OpenCv矩阵操作有很多函数有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, constCvArr* mask=NULL);//void cvOr(const CvArr* src1, const CvArr* src2, CvArr* dst, constCvArr* mask=NULL);//void cvOrS(const CvArr* src, CvScalar value, CvArr* dst, constCvArr* mask=NULL);//void cvXor(const CvArr* src1, const CvArr* src2, CvArr* dst, constCvArr* mask=NULL);//void cvXorS(const CvArr* src, CvScalar value, CvArr* dst, constCvArr* mask=NULL);//void cvNot(const CvArr* src,CvArr* dst);//矩阵取反矩阵算术运算 绝对值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,CvScalarvalue);//矩阵减去一个数取绝对值加减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)!=0void 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)!=0void 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) + γvoid cvSub(const CvArr* src1, const CvArr* src2, CvArr* dst, constCvArr* mask=NULL);//矩阵减法，dst(I)=src1(I)-src2(I) if mask(I)!=0void cvSubS(const CvArr* src, CvScalar value, CvArr* dst, constCvArr* mask=NULL);//矩阵减数，dst(I)=src(I)-value if mask(I)!=0void cvSubRS(const CvArr* src, CvScalar value, CvArr* dst, constCvArr* mask=NULL);//数减矩阵，dst(I)=value-src(I) if mask(I)!=0乘除void cvDiv(const CvArr* src1, constCvArr* src2, CvArr* dst, doublescale=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,doublescale=1);//两矩阵元素之间的简单乘法，一般的矩阵点乘用cvGEMM();次方void cvPow(const CvArr* src, CvArr* dst,double power);//为每个src的数求power次方指数void cvExp(const CvArr* src, CvArr*dst);//dst(I)=EXP(src(I))对数void cvLog(const CvArr* src, CvArr*dst);//线性代数计算加&乘voidcvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2,CvArr* dst);//src1和scale的乘积加上src2void 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, inttABC=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变换void cvTransform(const CvArr* src, CvArr*dst, const CvMat* transmat, const CvMat*shiftvec=NULL);//dst=transmat · src + shiftvecvoid cvPerspectiveTransform(const CvArr* src, CvArr* dst, constCvMat* 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的转换矩阵转置void cvTranspose(const CvArr* src, CvArr*dst);void cvMulTransposed(const CvArr* src, CvArr* dst, int order, constCvArr* delta=NULL, doublescale=1.0);//(src-delta)乘以它的转置再乘以scale逆矩阵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行列式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, doubleeps=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();协方差void cvCalcCovarMatrix(const CvArr**vects, int count, CvArr* cov_mat, CvArr* avg, intflags);//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, intmethod=CV_LU);//Solves a linear system or least-squaresproblem.void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, intflags=0);//Performs singular value decomposition of a realfloating-point matrix.void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, constCvArr* B, CvArr* X, int flags);//Performs singular value backsubstitution.数组比较void cvCmp(const CvArr* src1, constCvArr* 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0xffvoid cvCmpS(const CvArr* src, double value, CvArr* dst, intcmp_op);//矩阵和一个数字比较运算矩阵内转换 类型转换void cvConvertScale(constCvArr* src,CvArr* dst,double scale,doubleshift);//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,doublescale,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    GRAYRGBA   XYZ   YCrCb   HSV   HLS   Luv   BayerRG空间转换void cvFlip(const CvArr* src, CvArr*dst=NULL, intflip_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NULLvoid 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NULLvoid cvRepeat(const CvArr* src, CvArr*dst);//在dst中重复叠加src，dst(i,j)=src(i mod rows(src), j modcols(src))CvMat* cvReshape(const CvArr* originalarr, CvMat* headerdata, intnew_cn, intnew_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元素的位置统计运算 最大最小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零的个数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,CvScalarupper,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)平均值标准差CvScalar cvAvg(const CvArr* arr,constCvArr* 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COIdouble cvNorm(const CvArr* arr1,const CvArr* arr2=NULL,intnorm_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_Carr1和arr2对应元素差的绝对值中的最大值   CV_L1arr1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,doubleb=0.0,int norm_type=CV_L2,const CvArr* mask=NULL);   CV_C   CV_L1   CV_L2   CV_MINMAXcvReduce(const CvArr* src,CvArr* dst,int dim,intop=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(constCvArr* arr,CvMat* submat,int col);CvMat* cvGetCols(const CvArr* arr,CvMat* submat,int start_col,intend_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,intend_row);得到对角线CvMat* cvGetDiag(const CvArr*arr,CvMat* submat,intdiag=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维度大小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);//获取某一维的大小矩阵大小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, CvRectrect);//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,intcreate_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,intidx2);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,intidx2);CvScalar cvGetND(const CvArr* arr,int* idx);double cvmGet(const CvMat* mat, int row, intcol);//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, doublevalue);void cvSetReal3D(CvArr* arr, int idx0, int idx1, int idx2, doublevalue);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, CvScalarvalue);void cvSetND(CvArr* arr, int* idx, CvScalar value);void cvmSet(CvMat* mat, int row, int col, doublevalue);//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0void cvSet(CvArr* arr, CvScalar value, const CvArr*mask=NULL);//把数组每个元素都设为valuevoid 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( doublevalue);//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(int64seed=-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, CvScalarparam1, 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），正态分布中的偏差分布转换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); 转载： http://hi.baidu.com/Ҳ������¿/blog/item/f660c31409559a09972b43ee.html在OpenCV中有三种方式访问矩阵中的数据元素：容易的方式，困难的方式，以及正确的方式。以下先讲容易的方式和困难的方式。容易的方式最容易的方式是使用宏CV_MAT_ELEM( matrix, elemtype, row, col ),输入参数是矩阵的指针，矩阵元素类型，行，列，返回值是相应行，列的矩阵元素，例如：CvMat* mat = cvCreateMat(5,5,CV_32FC1);float element = CV_MAT_ELEM(*mat,float,3,2);以下是一个例子：#pragma comment( lib, "cxcore.lib" )#include "cv.h"#includevoid main(){CvMat* mat = cvCreateMat(3,3,CV_32FC1);cvZero(mat);//将矩阵置0//为矩阵元素赋值CV_MAT_ELEM( *mat, float, 0, 0 ) = 1.f;CV_MAT_ELEM( *mat, float, 0, 1 ) = 2.f;CV_MAT_ELEM( *mat, float, 0, 2 ) = 3.f;CV_MAT_ELEM( *mat, float, 1, 0 ) = 4.f;CV_MAT_ELEM( *mat, float, 1, 1 ) = 5.f;CV_MAT_ELEM( *mat, float, 1, 2 ) = 6.f;CV_MAT_ELEM( *mat, float, 2, 0 ) = 7.f;CV_MAT_ELEM( *mat, float, 2, 1 ) = 8.f;CV_MAT_ELEM( *mat, float, 2, 2 ) = 9.f;//获得矩阵元素的值float element = CV_MAT_ELEM(*mat,float,2,2);printf("%f/n",element);}CV_MAT_ELEM宏实际上会调用CV_MAT_ELEM_PTR(matrix,row,col)宏来完成任务。CV_MAT_ELEM_PTR()宏的参数是矩阵的指针，行，列。CV_MAT_ELEM()宏和CV_MAT_ELEM_PTR()宏的区别是，在调用CV_MAT_ELEM时，指向矩阵元素的指针的数据类型已经依据输入参数中的元素类型而做了强制转换。，以下是使用CV_MAT_ELEM_PTR()来设置元素的值：#pragma comment( lib, "cxcore.lib" )#include "cv.h"#includevoid main(){CvMat* mat = cvCreateMat(3,3,CV_32FC1);cvZero(mat);//将矩阵置0float element_0_2 = 7.7f;*((float*)CV_MAT_ELEM_PTR( *mat, 0, 2 ) ) = element_0_2;//获得矩阵元素的值float element = CV_MAT_ELEM(*mat,float,0,2);printf("%f/n",element);}以上使用矩阵中元素的方式很方便，但不幸的是，该宏在每次调用时，都会重新计算指针的位置。这意味着，先查找矩阵数据区中第0个元素的位置，然后，根据参数中的行和列，计算所需要的元素的地址偏移量，然后将地址偏移量与第0个元素的地址相加，获得所需要的元素的地址。所以，以上的方式虽然很容易使用，但是却不是获得矩阵元素的最好方式。特别是当你要顺序遍历整个矩阵中所有元素时，这种每次对地址的重复计算就更加显得不合理。困难的方式以上两个宏只适合获得一维或二维的矩阵（数组）元素，OpenCV提供了处理多维矩阵(数组)的方式。实际上你可以不受限制地使用N维。当访问这样一种N维矩阵中元素时，你需要使用一个系列的函数，叫做cvPtr*D,*代表1,2,3,4....,例如，cvPtr1D(),cvPtr2D(),cvPtr3D(),以及cvPtrND().以下为此系列函数的定义：cvPtr*D函数用于返回指向某数组元素的指针uchar* cvPtr1D( const CvArr* arr, int idx0, int* type=NULL );uchar* cvPtr2D( const CvArr* arr, int idx0, int idx1, int* type=NULL );uchar* cvPtr3D( const CvArr* arr, int idx0, int idx1, int idx2, int* type=NULL );uchar* cvPtrND( const CvArr* arr, int* idx, int* type=NULL, int create_node=1, unsigned* precalc_hashval=NULL );arr输入数组(矩阵).idx0元素下标的第一个以0为基准的成员idx1元素下标的第二个以0为基准的成员idx2元素下标的第三个以0为基准的成员idx数组元素下标type可选的，表示输出参数的数据类型create_node可选的，为稀疏矩阵输入的参数。如果这个参数非零就意味着被需要的元素如果不存在就会被创建。precalc_hashval可选的，为稀疏矩阵设置的输入参数。如果这个指针非NULL，函数不会重新计算节点的HASH值，而是从指定位置获取。这种方法有利于提高智能组合数据的操作函数cvPtr*D 返回指向特殊数组元素的指针。数组维数应该与传递给函数的下标数相匹配，它可以被用于顺序存取的1D，2D或nD密集数组函数也可以用于稀疏数组，并且如果被需要的节点不存在函数可以创建这个节点并设置为0就像其它获取数组元素的函数 (cvGet[Real]*D, cvSet[Real]*D)如果元素的下标超出了范围就会产生错误很明显，如果是一维数组(矩阵)，那就可以使用cvPtr1D，用参数idx0来指向要获得的第idx0个元素，返回值为指向该元素的指针，如果是二维数组(矩阵)，就可以使用cvPtr2D,用idx0，idx1来指向相应的元素。如果是N维数组，则int* idx参数指向对N维数组中某元素定位用的下标序列。#pragma comment( lib, "cxcore.lib" )#include "cv.h"#includevoid main(){CvMat* mat = cvCreateMat(3,3,CV_32FC1);cvZero(mat);//将矩阵置0//为矩阵元素赋值CV_MAT_ELEM( *mat, float, 0, 0 ) = 1.f;CV_MAT_ELEM( *mat, float, 0, 1 ) = 2.f;CV_MAT_ELEM( *mat, float, 0, 2 ) = 3.f;CV_MAT_ELEM( *mat, float, 1, 0 ) = 4.f;CV_MAT_ELEM( *mat, float, 1, 1 ) = 5.f;CV_MAT_ELEM( *mat, float, 1, 2 ) = 6.f;CV_MAT_ELEM( *mat, float, 2, 0 ) = 7.f;CV_MAT_ELEM( *mat, float, 2, 1 ) = 8.f;CV_MAT_ELEM( *mat, float, 2, 2 ) = 9.f;//获得矩阵元素(0,2)的值float *p = (float*)cvPtr2D(mat, 0, 2);printf("%f/n",*p);}我们使用cvPtr*D()函数的一个理由是，通过此函数，我们可以用指针指向矩阵中的某元素，并使用指针运算符，来设置该元素的值，或者，用指针运算来移动指针，指向从起始位置开始的矩阵中的其他元素。例如，我们可以用以下方式遍历矩阵中的元素：#pragma comment( lib, "cxcore.lib" )#include "cv.h"#includevoid main(){CvMat* mat = cvCreateMat(3,3,CV_32FC1);cvZero(mat);//将矩阵置0//获得矩阵元素(0,0)的指针float *p = (float*)cvPtr2D(mat, 0, 0);//为矩阵赋值for(int i = 0; i < 9; i++){*p = (float)i;p++;}//打印矩阵的值p = (float*)cvPtr2D(mat, 0, 0);for(i = 0; i < 9; i++){printf("%f/t",*p);p++;if((i+1) % 3 == 0)printf("/n");}}但是要注意，以上为矩阵中元素的通道数为1时，可以用p++来访问下一个矩阵中元素，但是如果通道数不为1，例如一个三通道的二维矩阵，矩阵中每个元素的值为RGB值，则矩阵中数据按以下方式存储：rgbrgbrgb......,因此，使用指针指向下一个元素时，就需要加上相应的通道数。举例如下：#pragma comment( lib, "cxcore.lib" )#include "cv.h"#includevoid main(){//矩阵元素为三通道浮点数CvMat* mat = cvCreateMat(3,3,CV_32FC3);cvZero(mat);//将矩阵置0//为矩阵元素赋值//获得矩阵元素(0,0)的指针float *p = (float*)cvPtr2D(mat, 0, 0);//为矩阵赋值for(int i = 0; i < 9; i++){//为每个通道赋值*p = (float)i*10;p++;*p = (float)i*10+1;p++;*p = (float)i*10+2;p++;}//打印矩阵的值p = (float*)cvPtr2D(mat, 0, 0);for(i = 0; i < 9; i++){printf("%2.1f,%2.1f,%2.1f/t",*p,*(p+1),*(p+2));p+=3;if((i+1) % 3 == 0)printf("/n");}}如果你不想使用指向数据的指针，而只是想获得矩阵中的数据，你还可以使用cvGet*D函数系列。如下所示，该函数系列以返回值类型划分有两种，一种返回double类型数据，另一种返回CvScalar类型数据。Get*D返回特殊的数组元素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 );arr输入数组.idx0元素下标第一个以0为基准的成员idx1元素下标第二个以0为基准的成员idx2元素下标第三个以0为基准的成员idx元素下标数组函数cvGet*D 返回指定的数组元素。对于稀疏数组如果需要的节点不存在函数返回0 （不会创建新的节点）GetReal*D返回单通道数组的指定元素double cvGetReal1D( const CvArr* arr, int idx0 );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 );arr输入数组，必须是单通道.idx0元素下标的第一个成员，以0为基准idx1元素下标的第二个成员，以0为基准idx2元素下标的第三个成员，以0为基准idx元素下标数组函数cvGetReal*D 返回单通道数组的指定元素，如果数组是多通道的，就会产生运行时错误，而 cvGet*D 函数可以安全的被用于单通道和多通道数组，注意，该方法返回值类型是double类型的,这意味着，矩阵中如果保存的是int类型数据，不能用此系列方法。#pragma comment(lib,"cxcore.lib")#include"cv.h"#includevoid main(){//矩阵元素为1通道浮点型数据CvMat*mat=cvCreateMat(3,3,CV_32FC1 );cvZero(mat);//将矩阵置0//为矩阵元素赋值//获得矩阵元素(0,0)的指针float *p=(float*)cvPtr2D(mat,0,0);//为矩阵赋值for(int i=0;i<9;i++){//为每个通道赋值*p=(float)i*10;p++;}for(i=0;i<3;i++)for(int j=0;j<3;j++){printf("%lf/t",cvGetReal2D(mat,i,j));}}另外，我们还有类似于cvGet*D()的方法为矩阵元素赋值:cvSetReal*D()和cvSet*D()。Set*D修改指定的数组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 );arr输入数组idx0元素下标的第一个成员，以0为基点idx1元素下标的第二个成员，以0为基点idx2元素下标的第三个成员，以0为基点idx元素下标数组value指派的值函数 cvSet*D 指定新的值给指定的数组元素。对于稀疏矩阵如果指定节点不存在函数创建新的节点SetReal*D修改指定数组元素值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 );arr输入数组.idx0元素下标的第一个成员，以0为基点idx1元素下标的第二个成员，以0为基点idx2元素下标的第三个成员，以0为基点idx元素下标数组value指派的值函数 cvSetReal*D 分配新的值给单通道数组的指定元素，如果数组是多通道就会产生运行时错误。然而cvSet*D 可以安全的被用于多通道和单通道数组。对于稀疏数组如果指定的节点不存在函数会创建该节点。以下是一个例子：#pragma comment(lib,"cxcore.lib")#include"cv.h"#includevoid main(){//矩阵元素为三通道8位浮点数CvMat *mat=cvCreateMat(3,3,CV_32FC3 );cvZero(mat);//将矩阵置0//为矩阵元素赋值for(int i = 0; i < 3; i++)for(int j = 0; j < 3; j++)cvSet2D( mat, i, j, cvScalar(i*10,j*10,i*j*10) );for(i=0;i<3;i++)for(int j=0;j<3;j++){printf("%lf,%lf,%lf/t",cvGet2D( mat, i, j ).val[0],cvGet2D( mat, i, j ).val[1],cvGet2D( mat, i, j ).val[2]);}}为了方便起见，OpenCV还定义了两个函数：cvmSet()和cvmGet(),这两个函数用于单通道浮点型元素矩阵的存取。例如，cvmSet(mat,2,2,0.5);就类似于cvSetReal2D(mat,2,2,0.5);返回单通道浮点矩阵指定元素double cvmGet( const CvMat* mat, int row, int col );为单通道浮点矩阵的指定元素赋值。void cvmSet( CvMat* mat, int row, int col, double value ); $$$矩阵处理1、矩阵的内存分配与释放（1） 总体上:       OpenCV 使用C语言来进行矩阵操作。不过实际上有很多C++语言的替代方案可以更高效地完成。       在OpenCV中向量被当做是有一个维数为1的N维矩阵.       矩阵按行-行方式存储，每行以4字节（32位）对齐.（2） 为新矩阵分配内存:CvMat* cvCreateMat(int rows, int cols, int type); type: 矩阵元素类型. 按CV_
     
      (S|U|F)C
      
        方式指定.  例如: CV_8UC1 、CV_32SC2. 示例:CvMat* M = cvCreateMat(4,4,CV_32FC1);（3） 释放矩阵内存:CvMat* M = cvCreateMat(4,4,CV_32FC1);cvReleaseMat(&M);（4） 复制矩阵:CvMat* M1 = cvCreateMat(4,4,CV_32FC1);CvMat* M2;M2=cvCloneMat(M1);（5） 初始化矩阵:double a[] = { 1,  2,  3,  4,               5,  6,  7,  8,               9, 10, 11, 12 };CvMat Ma=cvMat(3, 4, CV_64FC1, a); //等价于:CvMat Ma;cvInitMatHeader(&Ma, 3, 4, CV_64FC1, a);（6） 初始化矩阵为单位矩阵:CvMat* M = cvCreateMat(4,4,CV_32FC1);cvSetIdentity(M); // does not seem to be working properl2、访问矩阵元素（1） 假设需要访问一个2D浮点型矩阵的第（i, j）个单元.（2） 间接访问:cvmSet(M,i,j,2.0); // Set M(i,j)t = cvmGet(M,i,j); // Get M(i,j) （3） 直接访问（假设矩阵数据按4字节行对齐）:CvMat* M    = cvCreateMat(4,4,CV_32FC1);int n       = M->cols;float *data = M->data.fl;data[i*n+j] = 3.0; （4） 直接访问（当数据的行对齐可能存在间隙时 possible alignment gaps）:CvMat* M    = cvCreateMat(4,4,CV_32FC1);int   step  = M->step/sizeof(float);float *data = M->data.fl;(data+i*step)[j] = 3.0; （5） 对于初始化后的矩阵进行直接访问:double a[16];CvMat Ma = cvMat(3, 4, CV_64FC1, a);a[i*4+j] = 2.0; // Ma(i,j)=2.0;3、矩阵/向量运算（1） 矩阵之间的运算:CvMat *Ma, *Mb, *Mc;cvAdd(Ma, Mb, Mc);      // Ma+Mb   -> MccvSub(Ma, Mb, Mc);      // Ma-Mb   -> MccvMatMul(Ma, Mb, Mc);   // Ma*Mb   -> Mc（2） 矩阵之间的元素级运算:CvMat *Ma, *Mb, *Mc;cvMul(Ma, Mb, Mc);      // Ma.*Mb  -> MccvDiv(Ma, Mb, Mc);      // Ma./Mb  -> MccvAddS(Ma, cvScalar(-10.0), Mc); // Ma.-10 -> Mc （3） 向量乘积:double va[] = {
   1, 2, 3};double vb[] = {
   0, 0, 1};double vc[3]; CvMat Va=cvMat(3, 1, CV_64FC1, va);CvMat Vb=cvMat(3, 1, CV_64FC1, vb);CvMat Vc=cvMat(3, 1, CV_64FC1, vc); double res=cvDotProduct(&Va,&Vb); // 向量点乘:   Va . Vb -> rescvCrossProduct(&Va, &Vb, &Vc);    // 向量叉乘:   Va x Vb -> Vc注意在进行叉乘运算时，Va, Vb, Vc 必须是仅有3个元素的向量. （4） 单一矩阵的运算:CvMat *Ma, *Mb;cvTranspose(Ma, Mb);      // 转置：transpose(Ma) -> Mb (注意转置阵不能返回给Ma本身)CvScalar t = cvTrace(Ma); // 迹：trace(Ma) -> t.val[0]double d = cvDet(Ma);     // 行列式：det(Ma) -> dcvInvert(Ma, Mb);         // 逆矩阵：inv(Ma) -> Mb（5） 非齐次线性方程求解: CvMat* A  = cvCreateMat(3,3,CV_32FC1);CvMat* x  = cvCreateMat(3,1,CV_32FC1);CvMat* b  = cvCreateMat(3,1,CV_32FC1);cvSolve(&A, &b, &x);    // solve (Ax=b) for x （6） 特征值与特征向量 (矩阵为方阵):CvMat* A  = cvCreateMat(3,3,CV_32FC1);CvMat* E  = cvCreateMat(3,3,CV_32FC1);CvMat* l  = cvCreateMat(3,1,CV_32FC1);cvEigenVV(A, E, l);  // l = A 的特征值(递减顺序)                        // E = 对应的特征向量 (行向量) （7） 奇异值分解（SVD）:====CvMat* A  = cvCreateMat(3,3,CV_32FC1);CvMat* U  = cvCreateMat(3,3,CV_32FC1);CvMat* D  = cvCreateMat(3,3,CV_32FC1);CvMat* V  = cvCreateMat(3,3,CV_32FC1);cvSVD(A, D, U, V, CV_SVD_U_T|CV_SVD_V_T); // A = U D V^T标志位使矩阵U或V按转置形式返回 (若不转置可能运算出错).