平台：Win7 64bits + Visual Studio 2012 + OpenCV 2.4.10
童鞋们，我们继续翻目录，哈哈哈
当然我不是翻目录，我是真的已经一字一句看过了，我自认为C语言基础还是很好的，代码方面可以看得很快。但是算法方面有点吃力。
下面红色文字是我自己的总结！
第二部分 初探core组件 83
第4章 OpenCV数据结构与基本绘图 85
4.1 基础图像容器Mat 86
4.1.1 数字图像存储概述 86
4.1.2 Mat结构的使用 86
OpenCV 1.x版本用IplImage作为图像存储结构体，OpenCV 2.0开始引入C++类，封装了Mat图像数据结构。
Mat类的好处，不必再手动为其开辟空间，不必再在不需要时立即释放，自动开辟自动释放。
浅拷贝： 拷贝构造函数 或者 赋值构造函数
深拷贝：clone() / copyTo()
4.1.3 像素值的存储方法 88
RGB：三原色
HSV/HLS：色调、饱和度和亮度/明度
4.1.4 显式创建Mat对象的七种方法 89
4.1.5 OpenCV中的格式化输出方法 91
cout << format(r, "python/csv/numpy/C/") << endl;
关键是format函数
4.1.6 输出其他常用数据结构 94
4.1.7 示例程序：基础图像容器Mat类的使用 95
4.2 常用数据结构和函数 95
4.2.1 点的表示：Point类 96
Point_<int> / Point2i / Point 互相等价；Point_<float> / Point2f 互相等价
4.2.2 颜色的表示：Scalar类 96
注意颜色顺序：Scalar(B, G, R);
4.2.3 尺寸的表示：Size类 96
尺寸就是宽度和高度，Size_<int> / Size2i / Size 三个类型名等价
4.2.4 矩形的表示：Rect类 97
Rect四个数据成员：x, y, width, height，分别为左上角点的坐标和整个矩形的宽高。
方法成员：Size()-宽高 / area()-面积 / tl()-左上角点坐标 / br()-右下角点坐标。
矩形交集：Rect rect = rect1 & rect2;
矩形并集：Rect rect = rect1 | rect2;
4.2.5 颜色空间转换：cvtColor()函数 98
函数原型：void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0)
案例：cvtColor(srcImage, DstImage, CV_BGR2GRAY);
强调：OpenCV默认的图片通道存储顺序是BGR，即蓝绿红，而不是RGB。
4.2.6 其他常用的知识点 100
4.3 基本图形的绘制 100
4.3.1 DrawEllipse()函数的写法 101
画椭圆，给定参数：椭圆中心点，矩形区域，旋转角度，线色，线宽，线型
4.3.2 DrawFilledCircle()函数的写法 102
画圆，给定参数：圆中心点，半径，线色，线宽(如果是-1，则圆是实心圆)，线型
4.3.3 DrawPolygon()函数的写法 102
画多边形，给定参数：顶点集合，顶点数量，多边形数量，线色，线型
4.3.4 DrawLine()函数的写法 103
画线，给定参数：起点，终点，线色，线宽，线型
4.3.5 main函数的写法 104
应用实例，可以直接运行玩下效果先
4.4 本章小结 106
第5章 core组件进阶 107
5.1 访问图像中的像素 108
5.1.1 图像在内存之中的存储方式108
强调：OpenCV默认的图片通道存储顺序是BGR，即蓝绿红，而不是RGB。
注意图像在内存里面的阵列，首先有像素行列，然后每个像素还有多个通道。比如BGR三个通道的图像占内存，3*W*H Byte。
5.1.2 颜色空间缩减 108
一般用查表法
5.1.3 LUT函数：Look uptable操作 109
5.1.4 计时函数 110
getTickCount()：CPU自开机后运行的时钟周期总数
getTickFrequency()：CPU一秒钟花费的时钟周期数
5.1.5 访问图像中像素的三类方法110
a. 指针或者下标访问[]
uchar *data = outputImage.ptr<uchar>(i); //获取第i行的首地址
data[j]或者*(data+j)
b. 迭代器iterator
Mat_<Vec3b>::iterator it = outputImage.begin<Vec3b>(); //将迭代器指向初始位置
(*it)[0]
(*it)[1]
(*it)[2]
c. 动态地址计算
outputIMage.at<Vec3b>(w, h)[0]--B
outputIMage.at<Vec3b>(w, h)[1]--G
outputIMage.at<Vec3b>(w, h)[2]--R
Vec3b，是由三个unsigned char组成的向量
5.1.6 示例程序 114
5.2 ROI区域图像叠加&图像混合 114
5.2.1 感兴趣区域：ROI 115
Region Of Interest：划出我们重点关注的区域
矩形法：imageROI = image(Rect(500, 250, logo.cols, logo.rows);
行列法：imageROI = image(Range(250, 250+logo.rows), Range(200, 200+logo.cols));
这个功能可以用来给图片加水印，呵呵。还有运动轨迹跟踪时，圈出跟踪目标。
5.2.2 线性混合操作 116
画面叠加、影片转场
5.2.3 计算数组加权和：addWeighted()函数 117
加权：dst = src1[I] * alpha + src2[I] * beta + gamma;
gamma先不管， alpha + beta = 1，哪个值更大，哪张图片更清楚。
5.2.4 综合示例：初级图像混合120
结合ROI和addWeighted()，就可以加半透明的水印啦，哈哈
5.3 分离颜色通道、多通道图像混合 125
5.3.1 通道分离：split()函数 125
vector<Mat> channels;
split(srcImage, channels);
imageROI = channels.at(0);//BGR，at(0)就是蓝色通道数据
5.3.2 通道合并：merge()函数 126
split的逆操作
5.3.3 示例程序：多通道图像混合127
5.4 图像对比度、亮度值调整 131
5.4.1 理论依据 131
g(x) = a * f(x) + b
f(x)是源图像，g(x)是输出图像，a是增益（控制对比度，0.0-3.0），b是偏置（控制亮度）
5.4.2 访问图片中的像素 131
5.1.5章节中已经讲过了，为什么又要讲一遍！
5.4.3 示例程序：图像对比度、亮度值调整 132
两个滑动条，分别调整图片的对比度和亮度
5.5 离散傅里叶变换 135
5.5.1 离散傅里叶变换的原理135
将图像从空间域转换到频域。
在频域里，高频部分代表图像的细节、纹理信息；低频部分代表图像的轮廓信息。
傅里叶变换在图像处理中可以做到图像增强与图像去噪、图像分割之边缘检测、图像特征提取、图像压缩等
5.5.2 dft()函数详解 136
函数作用：对一维或二维浮点数数组进行正向或反向离散傅里叶变换。
例程看不懂，不知道目的是什么
5.5.3 返回DFT最优尺寸大小：getOptimalDFTSize()函数 137
计算DFT变换的尺寸
dftSize.width = getOptimalDFTSize(A.cols + B.cols - );
dftSize.height = getOptimalDFTSize(A.rows + B.rows -1);
getOptimalDFTSize函数返回给定向量尺寸的傅里叶最有尺寸大小。为了提高离散傅里叶变换的运行速度，需要扩充图像，而具体扩充多少，由此得到。
5.5.4 扩充图像边界：copyMakeBorder()函数 137
结合getOptimalDFTSize使用，将待处理图像扩充到最优尺寸，并初始化像素值
5.5.5 计算二维矢量的幅值：magnitude()函数 138
5.5.6 计算自然对数：log()函数 138
5.5.7 矩阵归一化：normalize()函数 138
5.5.8 示例程序：离散傅里叶变换139
程序看得懂，但是不知道目的是要干嘛嘞？！
5.6 输入输出XML和YAML文件 144
5.6.1 XML和YAML文件简介 144
XML——eXtensible Markup Language 可扩展标记语言
我知道它可以用来保存人脸识别的训练文件
5.6.2 FileStorage类操作文件的使用引导 144
负责XML文件的读写工作
5.6.3 示例程序：XML和YAML文件的写入 147
5.6.4 示例程序：XML和YAML文件的读取 148