<学习opencv>opencv数据类型
Opencv数据类型：
1.基本数据类型：int、float (包括简单的矢量和矩阵)(简单几何概念的表示:点、矩形、大小)
2.辅助对象：表示更抽象的概念
(例如垃圾收集指针类,用于数据切片的范围对象(range objects)，以及终止条件类等)
3.大型数组的类型：(基于元组件，或者基本数据类型)
这类对象原本目的是涵盖数组或一些其他的原语,程序集或更常见的基础数据类型.
这类典型代表是cv::Mat类,该类用来代表(任意维度的,包含任意基础数据元素的)数组.
4.C++标准模板库(STL)
OPenCV特别依赖于Vector类，许多opencv库函数在其参数列表中都有矢量模板对象。
基础类型概述
固定向量类class cv::Vec<>
固定向量类：class cv::Vec<> 基本的容器类，适用于尺寸在编译时已知的小向量。
这允许特别有效的代码来处理小的常见的错误。
大多数情况不适用这种形式，并且存在typedef用于cv::Vec<>模板的常见实例化的别名。
名称类似于：
cv::Vec2i 两元素整数向量
cv::Vec3i 三元素整数向量
cv::Vec4d 四元素双精度浮点向量
一般情况下，形式的cv::Vec{2,3,4,6}{b,w,s,i,f,d}是有效的六个数据类型两到四个维度的任何组合和。
固定矩阵类cv::Matx<>
固定矩阵类：cv::Matx<> 不用于大型数组，而是设计用于处理某些特定的小矩阵运算。
在计算级视觉中，周围有许多22或33的小矩阵，并且有少数4*4矩阵用于各种变换。
cv::Matx<>设计用于容纳这些类型的对象,与cv::Vec<>类似。
cv::Matx通常是通过以下形式的别名访问cv::Matx{1,2,3,4,6}{1,2,3,4,6}{f,d}。
重要的是注意使用固定矩阵类的维度必须在编译时已知，正是这种知识使得固定矩阵类的运算效率高,
从而消除了许多动态内存分配操作。
点类 Point class
点类：于固定向量类密切相关，是一种容器，用于其中一种基本类型的两个或者三个值。
点类是从它们自身的模板派生的，因此不是直接来自固定的矢量类，而可以在它们之间进行转换。
点类和固定向量类之间的主要区别：
在于它们的成员是通过名称变量访问的(mypoint.x,mypoint.y),而不是由向量索引访问得到(myvec[0],myvec[1])等。
和cv::Vec<>类似,Point类是通过别名调用作为一个正确模板的实例.类似于cv::Point2i,cv::Point2f,cv::Point2d或者
cv::Point3f,cv::Point3i,cv::Point3d.
cv::Scalar
cv::Scalar本质上一个四维Point类,因此与Point类相似,cv::Scalar实际上与一个可以产生任意四元素向量的模板相关.
但cv::Scalar一般是双精度四元素向量的别名.
与Point类不一致的是,cv::Scalar对象的元素是通过整数下标来访问的,这与cv::Vec<>相似.
这是因为cv::Scalar直接继承cv::Vec<>实例(更准确地说,继承自cv::Vec<double,4>)
深入了解基础类型
cv::Point类
用于二维点，用于三维点。
点类的最大优点是它们很简单并且开销很小。
在本地，它们没有定义很多操作，但是在需要时可以将它们转换为更通用的类型。
在大多数程序中，点类通过别名实例化采用像cv::Point2i或之类的形式cv::Point3f。
最后一个字母表示要从中构造点的所需基元。
(b是无符号数,s是短整型,i是一个32位整数，f是32位浮点数，d是一个64位浮点数)
| 操作 | 示例 |
|---|---|
| 默认构造函数 | cv::Point2i p ; |
| cv::Point3f p ; | |
| 复制构造函数 | Point3f p2(p1) ; |
| 值构造函数 | Point2i p(x0,x1) ; |
| Value constructors | Point3d p(x0,x1,x2) ; |
| 构造成固定向量类 | (cv::Vec3f)p ; |
| 成员访问 | P.x； P.y； //并且是三维的 //点类：P.z |
| 点乘法Dot product | float x = p1.dot(p2) ; |
| 双精度点积 | double x = p1.ddot(p2) ; |
| 叉乘Cross product | p1.cross(p2) ; |
| 查询点p是否在矩形r内 | p.inside(r) ; |
| 这些类型可以与C接口类型CvPoint和CvPoint2D32f互相转换. | |
| 若一个Point类的浮点值实例被转换成整型,那么那个值将被自动取整. |
cv::Scalar 类
cv::Scalar是四维点类.与其他类型相似,它实际上与一个模板类相关,但访问它的别名返回一个该模板的实例,
在这个模板中,所有的成员都是双精度浮点数.在计算机视觉中,cv::Scalar类有一些与四元向量相关的特殊成员函数.
| 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); |
| Value constructors | cv::Scalar s(x0,x1,x2,x3); |
| 元素乘法 | s1.mul(s2); |
| (四元数)共轭 | s.conj(); //返回cv::Scalar(s0,-s1,s2,-s2) |
| (四元素)真值测试 | s.isReal（）; //（如果s1 == s2 == s3 == 0则返回true） |
| cv::Scalar 中没有出现“强制转换为固定向量类”的操作 | |
| 这是因为，与点类不同，它 直接从固定向量类模板的实例化继承。 | |
| 因此，它继承 了固定向量类中的所有向量代数运算，成员访问函数（即）和其他属性。 |
size类
size在实际操作时与Point类相似,而且可以与Point类互相转换.
这两者之间主要的区别在于Point类的数据成员是x和y,而size类中对应的成员是width和height.
size类的三个别名分别是cv::Size,cv::Size2i,cv::Size2f.
cv::Size与cv::Size2i等价,表示整数大小,cv::Size2f表示32位浮点大小.
| 操作 | 示例 |
|---|---|
| 默认构造函数 | cv::Size sz ; |
| cv::Sizezi sz ; | |
| cv::Size2f sz ; | |
| 复制构造函数 | cv::Size 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() |
| 与Point类不同的是,size类不支持转换到固定向量类. | |
| 这意味着size类有更受限的用途,另一方面,Point类和固定向量类毫无疑问可以被转换成size类 |
cv::Rect类
矩形类包含Point类的成员x和y(矩形左上角)和size类的成员width和height(代表矩形大小)
然而矩形类并不是从Point类或者size类继承过来的,因此通常它们不继承运算符。
| 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() ; |
| 提取右下角 | r.bl() ; |
| 确定点p是否在矩形内 | r.contains(p) |
Rect还支持各种重载运算符,可以用于计算两个矩形或矩形和另一个对象的几何属性。
| 操作 | 示例 |
|---|---|
| 矩形r1和r2的交集 | cv::Rect r3 = r1 & r2 ; r1 &= r2 |
| 同时包含矩形r1和r2的最小区域矩形 | cv::Rect r3 = r1 |
| 平移矩形r 大小s的距离 | cv::Rect rx = r + x ; r += x ; |
| 按尺寸s给出的量放大矩形r | cv::Rect rs = r + s ; r += s ; |
| 比较矩形r1和r2是否相等 | bool eq = (r1 == r2) ; |
| 比较矩形r1和r2是否不相等 | bool ne = （r1 != r2） ; |
cv::RotatedRect class类
cv::RotatedRect类是OpenCV中少数底层没有使用模板的C++接口类之一.
同时,它是包含一个中心点cv::Point2f,一个大小cv::Size2f和额外的角度float的容器.
其中浮点类型(float)的角度代表图形绕中心点旋转的角度.
cv::RotateRect和cv::Rect有一个非常重要的不同点是cv::RotatedRect是以中心为原点的,
而cv::Rect则位于左上角为原点.
| 操作 | 示例 |
|---|---|
| 默认构造函数 | cv::RotatedRect rr() ; |
| 复制构造函数 | cv::RotatedRect rr2(rr1) ; |
| 从两个角点构建 | cv::RotatedRect (p1,p2) ; |
| 值构造函数 | cv::RotatedRect rr(p,sz,theta) ; //由两个对角构造 |
| 成员访问 | rr.center ; rr.size ; rr.angle ; |
| 返回角点列表 | rr.points(pts[4]) ; |
cv::Matx 固定矩阵类：
固定矩阵类是为编译时就已知维度的矩阵打造的,这也是它称为"固定"的原因.
因为它们内部的所有数据都是在堆栈上分配,所以它们的分配和清除都很快.
对固定矩阵类的操作运行很快,而且它们还在小型矩阵有特别优化的实现。
一般来说，当你表示的东西实际上是你要用矩阵代数做的矩阵时，你应该使用固定矩阵类。
如果您的对象实际上是一个大数据数组，如图像或大量的点列表，
则固定矩阵类不是正确的解决方案; 你应该使用cv::Mat。
cv::Matx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) ; | |
| 相同元素矩阵 | m33f = cv::Matx33f::all(x) ; |
| 全零矩阵 | m23d = cv::Matx23d::zeros() ; |
| 全一矩阵 | m16f = cv::Matx16f::ones() ; |
| 创建单位矩阵 | m33f = cv::Matx33f::eye() ; |
| 创建一个保持另一个对角线的矩阵 | m31f = cv::Matx33f::diag() ; |
| 创建具有正态分布条目的矩阵 | m33f = cv::Matx::nrandn(mean, variance) ; |
| 成员访问 | m(i,j) , (i) ; //一个参数 //仅限一维矩阵 |
| 单例代数 | m * a; a * m; m / a ; |
| 比较 | m1 == m2; m1 != m2 ; |
| 点积 | m1.dot(m2) ; //元素之和 //乘法，m的精度 |
| 双精度点积 | m1.ddot(m2) ; //元素乘法的总和 //双精度 |
| 重塑矩阵 | m91f = m33f.reshape<9,1>() ; |
| 转型操作符 | m44f = (Matx44f)m44d ; |
| 在(i,j)处提取2*2的子矩阵 | m44f.get_minor<2,2>(i,j) ; |
| 提取行i | m14f = m44f.row(i) ; |
| 提取列j | 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(方法) ; //默认方法是:cv::DECOMP_LU |
| 解线性系统 | m31f = m33f.solve(rhs31f,方法) ; |
| m31f = m33f.solve(rhs31f,方法) ; | |
| 转型操作符 | m32f = m33f.sovle<2>(rhs32f,方法) ; //模板形成一个默认方法是: DECOMP_LU |
| 每元素乘法 | m1.mul(m2) ; |
cv::Vec 固定向量类
固定向量类是从固定矩阵类派生出来的,它们其实只是为了更方便地使用cv::Matx<>.
在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<>.
为特定实例准备好的别称有这样的形式cv::Vec { 2 ，3 ，4 ，6 } { b ，s ，w ，i ，f ，d }，
中最后一个字符具有通常的含义（加入的w ，表示一个unsigned short）
| 操作 | 示例 |
|---|---|
| 默认构造函数 | Vec2s v2s ; Vec6f v6f ; |
| 复制构造函数 | Vec3f u3f(v3f) ; |
| 值构造函数 | Vec2f v2f(x0,x1) ; |
| Vec6d v6d(x0,x1,x2,x3,x4,x5) ; | |
| 成员访问 | v4f[i] ; v3w(j) ;//（operator（）和operator []都工作） |
| 矢量交叉积 | v3f.cross(u3f) ; |
复数类cv::Complexf
基本类型中还应包含一个类类型：复数类。
OpenCV复数类与它们不相同，但与相关的类兼容 - 并且可以与之相关 使用STL复数类模板complex<> 。
OpenCV和STL复数类之间最重要的区别在于成员访问。
在STL类，实部和虚部通过成员函数访问real() 和imag(),
而在OpenCV的类，它们是可直接访问（公共）成员变量re 和im 。
cv::Complexf
| 操作 | 示例 |
|---|---|
| 默认构造函数 | Vec2s v2s ; Vec6f v6f ; |
| 复制构造函数 | cv::Complexf z2(z1) ; |
| 值构造函数 | cv::Complexf z1(re0); |
| cv::Complexf(re0,im1) ; | |
| 复制构造函数 | cv::Complexf u2f(v2f) ; |
| 成员访问 | z1.re; z1.im ; |
| 复共轭 | z2 = z1.conj() ; |
辅助对象 Helper Objects
还有一个非常重要的对象，即“智能”指针对象cv::Ptr 。
展望一下cv::Ptr ，我们将研究垃圾收集系统，它是OpenCV的C ++接口的组成部分。
该系统使我们免于担心在早期基于C的OpenCV接口（即2.1版之前）中如此繁重的对象分配和释放的细节。
cv::TermCriteria class
这些cv::TermCriteria 对象封装了一个或两个停止标准，以便它们可以方便地传递给OpenCV算法函数。
他们有三名成员 变量- type ，maxCount 和epsilon -这 可以直接设置（它们是公共的），
或者更常见的是，只是由构造函数使用表单设置TermCriteria(int type, int maxCount, double epsilon ) 。
变量type 设置为cv::TermCriteria::COUNT 或TermCriteria::EPS 。
你也可以将“或”（即| ）两者结合在一起。
该值cv::TermCriteria::COUNT 是其同义词cv::TermCriteria::MAX_ITER ，
因此您可以根据需要使用该值。如果终止标准包括cv::TermCriteria::COUNT ，
那么您告诉算法在maxCount 迭代后终止。如果终止标准包括cv::TermCriteria::EPS ，
那么您告诉算法在与算法的收敛相关的某个度量下降之后终止epsilon 。
所述的 参数具有用于向进行相应的设置 或 使用。
cv::Range class
在cv::Range 类用于指定 连续 序列 整数。cv::Range 对象有两个元素，
start并且-通常使用构造函数设置end-类似于cv::TermCriteria-
cv::Range( int start, int end ) 。范围均包括其初始值的，但不包括他们的最终价值，
所以cv::Range rng( 0, 4 ) 包括变量0 ，1 ，2 ，和3 ，但不会4 。
使用size() ，您可以找到范围内的元素数量。在前面的例子中，rng.size() 将等于4 。
还有一个成员，empty() 用于测试范围是否没有元素。
最后，cv::Range::all() 可以在需要范围的任何地方使用，以指示对象可用的范围。
cv::Ptr 模板和垃圾收集
一个非常有用 C ++中的对象类型是“智能”指针。7 这个 指针 允许我们创建对某事物的引用，然后传递它。
您可以创建更多对该事物的引用，然后 将计算所有这些引用。 由于引用超出范围，智能指针的引用计数递减。
一旦所有引用（指针的实例）消失，“事物”将自动被清除（解除分配）
[运行过程]
首先，为要“包装”的类对象定义指针模板的实例。
您可以使用cv::Ptr
或等调用来执行此操作cv::Ptr
模板对象的构造函数获取指向要指向的对象的指针。一旦你这样做，你就有了一个智能指针p ，
它是一种类似指针的对象，你可以传递它并像普通指针一样使用（即它支持诸如operator*() 和
之类的运算符operator->() ）。一旦拥有p ，您可以创建相同类型的其他对象，
而不向它们传递指向新对象的指针。例如，您可以创建Ptr
在幕后的某个地方，智能指针的“智能”动作发挥作用。你看，就像通常的指针一样，
那里仍然只有一个实际的cv::Mat33f 对象，p 并且q 都指向。
所不同的是，这两个p并q 知道他们是两个指针中的每一个。
应该p 消失（例如通过超出范围），q 知道它是对原始矩阵的唯一剩余参考。
如果q 应该消失并且它的析构函数被调用（隐式），q 会知道这是剩下的最后一个，它应该释放原始矩阵。
您可以将此视为建筑物中最后一个负责关灯和锁门的人（在这种情况下，也将建筑物烧毁到地面）。
[注意]大师的提示：
一个严肃的程序员可能会担心引用计数的递增和递减可能不足以使Ptr<>模板在多线程应用程序中安全。
但是，情况并非如此，并且Ptr<> 是线程安全的。
类似地，OpenCV中的其他引用计数对象在同样的意义上都是线程安全的
cv::Exception类和异常处理
OpenCV使用异常来处理错误。 OpenCV定义 它自己的异常类型，
cv::Exception 它是从STL异常类派生的std::exception 。
实际上，这个异常类型没有什么特别之处，除了在cv:: 命名空间中，
因此可以与其他也从中派生的对象区分开来std::exception 。
类型cv::Exception 有成员code ，err ，func ，file ，和line ，
其中（分别）是一个数字错误代码，表明产生的例外，其中发生错误的函数的名称，
该文件的错误的性质的字符串，其中该错误发生了，并且整数表示该文件中发生错误的行。
err , func 和file 都是STL字符串。
cv::DataType<>模板
当OpenCV库运行时 需要 传达特定数据类型的概念，他们通过创建类型的对象来实现cv::DataType<> 。
cv::DataType<> 本身是一个模板，因此传递的实际对象是该模板的特化。
模板类定义 ： DataType
template
{
typedef _Tp value_type;
typedef value_type work_type;
typedef value_type channel_type;
typedef value_type vec_type;
enum {
generic_type = 1,
depth = -1,
channels = 1,
fmt = 0,
type = CV_MAKETYPE(depth, channels)
};
};
首先，我们可以看到这cv::DataType<> 是一个模板，并期望专门用于一个名为的类_Tp 。
然后它有四个typedef 语句，允许 在编译时cv::DataType<>
从cv::DataType<>实例化对象中提取类型以及其他一些相关类型。
在模板定义中，这些都是相同的，但我们将在我们的模板专业化示例中看到它们不必（通常不应该）。
这些是，所述的数目，格式，和 generic_typedepthchannelsfmttype 。
要了解所有这些组件的含义，我们cv::DataType<> 将从core.hpp中查看两个示例特化 。
第一个是以下cv::DataType<> 定义float ：
template
{
typedef _Tp value_type;
typedef value_type work_type;
typedef value_type channel_type;
typedef value_type vec_type;
enum {
generic_type = 1,
depth = -1,
channels = 1,
fmt = 0,
type = CV_MAKETYPE(depth, channels)
};
};
首先要注意的是，这是C ++内置类型的定义。
对内置类型进行此类定义很有用，但我们也可以将它们用于更复杂的对象。
在这种情况下，value_type 当然是float 和work_type ，channel_type 和vec_type 都是相同的。
cv::InputArray和cv::OutputArray类
许多OpenCV函数将数组作为参数并返回数组作为返回值，但在OpenCV中，有许多种类的数组。
OpenCV的支持一些小数组类型（cv::Scalar ，cv::Vec ，cv::Matx ）和STL的std::vector<>
（大数组类型cv::Mat 和cv::SparseMat）。为了防止界面变得过于复杂（和重复），
OpenCV定义了类型cv::InputArray 和cv::OutputArray 。
实际上，这些类型对于库支持的许多数组形式而言意味着“上述任何一种”。
甚至有一个cv::InputOutputArray ，为就地计算指定一个数组。
cv::InputArray 和之间的主要区别在于cv::OutputArray 假设前者const （即，只读）。
您通常会在库例程的定义中看到这两种类型。
您不会自己使用它们，但是当您被介绍到库函数时，它们的存在意味着您可以使用任何数组类型，
包括单个数组，cv::Scalar 结果应该是您所期望的。
相关的cv::InputArray 是特殊的cv::noArray() 返回一个的 函数cv::InputArray 。
返回的对象可以传递给任何需要cv::InputArray 指示此输入未被使用的输入。
某些函数还具有可选的输出数组，您可以cv::noArray() 在不需要相应输出时传递。
效用函数 Utility Functions
除了提供专门的原始数据类型，OpenCV库也提供了 一些专门的功能，
可用于更有效地处理计算机视觉应用中常见的数学和其他操作。在库的上下文中，这些被称为实用函数 。
实用程序功能包括用于数学运算，测试，错误生成，内存和线程处理，优化等的工具。
【实用程序和系统功能】
功能 描述
——————————————————————————————————————————————————————————————————
cv::alignPtr() 将指针与指定的字节数对齐
——————————————————————————————————————————————————————————————————
cv::alignSize() 将缓冲区大小与给定的字节数对齐
——————————————————————————————————————————————————————————————————
cv::allocate() 分配C风格的对象数组
——————————————————————————————————————————————————————————————————
cvCeil() a 圆形浮点数x 到最小整数不小于x
——————————————————————————————————————————————————————————————————
cv::cubeRoot() 计算数字的立方根
——————————————————————————————————————————————————————————————————
cv::CV_Assert() 如果给定条件不为真，则抛出异常
——————————————————————————————————————————————————————————————————
CV_Error() 用于构建cv::Exception （从固定字符串）并抛出它的宏
——————————————————————————————————————————————————————————————————
CV_Error_() 用于构建cv::Exception （从格式化的字符串）并抛出它的宏
——————————————————————————————————————————————————————————————————
cv::deallocate() 释放C风格的对象数组
——————————————————————————————————————————————————————————————————
cv::error() 指出错误并抛出异常
——————————————————————————————————————————————————————————————————
cv::fastAtan2() 以度为单位计算矢量的二维角度
——————————————————————————————————————————————————————————————————
cv::fastFree() 释放内存缓冲区
——————————————————————————————————————————————————————————————————
cv::fastMalloc() 分配对齐的内存缓冲区
——————————————————————————————————————————————————————————————————
cvFloor() 圆形浮点数x 到最接近的整数不大于x
——————————————————————————————————————————————————————————————————
cv::format() 使用sprintf 类似格式创建STL字符串
——————————————————————————————————————————————————————————————————
cv::getCPUTickCount() 从内部CPU计时器获取计数
——————————————————————————————————————————————————————————————————
cv::getNumThreads() 计算OpenCV当前使用的线程数
——————————————————————————————————————————————————————————————————
cv::getOptimalDFTSize() 计算您计划传递到的数组的最佳大小 cv::DFT()
——————————————————————————————————————————————————————————————————
cv::getThreadNum() 获取当前线程的索引
——————————————————————————————————————————————————————————————————
cv::getTickCount() 从系统获取滴答计数
——————————————————————————————————————————————————————————————————
cv::getTickFrequency() 每秒获得数字或刻度（请参阅cv::getTickCount() ）
cvIsInf() 检查浮点数x 是否为无穷大
——————————————————————————————————————————————————————————————————
cvIsNaN() 检查浮点数x 是否为“非数字”
——————————————————————————————————————————————————————————————————
cvRound() 将浮点数x舍 入为最接近的整数
——————————————————————————————————————————————————————————————————
cv::setNumThreads() 设置OpenCV使用的线程数
——————————————————————————————————————————————————————————————————
cv::setUseOptimized() 启用或禁用优化代码（SSE2等）的使用
——————————————————————————————————————————————————————————————————
cv::useOptimized() 指示优化代码启用的状态（请参阅cv::setUseOptimized() ）
——————————————————————————————————————————————————————————————————
cv::alignPtr（）
template
T * ptr，//指针，未对齐
int n = sizeof（T）//与块大小对齐，幂为2
）;
给定任何类型的指针，此函数计算一个根据以下计算对齐相同类型的指针：
（T *）（（（size_t）ptr + n + 1）＆-n）
cv::alignSize（）
size_t cv :: alignSize（//最小尺寸> ='sz'可被'n'整除
size_t sz，//缓冲区的大小
int n = sizeof（T）//与块大小对齐，幂为2
）;
给定一个数字n （通常是一个回报 from sizeof() ）和缓冲区 的大小sz ，
cv::alignSize()计算此缓冲区的大小，以便包含整数个大小的对象n - 即大于或等于可sz 被整除的最小数n。
使用以下公式：
（sz + n-1）＆-n
cv::allocate（）
template
size_t sz //缓冲区大小，sizeof（T）的倍数
）;
该功能cv::allocate() 功能相似 到的阵列形式new ，
因为它 分配n 类型对象的C风格数组，T 为每个对象调用默认构造函数，并返回指向数组中第一个对象的指针。
cv::deallocate()
template
T * ptr，//指向缓冲区释放的指针
size_t sz //缓冲区大小，sizeof（T）的倍数
）;
该功能cv::deallocate() 功能相似 到数组形式delete，因为它解除了C n 类型的对象数组T ，
并为每个对象调用析构函数。cv::deallocate() 用于释放分配的对象cv::allocate() 。
n 传递给的元素数cv::deallocate() 必须与最初分配的对象数相同cv::allocate() 。
cv::astAtan2（）
float cv :: fastAtan2（//返回值是32位浮点数
float y，// y输入值（32位浮点数）
float x // x输入值（32位浮点数）
）;
这个函数计算 一x,y 对的反正切并返回 从原点到指示点的角度。结果报告在度从0.0 到360.0 ，包容0.0 但不包括的360.0 。
cvCeil（）
int cvCeil（//返回最小的int> = x
float x //输入值（32位浮点数）
）;
给定一个浮点数x ，cvCeil() 计算 不小于的最小整数x 。
如果输入值超出可由32位整数表示的范围，则结果是未定义的。
cv::cubeRoot（）
float cv :: cubeRoot（//返回值是32位浮点数
float x //输入值（32位浮点数）
）;
这个函数计算争论的立方根x 。x 正确处理负值（即返回值为负）。
cv :: CV_Assert（）和CV_DbgAssert（）
//示例
CV_Assert（x！= 0）
CV_Assert() 是一个将测试表达式的宏 传递给它，如果该表达式求值为False （或0 ），它将抛出异常。
该CV_Assert() 宏始终测试。或者，您可以使用CV_DbgAssert()，仅在调试编译中进行测试。
cv :: CV_Error（）和CV_Error_（）
//示例
CV_Error（ecode，estring）
CV_Error_（ecode，fmt，...）
宏CV_Error() 允许您传入 一个错误 代码ecode 和固定的C风格字符串estring ，
然后将其打包成一个cv::Exception 然后传递cv::error() 给要处理的字符串。CV_Error_()
如果需要动态构造消息字符串，则使用变量宏。CV_Error_() 接受相同ecode 的CV_Error() ，
但随后期望一个sprintf() 风格格式字符串随后的参数个数可变，如将被预期sprintf() 。
cv::error()
void cv::error(
const cv::Exception& ex //抛出异常
);
这个功能是主要是来自CV_Error() 和CV_Error_() 。
如果您的代码是在非调试版本中编译的，那么它将抛出异常ex 。
如果您的代码是在调试版本中编译的，那么它会故意引发内存访问冲突
，以便执行堆栈和所有参数可用于您运行的任何调试器。
您可能不会cv::error() 直接调用，而是依赖宏CV_Error() 并CV_Error_() 为您抛出错误。
这些宏获取您希望在异常中显示的信息，为您打包，并将生成的异常传递给cv::error() 。
CV :: fastFree（）
void cv :: fastFree（
void * ptr //指向要释放的缓冲区的指针
）;
此例程释放缓冲区 分配cv::fastMalloc() （覆盖下一个）。
CV :: fastMalloc（）
void * cv :: fastMalloc（//指向已分配缓冲区的指针
size_t size //要分配的缓冲区大小
）;
cv::FastMalloc() 工作正常 就像malloc() 你熟悉的那样，除了它通常更快，它确实缓冲大小对齐。
这意味着如果传递的缓冲区大小超过16个字节，则返回的缓冲区将与16字节边界对齐。
cvFloor（）
int cvFloor（//返回最大的int <= x
float x //输入值（32位浮点数）
};
给定一个浮点数x ，cv::Floor() 计算最大值 整数不大于x 。
如果输入值超出可由32位整数表示的范围，则结果是未定义的。
cv::format()
string cv :: format（//返回STL-string
const char * fmt，//格式化字符串，作为sprintf（）
... // vargs，as sprintf（）
）;
这个功能是 sprintf() 与标准基本相同库，
但不是要求来自调用者的字符缓冲区，它构造一个STL字符串对象并返回它。
对于Exception()构造函数（在其参数中需要STL字符串）格式化错误消息特别方便。
cv::getCPUTickCount（）
int64 cv :: getCPUTickCount（void）; // long int CPU用于滴答计数
此函数报告这些体系结构上的CPU滴答数 具有这样的构造（包括但不限于x86架构）。
然而，重要的是要知道，在许多体系结构中，此函数的返回值很难解释。
特别是，因为在多核系统上，一个线程可以在一个内核上休眠并在另一个内核上唤醒，
结果与两个后续调用之间的差异cv::getCPUTickCount() 可能会产生误导或完全无意义。
因此，除非您确定自己知道自己在做什么，否则最好使用cv::getTickCount() 定时测量。
此功能最适用于初始化随机数生成器等任务。
cv::getNumThreads（）
int cv :: getNumThreads（void）; //分配给OpenCV的总线程数
返回当前使用的线程数 通过OpenCV。
cv::getOptimalDFTSize（）
int cv :: getOptimalDFTSize（int n）; //用于dft的最佳大小数组，> = n
当你调用cv::dft()时 ， OpenCV用来计算变换的算法对传递给的数组的大小非常敏感cv::dft() 。
优选的大小确实遵循它们生成的规则，但是该规则足够复杂，
以至于每次都计算正确的大小以填充阵列（最多）是烦恼。
该函数cv::getOptimalDFTSize() 将您传递给的数组的大小作为参数cv::dft()，
并返回应传递给的数组的大小cv::dft() 。
OpenCV使用此信息创建一个更大的数组，您可以在其中复制数据并用零填充其余数据。
cv::getThreadNum（）
int cv :: getThreadNum（void）; // int，此特定线程的id
如果您的OpenCV库是使用OpenMP支持编译的，那么它将会 返回当前正在执行的线程的索引（从零开始）。
cv::GetTickCount的（）
int64 cv :: getTickCount（void）; // long int CPU用于滴答计数
这个功能 返回相对于某些与体系结构相关的时间的滴答计数。
然而，刻度的速率也取决于架构和操作系统; 每个滴答的时间可以通过cv::getTickFrequency()
计算。此功能优于cv::getCPUTickCount() 大多数计时应用程序，因为它不受低级问题的影响，
例如运行您的线程的核心和CPU频率的自动限制（大多数现代处理器出于电源管理的原因）。
cv::getTickFrequency（）
double cv :: getTickFrequency（void）; //以秒为单位记录频率为64位
何时cv::getTickCount() 用于时序分析， 一般来说，刻度的确切含义取决于架构。该函数cv::getTickFrequency() 计算时钟时间（即秒）和抽象“滴答”之间的转换。
[注意]
要计算某些特定事物发生所需的时间（例如要执行的函数），只需要cv::getTickCount()
在函数调用之前和之后调用，减去结果，然后除以值cv::getTickFrequency() 。
cvIsInf（）
int cvIsInf（double x）; //如果x是IEEE754“infinity”，则返回1
返回值cvIsInf() 是1 if x 是加号还是减号 无穷大和0 其他。无穷大测试是IEEE754标准所暗示的测试。
cvIsNaN（）
int cvIsNan（double x）; //如果x是IEEE754则返回1“不是数字”
该 返回值cvIsNaN() 是1 if x 是“不是数字”，0 否则。NaN测试是IEEE754标准所暗示的测试。
cvRound（）
int cvRound（double x）; //返回最接近'x'的整数
给定一个浮点数x ，cvRound() 计算整数 最接近x 。如果输入值超出可由32位整数表示的范围，
则结果是未定义的。在OpenCV 3.0中有重载cvRound( float x)（以及cvFloor 和cvCeil），这在ARM上更快。
cv::setNumThreads（）
void cv :: setNumThreads（int nthreads）; //设置OpenCV可以使用的线程数
使用OpenMP支持编译OpenCV时，此功能 设置OpenCV将在并行OpenMP区域中使用的线程数。线程数的默认值是CPU上的逻辑核心数（即，如果我们有四个核心，每个核心有两个超线程，默认情况下将有八个线程）。如果nthreads 设置为0 ，则线程数将返回到此默认值。
cv::setUseOptimized（）
void cv :: setUseOptimized（bool on_off）; //如果为false，请关闭优化的例程
虽然早期版本的OpenCV依赖 用于访问高性能优化的外部库（例如IPP，Intel Performance Primitives库） 例如SSE2指令，后来的版本越来越多地转向在OpenCV本身中包含该代码。默认情况下，启用这些优化例程的使用，除非您在构建库安装时专门禁用它们。但是，您可以随时打开和关闭这些优化的使用cv::setUseOptimized() 。
[注意]
优化使用的全局标志的测试在OpenCV库函数内部以相对较高的级别完成。这意味着您不应该cv::setUseOptimized() 在任何其他例程运行时调用（在任何线程上）。只有当您确定自己知道什么是什么以及什么不运行时，您应确保调用此例程，最好是从应用程序的最顶层开始。
cv::useOptimized（）
bool cv :: useOptimized（void）; //如果启用了优化，则返回true
在任何时候，你 可以检查全局标志的状态，cv::setUseOptimized() 通过调用可以使用高性能优化
（请参阅参考资料）cv::useOptimized() 。True 仅在当前启用了这些优化时才会返回; 否则，此功能将返回False 。
[模板结构]
OpenCV提供了您可以使用的类型。您也可以使用STL复杂类型intintcv::Complexstd::complex，
这与OpenCV毫无关系。对于您自己的其他类型的建筑也是如此。
此相同的概念推广到其他类型的模板，如cv::Scalar_<> 和cv::Rect_<>，以及cv::Matx_<>和cv::Vec_<> 。
在自己实例化这些模板时，必须提供用于组成模板的单一类型，以及（在相关时）模板的尺寸。
常用的固定长度模板
功能 描述
——————————————————————————————————————————————————————————————————
cv::Point_
——————————————————————————————————————————————————————————————————
cv::Rect_
——————————————————————————————————————————————————————————————————
cv::Vec<Type T, int H> 一组H 类型的对象T 。
——————————————————————————————————————————————————————————————————
cv::Matx<Type T, int H, int W> 一组H * W 类型的对象T 。
——————————————————————————————————————————————————————————————————
cv::Scalar_
——————————————————————————————————————————————————————————————————
