1、影象的表示

1.1、數字影象
一副尺寸為 M × N 的影象可以用一個 M × N 的矩陣來表示，矩陣元素的值表示這個位置上的畫素的亮度，一般來說畫素值越大表示該點越亮。

如圖影象，我們看到的是 Lena 的頭像，但是計算機看來，這副影象只是一堆亮度各異的點。

圖中白色圓圈內的區域，進行放大並仔細檢視，將會如圖所示。

1.2、一般來說，灰度圖用 2 維矩陣表示，彩色（多通道）影象用 3 維矩陣（M× N × 3）表示。

對於影象顯示來說，目前大部分裝置都是用無符號 8 位整數（型別為CV_8U）表示畫素亮度。

1.3、影象資料在計算機記憶體中的儲存順序為以影象最左上點（也可能是最左下點）開始，儲存如表所示。

灰度影象的儲存示意圖：

I ij 表示第 i 行 j 列的畫素值。如果是多通道影象，比如 RGB 影象，則每個
畫素用三個位元組表示。在 OpenCV 中，RGB 影象的通道順序為 BGR ，儲存如
表 所示

2、Mat類

早期的 OpenCV 中，使用 IplImage 和 CvMat 資料結構來表示影象。IplImage和CvMat 都是 C 語言的結構。使用這兩個結構的問題是記憶體需要手動管理，開發者必須清楚知道何時需要申請記憶體，何時需要釋放記憶體。這個開發者帶來了一定的負擔，開發者應將更多精力用於演算法設計，因此在新版本的 OpenCV 中引入了 Mat 類。

新加入的 Mat 類能夠自動管理記憶體。使用 Mat 類，你不再需要花費大量精力在記憶體管理上。而且你的程式碼會變得很簡潔，程式碼行數會變少。但 C++介面唯一的不足是當前一些嵌入式開發系統可能只支援 C 語言，如果你的開發平臺支援C++，完全沒有必要再用 IplImage 和 CvMat。在新版本的 OpenCV 中，開發者依然可以使用 IplImage 和 CvMat，但是一些新增加的函式只提供了 Mat 介面。

2.1、Mat 類的定義如下所示，關鍵的屬性如下方程式碼所示：

class CV_EXPORTS Mat
{
public:
//一系列函式
...
/* flag 引數中包含許多關於矩陣的資訊，如：
-Mat 的標識
-資料是否連續
-深度
-通道數目
*/
 

int flags;
//矩陣的維數，取值應該大於或等於 2
int dims;
//矩陣的行數和列數，如果矩陣超過 2 維，這兩個變數的值都為-1
int rows, cols;
//指向資料的指標
uchar* data;
//指向引用計數的指標
//如果資料是由使用者分配的，則為 NULL
int* refcount;
//其他成員變數和成員函式
...
};

2.2、建立Mat物件

Mat 是一個非常優秀的影象類，它同時也是一個通用的矩陣類，可以用來建立和操作多維矩陣。有多種方法建立一個 Mat 物件。

建構函式方法

Mat 類提供了一系列建構函式，可以方便的根據需要建立 Mat 物件。

下面是一個使用建構函式建立物件的例子。

Mat M(3,2, CV_8UC3, Scalar(0,0,255));
cout << "M = " << endl << " " << M << endl;

第一行程式碼建立一個行數（高度）為 3，列數（寬度）為 2 的影象，影象元素是 8 位無符號整數型別，且有三個通道。
影象的所有畫素值被初始化為(0, 0,255)。由於 OpenCV 中預設的顏色順序為 BGR,因此這是一個全紅色的影象。
第二行程式碼是輸出Mat類的例項M的所有畫素值。Mat重定義了<<操作符，使用這個操作符，可以方便地輸出所有畫素值，而不需要使用 for 迴圈逐個畫素輸出。

• 常用的建構函式有：

Mat::Mat()
無引數構造方法；

Mat::Mat(int rows, int cols, int type)
建立行數為 rows，列數為 col，型別為 type 的影象；

Mat::Mat(Size size, int type)
建立大小為 size，型別為 type 的影象；

Mat::Mat(int rows, int cols, int type, const Scalar& s)
建立行數為 rows，列數為 col，型別為 type 的影象，並將所有元素初始化為值 s；

Mat::Mat(Size size, int type, const Scalar& s)
建立大小為 size，型別為 type 的影象，並將所有元素初始化為值 s；

Mat::Mat(const Mat& m)
將 m 賦值給新建立的物件，此處不會對影象資料進行復制，m 和新物件共用影象資料；

Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)
建立行數為 rows，列數為 col，型別為 type 的影象，此建構函式不建立影象資料所需記憶體，而是直接使用 data 所指記憶體，影象的行步長由 step指定。

Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)
建立大小為 size，型別為 type 的影象，此建構函式不建立影象資料所需記憶體，而是直接使用 data 所指記憶體，影象的行步長由 step 指定。

Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)
建立的新影象為 m 的一部分，具體的範圍由 rowRange 和 colRange 指定，此建構函式也不進行影象資料的複製操作，新影象與 m 共用影象資料；

Mat::Mat(const Mat& m, const Rect& roi)
建立的新影象為 m 的一部分，具體的範圍 roi 指定，此建構函式也不進行影象資料的複製操作，新影象與 m 共用影象資料。

1. 這些建構函式中，很多都涉及到型別type。type可以是CV_8UC1，CV_16SC1，…，CV_64FC4 等。
2. 裡面的 8U 表示 8 位無符號整數，16S 表示 16 位有符號整數，64F表示 64 位浮點數（即 double 型別）；
3. C 後面的數表示通道數，例如 C1 表示一個通道的影象，C4 表示 4 個通道的影象，以此類推。

如果你需要更多的通道數，需要用巨集 CV_8UC(n)，例如：
Mat M(3,2, CV_8UC(5));//建立行數為 3，列數為 2，通道數為 5 的影象

create()函式建立物件

除了在建構函式中可以建立影象，也可以使用 Mat 類的 create()函式建立影象。如果 create()函式指定的引數與影象之前的引數相同，則不進行實質的記憶體申請操作；如果引數不同，則減少原始資料記憶體的索引，並重新申請記憶體。

Mat M(2,2, CV_8UC3);//建構函式建立影象
M.create(3,2, CV_8UC2);//釋放記憶體重新建立影象

需要注意的時，使用 create()函式無法設定影象畫素的初始值

Matlab 風格的建立物件方法

OpenCV 2 中提供了 Matlab 風格的函式，如 zeros()，ones()和 eyes()。這種方法使得程式碼非常簡潔，使用起來也非常方便。

使用這些函式需要指定影象的大小和型別，使用方法如下：

Mat Z = Mat::zeros(2,3, CV_8UC1);
cout << "Z = " << endl << " " << Z << endl;
Mat O = Mat::ones(2, 3, CV_32F);
cout << "O = " << endl << " " << O << endl;
Mat E = Mat::eye(2, 3, CV_64F);
cout << "E = " << endl << " " << E << endl;

有些 type 引數如 CV_32F 未註明通道數目，這種情況下它表示單通道
上面程式碼的輸出結果如圖所示:

例項

#include"opencv2/opencv.hpp"
#include<iostream>
using  namespace std;
using namespace cv;
int main() {
	Mat src;
	src = imread("D:/111.jpg");
	if (src.empty()) {
		cerr << "open error" << endl;
		return -1;
	}

	namedWindow("原圖", WINDOW_AUTOSIZE);
	imshow("原圖", src);


	//構造 Mat::Mat(Size size,int type)，沒有資料
	Mat dst;
	dst = Mat(src.size(), src.type());
	dst = Scalar(127, 0, 255);  //B=127 G=0 R=255
	namedWindow("new1", WINDOW_AUTOSIZE);
	imshow("new1", dst);



//和原圖一模一樣
	//1. Mat.clone()
	//和原圖一模一樣
	Mat dst2;
	dst2 = src.clone();
	namedWindow("new2", WINDOW_AUTOSIZE);
	imshow("new2", dst2);
	
	//2. Mat.copyTo(output)
	Mat dst3;
	src.copyTo(dst3);
	namedWindow("new3", WINDOW_AUTOSIZE);
	imshow("new3", dst3);
	
	//3. cvtColor構造圖片
	Mat dst4;
	cvtColor(src,dst4, CV_BGR2GRAY);
	cout << "dst4.cols=" << dst4.cols << endl ;
	cout << "dst4.rows=" << dst4.rows << endl ;
	cout << "src.channels=" << src.channels() << endl ;
	cout << "dst4.channels=" << dst4.channels() << endl;
	const uchar* p = dst4.ptr<uchar>(0);
	cout << "dst4 first pixel value=" << &p << endl;
	namedWindow("new4", WINDOW_AUTOSIZE);
	imshow("new4", dst4);

//圖片內容為空
	//Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)
	Mat dst5(3,3, CV_8UC3, Scalar(0, 0, 255));
	cout << "dst5=" << endl << dst5 << endl;
	namedWindow("new5", WINDOW_AUTOSIZE);
	imshow("new5", dst5);

	//Mat 
	Mat dst6;
	dst6.create(src.size(), src.type());
	dst6 = Scalar(0, 0, 255);
	namedWindow("new6", WINDOW_AUTOSIZE);
	imshow("new6", dst6);

	//
	Mat dst7;
	dst7=Mat::zeros(src.size(), src.type());
	namedWindow("new7", WINDOW_AUTOSIZE);
	imshow("new7", dst7);

	waitKey(0);
}

3、矩陣的基本元素表達

對於單通道影象，其元素型別一般為 8U（即 8 位無符號整數），當然也可以是 16S、32F 等；這些型別可以直接用 uchar、short、float 等 C/C++語言中的基本資料型別表達。

如果多通道影象，如 RGB 彩色影象，需要用三個通道來表示。在這種情況下，如果依然將影象視作一個二維矩陣，那麼矩陣的元素不再是基本的資料型別。

OpenCV 中有模板類 Vec，可以表示一個向量。OpenCV 中使用 Vec 類預定義了一些小向量，可以將之用於矩陣元素的表達。

typedef Vec<uchar, 3> Vec3b;
typedef Vec<uchar, 4> Vec4b;

typedef Vec<short, 2> Vec2s;
typedef Vec<short, 3> Vec3s;
typedef Vec<short, 4> Vec4s;

typedef Vec<int, 2> Vec2i;
typedef Vec<int, 3> Vec3i;
typedef Vec<int, 4> Vec4i;

typedef Vec<float, 2> Vec2f;
typedef Vec<float, 3> Vec3f;
typedef Vec<float, 4> Vec4f;
typedef Vec<float, 6> Vec6f;

typedef Vec<double, 2> Vec2d;
typedef Vec<double, 3> Vec3d;
typedef Vec<double, 4> Vec4d;
typedef Vec<double, 6> Vec6d;

例如 :

• 8U 型別的 RGB 彩色影象可以使用 Vec3b，
• 3 通道 float 型別的矩陣可以使用 Vec3f。

對於 Vec 物件，可以使用[]符號如運算元組般讀寫其元素，如：

Vec3b color; //用 color 變數描述一種 RGB 顏色
color[0]=255; //B 分量
color[1]=0; //G 分量
color[2]=0; //R 分量

5、選取影象區域性區域

Mat 類提供了多種方便的方法來選擇影象的區域性區域。使用這些方法時需要注意，這些方法並不進行記憶體的複製操作。如果將區域性區域賦值給新的 Mat 物件，新物件與原始物件共用相同的資料區域，不新申請記憶體，因此這些方法的執行速度都比較快。

5.1、單行或單列選擇

提取矩陣的一行或者一列可以使用函式row()或col()。
函式的宣告如下：

Mat  Mat::row(int i)  const
Mat  Mat::col  (int j)  const

引數i和j分別是行標和列標。例如取出A矩陣的第i行可以使用如下程式碼：
Mat line=A.row(i);
例如取出 A 矩陣的第 i 行，將這一行的所有元素都乘以 2，然後賦值給第 j行，可以這樣寫：
A.row(j) = A.row(i)*2;

5.2、用Range選擇多行或多列

Range 是 OpenCV 中新增的類，該類有兩個關鍵變數 star 和 end。Range 對
象可以用來表示矩陣的多個連續的行或者多個連續的列。其表示的範圍為從 start
到 end，包含 start，但不包含 end。Range 類的定義如下：

class Range
{
	public:
	    ...
	    int start, end;
};

Range 類還提供了一個靜態方法 all()，這個方法的作用如同 Matlab 中的“:”，表所有的行或者所有的列。

建立一個單位陣
    Mat A=Mat::eye(10,10,CV_32S);
提取第1到3列（不包含3列）
    Mat B=A(Range::all(),Range(1,3));
提取 B 的第 5 至 9 行（不包括 9）
    Mat C = B(Range(5, 9), Range::all());
    其實等價於 C = A(Range(5, 9), Range(1, 3))

5.3、 感興趣區域

從影象中提取感興趣區域（Region of interest）有兩種方法：

• 使用建構函式

//建立寬度為 320，高度為 240 的 3 通道影象
Mat img(Size(320,240),CV_8UC3);
//roi 是表示 img 中 Rect(10,10,100,100)區域的物件
Mat roi(img, Rect(10,10,100,100));
//使用建構函式
Mat roi4(img, Range(10,100),Range(10,100));

• 使用括號運算子

Mat roi2 = img(Rect(10,10,100,100));

當然也可以使用 Range 物件來定義感興趣區域，
如下使用括號運算子：

 Mat roi3 = img(Range(10,100),Range(10,100));

5.4、取對角線元素

矩陣的對角線元素可以使用 Mat 類的 diag()函式獲取，該函式的定義如下：

Mat Mat::diag(int d) const

1. 引數 d=0 時，表示取主對角線；
2. 當引數 d>0 是，表示取主對角線下方的次對角線，
   如 d=1 時，表示取主對角線下方，且緊貼主多角線的元素；
3. 當引數 d<0 時，表示取主對角線上方的次對角線。
   如同row()和col()函式，diag()函式也不進行記憶體複製操作，其複雜度也是O(1)。

6、Mat表示式

用 C++中的運算子過載，OpenCV 2 中引入了 Mat 運算表示式。這一新特點使得使用 C++進行程式設計時，就如同寫 Matlab 指令碼，程式碼變得簡潔易懂，也便於維護。

如果矩陣 A 和 B 大小相同，則可以使用如下表達式：
C = A + B + 1;
其執行結果是 A 和 B 的對應元素相加，然後再加 1，並將生成的矩陣賦給 C變數。

下面給出 Mat 表示式所支援的運算。下面的列表中使用 A 和 B 表示 Mat 型別的物件，使用 s 表示 Scalar 物件，alpha 表示 double 值。

• 加法，減法，取負：A+B，A-B，A+s，A-s，s+A，s-A，-A
• 縮放取值範圍：A*alpha
• 矩陣對應元素的乘法和除法： A.mul(B)，A/B，alpha/A
• 矩陣乘法：A*B （注意此處是矩陣乘法，而不是矩陣對應元素相乘）
• 矩陣轉置：A.t()
• 矩陣求逆和求偽逆：A.inv()
• 矩陣比較運算：A cmpop B，A cmpop alpha，alpha cmpop A。
  此處 cmpop可以是>，>=，==，!=，<=，<。如果條件成立，則結果矩陣（8U 型別矩陣）的對應元素被置為 255；否則置 0。
• 矩陣位邏輯運算：A logicop B，A logicop s，s logicop A，~A，
  此處 logicop可以是&，|和^。
• 矩陣對應元素的最大值和最小值：min(A, B)，min(A, alpha)，max(A, B)，max(A, alpha)。
• 矩陣中元素的絕對值：abs(A)
• 叉積和點積：A.cross(B)，A.dot(B)
  下面例程展示了 Mat 表示式的使用方法，例程的輸出結果如圖所示。

#include <iostream>
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{
	//建立了一個4*4的單位矩陣，單通道，32位
	Mat A = Mat::eye(4, 4, CV_32SC1);
	cout << "A=" << A << endl;
	//單位矩陣的每個元素都是*3+1；
	Mat B = A * 3 + 1;
	//B矩陣的主對角線【4,4,4,4】與B矩陣的第二列元素【1,4,1,1】對應相加
	Mat C = B.diag(0) + B.col(1);

	//輸出元素：
	cout << "A = " << A << endl << endl;
	cout << "B = " << B << endl << endl;
	cout << "C = " << C << endl << endl;
	cout << "A = " << A << endl << endl;
	//C矩陣與B的主對角線的點積 5*4+8*4+5*4+5*4；
	cout << "C .* diag(B) = " << C.dot(B.diag(0)) << endl;

	return 0;
}

7、Mat_類

Mat_類是對 Mat 類的一個包裝，其定義如下：

template<typename _Tp> class Mat_ : public Mat
{
	public:
	//只定義了幾個方法
	//沒有定義新的屬性
};

這是一個非常輕量級的包裝，既然已經有 Mat 類，為何還要定義一個 Mat_？
下面我們看這段程式碼：

Mat M(600, 800, CV_8UC1);
for( int i = 0; i < M.rows; ++i){
    uchar * p = M.ptr<uchar>(i);
	for( int j = 0; j < M.cols; ++j ){
		double d1 = (double) ((i+j)%255);
		M.at<uchar>(i,j) = d1;
		double d2 = M.at<double>(i,j);//此行有錯
	}
}

在讀取矩陣元素時，以及獲取矩陣某行的地址時，需要指定資料型別。這樣首先需要不停地寫“”，讓人感覺很繁瑣，在繁瑣和煩躁中容易犯錯，如上面程式碼中的錯誤，用 at()獲取矩陣元素時錯誤的使用了 double 型別。這種錯誤不是語法錯誤，因此在編譯時編譯器不會提醒。在程式執行時，at()函式獲取到的不是期望的(i,j)位置處的元素，資料已經越界，但是執行時也未必會報錯。這樣的錯誤使得你的程式忽而看上去正常，忽而彈出“段錯誤”，特別是在程式碼規模很大時，難以查錯。

如果使用 Mat_類，那麼就可以在變數宣告時確定元素的型別，訪問元素時不再需要指定元素型別，即使得程式碼簡潔，又減少了出錯的可能性。上面程式碼可以用 Mat_實現.實現程式碼如下面例程裡的第二個雙重 for 迴圈。

#include <iostream>
#include "opencv2/opencv.hpp"
#include <stdio.h>
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{
	Mat M(600, 800, CV_8UC1);
	for (int i = 0; i < M.rows; ++i)
	{
		//獲取指標時需要指定型別
		uchar * p = M.ptr<uchar>(i);
		for (int j = 0; j < M.cols; ++j)
		{
			double d1 = (double)((i + j) % 255);
			//用 at()讀寫畫素時，需要指定型別
			M.at<uchar>(i, j) = d1;
			//下面程式碼錯誤，應該使用 at<uchar>()
			//但編譯時不會提醒錯誤
			//執行結果不正確，d2 不等於 d1
			//double d2 = M.at<double>(i, j);
		}
	}

	//在變數宣告時指定矩陣元素型別
	Mat_<uchar> M1 = (Mat_<uchar>&)M;
	for (int i = 0; i < M1.rows; ++i)
	{
		//不需指定元素型別，語句簡潔
        uchar * p = M1.ptr(i);
		for (int j = 0; j < M1.cols; ++j)
		{
		
			double d1 = (double)((i + j) % 255);
			//直接使用 Matlab 風格的矩陣元素讀寫，簡潔
			M1(i, j) = d1;
			double d2 = M1(i, j);
		}
	}
	return 0;
}

8、Mat類的記憶體管理

使用 Mat 類，記憶體管理變得簡單，不再像使用 IplImage 那樣需要自己申請和釋放記憶體。雖然不瞭解 Mat 的記憶體管理機制，也無礙於 Mat 類的使用，但是如果清楚瞭解 Mat 的記憶體管理，會更清楚一些函式到底操作了哪些資料。

Mat 是一個類，由兩個資料部分組成：矩陣頭（包含矩陣尺寸，儲存方法，儲存地址等資訊）和一個指向儲存所有畫素值的矩陣的指標。矩陣頭的尺寸是常數值，但矩陣本身的尺寸會依影象的不同而不同，通常比矩陣頭的尺寸大數個數量級。複製矩陣資料往往花費較多時間，因此除非有必要，不要複製大的矩陣。

為了解決矩陣資料的傳遞，OpenCV 使用了引用計數機制。其思路是讓每個Mat 物件有自己的矩陣頭資訊，但多個 Mat 物件可以共享同一個矩陣資料。讓矩陣指標指向同一地址而實現這一目的。很多函式以及很多操作（如函式引數傳值）只複製矩陣頭資訊，而不復制矩陣資料。

前面提到過，有很多中方法建立 Mat 類。如果 Mat 類自己申請資料空間，那麼該類會多申請 4 個位元組，多出的 4 個位元組儲存資料被引用的次數。引用次數儲存於資料空間的後面，refcount 指向這個位置，如圖所示。當計數等於 0時，則釋放該空間。

關於多個矩陣物件共享同一矩陣資料，我們可以看這個例子：

Mat A(100,100, CV_8UC1);
Mat B = A;
Mat C = A(Rect(50,50,30,30));

上面程式碼中有三個 Mat 物件，分別是 A，B 和 C。這三者共有同一矩陣資料:

9、輸出

從前面的例程中，可以看到 Mat 類過載了<<操作符，可以方便得使用流操作來輸出矩陣的內容。預設情況下輸出的格式是類似 Matlab 中矩陣的輸出格式。除了預設格式，Mat 也支援其他的輸出格式。程式碼如下：

• 首先建立一個矩陣，並用隨機數填充。填充的範圍由 randu()函式的第二個引數和第三個引數確定，下面程式碼是介於 0 到 255 之間。

建立了3*2的一個影象，有3個通道
Mat R = Mat(3, 2, CV_8UC3);
三通道的BGR取值都是隨機數 0~255
randu(R, Scalar::all(0), Scalar::all(255));

預設格式輸出的程式碼如下：

cout << "R (default) = " << endl << R << endl << endl;

python 格式輸出的程式碼如下：

//cout << "r(Python風格_openCV2) = " << format(r, “python”) << “;” << endl << endl;
cout << "r(Python風格_openCV3) = " << endl << format(r, Formatter::FMT_PYTHON) << endl << endl;

以逗號分割的輸出的程式碼如下：

//cout << "r(,分隔風格_openCV2) = " << format(r, “csv”) << “;” << endl << endl;
cout << "r(,分隔風格_openCV3) = " << endl << format(r, Formatter::FMT_CSV) << endl << endl;

numpy 格式輸出的程式碼如下：

//cout << "r(numpy風格_openCV2) = " << format(r, “numpy”) << “;” << endl << endl;
cout << "r(numpy風格_openCV3) = " << endl << format(r, Formatter::FMT_NUMPY)<< endl << endl;

相關推薦

opencv--影象的基本操作【2】

1、影象的表示 1.1、數字影象 一副尺寸為 M × N 的影象可以用一個 M × N 的矩陣來表示，矩陣元素的值表示這個位置上的畫素的亮度，一般來說畫素值越大表示該點越亮。 如圖影象，我們看到的是 Lena 的頭像，但是計算機看來，這副影象只是一堆亮度各異的點。 圖中白色圓圈

Python-OpenCV 影象基本操作

一、圖片 讀、寫、顯示、屬性檢視 import numpy as np import cv2 -----------------------------直接讀取-------------------

【翻譯】影象基本操作

⚠️這個系列是自己瞎翻的，文法很醜，跳著跳著撿重要的部分翻，翻錯了不負責，就這樣。 ⚠️基於3.4.3，Basic Operations on Images，附原文。 目標  學會： 獲取畫素並且修改他們 獲取影象屬性 設定感興

《實用OpenCV》 影象和GUI視窗的基本操作（2）

GUI跟蹤條和函式回撥       回撥函式       回撥函式是指當事件發生時自動被呼叫的函式。可以和OpenCV裡面的很多事件相關聯，像滑鼠左右鍵的點選，滑塊的移動等等。 例4-2 顏色空間轉換 // Function to change between co

08.SQL Server 基本操作【分離（脫機）、附加（聯機）】

原因 -1 文件的操作 刪除 方法 附加 文件 技術分享 屬性 1、創建、刪除（對準數據庫右鍵）2、分離（脫機）、附加（聯機） 關於附加數據庫失敗的處理：原因：對文件的操作權限不夠處理方法：對準mdf文件和ldf文件 右鍵 屬性 安全性將 用戶 Users

第四章 串的基本操作【數據結構】

scan nta contact can 描述 length return turn 釋放 運行截圖。 自己太久沒有這樣用過指針了，總是用不好~~ 下次自己申請了一個指針，就得初始化，不然在判斷是否為空的操作下，會導致程序停止運行。（傳說中的敲代碼5分鐘，debug

Linux學習之路--Mariadb（3）基本使用操作【20】---20180123

result run page 提高 進行 組成 varchar alias pan 一、MariaDB程序1、MariaDB的程序組成Client mysql：CLI交互式客戶端程序 mysqldump,mysqladmin...Server mysq

2018-07-13期 Zookeeper客戶端基本操作【本人親自反復驗證通過分享】

RoCE 分享 自動刪除 ast state println await roc 可用 說明：本文檔主要給大家介紹ZK客戶端API基本操作一、新建Java工程1、New->Project->Java Project填寫JAVA工程名字，選擇JDK版本等2、為新建

opencv--圖形模糊【2】

1、中值濾波 1.1、 定義 中值濾波對脈衝噪聲有良好的濾除作用，特別是在濾除噪聲的同時，能夠保護訊號的邊緣，使之不被模糊。這些優良特性是線性濾波方法所不具有的。此外，中值濾波的演算法比較簡單，也易於用硬體實現。所以，中值濾波方法一經提出後，便在數字訊號處理領得到重要的應用。 中

Learning-MySQL【2】：MySQL儲存引擎及資料庫的操作管理

一、儲存引擎 儲存引擎實際上就是如何儲存資料、如何為儲存的資料建立索引和如何更新、查詢資料。儲存引擎也可以稱為表型別。 MySQL提供了外掛式（pluggable）的儲存引擎，儲存引擎是基於表的。同一個資料庫，不同的表，儲存引擎可以不同。甚至，同一個資料庫表在不同的場合可以應用不同的儲存引擎。 檢視當前

Python OpenCV _1基本操作（畫圖，迴圈播放影象，滑鼠事件，讀取中文路徑中的圖片）

此係列原始碼在我的GitHub裡：https://github.com/yeyujujishou19/Python-OpenCV 一，OpenCV的結構 A）根據功能和需求的不同，OpenCV中的函式介面大體可以分為如下部分： core 核心模組，主要包

【2】Caffe學習系列(11)：影象資料轉換成db（leveldb/lmdb)檔案

在深度學習的實際應用中，我們經常用到的原始資料是圖片檔案，如jpg,jpeg,png,tif等格式的，而且有可能圖片的大小還不一致。而在caffe中經常使用的資料型別是lmdb或leveldb，因此就產生了這樣的一個問題：如何從原始圖片檔案轉換成caffe中能夠執行的db（l

OpenCV學習筆記（一）環境配置、影象基本操作、Mat物件

     終於，在國慶假期結束後開始上手OpenCV，一直嚮往著學習影象處理，上手OpenCV後越發覺得影象處理的有趣，確實OpenCV對於培養學習影象處理的興趣以及作為深究演算法的開始無疑是適合的。      我所使用的環境是Win10+OpenCV3.4.3+VS201

OpenCV學習心得二：影象基本操作（建立，讀取，載入，儲存，展示）+畫素操控

課程緊張，以後儘量每節課消化後及時更新部落格以加深印象。 此次為第一節實驗課內容，為了方便，我將各個功能寫成一個小方法，在main函式裡呼叫已檢驗成功與否。 helloline()  :建立圖片 draw()  :基本作圖 pixels():操縱圖片畫素點 thr(

Scala in Spark 基本操作【未完】

# 建立textFileRDD val textFile = sc.textFile("README.md") textFile.first() #獲取textFile RDD的第一個元素 res3:String = # Apache

Windbg Extension NetExt 使用指南 【2】 ---- NetExt 的基本命令介紹

摘要 : 本章節介紹NetExt常用的命令. 並且對SOS進行一些對比. NetExt的幫助 要想玩好NetExt, 入門就得看幫助. 看NetExt的幫助可以呼叫!whelp 命令. 這樣hi列舉出NetExt所支援的所有命令. 0:000> !netext.whelp netext ve

2、shell指令操作【ubuntu】

find . -name "*" |xargs cp ???? 這裡 xargs cp 怎麼區分cp源 和 cp目的 例如：想把 查詢到的檔案 都copy到/home/users/中去   find . -name "*" | xargs cp /home/users/ c

第四章 串的基本操作【資料結構】

#include<stdio.h> #include<string.h> #include<stdlib.h> #include<malloc.h> #define ERROR 0 #define OK 1 #define MAXSIZE 1000 type

什麼是影象以及opencv的基本操作

影象就是由一系列畫素點構成的影象 拿灰度圖（二通道影象）來說，它在計算機中的儲存形式就是一個二維矩陣，構成影象上所有畫素點的資訊，它其實就是一系列亮度不同的點構成，每個畫素點的亮度由該畫素所儲存的值決定（0-255）； 多通道影象（俗稱彩色影象）的

Qt學習筆記-SQL的基本操作【建立、查詢、新增、索引等】

程式執行截圖如下：程式碼如下：connection.h#ifndef CONNECTION_H #define CONNECTION_H #include <QMessageBox> #include <QSqlQuery> #include <