OpenCV的数据类型——基础数据类型

OpenCV有很多数据类型，从组织结构的角度来看，OpenCV的基础类型类型主要分为三类。第一类是直接从C++原语中继承的基础数据类型；第二类是辅助对象；第三类是大型数据类型。本文主要介绍OpenCV的基础数据类型。

Point类

Scalar类

Point类

cv::Point类是两到三个原语类型的容器，其成员是通过变量名称x、y、z访问的，而不是通过下标访问。Point类是通过自己的模板派生来的，这是一个基础模板；实际上由两个这样的模板，分别是给二维、三维的点提供的。这些类的实例有cv::Point2i、cv::Point2f、cv::Point2d或cv::Point3i、cv::Point3f、cv::Point3d（在这里，最后一个字母表示构造该点所需要的原语，i是一个32位整形，f是一个32位浮点数，d是一个64位浮点数，还可以有无符号字符b和短整型s）。

优势：简单且开销小。Point类可以转换成固定向量类或固定矩阵类，同样也可由它们转换得到Point类。

Point类直接支持的操作
操作	示例
默认构造函数	cv::Point2i p2; cv::Point3i p3;
复制构造函数	cv::Point3i p1( p ); 注：若p为浮点型，则会自动取整
值构造函数	cv::Point2i( x0, x1 ); cv::Point3d( x0, x1, x2 );
构造成固定向量类	(cv::Vec3f) p;
成员访问	p.x, p.y, p.z
点乘	float x = p1.dot( p );
双精度点乘	double x = p1.dot( p );
叉乘	p1.cross( p ); 注：只用于三维的点
判断一个点p是否在矩形r内	p1.inside( r ); 注：只用于二维的点

Scalar类

cv::Scalar是四维点类，是四维双精度向量的快速表示。cv::Scalar直接从固定向量类模板实例（cv::Vec<double, 4>）中继承而来，所以继承了所有向量代数操作、成员访问函数（比如[]操作符）和一些固定向量类的特性，如：其元素是通过整数下标来访问的。

Scalar类直接支持的操作
操作	示例
默认构造函数	cv::Scalar s;
复制构造函数	cv::Scalar s2( s1 );
值构造函数	cv::Scalar s( x0 ); cv::Scalar s( x0, x1, x2, x3 );
元素相乘	s1.mul( s2 );
（四元数）共轭	s.conj(); // return cv::Scalar( x0, -x1, -x2, -x3 );
（四元数）真值测试	s.isReal(); // if x1 == x2 == x3 == 0{ return true; }

Size类

Size类在实际操作时和Point类相似，可以进行互相转换。主要区别在于Size类中对应的成员是width和height，而不是x和y，并且不支持转换到固定向量类。Size类的别名有cv::Size、cv::Size2i和cv::Size2f，其中前两个都表示整型，最后一个表示单精度浮点型。

Size类直接支持的操作
操作	示例
默认构造函数	cv::Size sz; cv::Size2i sz; cv::Size2f sz;
复制构造函数	cv::Size2f sz2( sz1 );
值构造函数	cv::Size2f sz( w, h );
成员访问	sz.width; sz.height;
计算面积	sz.area();

Rect类

Rect类又称矩形类，包含Point类的成员x和y（代表矩形左上角的坐标）和Size类的成员width和height（代表矩形的大小），但并非从它们继承过来。

Rect类直接支持的操作
操作	示例
默认构造函数	cv::Rect r;
复制构造函数	cv::Rect r2( r1 );
值构造函数	cv::Rect( x, y, w, h );
由起始点和大小构造	cv::Rect( p, sz );
由两个对角构造	cv::Rect( p1, p2 );
成员访问	r.x; r.y; r.width; r.height;
计算面积	r.area();
提取左上角	r.tl(); // top-left
提取右下角	r.br(); // bottom-left
判断点p是否在矩形r内	r.contains( p );

Rect对象的覆写操作符
操作	示例
矩形r1和矩形r2的交集	cv::Rect r3 = r1 & r2; r1 &= r2;
同时包含矩形r1和矩形r2的最小面积矩形	cv::Rect r3 = r1 \| r2; r1 \|= r2;
平移矩形r x个数量	cv::Rect rx = r + x; r += x; // x为一个Point实例，左上角偏移量
扩大矩形r s大小	cv::Rect rs = r + s; r += s; // s为一个Size实例，尺寸改变量
比较矩形r1和矩形r2是否相等	bool eq = ( r1 == r2 );
比较矩形r1和矩形r2是否不相等	bool ne = ( r1 != r2 );

RotatedRect类

cv::RotatedRect类是OpenCV中少数底层没有使用模板的C++接口之一。它是一个包含一个中心点cv::Point2f、一个大小cv::Size2f和一个额外的角度float的容器（表示图形绕中心点的旋转角度）。

RotatedRect类直接支持的操作
操作	示例
默认构造函数	cv::RotatedRect rr();
复制构造函数	cv::RotatedRect rr2( rr1 );
值构造函数，需要一个点（point）、一个大小（size）和一个角度（angle）	cv::RotatedRect rr( p, sz, theta );
成员访问	rr.center; rr.size; rr.angle;
返回四个角的列表	rr.points( pts[4] );
包含旋转矩形的最小矩形	rr.boundingRect();

固定矩阵类

固定矩阵类cv::Matx<>的维度在编译之前必须知道，因此被称为“固定”。它们内部的所有数据都是在堆栈上分配的，所以分配和消除的很快，消除了许多动态内存分配操作，运行效率高。cv::Matx<>一般都以别名cv::Matx{1,2,3,4,5,6}{1,2,3,4,5,6}{f,d}的形式应用，适用于小型矩阵，并做了特别的优化。

cv::Matx类支持的操作
操作	示例
默认构造函数	cv::Matx33f m33f; cv::Matx43d m43d;
复制构造函数	cv::Matx22d m22d( n22d );
值构造函数	cv::Matx21f m( x0, x1); cv::Matx44d m( x0, x1, x2, x3, x4, x5, x6, x7, x8, x9, x10, x11, x12, x13, x14, x15 );
函相同元素的矩阵	m33f = cv::Matx33f::all( x );
全0矩阵	m23d = cv::Matx23d::zeros();
全1矩阵	m16f = cv::Matx16f::ones();
创建一个单位矩阵	m33f = cv::Matx33f::eye();
创建一个可以容纳另一个矩阵对角线的矩阵	m31f = cv::Matx31f::diag();
创建一个均匀分布的矩阵	m33f = cv::Matx33f::randu( min, max );
创建一个正态分布的矩阵	m33f = cv::Matx33f::nrandn( mean, variance );
成员访问	m( i, j); m( i );
矩阵代数运算	m1 = m0; m0 * m1; m0 + m1; m0 - m1;
单例（singleton）代数	m * a; a * m; m / a;
比较	m1 == m2; m1 != m2;
点积	m1.dot( m2 ); // 使用默认精度运算法求点积
点积	m1.ddot( m2 ); // 使用双精度运算法求点积
改变矩阵形状	m91f = m33f.reshape<9, 1>();
变换操作符	m44f = (Mat44f) m44d;
提取（i， j）处的2×2子矩阵	m44f.get_minor<2, 2>( i, j );
提取第 i 行	m14f = m44f.row( i );
提取第 j 列	m41f = m44f.col( j );
提取矩阵对角线	m41f = m44f.diag();
计算转置	n44f = m44f.t();
逆矩阵	n44f = m44f.inv( method ); // method为矩阵分解类型，默认为cv::DECOMP_LU
解线性系统	m31f = m33f.solve( rhs31f, method); m32f = m33f.solve<2>( rhs32f, method);
每个元素的乘法	m1.mul( m2 );

method：矩阵分解类型
名称	描述
DECOMP_LU	Gaussian elimination with the optimal pivot element chosen. 选择了最优主元的高斯消去法。一定不能是单数的。
DECOMP_SVD	singular value decomposition (SVD) method; the system can be over-defined and/or the matrix src1 can be singular 奇异值分解（SVD）方法；系统可以被过度定义和/或者矩阵src1可以是单数。
DECOMP_EIG	eigenvalue decomposition; the matrix src1 must be symmetrical 特征值分解；矩阵src1必须是对称的。
DECOMP_CHOLESKY	Cholesky $LL^{T}$ factorization; the matrix src1 must be symmetrical and positively defined 柯列斯基 $LL^{T}$ 分解；矩阵src1必须是对称的并是正定矩阵。该类型在处理大的矩阵时的速度是LU的两倍左右。
DECOMP_QR	QR factorization; the system can be over-defined and/or the matrix src1 can be singular QR分解；系统可以被过度定义和/或者矩阵src1可以是单数。
DECOMP_NORMAL	while all the previous flags are mutually exclusive, this flag can be used together with any of the previous; it means that the normal equations $src1^{T}\cdot src1\cdot dst=src1^{T}src2$ are solved instead of the original system $src1\cdot dst=src2$ 虽然前面所有的标志都是互斥的，但是这个标志可以和前面的任何一个一起使用；这意味着解的是正规方程 $src1^{T}\cdot src1\cdot dst=src1^{T}src2$ 而不是原来的方程 $src1\cdot dst=src2$ 。

固定向量类

固定向量类cv::Vec是从固定矩阵类派生出来的，从C++继承的意义上，可以说固定向量模板cv::Vec是列为1的cv::Matx<>。其特例的形式为cv::Vec{2,3,4,6}{b,s,w,i,f,d}（w是无符号短整型），主要遍历方式是通过单个数索引各项。

cv::Vec类支持的操作
操作	示例
默认构造函数	cv::Vec2s v2s; cv::Vec6f v6f;
复制构造函数	cv::Vec3f u3f( v3f );
值构造函数	cv::Vec2f v2f( x0, x1); cv::Vec6d v6d( x0, x1, x2, x3, x4, x5 );
成员访问	v4f[ i ]; v3w( j );
向量叉乘	v3f.cross( u3f );

复数类

cv::Complexf和cv::Complexd分别是单精度和双精度复数的别名。

复数类支持的操作
操作	示例
默认构造函数	cv::Complexf z1; cv::Complexd z2;
复制构造函数	cv::Complexf z2( z1);
值构造函数	cv::Complexf z1( re0); cv::Complexf z2( re0, im1);
成员访问	z1.re; z1.im1;
复共轭	z2 = z1.conj();