OpenCV中文翻译教程
opencv训练图像集中文版资料
级联分类器训练引言级联分类器的工作主要包括两个阶段：训练和检测。
检测阶段被描述在一个常规的OpenCV 文件的objdetect 模块的文档里。
文档介绍了级联分类器的一些基本信息。
目前的指南描述了如何训练级联分类器：一个训练数据集和运行训练应用程序的准备。
重要的笔记在OpenCV里有两个应用程序可以用来训练级联分类器：opencv_haartraining和opencv_traincascade。
opencv_traincascade是一个较新的版本，用C++按照OpenCV 2.x API 的标准编写。
但这两个应用程序之间的主要区别是，opencv_traincascade同时支持Haar [Viola2001] 和LBP [Liao2007]（局部二值模式）的特征。
相比于Haar特征，LBP特征是整数，所以用LBP训练和检测比用Haar特征快好几倍。
至于LBP和Haar的检测质量取决于训练：首先是训练数据集的品质还有训练参数。
训练一个和基于Haar的分类有几乎相同的质量的基于LBP的分类是有可能的。
opencv_traincascade和opencv_haartraining以不同的文件格式存储训练好的分类器。
值得注意的是，较新的级联检测接口（见objdetect模块的级联分类器类）两种格式都支持。
opencv_traincascade可以用旧格式保存（输出）训练好的级联。
但opencv_traincascade和opencv_haartraining无法在中断后以另一种格式加载（输入）一个分类器来进一步训练。
注意，opencv_traincascade应用程序可以使用TBB实现多线程。
在多核模式下使用，OpenCV 必须要用TBB来构建。
并且这有一些和训练相关的辅助工具。
·opencv_createsamples是用来准备正训练数据集和测试样本集的。
opencv_createsamples产生一个opencv_haartraining和opencv_traincascade都支持的格式的正样本数据集。
PythonOpenCV实现图片上输出中文
PythonOpenCV实现图⽚上输出中⽂OpenCV中在图⽚上输出中⽂⼀般需要借助FreeType库实现。
FreeType库是⼀个完全免费（开源）的、⾼质量的且可移植的字体引擎，它提供统⼀的接⼝来访问多种字体格式⽂件。
但使⽤FreeType需要下载库并重新编译，过程⿇烦⼀点。
在Python中，可以借助PIL(Python Imaging Library)模块实现，相对简单很多，需要做的只是对图像进⾏OpenCV格式和PIL格式的相互转换。
# -*- coding: utf-8 -*-import cv2import numpyfrom PIL import Image, ImageDraw, ImageFontif __name__ == '__main__':img_OpenCV = cv2.imread('01.jpg')# 图像从OpenCV格式转换成PIL格式img_PIL = Image.fromarray(cv2.cvtColor(img_OpenCV, cv2.COLOR_BGR2RGB))# 字体字体*.ttc的存放路径⼀般是： /usr/share/fonts/opentype/noto/ 查找指令locate *.ttcfont = ImageFont.truetype('NotoSansCJK-Black.ttc', 40)# 字体颜⾊fillColor = (255,0,0)# ⽂字输出位置position = (100,100)# 输出内容str = '在图⽚上输出中⽂'# 需要先把输出的中⽂字符转换成Unicode编码形式if not isinstance(str, unicode):str = str.decode('utf8')draw = ImageDraw.Draw(img_PIL)draw.text(position, str, font=font, fill=fillColor)# 使⽤PIL中的save⽅法保存图⽚到本地# img_PIL.save('02.jpg', 'jpeg')# 转换回OpenCV格式img_OpenCV = cv2.cvtColor(numpy.asarray(img_PIL),cv2.COLOR_RGB2BGR)cv2.imshow("print chinese to image",img_OpenCV)cv2.waitKey()cv2.imwrite('03.jpg',img_OpenCV)输出效果：字体 *.ttc的存放路径⼀般是： /usr/share/fonts/opentype/noto/可以使⽤locate指令查找本机上已经下载的字体：以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。
OpenCV中文入门
Open Source Computer Vision Library by Gary R. Bradski, Vadim Pisarevsky, and Jean-Yves Bouguet, Springer, 1st ed. (June, 2006).视频处理例程(位于<opencv-root>/samples/c/目录中):色彩跟踪: camshiftdemo点跟踪: lkdemo动作分割: motempl边缘检测: laplace图像处理例程(位于<opencv-root>/samples/c/目录中):边缘检测: edge分割: pyramid_segmentation形态: morphology直方图: demhist距离转换: distrans椭圆拟合 fitellipseOpenCV 命名约定函数命名:cvActionTarget[Mod](...)Action = 核心功能(例如设定set, 创建create)Target = 操作目标(例如轮廓contour, 多边形polygon)[Mod] = 可选修饰词(例如说明参数类型)矩阵数据类型:CV_<bit_depth>(S|U|F)C<number_of_channels>S = 带符号整数U = 无符号整数F = 浮点数例: CV_8UC1 表示一个8位无符号单通道矩阵,CV_32FC2 表示一个32位浮点双通道矩阵.图像数据类型:IPL_DEPTH_<bit_depth>(S|U|F)例: IPL_DEPTH_8U 表示一个8位无符号图像.IPL_DEPTH_32F 表示一个32位浮点数图像.头文件:#include <>#include <>#include <>#include <> C程序实例关闭窗口:cvDestroyWindow("win1");改变窗口尺寸:cvResizeWindow("win1",100,100);直接获取键盘操作:key=cvWaitKey(10); .break;case 'i':...break;}}处理滚动条事件:定义滚动条handler:void trackbarHandler(int pos){printf("Trackbar ",pos);}注册handler:int trackbarVal=25;int maxVal=100;cvCreateTrackbar("bar1", "win1", &trackbarVal ,maxVal , trackbarHandler); 获取滚动条当前位置:int pos = cvGetTrackbarPos("bar1","win1");设定滚动条位置:cvSetTrackbarPos("bar1", "win1", 25);OpenCV基础数据结构图像数据结构IPL 图像:IplImage|-- int nChannels; 若不为NULL则表示需要处理的图像| |-- char *imageDataOrigin;它不是C++的构造函数.其他数据结构点:CvPoint p = cvPoint(int x, int y);CvPoint2D32f p = cvPoint2D32f(float x, float y);CvPoint3D32f p = cvPoint3D32f(float x, float y, float z);例如:=;=;长方形尺寸:CvSize r = cvSize(int width, int height);CvSize2D32f r = cvSize2D32f(float width, float height);带偏移量的长方形尺寸:CvRect r = cvRect(int x, int y, int width, int height);图像处理分配与释放图像空间分配图像空间:IplImage* cvCreateImage(CvSize size, int depth, int channels);size: cvSize(width,height);depth: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F, IPL_DEPTH_64Fchannels: 1, 2, 3 or 4.注意数据为交叉存取.彩色图像的数据编排为b0 g0 r0 b1 g1 r1 ...举例:设定/获取兴趣通道:void cvSetImageCOI(IplImage* image, int coi); 读取存储图像从文件中载入图像:IplImage* img=0;img=cvLoadImage(fileName);if(!img) printf("Could not load image file: %s\n",fileName);Supported image formats: BMP, DIB, JPEG, JPG, JPE, PNG, PBM, PGM, PPM,SR, RAS, TIFF, TIF载入图像默认转为3通道彩色图像. 如果不是，则需加flag:img=cvLoadImage(fileName,flag);flag: >0 载入图像转为三通道彩色图像=0 载入图像转为单通道灰度图像<0 不转换载入图像(通道数与图像文件相同).图像存储为图像文件:if(!cvSaveImage(outFileName,img)) printf("Could not save: %s\n",outFileName);输入文件格式由文件扩展名决定.存取图像元素假设需要读取在i行j列像点的第k通道. 其中, 行数i的范围为[0, height-1], 列数j的范围为[0, width-1], 通道k的范围为[0, nchannels-1].间接存取: (比较通用, 但效率低, 可读取任一类型图像数据)对单通道字节图像:IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);CvScalar s;s=cvGet2D(img,i,j); = 111;imgA[i][j].g = 111;imgA[i][j].r = 111;多通道浮点图像:IplImage* img=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3);RgbImageFloat imgA(img);imgA[i][j].b = 111;imgA[i][j].g = 111;imgA[i][j].r = 111;图像转换转为灰度或彩色字节图像:cvConvertImage(src, dst, flags=0);src = float/byte grayscale/color imagedst = byte grayscale/color imageflags = CV_CVTIMG_FLIP (flip vertically)CV_CVTIMG_SW AP_RB (swap the R and B channels)转换彩色图像为灰度图像:使用OpenCV转换函数:cvCvtColor(cimg,gimg,CV_BGR2GRAY); * +cimgA[i][j].g* +cimgA[i][j].r*;颜色空间转换:cvCvtColor(src,dst,code); CV_BGR2GRAY, CV_BGR2HSV, CV_BGR2Lab绘图命令画长方体:许多其他方法提供了更加方便的C++接口，其效率与OpenCV一样.OpenCV将向量作为1维矩阵处理.矩阵按行存储，每行有4字节的校整.分配矩阵空间:CvMat* cvCreateMat(int rows, int cols, int type);type: 矩阵元素类型. 格式为CV_<bit_depth>(S|U|F)C<number_of_channels>.例如: CV_8UC1 表示8位无符号单通道矩阵, CV_32SC2表示32位有符号双通道矩阵. 例程:CvMat* M = cvCreateMat(4,4,CV_32FC1);释放矩阵空间:CvMat* M = cvCreateMat(4,4,CV_32FC1);cvReleaseMat(&M);复制矩阵:CvMat* M1 = cvCreateMat(4,4,CV_32FC1);CvMat* M2;M2=cvCloneMat(M1);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);另一种方法:CvMat Ma;cvInitMatHeader(&Ma, 3, 4, CV_64FC1, a);初始化矩阵为单位阵:CvMat* M = cvCreateMat(4,4,CV_32FC1);cvSetIdentity(M);间接存取矩阵元素:cvmSet(M,i,j,; Mb -> MccvDiv(Ma, Mb, Mc); Mb -> MccvAddS(Ma, cvScalar, Mc); Vb -> rescvCrossProduct(&Va, &Vb, &Vc);单矩阵操作:CvMat *Ma, *Mb;cvTranspose(Ma, Mb);视频序列操作从视频序列中抓取一帧OpenCV支持从摄像头或视频文件(A VI)中抓取图像.从摄像头获取初始化:CvCapture* capture = cvCaptureFromCAM(0); 在抓取动作都结束后再恢复帧图像.释放抓取源:cvReleaseCapture(&capture);注意由设备抓取的图像是由capture函数自动分配和释放的. 不要试图自己释放它.获取/设定帧信息获取设备特性:cvQueryFrame(capture); 用摄像头时不对，奇怪!!!.获取帧信息:float posMsec = cvGetCaptureProperty(capture, CV_CAP_PROP_POS_MSEC);int posFrames = (int) cvGetCaptureProperty(capture, CV_CAP_PROP_POS_FRAMES);float posRatio = cvGetCaptureProperty(capture, CV_CAP_PROP_POS_A VI_RATIO);获取所抓取帧在视频序列中的位置, 从首帧开始按[毫秒]算. 或者从首帧开始从0标号, 获取所抓取帧的标号. 或者取相对位置，首帧为0，末帧为1, 只对视频文件有效.设定所抓取的第一帧标号:不过似乎也不成功!!!存储视频文件初始化视频存储器:CvVideoWriter *writer = 0;int isColor = 1;int fps = 25;存储视频文件:IplImage* img = 0;int nFrames = 50;for(i=0;i<nFrames;i++){cvGrabFrame(capture);释放视频存储器:cvReleaseVideoWriter(&writer);。
OpenCV中文翻译教程
OPENCV2基础(补充材料) OpenCV_tutorials翻译资料整理而来翻译材料出处: .cn/opencvdoc/[2014/10]目录一、Mat - 基本图像容器........................................................................ 错误!未定义书签。
二、OpenCV如何扫描图像、利用查找表和计时................................ 错误!未定义书签。
三、矩阵的掩码操作............................................................................... 错误!未定义书签。
四、使用OpenCV对两幅图像求和（求混合(blending)） .................. 错误!未定义书签。
五、改变图像的对比度和亮度............................................................... 错误!未定义书签。
六、图像平滑处理................................................................................... 错误!未定义书签。
七、腐蚀与膨胀(Eroding and Dilating) .................................................. 错误!未定义书签。
八、实现自己的线性滤波器................................................................... 错误!未定义书签。
九、给图像添加边界............................................................................... 错误!未定义书签。
学习opencv中文版教程——第二章
学习opencv中⽂版教程——第⼆章学习opencv中⽂版教程——第⼆章所有案例，跑起来~~~然⽽并没有都跑起来。
我只把我能跑的都尽量跑了，毕竟看书还是很⽣硬，能运⾏能出结果，才⽐较好。
越着急，⼼越慌，越是着急，越要慢，越是陌⽣，越不能盲进。
否则更容易⾛错路。
看了⼀些东西发现都挺坑的，然后看了看书，发现书上写的也。
所以就把看书笔记，和跑动例程都来做⼀个整理。
关于如何配置，是重中之重然后是看书⼜看回到了这本学习opencv的⽩⾊装帧书上。
初试⽜⼑——显⽰图像例2-1#include "highgui.h"//1、int main(int argc,char **argv){ //2、IplImage* img = cvLoadImage(argv[1]);//3、cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE);//4、cvShowImage("Example1", img);//5、cvWaitKey(0);//6、cvReleaseImage(&img);//7、cvDestroyWindow("Example1");//8、}1、⾼级GUI图像⽤户界⾯，包含媒体的输⼊输出，视频捕捉，图像视频的编解码，图形交互界⾯的接⼝。
GUI：Graphical User Interface 图形⽤户界⾯（接⼝）3、如果能明⽩主函数的参数情况，那么在命令⾏⾥⾯键⼊：opencv教程——显⽰图像 1.png 。
其中第⼀个参数要想展⽰的话是：argv[0]如果cout<<argv[0]将会是“opencv教程——显⽰图像”，所以argv[1] 是 “1.png”所以下⾯⼀同也给了⼀个⽬录结构，为了能在当前⽬录⾥⾯找到1.png这张图⽚。
如果找到的话，就加载这张图⽚，并且把图像信息赋给img。
Opencv自制中文帮助文档
/*********void cvShowImage(const char* name, const CvArr* image)*******************
*功能：显示图片
*参数：
:窗口的名字
2.image：需要显示的图片
*返回：
*说明：
*****************************************************************************/
cout << element_21_Read << endl;
//这里推荐使用cvPtr*D函数族来读取元素
CvMat *mat_2 = cvCreateMat(5, 3, CV_8UC1);
for (int i = 0; i < 5; i++)
{
for (int j = 0; j < 3; j++)
如果用户没有按下任何按键，delay毫秒后，程序继续运行。
2.delay<=0:程序将一直等待，直到用户触发一个按键，程序继续运行
*返回：用户按键
*说明：
cvWaitKey还可以检测用户输入了什么按键
hile(1)
{
key=cvWaitKey(10);
if(key==27) break;
cvNamedWindow("RoadDetector", 1);
cvShowImage("RoadDetector", img);
cvWaitKey(0);
cvReleaseImage(&img);//释放资源
学习OpenCV中文版教学设计 (2)
学习OpenCV中文版教学设计前言本文是关于教学OpenCV计算机视觉库的教学设计。
计算机视觉是一项快速发展的领域，为了适应这一发展趋势，本教学设计注重培养学生的实践能力和理论知识。
同时，本教学设计采用中文版OpenCV库，具有较高的适用性和实用性。
教学目标本教学着重培养学生的理论知识和实践能力，主要包括以下几个方面：1.了解计算机视觉的基本概念和研究领域；2.掌握OpenCV的基本应用和编程思路；3.学会使用OpenCV进行图像处理、物体检测、目标跟踪等；4.学会将OpenCV应用到具体项目中，解决实际问题。
教学内容本教学分为三个阶段，分别是基础、进阶和应用阶段。
基础阶段第一章绪论本章主要介绍计算机视觉的基本概念，包括计算机视觉的定义、发展历程、研究领域、应用前景等。
同时介绍OpenCV的基本功能、编程环境、编程语言等。
第二章图像基础知识这一章节主要介绍如何采用OpenCV对图像进行读取、显示、存储。
同时介绍灰度图像和彩色图像的基本概念和处理方法。
第三章图像处理基础介绍一些常见的图像处理操作，如二值化、滤波、边缘检测、形态学操作等。
并使用OpenCV对图像进行处理，展示其效果。
第四章特征提取与描述介绍如何对图像进行特定特征提取，如SIFT、SURF等，讲解特征描述符的分类、应用和算法。
使用OpenCV对图像进行特征提取和描述。
进阶阶段第五章目标检测介绍如何使用OpenCV进行目标检测，包括Haar、LBP、HOG等常见算法。
并介绍检测器的训练方法和模型优化。
第六章目标跟踪介绍如何进行目标跟踪，讲解常用的跟踪算法，如KCF、TLD、MOSSE等。
同时使用OpenCV进行目标跟踪，并讲解其实现原理。
第七章视觉SLAM介绍基于视觉的SLAM技术，介绍其相关算法和实现流程。
使用OpenCV实现基于视觉的SLAM。
应用阶段第八章图像识别应用介绍OpenCV在图像识别领域的应用，包括人脸识别、车牌识别、文本识别等应用。
OpenCv参考手册-机器学习中文参考手册
CvStatModel::save
将模型保存到文件
void CvStatModel::save( const char* filename, const char* name=0 );
save 方法将整个模型状态以指定名称或默认名称（取决于特定的类）保存到指 定的 XML 或 YAML 文件中。该方法使用的是 cxcore 中的数据保存功能。
如果两种排布方式都支持这个函数的参数tflag可以使用下面的取值tflagcvrowsample表示特征向量以行向量存储tflagcvcolsample表示特征向量以列向量存储训练数据必须是32fc132位的浮点数单通道格式响应值通常是以向量方式存储一个行或者一个列向量存储格式为32sc1仅在分类问题中或者32fc1格式每个输入特征向量对应一个值虽然一些算法比如某几种神经网络响应值为向量
virtual void write( CvFileStorage* storage, const char* name )=0; virtual void read( CvFileStorage* storage, CvFileNode* node )=0; };
在上面的声明中，一些函数被注释掉。实际上，一些函数没有一个单一的 API （缺省的构造函数除外），然而，在本节后面描述的语法和定义方面有一些相 似之处，好像他们是基类的一部分一样。
2 Normal Bayes 分类器 o 2.1 CvNormalBayesClassifier o 2.2 CvNormalBayesClassifier::train o 2.3 CvNormalBayesClassifier::predict
3 K 近邻算法 o 3.1 CvKNearest o 3.2 CvKNearest::train o 3.3 CvKNearest::find_nearest o 3.4 例程：使用 kNN 进行 2 维样本集的分类，样本集的分布为混 合高斯分布
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
OPENCV2基础(补充材料)OpenCV_tutorials翻译资料整理而来翻译材料出处:/opencvdoc/2.3.2/html/doc/tutorials/tutorial s.html[2014/10]目录一、Mat - 基本图像容器 (2)二、OpenCV如何扫描图像、利用查找表和计时 (9)三、矩阵的掩码操作 (18)四、使用OpenCV对两幅图像求和（求混合(blending)） (22)五、改变图像的对比度和亮度 (25)六、图像平滑处理 (30)七、腐蚀与膨胀(Eroding and Dilating) (37)八、实现自己的线性滤波器 (45)九、给图像添加边界 (50)十、Sobel 导数 (56)十一、霍夫线变换 (62)十二、直方图均衡化 (69)十三、仿射变换 (74)十四、Remapping 重映射 (83)一、 Mat - 基本图像容器目的从真实世界中获取数字图像有很多方法，比如数码相机、扫描仪、CT或者磁共振成像。
无论哪种方法，我们（人类）看到的是图像，而让数字设备来“看“的时候，则是在记录图像中的每一个点的数值。
比如上面的图像，在标出的镜子区域中你见到的只是一个矩阵，该矩阵包含了所有像素点的强度值。
如何获取并存储这些像素值由我们的需求而定，最终在计算机世界里所有图像都可以简化为数值矩以及矩阵信息。
作为一个计算机视觉库，OpenCV其主要目的就是通过处理和操作这些信息，来获取更高级的信息。
因此，OpenCV如何存储并操作图像是你首先要学习的。
Mat在2001年刚刚出现的时候，OpenCV基于C语言接口而建。
为了在内存（memory）中存放图像，当时采用名为IplImage的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。
但这种方法必须接受C语言所有的不足，这其中最大的不足要数手动内存管理，其依据是用户要为开辟和销毁内存负责。
虽然对于小型的程序来说手动管理内存不是问题，但一旦代码开始变得越来越庞大，你需要越来越多地纠缠于这个问题，而不是着力解决你的开发目标。
幸运的是，C++出现了，并且带来类的概念，这给用户带来另外一个选择：自动的内存管理（不严谨地说）。
这是一个好消息，如果C++完全兼容C的话，这个变化不会带来兼容性问题。
为此，OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。
使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁（少写多得）。
但C++接口唯一的不足是当前许多嵌入式开发系统只支持C语言。
所以，当目标不是这种开发平台时，没有必要使用旧方法（除非你是自找麻烦的受虐狂码农）。
关于Mat，首先要知道的是你不必再手动地（1）为其开辟空间（2）在不需要时立即将空间释放。
但手动地做还是可以的：大多数OpenCV函数仍会手动地为输出数据开辟空间。
当传递一个已经存在的Mat对象时，开辟好的矩阵空间会被重用。
也就是说，我们每次都使用大小正好的内存来完成任务。
基本上讲Mat是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。
矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。
因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。
OpenCV 是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。
同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝大的图像，因为这会降低程序速度。
为了搞定这个问题，OpenCV使用引用计数机制。
其思路是让每个Mat对象有自己的信息头，但共享同一个矩阵。
这通过让矩阵指针指向同一地址而实现。
而Mat A, C; // 只创建信息头部分A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存Mat B(A); // 使用拷贝构造函数C = A; // 赋值运算符拷贝构造函数则只拷贝信息头和矩阵指针，而不拷贝矩阵。
以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。
虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。
实际上，不同的对象只是访问相同数据的不同途径而已。
这里还要提及一个比较棒的功能：你可以创建只引用部分数据的信息头。
比如想要创建一个感兴趣区域（ROI），你只需要创建包含边界信息的信息头：Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangleMat E = A(Range:all(), Range(1,3)); // using row and column boundaries现在你也许会问，如果矩阵属于多个Mat对象，那么当不再需要它时谁来负责清理？简单的回答是：最后一个使用它的对象。
通过引用计数机制来实现。
无论什么时候有人拷贝了一个Mat对象的信息头，都会增加矩阵的引用次数；反之当一个头被释放之后，这个计数被减一；当计数值为零，矩阵会被清理。
但某些时候你仍会想拷贝矩阵本身(不只是信息头和矩阵指针)，这时可以使用函数clone()或者copyTo()。
Mat F = A.clone();Mat G;A.copyTo(G);在改变F或者G就不会影响Mat信息头所指向的矩阵。
总结一下，你需要记住的是•OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
•使用OpenCV的C++接口时不需要考虑内存释放问题。
•赋值运算符和拷贝构造函数（ctor）只拷贝信息头。
•使用函数clone()或者copyTo()来拷贝一副图像的矩阵。
存储方法这里讲述如何存储像素值。
需要指定颜色空间和数据类型。
颜色空间是指对一个给定的颜色，如何组合颜色元素以对其编码。
最简单的颜色空间要属灰度级空间，只处理黑色和白色，对它们进行组合可以产生不同程度的灰色。
对于彩色方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。
RGB颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。
它的基色是红色、绿色和蓝色，有时为了表示透明颜色也会加入第四个元素alpha (A)。
有很多的颜色系统，各有自身优势：•RGB是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用。
•HSV和HLS把颜色分解成色调、饱和度和亮度/明度。
这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
•YCrCb在JPEG图像格式中广泛使用。
•CIE L*a*b*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。
每个组成元素都有其自己的定义域，取决于其数据类型。
如何存储一个元素决定了我们在其定义域上能够控制的精度。
最小的数据类型是char，占一个字节或者8位，可以是有符号型（0到255之间）或无符号型（-127到+127之间）。
尽管使用三个char型元素已经可以表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double（8字节，64位）则能给出更加精细的颜色分辨能力。
但同时也要切记增加元素的尺寸也会增加了图像所占的内存空间。
显式地创建一个Mat对象教程读取、修改、保存图像已经讲解了如何使用函数imwrite()将一个矩阵写入图像文件中。
但是为了debug，更加方便的方式是看实际值。
为此，你可以通过Mat的运算符<< 来实现，但要记住这只对二维矩阵有效。
Mat不但是一个很赞的图像容器类，它同时也是一个通用的矩阵类，所以可以用来创建和操作多维矩阵。
创建一个Mat对象有多种方法：Mat()构造函数Mat M(2,2, CV_8UC3, Scalar(0,0,255));out << "M = " << endl << " " << M << endl << endl;对于二维多通道图像，首先要定义其尺寸，即行数和列数。
然后，需要指定存储元素的数据类型以及每个矩阵点的通道数。
为此，依据下面的规则有多种定义CV_[The number of bits per item][Signed or Unsigned][TypePrefix]C[The channel number]比如CV_8UC3表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。
预先定义的通道数可以多达四个。
Scalar是个short型vector。
指定这个能够使用指定的定制化值来初始化矩阵。
当然，如果你需要更多通道数，你可以使用大写的宏并把通道数放在小括号中，如下所示·在C\C++ 中通过构造函数进行初始化int sz[3] = {2,2,2};Mat L(3,sz, CV_8UC(1), Scalar::all(0));上面的例子演示了如何创建一个超过两维的矩阵：指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同为已存在IplImage指针创建信息头:IplImage* img = cvLoadImage("greatwave.png", 1);Mat mtx(img); // convert IplImage* -> MatCreate() function: 函数M.create(4,4, CV_8UC(2));cout << "M = "<< endl << " " << M << endl << endl;这个创建方法不能为矩阵设初值，它只是在改变尺寸时重新为矩阵数据开辟内存。
·MATLAB形式的初始化方式：zeros(), ones(), :eyes()。
使用以下方式指定尺寸和数据类型：Mat E = Mat::eye(4, 4, CV_64F);cout << "E = " << endl << " " << E << endl << endl;Mat O = Mat::ones(2, 2, CV_32F);cout << "O = " << endl << " " << O << endl << endl;Mat Z = Mat::zeros(3,3, CV_8UC1);cout << "Z = " << endl << " " << Z << endl << endl;对于小矩阵你可以用逗号分隔的初始化函数:Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);cout << "C = " << endl << " " << C << endl << endl;·使用clone()或者copyTo()为一个存在的Mat对象创建一个新的信息头。