CV_8UC1 是指一個8位無符號整型單通道矩陣,

CV_32FC2是指一個32位浮點型雙通道矩陣

CV_8UC1 CV_8SC1 CV_16U C1 CV_16SC1 CV_8UC2 CV_8SC2 CV_16UC2 CV_16SC2 CV_8UC3 CV_8SC3 CV_16UC3 CV_16SC3 CV_8UC4 CV_8SC4 CV_16UC4 CV_16SC4 CV_32SC1 CV_32FC1 CV_64FC1CV_32SC2 CV_32FC2 CV_64FC2CV_32SC3 CV_32FC3 CV_64FC3CV_32SC4 CV_32FC4 CV_64FC4

其中，通道表示每個點能存放多少個數，類似於RGB彩色圖中的每個畫素點有三個值，即三通道的。

圖片中的深度表示每個值由多少位來儲存，是一個精度問題，一般圖片是8bit（位）的，則深度是8.

範數
定義1. 設 ,滿足
1. 正定性:║x║≥0,║x║=0 iff x=0
2. 齊次性:║cx║=│c│║x║, 
3. 三角不等式:║x+y║≤║x║+║y║
則稱Cn中定義了向量範數,║x║為向量x的範數.
可見向量範數是向量的一種具有特殊性質的實值函式.
常用向量範數有,令x=( x1,x2,…,xn)T
1-範數:║x║1=│x1│+│x2│+…+│xn│    //向量中的絕對值求和，
2-範數:║x║2=(│x1│2+│x2│2+…+│xn│2)^1/2   //就是歐幾里得距離，其跟勾股定理不太一樣
∞-範數:║x║∞=max(│x1│,│x2│,…,│xn│)  //向量中的max

		for (size_t i = 0; i < prev_corner.size(); i++)
		{
			common_point.at<Vec2f>(0, i) = Vec2f(prev_corner[i].x,prev_corner[i].y);
			x = cur_corner[i].x*T.at<double>(0, 0) + cur_corner[i].y*T.at<double>(0, 1) + T.at<double>(0, 2);
			y = cur_corner[i].x*T.at<double>(1, 0) + cur_corner[i].y*T.at<double>(1, 1) + T.at<double>(1, 2);
			sumvalue += sqrt((x - prev_corner[i].x) *(x - prev_corner[i].x) + (y - prev_corner[i].y)*(y - prev_corner[i].y));
		}
		sumvalue /= cur_corner.size();
 

std::cout << "每幅影象的定標誤差：" << endl;
fout << "每幅影象的定標誤差：" << endl << endl;
for (int i = 0; i<image_count; i++)
{
	/*object_Points是一個影象的vector，用於標定的其是初始化為三通道的，其中Z通道為0。其是實際的棋盤格的以左上角為原點的每個方塊角點的物理座標，方塊大小是12mm和12mm
	*/
	vector<Point3f> tempPointSet = object_Points[i];
	/**通過得到的攝像機內外引數，對空間的三維點進行重新投影計算，得到新的投影點 
	這裡的tempPointSet把12mm乘12mm的物理棋盤格角點，image_points2是轉換後的影象畫素角點座標，
	tempPointSet通過內外引數轉變為相機的影象畫素座標系，
	然後與image_points2進行誤差計算，評估出其內外參的質量，一般誤差值都很小
	問題：為什麼不進行影象畫素座標通過內外參轉換為實際物理座標？這是因為我們當把畫素座標轉換為物理         空間下時，其是一條射線，無法還原到深度Z **/
	projectPoints(tempPointSet, rotation_vectors[i], translation_vectors[i], intrinsic_matrix, distortion_coeffs, image_points2);
	
	/* 把對應幀裡的影象的角點賦值給tempImagePoint，其是畫素座標*/
	vector<Point2f> tempImagePoint = corners_Seq[i];


	//這裡定義的是兩個通道的Mat矩陣，其表示每個點能表示兩個資料，這裡是分別表示棋盤格角點的X和Y,非常妙
	Mat tempImagePointMat = Mat(1, tempImagePoint.size(), CV_32FC2); 
	Mat image_points2Mat = Mat(1, image_points2.size(), CV_32FC2);  

	for (int j = 0; j < tempImagePoint.size(); j++)
	{
		image_points2Mat.at<Vec2f>(0, j) = Vec2f(image_points2[j].x, image_points2[j].y);  //兩個通道同時賦值，如果三個通道則三個值同時賦值
		tempImagePointMat.at<Vec2f>(0, j) = Vec2f(tempImagePoint[j].x, tempImagePoint[j].y);
	}
	err = norm(image_points2Mat, tempImagePointMat, NORM_L2);
	total_err += err /= point_counts[i];
	std::cout << "第" << i + 1 << "幅影象的平均誤差：" << err << "畫素" << endl;
	fout << "第" << i + 1 << "幅影象的平均誤差：" << err << "畫素" << endl;
}
std::cout << "總體平均誤差：" << total_err / image_count << "畫素" << endl;
fout << "總體平均誤差：" << total_err / image_count << "畫素" << endl << endl;
std::cout << "評價完成！" << endl;

		Mat common_point1 = Mat(1, 3, CV_32FC2);
		Mat cur_point1 = Mat(1, 3, CV_32FC2);
		for (size_t i = 0; i < 3; i++)
		{
			common_point1.at<Vec2f>(0, i) = Vec2f(6, 5);
			cur_point1.at<Vec2f>(0, i) = Vec2f(4,4);

		}
		err = norm(common_point1, cur_point1, NORM_L2);
		printf("err為 : %f個畫素 \n", err);

3．數學概念