c++中opencv的向量表示

在OpenCV中，向量可以表示为以下两种形式：

1. cv::Mat

`cv::Mat`是OpenCV中最常用的数据类型之一，也可以用来表示向量。在这种情况下，`cv::Mat`是一个单列或单行矩阵，其中每个元素都是向量的一个分量。例如，以下代码创建了一个包含三个2D向量的`cv::Mat`：

cv::Mat vecs = (cv::Mat_<cv::Vec2d>(3, 1) << cv::Vec2d(1, 2), cv::Vec2d(3, 4), cv::Vec2d(5, 6));

在上面的代码中，`cv::Vec2d`表示一个有两个双精度浮点数分量的2D向量，`<<`运算符用于将向量添加到`cv::Mat`中。

2. std::vector

另一种表示向量的方式是使用C++标准库中的`std::vector`。在这种情况下，向量通常表示为`std::vector<cv::Point>`或`std::vector<cv::Point2f>`，具体取决于向量的数据类型。以下代码创建了一个包含三个2D点的`std::vector`：

std::vector<cv::Point2f> vecs = {cv::Point2f(1, 2), cv::Point2f(3, 4), cv::Point2f(5, 6)};

在上面的代码中，`cv::Point2f`表示一个有两个单精度浮点数分量的2D点，`{}`用于将点添加到`std::vector`中。

相关问题

opencv c++ 获取旋转向量

在OpenCV (Computer Vision Library) 中，获取图像中的旋转向量通常涉及到二维特征点之间的关联以及利用Homography矩阵来推断相机的旋转。如果你有一个已知的对齐场景（例如两幅图片，一张原图和一张旋转后的），你可以通过特征匹配（如SIFT、SURF、ORB等）找到对应点，然后计算它们之间的本质矩阵(Essential Matrix)。

本质矩阵包含了相对姿态的信息，包括平移和旋转。从本质矩阵中可以进一步提取出旋转矩阵(Rotation Vector)，这一步通常需要RANSAC（Random Sample Consensus）或其他优化算法来排除异常值并求解最精确的解。OpenCV库提供了`findEssentialMat()` 和 `recoverPose()` 等函数来进行这些操作。

下面是一个简单的步骤概述：

1. **特征检测**：使用OpenCV的特征检测函数（如`goodFeaturesToTrack()` 或 `orb.detectAndCompute()`）找到图像的关键点。

2. **匹配关键点**：找到两个图像中对应的关键点对。

3. **计算本质矩阵**：使用`findEssentialMat()` 函数，传入匹配的点对。

4. **解旋转向量**：调用`recoverPose()` 函数，它会返回旋转向量（`cv::Mat` 类型，通常是3x1列向量，表示绕三个轴的旋转角度）和平移向量。

std::vector<cv::Point2f> keypoints1, keypoints2;
std::vector<cv::DMatch> matches;

// ... (特征检测和匹配)

cv::Mat essentialMat = cv::findEssentialMat(keypoints1, keypoints2, cv::POSITIVE Essentials, cv::RANSAC);
cv::Decomposition EssentialDecomp(essentialMat);
cv::Mat rotVec = EssentialDecomp.R[0];

OpenCV 向量的作用

OpenCV中的向量是一种动态数组，可以存储同一类型的元素。与C++标准模板库中的向量类似，OpenCV中的向量也具有动态调整大小的能力，可以在末尾添加或删除元素。使用向量的优点在于可以便于处理图像和视频数据，并且能够提高程序的效率和可维护性。

在OpenCV中，向量的主要作用包括：

1. 存储图像和视频数据：向量可以存储图像和视频数据的像素值或特征值。例如，可以使用向量存储图像的像素值，便于对图像进行处理和分析。

2. 存储特征向量：向量可以存储特征向量，便于进行机器学习和计算机视觉算法的训练和分类。

3. 存储几何形状：向量可以存储几何形状的顶点坐标，便于进行形状检测和匹配。

4. 存储运动轨迹：向量可以存储物体的运动轨迹，便于进行目标跟踪和行为分析。

5. 存储其他数据：向量还可以存储其他数据，如颜色直方图、纹理特征等，便于进行图像和视频分析。

总之，OpenCV中的向量是一种非常重要的数据结构，可以方便地存储和处理各种类型的数据，是图像和视频处理中必不可少的数据结构之一。