Ask question on using Emgu CV with C#
& Page 1 of 1
& Sat Nov 21,
I have rewritten a DFT function from &C++ plus Opencv& using Emgucv2.0.1.0,but it cann't
work.There are some codes below:Code: & & & & & & IntPtr dft_A,& & & & & & tmp = new IntPtr();& & & & & & dft_A = CvInvoke.cvCreateMat(512, 512, MAT_DEPTH.CV_64F);& & & & & & CvInvoke.cvGetSubRect(dft_A, tmp, new Rectangle(0, 0, 512, 512));the last sentence cause an exception:&OpenCV:&.help...thx~~~~~~~
Posts: 6Joined: Sat Nov 21,
& Mon Nov 30,
Some example DFT code for images and matrices in c#. Hope it helps.Code: & & & [Test]& & & public void TestMatrixDFT()& & & {& & & & &//The matrix to be transformed.& & & & &Matrix&float& matB = new Matrix&float&(& & & & & & new float[,] { & & & & & & {1.0f/16.0f, 1.0f/16.0f, 1.0f/16.0f}, & & & & & & {1.0f/16.0f, 8.0f/16.0f, 1.0f/16.0f}, & & & & & & {1.0f/16.0f, 1.0f/16.0f, 1.0f/16.0f}});& & & & &Matrix&float& matBDft = new Matrix&float&(& & & & & & CvInvoke.cvGetOptimalDFTSize(matB.Rows),& & & & & & CvInvoke.cvGetOptimalDFTSize(matB.Cols));& & & & &CvInvoke.cvCopyMakeBorder(matB, matBDft, new Point(0, 0), Emgu.CV.CvEnum.BORDER_TYPE.CONSTANT, new MCvScalar());& & & & &Matrix&float& dftIn = new Matrix&float&(matBDft.Rows, matBDft.Cols, 2);& & & & &CvInvoke.cvMerge(matBDft, IntPtr.Zero, IntPtr.Zero, IntPtr.Zero, dftIn);& & & & &Matrix&float& dftOut = new Matrix&float&(dftIn.Rows, dftIn.Cols, 2);& & & & &//perform the Fourior Transform& & & & &CvInvoke.cvDFT(dftIn, dftOut, Emgu.CV.CvEnum.CV_DXT.CV_DXT_FORWARD, matB.Rows);& & & & &//The real part of the Fourior Transform& & & & &Matrix&float& outReal = new Matrix&float&(matBDft.Size);& & & & &//The imaginary part of the Fourior Transform& & & & &Matrix&float& outIm = new Matrix&float&(matBDft.Size);& & & & &CvInvoke.cvSplit(dftOut, outReal, outIm, IntPtr.Zero, IntPtr.Zero);& & & }& & & [Test]& & & public void TestImageDFT()& & & {& & & & &Image&Gray, float& matA = new Image&Gray, float&(&stuff.jpg&);& & & & &//The matrix to be convoled with matA, a bluring filter& & & & &Matrix&float& matB = new Matrix&float&(& & & & & & new float[,] { & & & & & & {1.0f/16.0f, 1.0f/16.0f, 1.0f/16.0f}, & & & & & & {1.0f/16.0f, 8.0f/16.0f, 1.0f/16.0f}, & & & & & & {1.0f/16.0f, 1.0f/16.0f, 1.0f/16.0f}});& & & & &Image&Gray, float& convolvedImage = new Image&Gray, float&(matA.Size + matB.Size - new Size(1, 1));& & & & &Matrix&float& dftA = new Matrix&float&(& & & & & & CvInvoke.cvGetOptimalDFTSize(convolvedImage.Rows),& & & & & & CvInvoke.cvGetOptimalDFTSize(convolvedImage.Cols));& & & & &matA.CopyTo(dftA.GetSubRect(matA.ROI));& & & & &CvInvoke.cvDFT(dftA, dftA, Emgu.CV.CvEnum.CV_DXT.CV_DXT_FORWARD, matA.Rows);& & & & &Matrix&float& dftB = new Matrix&float&(dftA.Size);& & & & &matB.CopyTo(dftB.GetSubRect(new Rectangle(Point.Empty, matB.Size)));& & & & &CvInvoke.cvDFT(dftB, dftB, Emgu.CV.CvEnum.CV_DXT.CV_DXT_FORWARD, matB.Rows);& & & & &CvInvoke.cvMulSpectrums(dftA, dftB, dftA, Emgu.CV.CvEnum.MUL_SPECTRUMS_TYPE.DEFAULT);& & & & &CvInvoke.cvDFT(dftA, dftA, Emgu.CV.CvEnum.CV_DXT.CV_DXT_INVERSE, convolvedImage.Rows);& & & & &dftA.GetSubRect(new Rectangle(Point.Empty, convolvedImage.Size)).CopyTo(convolvedImage);& & & }& & & [Test]& & & public void TestImageDFT2()& & & {& & & & &Image&Gray, float& image = new Image&Gray, float&(&stuff.jpg&);& & & & &IntPtr complexImage = CvInvoke.cvCreateImage(image.Size, Emgu.CV.CvEnum.IPL_DEPTH.IPL_DEPTH_32F, 2);& & & & &CvInvoke.cvSetImageCOI(complexImage, 1);& & & & &CvInvoke.cvCopy(image, complexImage, IntPtr.Zero);& & & & &CvInvoke.cvSetImageCOI(complexImage, 0);& & & & &Matrix&float& dft = new Matrix&float&(image.Rows, image.Cols, 2);& & & & &CvInvoke.cvDFT(complexImage, dft, Emgu.CV.CvEnum.CV_DXT.CV_DXT_FORWARD, 0);& & & }
Site Admin
Posts: 877Joined: Thu Feb 28,
Display posts from previous: All posts1 day7 days2 weeks1 month3 months6 months1 year
Sort by AuthorPost timeSubject AscendingDescending
& Page 1 of 1
Select a forum
------------------
& &General Discussion
& &Feature Request
& &Installation Help
& &C# Help
& &C++ Help
& &VB Help
& &Projects that use Emgu CV
& &Android
Who is online
Users browsing this forum: Google [Bot], Yahoo [Bot] and 1 guest#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
void cvShiftDFT(CvArr *src_arr,CvArr *dst_arr)
CvMat q1stub,q2
CvMat q3stub,q4
CvMat d1stub,d2
CvMat d3stub,d4
CvMat *q1,*q2,*q3,*q4;
CvMat *d1,*d2,*d3,*d4;
CvSize size = cvGetSize(src_arr);
CvSize dst_size = cvGetSize(dst_arr);
if ((dst_size.width!= size.width)||(dst_size.height!=size.height))
cvError(CV_StsUnmatchedSizes,"cvShiftDFT",
"Source and Destination arrays must have the same sizes",
__FILE__,__LINE__);
if (src_arr == dst_arr)
tmp = cvCreateMat(size.height/2,size.width/2,cvGetElemType(src_arr));
cx=size.width/2;//取出图像的原点
cy=size.height/2;
q1=cvGetSubRect(src_arr,&q1stub,cvRect(0,0,cx,cy));
//取出图像的第一象限，由q1指针指向它
q2=cvGetSubRect(src_arr,&q2stub,cvRect(cx,0,cx,cy));
//取出图像的第二象限，由q2指针指向它
q3=cvGetSubRect(src_arr,&q3stub,cvRect(cx,cy,cx,cy));
//取出图像的第三象限，由q3指针指向它
q4=cvGetSubRect(src_arr,&q4stub,cvRect(0,cy,cx,cy));
//取出图像的第四象限，由q4指针指向它
d1=cvGetSubRect(src_arr,&d1stub,cvRect(0,0,cx,cy));
d2=cvGetSubRect(src_arr,&d2stub,cvRect(cx,0,cx,cy));
d3=cvGetSubRect(src_arr,&d3stub,cvRect(cy,cy,cx,cy));
d4=cvGetSubRect(src_arr,&d4stub,cvRect(0,cy,cx,cy));
if (src_arr!=dst_arr)
if (!CV_ARE_TYPES_EQ(q1,d1))
cvError(CV_StsUnmatchedSizes,"cvShiftDFT",
"Source and Destination arrays must have the same sizes",
__FILE__,__LINE__);
//以图像中心为原点，调整傅里叶变换图像的四个象限区，
//即第一与第三象限交换，第二与第四象限交换
cvCopy(q3,d1,0);
cvCopy(q4,d2,0);
cvCopy(q1,d3,0);
cvCopy(q2,d4,0);
{//若源矩阵和目的矩阵相同则直接在源矩阵中进行操作
cvCopy(q3,tmp,0);
cvCopy(q1,q3,0);
cvCopy(tmp,q1,0);
cvCopy(q4,tmp,0);
cvCopy(q2,q4,0);
cvCopy(tmp,q2,0);
int main(int argc,char ** argv)
const char* filename =(argc&=2?argv[1]:"lena.jpg");
IplImage *
IplImage *realInput,*imaginaryInput,*complexI
IplImage *image_Re,*image_Im;
int dft_M,dft_N;
CvMat *dft_A;
double m,M;
im = cvLoadImage(filename, CV_LOAD_IMAGE_GRAYSCALE
);//加载图像
return -1;
//分配空间
realInput = cvCreateImage(cvGetSize(im),IPL_DEPTH_64F,1);//单通道
imaginaryInput =cvCreateImage(cvGetSize(im),IPL_DEPTH_64F,1);//单通道
complexInput = cvCreateImage(cvGetSize(im),IPL_DEPTH_64F,2);//双通道
cvScale(im,realInput,1.0,0.0);
//#define cvScale cvConvertScale=&readInput=im
cvZero(imaginaryInput);
//清空这个图像的内容
cvMerge(realInput,imaginaryInput,NULL,NULL,complexInput);
//混合这两个图像作为complexInput的两个通道
/*得到最优DFT尺寸 */
dft_M = cvGetOptimalDFTSize(im-&height-1);
dft_N = cvGetOptimalDFTSize(im-&width-1);
dft_A = cvCreateMat(dft_M,dft_N,CV_64FC2);
image_Re = cvCreateImage(cvSize(dft_N,dft_M),IPL_DEPTH_64F,1);//实部
image_Im = cvCreateImage(cvSize(dft_N,dft_M),IPL_DEPTH_64F,1);//虚部
cvGetSubRect(dft_A,&tmp,cvRect(0,0,im-&width,im-&height));
cvCopy(complexInput,&tmp,NULL);
if( dft_A-&cols & im-&width )//若得到的最优DFT尺寸在宽度上大于原图，则重新取
cvGetSubRect(dft_A,&tmp,cvRect(im-&width,0,dft_A-&cols-im-&width,im-&height));
cvZero(&tmp);
cvDFT(dft_A,dft_A,CV_DXT_FORWARD,complexInput-&height);
cvNamedWindow("win",0);
cvNamedWindow("magnitude",0);
cvShowImage("win",im);
//分割出实部和虚部
cvSplit(dft_A,image_Re,image_Im,0,0);
//计算功率谱 Mag=sqrt(Re^2+Im^2)
cvPow(image_Re,image_Re,2.0);
cvPow(image_Im,image_Im,2.0);
cvAdd(image_Re,image_Im,image_Re,NULL);//image_Re&=image_Re+image_Im
cvPow(image_Re,image_Re,0.5);
//计算log(1+Mag)
cvAddS(image_Re,cvScalarAll(1.0),image_Re,NULL);
cvLog(image_Re,image_Re);
cvShiftDFT(image_Re,image_Re);
cvMinMaxLoc(image_Re,&m,&M,NULL,NULL,NULL);
cvScale(image_Re,image_Re,1.0/(M-m),1.0*(-m)/(M-m));
cvShowImage("magnitude",image_Re);
cvWaitKey(-1);
阅读(...) 评论()：转载时请以超链接形式标明文章原始出处和作者信息及本声明
有很多函数有mask，代表掩码，如果某位mask是0,那么对应的src的那一位就不计算，mask要和矩阵/ROI/的大小相等
大多数函数支持ROI，如果图像ROI被设置，那么只处理ROI部分
少部分函数支持COI，如果COI设置，只处理感兴趣的通道
矩阵逻辑运算
void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvAndS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvOr(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvOrS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvXor(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvXorS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvNot(const CvArr* src,CvArr* dst);//矩阵取反
矩阵算术运算
void cvAbs(const CvArr* src,CvArr* dst);
void cvAbsDiff(const CvArr* src1,const CvArr* src2, CvArr* dst);//两矩阵相减取绝对值
void cvAbsDiffS(const CvArr* src, CvArr* dst,CvScalar value);//矩阵减去一个数取绝对值
void cvAdd(const CvArr* src1,const CvArr* src2,CvArr* dst,const CvArr* mask = NULL);//两数组相加，dst(I)=src1(I)+src2(I) if mask(I)!=0
void cvAddS(const CvArr* src,CvScalar value,CvArr*dst,const CvArr* mask = NULL);//数组和一个数相加，dst(I)=src(I)+value if mask(I)!=0
void cvAddWeighted(const CvArr* src1,double alpha,const CvArr* src2,double beta,double gamma,CvArradded to each sum* dst);//带权相加相当于dst(x,y) = α ? src1(x,y) + β ? src2(x,y) + γ
void cvSub(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//矩阵减法，dst(I)=src1(I)-src2(I) if mask(I)!=0
void cvSubS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//矩阵减数，dst(I)=src(I)-value if mask(I)!=0
void cvSubRS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//数减矩阵，dst(I)=value-src(I) if mask(I)!=0
void cvDiv(const CvArr* src1, const CvArr* src2, CvArr* dst, double scale=1);//scale*src1(i)/src2(i)，如果src1=NULL，则计算scale/src2(i)
void cvMul(const CvArr* src1,const CvArr* src2,CvArr* dst,double scale=1);//两矩阵元素之间的简单乘法，一般的矩阵点乘用cvGEMM();
void cvPow(const CvArr* src, CvArr* dst, double power);//为每个src的数求power次方
void cvExp(const CvArr* src, CvArr* dst);//dst(I)=EXP(src(I))
void cvLog(const CvArr* src, CvArr* dst);//
线性代数计算
void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1和scale的乘积加上src2
void cvCrossProduct(const CvArr* src1,const CvArr* src2,CvArr* dst);//计算两个3D向量（单通道）的叉乘运算
double cvDotProduct(const CvArr* src1, const CvArr* src2);//两个向量点乘
void cvGEMM(const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0);//乘加运算的始祖
    由通用乘加函数参与定义的两个具体宏
        cvMatMul(const CvArr* src1,const CvArr* src2,CvArr* dst);
        cvMatMulAdd(const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);
CvScalar cvTrace(const CvArr* mat);//计算对角线上的元素和
void cvTransform(const CvArr* src, CvArr* dst, const CvMat* transmat, const CvMat* shiftvec=NULL);//dst=transmat · src + shiftvec
void cvPerspectiveTransform(const CvArr* src, CvArr* dst, const CvMat* mat);//把矩阵每个元素中三个通道当做一个矩阵，乘mat，mat是一个3×3或者4×4的转换矩阵
void cvTranspose(const CvArr* src, CvArr* dst);
void cvMulTransposed(const CvArr* src, CvArr* dst, int order, const CvArr* delta=NULL, double scale=1.0);//(src-delta)乘以它的转置再乘以scale
double cvInvert(const CvArr* src,CvArr* dst,int method=CV_LU);//求原矩阵的逆矩阵，默认使用高斯消去法
    方阵可逆的充要条件是|A|!=0
    method取值为CV_LU高斯消去法（默认）    CV_SVD 奇异值分解SVD    CV_SVD_SYM对称矩阵的SVD
double cvDet(const CvArr* mat);//计算方阵行列式，一定是单通道的
    小型方阵直接计算，大型方阵用高斯消去法计算
    如果矩阵正定对称，用奇异值分解的方法解决cvSVD();
特征向量特征值
void cvEigenVV(CvArr* mat, CvArr* evects, CvArr* evals, double eps=0);//计算对称矩阵的特征值和特征向量，evects输出特征向量，evals输出特征值，eps雅可比方法停止参数
    要求三个矩阵都是浮点类型，10×10以下该方法有效，20×20以上的矩阵不能计算出结果，为节约计算量，eps通常设为DBL_EPSILON(10^-15)
    如果给定的矩阵是对称正定矩阵，那么考虑使用cvSVD();
void cvCalcCovarMatrix(const CvArr** vects, int count, CvArr* cov_mat, CvArr* avg, int flags);//给定一组大小和类型相同的向量，向量的个数，计算标记，输出协方差正阵和每个向量的平均值矩阵
    CV_COVAR_NORMAL    普通计算协方差和平均值，输出的是n×n的协方差阵
    CV_COVAR_SCRAMBLED    快速PCA“Scrambled”协方差，输出的是m×m的协方差阵
    CV_COVAR_USE_AVERAGE    平均值是输入的
    CV_COVAR_SCALE    重新缩放输出的协方差矩阵
        四个flag通过并运算协同发挥作用，前两个不能并
CvSize cvMahalonobis(const CvArr* vec1,const CvArr* vec2,CvArr* mat);
int cvSolve(const CvArr* src1, const CvArr* src2, CvArr* dst, int method=CV_LU);//Solves a linear system or least-squares problem.
void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, int flags=0);//Performs singular value decomposition of a real floating-point matrix.
void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, const CvArr* B, CvArr* X, int flags);//Performs singular value back substitution.
void cvCmp(const CvArr* src1, const CvArr* src2, CvArr* dst, int cmp_op);//两矩阵比较运算
    CV_CMP_EQ - src1(I) 是否相等
    CV_CMP_GT - src1(I) 是否大于
    CV_CMP_GE - src1(I) 是否大于等于
    CV_CMP_LT - src1(I) 是否小于
    CV_CMP_LE - src1(I) 是否小于等于
    CV_CMP_NE - src1(I) 是否不等
        如果判断为假，dst设为0，如果判断为真，dst设为0xff
void cvCmpS(const CvArr* src, double value, CvArr* dst, int cmp_op);//矩阵和一个数字比较运算
矩阵内转换
void cvConvertScale(const CvArr* src,CvArr* dst,double scale,double shift);//矩阵首先乘以scale再加上shift，然后把src中的数据类型转换成dst类型，但是src和dst通道数需要相等
void cvConvertScaleAbs(const CvArr* src,CvArr* dst,double scale,double shift);//在src到dst类型转换前，先做绝对值
void cvCvtColor(const CvArr* src,CvArr* dst, int code);//图像 颜色空间转换，src要为8U 16U 32F，dst的数据类型需要和src相同，通道数看code
    code格式如：CV_原色彩空间2目的色彩空间    色彩空间要考虑RGB的顺序
    支持的颜色空间包括：RGB    RGB565    RGB555    GRAY RGBA    XYZ    YCrCb    HSV    HLS    Luv    BayerRG
void cvFlip(const CvArr* src, CvArr* dst=NULL, int flip_mode=0);//图像绕x、y轴旋转。当用在一维数组上时并且flip_mode&0，可以用来颠倒数据排列
    flip_mode=0：左右对称values of the conversion resul
    flip_mode&0：上下对称
    flip_mode&0：中心对称
矩阵间操作
void cvCopy(const CvArr* src,CvArr* dst,const CvArr* mask=NULL);
void cvMerge(const CvArr* src0,const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);//多个数组合并成一个，类型和尺寸都相同，dst有多个通道，src可以赋值NULL
void cvSplit(cosnt CvArr* src,CvArr* dst0,CvArr* dst1,CvArr* dst2,CvArr* dst3);//一个多通道数组分解成多个数组，类型尺寸都想同，dst可以赋值NULL
void cvRepeat(const CvArr* src, CvArr* dst);//在dst中重复叠加src，dst(i,j)=src(i mod rows(src), j mod cols(src))
CvMat* cvReshape(const CvArr* originalarr, CvMat* headerdata, int new_cn, int new_rows=0);//把一个originalarr（可以是已经有内容的图片），转换为有新的通道数、新的行数的数据（CvMat*只含数据，没有图片头）
CvArr* cvReshapeMatND(const CvArr* arr, int sizeof_header, CvArr* header, int new_cn, int new_dims, int* new_sizes);
void cvLUT(const CvArr* src, CvArr* dst, const CvArr* lut);//src是8bit类型的数据，lut是一张一维查找表，拥有256个通道数类型和dst相同的元素，src的某一位置的元素数值n，到lut的n位置查找的内容填入dst的相应src的n元素的位置
void cvMax(const CvArr* src1, const CvArr* src2, CvArr* dst);
void cvMaxS(const CvArr* src, double value, CvArr* dst);//找较大值放到dst中
void cvMin(const CvArr* src1,const CvArr* src2,CvArr* dst);
void cvMins(const CvArr* src,double value,CvArr* dst);//找较小值放到dst中
void cvMinMaxLoc(const CvArr* arr, double* min_val, double* max_val, CvPoint* min_loc=NULL, CvPoint* max_loc=NULL, const CvArr* mask=NULL);
    找出全局某个通道中最大最小的值，和她们的位置，如果不止一个通道，一定要设置COI
int cvCountNonZero( const CvArr* arr );//统计非零的个数
是否落在范围内
void cvInRange(const CvArr* src,const CvArr* lower,const CvArr* upper,CvArr* dst);
void cvInRangeS(const CvArr* src,CvScalar lower,CvScalar upper,CvArr* dst);//判断原数组中的每个数大小是否落在对应的lower、upper数组位置数值的中间
    if( lower(i)&=src(i)&upper(i) ){ dst(i)=0 }else{ dst(i)=0; }
平均值标准差
CvScalar cvAvg(const CvArr* arr,const CvArr* mask = NULL);//计算mask非零位置的所有元素的平均值，如果是图片，则单独计算每个通道上的平均值，如果COI设置了，只计算该COI通道的平均值
void cvAvgSdv(const CvArr* arr, CvScalar* mean, CvScalar* std_dev, const CvArr* mask=NULL);//计算各通道的平均值，标准差，支持COI
double cvNorm(const CvArr* arr1,const CvArr* arr2=NULL,int norm_type=CV_L2,const CvArr* mask=NULL);//计算一个数组的各种范数
    如果arr2为NULL，norm_type为
        CV_C 求所有数取绝对值后的最大值，CV_L1 求所有数的绝对值的和，CV_L2求所有数的平方和的平方根
    如果arr2不为NULL，norm_type为
        CV_C arr1和arr2对应元素差的绝对值中的最大值    CV_L1 arr1和arr2对应元素差的绝对值的和    CV_L2 arr1和arr2的差平方和的平方根
        CV_RELATIVE_C    CV_RELATIVE_L1    CV_RELATIVE_L2 上面结果除以cvNorm(arr2,NULL,对应的norm_type);
cvNormalize(const CvArr* src,CvArr* dst,double a=1.0,double b=0.0,int norm_type=CV_L2,const CvArr* mask=NULL);
    CV_C    CV_L1    CV_L2    CV_MINMAX
cvReduce(const CvArr* src,CvArr* dst,int dim,int op=CV_REDUCE_SUM);//根据一定规则，把矩阵约简为向量
    dim    决定约简到行还是列    1:约简到单个列，0:约简到单个行，-1:根据dst的CvSize，决定约简到行还是列
    op    决定按什么规则约简
        CV_REDUCE_SUM - 行/列的和
        CV_REDUCE_AVG  -    行/列平均值
        CV_REDUCE_MAX - 行/列中最大值
        CV_REDUCE_MIN  -    行/列中最小值
取得设置数组信息
得到指定行列
CvMat* cvGetCol(const CvArr* arr,CvMat* submat,int col);
CvMat* cvGetCols(const CvArr* arr,CvMat* submat,int start_col,int end_col);//取目标矩阵的某列/连续几列，submat和返回值的实际数据还是在原矩阵中，只是修改了头部和数据指针，没有数据拷贝
CvMat* cvGetRow(const CvArr* arr,CvMat* submat,int row);
CvMat* cvGetRows(const CvArr* arr,CvMat* submat,int start_row,int end_row);
得到对角线
CvMat* cvGetDiag(const CvArr* arr,CvMat* submat,int diag=0);//取矩阵arr的对角线，结果放在向量中，并不要求原矩阵是方阵，diag表示从哪个位置开始取对角线
int cvGetDims(const CvArr* arr,int* sizes=NULL);//获取数组的维数和每一维的大小，sizes十一个数组的头指针。图像或者矩阵的维数一定是2，先行数后列数
int cvGetDimSize(const CvArr* arr,int index);//获取某一维的大小
CvSize cvGetSize(const CvArr* arr);//返回矩阵和图像的大小。小的结构体一般都是直接返回值而不是重新分配指针，分配指针的效率可能比直接返回值效率更低
截取矩形矩阵
CvMat* cvGetSubRect(const CvArr* arr, CvMat* submat, CvRect rect);//从输入的数组中根据输入的矩形截取一块数组中的矩形，返回的CvMat*就是submat
得到和设置元素        因为效率原因，实际很少会直接用到这些方法，而是根据实际的应用来决定如何操作每一个数
uchar* cvPtr1D(CvArr* arr,int idx0,int* type);//得到的是指针，所以可以修改，比下面的效率更高
uchar* cvPtr2D(CvArr* arr,int idx0,int idx1,int* type);
uchar* cvPtr3D(CvArr* arr,int idx0,int idx1,int idx2,int* type);
uchar* cvPtrND(CvArr* arr,int* idx,int* type,int create_node=1,unsigned* precalc_hashval=NULL);//int* idx是一个数组指针，里面保存着索引
double cvGetReal1D(const CvArr* arr,int idx0);//得到的是具体值
double cvGetReal2D(const CvArr* arr,int idx0,int idx1);
double cvGetReal3D(const CvArr* arr,int idx0,int idx1,int idx2);
double cvGetRealND(const CvArr* arr,int* idx);
CvScalar cvGet1D(const CvArr* arr,int idx0);
CvScalar cvGet2D(const CvArr* arr,int idx0,int idx1);
CvScalar cvGet3D(const CvArr* arr,int idx0,int idx1,int idx2);
CvScalar cvGetND(const CvArr* arr,int* idx);
double cvmGet(const CvMat* mat, int row, int col);//仅仅用于矩阵单通道浮点数的获取，由于是inline并且没有类型判断，所以效率比较高
void cvSetReal1D(CvArr* arr, int idx0, double value);
void cvSetReal2D(CvArr* arr, int idx0, int idx1, double value);
void cvSetReal3D(CvArr* arr, int idx0, int idx1, int idx2, double value);
void cvSetRealND(CvArr* arr, int* idx, double value);
void cvSet1D(CvArr* arr, int idx0, CvScalar value);
void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
void cvSet3D(CvArr* arr, int idx0, int idx1, int idx2, CvScalar value);
void cvSetND(CvArr* arr, int* idx, CvScalar value);
void cvmSet(CvMat* mat, int row, int col, double value);//仅仅用于设置单通道浮点类型的矩阵
void cvClearND(CvArr* arr, int* idx);//把多维数组的某位置设置为0
void cvSet(CvArr* arr, CvScalar value, const CvArr* mask=NULL);//把数组每个元素都设为value
void cvSetZero(CvArr* arr);//对普通矩阵，每位都设为0；对稀疏矩阵，删除所以元素
一般算数运算
int cvRound(double value ); int cvFloor( double value ); int cvCeil( double value);//求和double最（上/下）接近的整数
float cvSqrt(float value);//求平方根
float cvInvSqrt(float value);//求平方根倒数
float cvCbrt(float value);//求立方根
float cvCbrt(float value);//求两个向量的夹角
int cvIsNaN(double value);//判断是否是合法数
int cvIsInf(double value);//判断是否无穷
void cvCartToPolar(const CvArr* x, const CvArr* y, CvArr* magnitude, CvArr* angle=NULL, int angle_in_degrees=0);//
void cvPolarToCart(const CvArr* magnitude, const CvArr* angle, CvArr* x, CvArr* y, int angle_in_degrees=0);//
void cvSolveCubic(const CvArr* coeffs, CvArr* roots);//求三次方方程解，coeffs作为三次方程的系数，可以是三元（三次方系数为1）或者四元
随机数生成
CvRNG cvRNG(int64 seed=-1);//生成随机数生成器
unsigned cvRandInt(CvRNG* rng);
double cvRandReal(CvRNG* rng);
void cvRandArr(CvRNG* rng, CvArr* arr, int dist_type, CvScalar param1, CvScalar param2);//
    dist_type决定生成随机数组中的分布    CV_RAND_UNI均匀分布    CV_RAND_NORMAL正态/高斯分布
    param1：均匀分布中的下界（包含），正态分布中的平均值
    param2：均匀分布中的上界（不包含），正态分布中的偏差
void cvDFT(const CvArr* src, CvArr* dst, int flags, int nonzero_rows=0);
int cvGetOptimalDFTSize(int size0);
void cvMulSpectrums(const CvArr* src1, const CvArr* src2, CvArr* dst, int flags);
void cvDCT(const CvArr* src, CvArr* dst, int flags);
访问统计：