OpenCV中对数组(矩阵)的常用操作
add |
矩阵加法，A+B的更高级形式，支持mask |
scaleAdd |
矩阵加法，一个带有缩放因子dst(I) = scale * src1(I) + src2(I) |
addWeighted |
矩阵加法，两个带有缩放因子dst(I) = saturate(src1(I) * alpha + src2(I) * beta + gamma) |
subtract |
矩阵减法，A-B的更高级形式，支持mask |
multiply |
矩阵逐元素乘法，同Mat::mul()函数，与A*B区别，支持mask |
gemm |
一个广义的矩阵乘法操作 |
divide |
矩阵逐元素除法，与A/B区别，支持mask |
abs |
对每个元素求绝对值 |
absdiff |
两个矩阵的差的绝对值 |
exp |
求每个矩阵元素 src(I) 的自然数 e 的 src(I) 次幂 dst[I] = esrc(I) |
pow |
求每个矩阵元素 src(I) 的 p 次幂 dst[I] = src(I)p |
log |
求每个矩阵元素的自然数底 dst[I] = log|src(I)| (if src != 0) |
sqrt |
求每个矩阵元素的平方根 |
min, max |
求每个元素的最小值或最大值返回这个矩阵 dst(I) = min(src1(I), src2(I)), max同 |
minMaxLoc |
定位矩阵中最小值、最大值的位置 |
compare |
返回逐个元素比较结果的矩阵 |
bitwise_and, bitwise_not, bitwise_or, bitwise_xor |
每个元素进行位运算，分别是和、非、或、异或 |
cvarrToMat |
旧版数据CvMat,IplImage,CvMatND转换到新版数据Mat |
extractImageCOI |
从旧版数据中提取指定的通道矩阵给新版数据Mat |
randu |
以Uniform分布产生随机数填充矩阵，同 RNG::fill(mat, RNG::UNIFORM) |
randn |
以Normal分布产生随机数填充矩阵，同 RNG::fill(mat, RNG::NORMAL) |
randShuffle |
随机打乱一个一维向量的元素顺序 |
theRNG() |
返回一个默认构造的RNG类的对象 theRNG()::fill(...) |
reduce |
矩阵缩成向量 |
repeat |
矩阵拷贝的时候指定按x/y方向重复 |
split |
多通道矩阵分解成多个单通道矩阵 |
merge |
多个单通道矩阵合成一个多通道矩阵 |
mixChannels |
矩阵间通道拷贝，如Rgba[]到Rgb[]和Alpha[] |
sort, sortIdx |
为矩阵的每行或每列元素排序 |
setIdentity |
设置单元矩阵 |
completeSymm |
矩阵上下三角拷贝 |
inRange |
检查元素的取值范围是否在另两个矩阵的元素取值之间，返回验证矩阵 |
checkRange |
检查矩阵的每个元素的取值是否在最小值与最大值之间，返回验证结果bool |
sum |
求矩阵的元素和 |
mean |
求均值 |
meanStdDev |
均值和标准差 |
countNonZero |
统计非零值个数 |
cartToPolar, polarToCart |
笛卡尔坐标与极坐标之间的转换 |
flip |
矩阵翻转 |
transpose |
矩阵转置，比较 Mat::t() AT |
trace |
矩阵的迹 |
determinant |
行列式 |A|, det(A) |
eigen |
矩阵的特征值和特征向量 |
invert |
矩阵的逆或者伪逆，比较 Mat::inv() |
magnitude |
向量长度计算 dst(I) = sqrt(x(I)2 + y(I)2) |
Mahalanobis |
Mahalanobis距离计算 |
phase |
相位计算，即两个向量之间的夹角 |
norm |
求范数，1-范数、2-范数、无穷范数 |
normalize |
标准化 |
mulTransposed |
矩阵和它自己的转置相乘 AT * A, dst = scale(src - delta)T(src - delta) |
convertScaleAbs |
先缩放元素再取绝对值，最后转换格式为8bit型 |
calcCovarMatrix |
计算协方差阵 |
solve |
求解1个或多个线性系统或者求解最小平方问题(least-squares problem) |
solveCubic |
求解三次方程的根 |
solvePoly |
求解多项式的实根和重根 |
dct, idct |
正、逆离散余弦变换，idct同dct(src, dst, flags | DCT_INVERSE) |
dft, idft |
正、逆离散傅立叶变换, idft同dft(src, dst, flags | DTF_INVERSE) |
LUT |
查表变换 |
getOptimalDFTSize |
返回一个优化过的DFT大小 |
mulSpecturms |
两个傅立叶频谱间逐元素的乘法 |
１.矩阵的点运算
add(), subtract(), multiply(), divide(), absdiff(), bitwise_and(), bitwise_or(), bitwise_xor(),max(),min(), compare()
对应：加，减，点乘，点除，点绝对差，点位运算—与，点位运算—或，点位运算—异或，点最大，点最小，点比较。
２.矩阵的统计运算
sum(), mean(), meanStdDev(), norm(), countNonZero(),minMaxLoc(),
对应：求和，求均值，求均方差，求范数，求非零元素个数，求最大最小元素及位置。
３.基本数学运算
exp(), log(), pow(), sqrt(), cartToPolar(),polarToCart()
对应：矩阵元素的指数，对数，乘方，开方,计算二维向量的长度和/或者角度,计算极坐标形式的二维向量对应的直角坐标.
４.代数运算和ＳＶＤ
scaleAdd(), transpose(), gemm(), invert(), solve(),determinant(), trace(), eigen(), SVD,
对应：计算一个数组缩放后与另一个数组的和（dst(I)=src1(I)*scale + src2(I)），
矩阵的转置 dst(i,j)=src(j,i) ,
矩阵乘法 dst = alpha*op(src1)*op(src2) + beta*op(src3)这里 op(X) 是 X 或者 XT,
查找矩阵的逆矩阵或伪逆矩阵，
求解线性系统或者最小二乘法问题，
返回浮点方阵的行列式，
返回矩阵的迹，
计算对称矩阵的特征值和特征向量，
对实数浮点矩阵进行奇异值分解。
５.离散傅里叶变换和离散余弦变换
dft(), idft(), dct(), idct(),
对应：离散傅里叶变换，离散傅里叶反变换，离散余弦变换，离散余弦反变换。
For some operations a more convenient algebraic notation can be used, for example:
Mat delta = (J.t()*J + lambda*Mat::eye(J.cols, J.cols, J.type())).inv(CV SVD)*(J.t()*err);
implements the core of Levenberg-Marquardt optimization algorithm.
参考资料：http://tmjfzy.blog.163.com/blog/static/66447025201262122353504/
http://blog.163.com/yuyang_tech/blog/static/2160500832013260492210
