_splitImg<<" "<<normInf_img<<" "<<normInf_tmp; 26 return a.exec(); 27 }
顯示如下：對於多通道數據是變成單通道后處理的，全部通道數據都加入計算。
3 normalize
1 C++: void normalize(InputArray src, OutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray()) 2 C++: void normalize(const SparseMat& src, SparseMat& dst, double alpha, int normType)
參數： InputArray src：輸入的矩陣；
OutputArray dst：輸出矩陣；
double alpha：將矩陣規則化到aipha,或者是規則化后矩陣的最小值；
double beta：矩陣元素規則化的上界；當前面alpha規則化到某個值時，不使用
。。。。。。。
cv::normalize(splitImg[0],tmp,0,255,cv::NORM_MINMAX); // 關於這個函數我還不是很理解，將矩陣元素歸一化到一個區間可以，可是為何將矩陣的某個范數歸一化到一個值卻一直不行
有知道的請幫忙。
4 reduce
1 C++: void reduce(InputArray src, OutputArray dst, int dim, int rtype, int dtype=-1 )
這個函數功能很強大，可以實現矩陣的列求和、均值、最大、最小。
參數：int dim：0 --- 行
int rtype: CV_REDUCE_SUM CV_REDUCE_AVG CV_REDUCE_MAX CV_REDUCE_MIN
int dtypr：默認為原始數據的類型，注意：對於求和和均值之類要改變數據類型，尤其是求和，不然數據大小超過原始數據類型會報錯
5 repeat
1 C++: void repeat(InputArray src, int ny, int nx, OutputArray dst) 2 C++: Mat repeat(const Mat& src, int ny, int nx)
這個代碼和Matlab中的repmat一樣
總結：openCV幾乎具有MatLab中相似的矩陣操作函數，看來接下來將MatLab的代碼轉化為opencCV格式不是那么難 哈哈。。。