1> Mat img1（3,5，CV_32F）; //创建一个具有32位浮点数的3 x 5单通道数组
Mat img2（23,53，CV_64FC（5））; //创建一个带有64位浮点数的23 x 53 5通道数组
Mat img3（Size（100，200），CV_16UC2）; // 100 x 200具有16位无符号整数的2通道数组
尽管CV_32FC4是有效的数据类型，但CV_32FC5不是有效的数据类型。 对于由多于4个通道组成的阵列，应该使用括号来包围 通道号。 例如 - CV_32FC（5）。一些OpenCV函数只能处理上述数据类型的子集。
2> Mat image(600, 800, CV_8UC3, Scalar(100, 250, 30));
它创建一个600像素高，800像素宽的图像。 为图像中的每个像素分配24位。 24位将由三个无符号8位整数组成，分别代表蓝色，绿色和红色 平面。 三个整数的值应为0到255。然后，此构造函数使用3个无符号整数（100,250,30）初始化所创建图像的每个像素。 因此，它用100， 绿色通道250和红色通道30初始化蓝色通道。因为绿色通道的值明显大于其他通道的值，输出图像是绿色的。
3> bool VideoCapture :: set（int propId，double value）
可以使用VideoCapture :: set函数更改VideoCapture对象的某些属性。 对于支持的属性，此函数将返回true。 否则它将返回false。
propID - 要更改的VideoCapture对象的属性。 可以改变的最常见属性是
CAP_PROP_POS_MSEC - 视频文件的当前位置（以毫秒为单位）
CAP_PROP_POS_FRAMES - 接下来要捕获的帧的相对位置（从0开始，例如 - 0,1,2,3 ......）
value - 指定属性的新值
4> bool imwrite（const String＆filename，InputArray img，const std :: vector＆params = std :: vector（））
此函数将给定的img对象写入指定的文件。成功时，此函数将返回true，否则返回false。
filename - 输出图像的文件名。请注意，文件名的扩展名将用于确定图像格式。 （例如 - 如果文件名是MyImage.jpg，则会写入JPEG图像 。如果文件名是MyImage.png，则会写入PNG图像。）。始终支持jpeg，jpg，bmp，png，tiff和tif扩展名。支持其他映像文件类型，具体取 决于您的平台和已安装的编解码器。
img - 要保存的图像对象。请注意，此图像对象应具有以下属性。
图像对象的位深度应为8位有符号或16位无符号。
图像的通道数应为1或3.对于3通道图像对象，应存在BGR通道顺序。
如果图像对象的位深度或通道顺序与上述规范不同，则可以使用Mat :: convertTo和cv :: cvtColor函数转换图像。
params - 这是一个可选参数。
5> VideoWriter（const String＆filename，int fourcc，double fps，Size frameSize，bool isColor = true）
这是VideoWriter对象的可用重载构造函数之一。 它构造并初始化VideoWriter对象，以便将视频帧写入给定文件。
filename - 要写入视频帧的文件的名称。
用于压缩视频的编解码器的4密码 - 4字符代码。 完整的代码列表可在此页面中找到。 但是，此页面中列出的大多数编解码器可能无法在您 的计算机中运行。 这些是一些可能适合您的流行编解码器。
用于MPEG-1的VideoWriter :: fourcc（'P'，'I'，'M'，'1'）
适用于Motion JPEG的VideoWriter :: fourcc（'M'，'J'，'P'，'G'）
VideoWriter :: fourcc（'M'，'P'，'4'，'2'）用于Microsoft的MPEG-4变体
fps - 写入视频流的每秒帧数。
frameSize - 写入此视频流的视频帧的大小
isColor - 始终将true传递给此参数
6> void Mat :: convertTo（OutputArray m，int rtype，double alpha = 1，double beta = 0）const
此函数将每个像素值转换为目标数据类型，并根据以下公式更改值。
pixel_value_of_output_image（x，y）= pixel_value_of_input_image（x，y）* alpha + beta;
m - 输出图像。如果需要，将重新分配此数据结构。
rtype - 输出图像的类型。如果rtype为负值，则输出图像的类型将与输入图像相同。
alpha - 在分配到输出图像之前，输入图像中的每个像素将乘以此数字。
beta - 此值将添加到输入图像中的每个像素并分配给输出图像。
7> equalizeHist(image, hist_equalized_image); 直方图均衡库函数
上述函数均衡灰度图像的直方图，并将输出存储在hist_equalized_image中。
8> Mat image_blurred_with_3x3_kernel;
blur（image，image_blurred_with_3x3_kernel，Size（3,3））;
上述功能在原始图像上使用3 x 3标准化盒式滤镜执行均匀平滑/模糊操作，并将平滑后的图像存储在image_blurred_with_3x3_kernel Ma对 象中。 原始图像中的每个通道都是独立处理的。
9> 高斯模糊
Mat image_blurred_with_3x3_kernel;
GaussianBlur（image，image_blurred_with_3x3_kernel，Size（3,3），0）;
上述函数在原始图像上使用3×3高斯滤波器执行高斯模糊/平滑操作，并将平滑后的图像存储在image_blurred_with_3x3_kernel Mat对象中 。原始图像中的每个通道都是独立处理的。内核的宽度和高度应该是奇数。将基于内核的大小来计算高斯分布的X方向和Y方向上的标准偏差。
10> cvNot（img，img）
该函数反转第一个参数中图像的每个元素中的每个位，并将结果放在第二个参数的图像中。
此功能可以处理图像。 这意味着相同的变量可用于第一和第二参数。
例如 - 对于8位图像，值0将映射到（255-0）= 255,值46将映射到（255-46）= 209。
11> 侵蚀处理
Mat image_eroded_with_3x3_kernel;
erode（image，image_eroded_with_3x3_kernel，getStructuringElement（MORPH_RECT，Size（3,3）））;
erode（）函数使用指定的内核侵蚀图像，该内核确定采用最小值的像素的邻域。 getStructuringElement（MORPH_RECT，Size（3,3）） 函数用于获取大小为3 x 3的矩形内核，用于此形态操作。 结果图像存储在image_eroded_with_3x3_kernel中。 如果图像包含多个通道（ 彩色图像有3或4个通道），则每个通道都是独立处理的。
12> 膨胀图像
cvDilate（img，img，0,2）
第一个参数是源图像。
第二参数是要作为扩张图像的目标图像。
这里第3个参数是用于扩张的结构元素。如果它是0，则使用3×3矩形结构元素。
第4个参数是应用膨胀的次数。
此功能可以处理图像。这意味着相同的变量可用于第一和第二参数。
13> 增加轨迹栏
int createTrackbar（const string＆trackbarname，const string＆winname，int * value，int count，TrackbarCallback onChange = 0，void * userdata = 0）
此OpenCV函数创建一个轨迹栏并将该轨迹栏附加到指定的窗口
trackbarname - 轨迹栏的名称
winname - 跟踪栏所连接的窗口的名称
value - 此指针指向的整数保存与轨迹栏位置关联的值
count - 轨迹栏的最大值。最小值始终为零。
onChange - 每次更改轨迹栏的位置时都会调用此函数。该函数的原型应为“FunctionName（int，void *）”。 “int”值是与轨迹栏位置 关联的值。并且“void *”是您作为“userdata”传递的任何指针值（请参阅下一个参数）。
userdata - 此指针变量将作为上述函数的第二个参数传递
使用了2个回调函数; “亮度”轨迹栏的“MyCallbackForBrightness（int，void *）”和“对比度”轨迹栏的“MyCallbackForContrast （int，void *）”。
使用了全局变量src，因为它应该从所有3种方法中访问。
仔细检查“main”方法中“createTrackbar”方法的第5和第6个参数。
每当“亮度”轨迹栏的位置发生变化时，将调用“MyCallbackForBrightness（int，void *）”。第一个整数参数保存“亮度”轨迹栏的位 置值。 “对比度”轨迹栏的位置作为第二个参数传递。 （观察第5和第6个参数; createTrackbar（“亮度”，“我的窗口”，＆ iValueForBrightness，100，MyCallbackForBrightness和iValueForContrast）;）
每当“对比度”轨迹栏的位置发生变化时，将调用“MyCallbackForContrast（int，void *）”。第一个整数参数保存“对比度”轨迹栏位 置的值。 “亮度”轨迹栏的位置作为第二个参数传递。 （观察第5和第6个参数; createTrackbar（“对比度”，“我的窗口”，＆ iValueForContrast，100，MyCallbackForContrast和iValueForBrightness））
14> 检测鼠标的单击与移动
void setMouseCallback（const string＆winname，MouseCallback onMouse，void * userdata = 0）
此函数设置每次在指定窗口中发生任何鼠标事件时调用的回调函数。以下是上述OpenCV功能的各个参数的详细说明。
winname - OpenCV窗口的名称。将注册与此窗口相关的所有鼠标事件
onMouse - 回调函数的名称。每当发生与上述窗口相关的鼠标事件时，将调用此回调函数。此功能应具有如下签名
void FunctionName（int event，int x，int y，int flags，void * userdata）
event - 鼠标事件的类型。这些是鼠标事件的完整列表
EVENT_MOUSEMOVE
EVENT_LBUTTONDOWN
EVENT_RBUTTONDOWN
EVENT_MBUTTONDOWN
EVENT_LBUTTONUP
EVENT_RBUTTONUP
EVENT_MBUTTONUP
EVENT_LBUTTONDBLCLK
EVENT_RBUTTONDBLCLK
EVENT_MBUTTONDBLCLK
x - 鼠标事件的x坐标
y - 鼠标事件的y坐标
flags - 鼠标事件发生时的特定条件。有关此参数的用法，请参阅下一个OpenCV示例代码。以下是“标志”所包含的整个枚举值列表
EVENT_FLAG_LBUTTON
EVENT_FLAG_RBUTTON
EVENT_FLAG_MBUTTON
EVENT_FLAG_CTRLKEY
EVENT_FLAG_SHIFTKEY
EVENT_FLAG_ALTKEY
userdata - 任何指针作为第3个参数传递给“setMouseCallback”函数（见下文）
userdata - 此指针将传递给回调函数
15> 使用轨迹栏旋转图像
1）Mat getRotationMatrix2D（Point2f中心，双角，双刻度） ---此函数返回2D旋转的2x3仿射变换矩阵。
论点 -
center - 源图像旋转的中心。
angle - 以度为单位的旋转角度（逆时针方向为正值，顺时针方向为负值）
scale - 图像的缩放系数。 （缩放因子为1表示其原始大小）
尝试不同的中心，角度和比例值，并观察输出图像。
2）void warpAffine（InputArray src，OutputArray dst，InputArray M，Size dsize，int flags = INTER_LINEAR，int bordreMode = BORDER_CONSTANT，const Scalar＆borderValue = Scalar（））----此OpenCV函数将仿射变换应用于图像。
论点 -
src - 源图像
dst - 目标图像应与源图像具有相同的类型（转换后的图像存储在此位置）
M - 2x3仿射变换矩阵
dsize - 目标图像的大小
flags - 插值方法
borderMode - 像素外推法。 （尝试这些值; BORDER_REPLICATE，BORDER_CONSTANT，BORDER_REFLECT，BORDER_WRAP， BORDER_REFLECT_101，BORDER_TRANSPARENT和BORDER_ISOLATED）
borderValue - 如果对borderMode使用BORDER_CONSTANT，则此参数定义用于边框的值
16> 颜色检测及对象跟踪
通常，人们可以认为BGR颜色空间更适合基于颜色的分割。但HSV色彩空间是用于基于颜色的图像分割的最合适的色彩空间。因此，在上述应 用中，我已将视频原始图像的色彩空间从BGR转换为HSV图像。
HSV颜色空间也由3个矩阵组成，HUE，SATURATION和VALUE。在OpenCV中，HUE，SATURATION和VALUE的值范围分别为0-179,0-255和0-255。 HUE表示颜色，SATURATION表示相应颜色与白色混合的量，VALUE表示相应颜色与黑色混合的量。
在上面的申请中，我认为红色物体的HUE，SATURATION和VALUE分别在170-180,160-255,60-255之间。这里HUE对于该对象的特定颜色分布是 唯一的。但是，饱和度和值可能会根据该环境的照明条件而变化。
1）基本颜色的色调值
橙色0-22
黄22-38
绿色38-75
蓝色75-130
紫罗兰130-160
红色160-179
这些是近似值。您必须根据对象的颜色找到HUE值的确切范围。
2）void inRange（InputArray src，InputArray lowerb，InputArray upperb，OutputArray dst）;
检查'src'的每个元素是否位于'lowerb'和'upperb'之间。如果是，则'dst'的相应位置被指定为'255'，否则被指定为'0'。 （值 为255的像素显示为白色，而值为0的像素显示为黑色）
InputArray src - 源图像
InputArray lowerb - 包含的下边界（如果lowerb =标量（x，y，z），分别具有低于x，y和z的HUE，SATURATION和VALUE的 像素被认为是dst图像中的黑色像素）
InputArray upperb - 独占上边界（如果它是upperb =标量（x，y，z），分别具有大于或等于x，y和z的HUE，SATURATION 和VALUE的像素被视为dst图像中的黑色像素）
OutputArray dst - 目标图像（应该与src图像具有相同的大小，应该是8位无符号整数，CV_8U）
3）void erode（InputArray src，OutputArray dst，InputArray kernel，Point anchor = Point（-1，-1），int iterations =1，int borderType = BORDER_CONSTANT，const Scalar＆borderValue = morphologyDefaultBorderValue（））
此功能侵蚀源图像并将结果存储在目标图像中。支持就地处理。 （这意味着您可以对源图像和目标图像使用相同的变量）。如果源 图像是多通道，则独立处理所有通道，并将结果作为单独的通道存储在目标图像中。
InputArray src - 源图像
OutputArray dst - 目标图像（应与源图像具有相同的大小和类型）
InputArray kernel - 用于侵蚀源图像的结构元素点锚点 - 锚点在内核中的位置。如果是Point（-1，-1），则将内核的中 心作为锚点的位置
int iterations - 应用侵蚀的次数
int borderType - 边界条件中的像素外推方法
const Scalar＆borderValue - 如果borderType = BORDER_CONSTANT，则边界条件中像素的值
4）void dilate（InputArray src，OutputArray dst，InputArray kernel，Point anchor = Point（-1，-1），int iterations = 1，int borderType = BORDER_CONSTANT，const Scalar＆borderValue = morphologyDefaultBorderValue（））;
此功能扩大源图像并将结果存储在目标图像中。支持就地处理。 （这意味着您可以对源图像和目标图像使用相同的变量）。如果源 图像是多通道，则独立处理所有通道，并将结果作为单独的通道存储在目标图像中。
InputArray src - 源图像
OutputArray dst - 目标图像（应具有与源图像相同的大小和类型）
InputArray kernel - 用于扩展源图像的结构元素点锚点 - 锚点在内核中的位置。如果是Point（-1，-1），则将内核的中 心作为锚点的位置
int iterations - 应用膨胀的次数
int borderType - 边界条件中的像素外推方法
const Scalar＆borderValue - 如果borderType = BORDER_CONSTANT，则边界条件中像素的值
5）void cvtColor（InputArray src，OutputArray dst，int code，int dstCn = 0）
此功能将源图像从一个颜色空间转换为另一个颜色空间。支持就地处理。 （这意味着您可以对源图像和目标图像使用相同的变量）
InputArray src - 源图像
OutputArray dst - 目标图像（应具有与源图像相同的大小和深度）
int code - 颜色空间转换代码（例如COLOR_BGR2HSV，COLOR_RGB2HSV，COLOR_BGR2GRAY，COLOR_BGR2YCrCb， COLOR_BGR2BGRA等）
int dstCn - 目标映像中的通道数。如果为0，则从源图像和颜色转换代码自动导出通道数。
17> Scalar的定义：
typedef struct Scalar
{
double val[4];
}Scalar;
可以看到，Scalar是一个由长度为4的数组作为元素构成的结构体，Scalar最多可以存储四个值，没有提供的值默认是0。
Mat img2（23,53，CV_64FC（5））; //创建一个带有64位浮点数的23 x 53 5通道数组
Mat img3（Size（100，200），CV_16UC2）; // 100 x 200具有16位无符号整数的2通道数组
尽管CV_32FC4是有效的数据类型，但CV_32FC5不是有效的数据类型。 对于由多于4个通道组成的阵列，应该使用括号来包围 通道号。 例如 - CV_32FC（5）。一些OpenCV函数只能处理上述数据类型的子集。
2> Mat image(600, 800, CV_8UC3, Scalar(100, 250, 30));
它创建一个600像素高，800像素宽的图像。 为图像中的每个像素分配24位。 24位将由三个无符号8位整数组成，分别代表蓝色，绿色和红色 平面。 三个整数的值应为0到255。然后，此构造函数使用3个无符号整数（100,250,30）初始化所创建图像的每个像素。 因此，它用100， 绿色通道250和红色通道30初始化蓝色通道。因为绿色通道的值明显大于其他通道的值，输出图像是绿色的。
3> bool VideoCapture :: set（int propId，double value）
可以使用VideoCapture :: set函数更改VideoCapture对象的某些属性。 对于支持的属性，此函数将返回true。 否则它将返回false。
propID - 要更改的VideoCapture对象的属性。 可以改变的最常见属性是
CAP_PROP_POS_MSEC - 视频文件的当前位置（以毫秒为单位）
CAP_PROP_POS_FRAMES - 接下来要捕获的帧的相对位置（从0开始，例如 - 0,1,2,3 ......）
value - 指定属性的新值
4> bool imwrite（const String＆filename，InputArray img，const std :: vector＆params = std :: vector（））
此函数将给定的img对象写入指定的文件。成功时，此函数将返回true，否则返回false。
filename - 输出图像的文件名。请注意，文件名的扩展名将用于确定图像格式。 （例如 - 如果文件名是MyImage.jpg，则会写入JPEG图像 。如果文件名是MyImage.png，则会写入PNG图像。）。始终支持jpeg，jpg，bmp，png，tiff和tif扩展名。支持其他映像文件类型，具体取 决于您的平台和已安装的编解码器。
img - 要保存的图像对象。请注意，此图像对象应具有以下属性。
图像对象的位深度应为8位有符号或16位无符号。
图像的通道数应为1或3.对于3通道图像对象，应存在BGR通道顺序。
如果图像对象的位深度或通道顺序与上述规范不同，则可以使用Mat :: convertTo和cv :: cvtColor函数转换图像。
params - 这是一个可选参数。
5> VideoWriter（const String＆filename，int fourcc，double fps，Size frameSize，bool isColor = true）
这是VideoWriter对象的可用重载构造函数之一。 它构造并初始化VideoWriter对象，以便将视频帧写入给定文件。
filename - 要写入视频帧的文件的名称。
用于压缩视频的编解码器的4密码 - 4字符代码。 完整的代码列表可在此页面中找到。 但是，此页面中列出的大多数编解码器可能无法在您 的计算机中运行。 这些是一些可能适合您的流行编解码器。
用于MPEG-1的VideoWriter :: fourcc（'P'，'I'，'M'，'1'）
适用于Motion JPEG的VideoWriter :: fourcc（'M'，'J'，'P'，'G'）
VideoWriter :: fourcc（'M'，'P'，'4'，'2'）用于Microsoft的MPEG-4变体
fps - 写入视频流的每秒帧数。
frameSize - 写入此视频流的视频帧的大小
isColor - 始终将true传递给此参数
6> void Mat :: convertTo（OutputArray m，int rtype，double alpha = 1，double beta = 0）const
此函数将每个像素值转换为目标数据类型，并根据以下公式更改值。
pixel_value_of_output_image（x，y）= pixel_value_of_input_image（x，y）* alpha + beta;
m - 输出图像。如果需要，将重新分配此数据结构。
rtype - 输出图像的类型。如果rtype为负值，则输出图像的类型将与输入图像相同。
alpha - 在分配到输出图像之前，输入图像中的每个像素将乘以此数字。
beta - 此值将添加到输入图像中的每个像素并分配给输出图像。
7> equalizeHist(image, hist_equalized_image); 直方图均衡库函数
上述函数均衡灰度图像的直方图，并将输出存储在hist_equalized_image中。
8> Mat image_blurred_with_3x3_kernel;
blur（image，image_blurred_with_3x3_kernel，Size（3,3））;
上述功能在原始图像上使用3 x 3标准化盒式滤镜执行均匀平滑/模糊操作，并将平滑后的图像存储在image_blurred_with_3x3_kernel Ma对 象中。 原始图像中的每个通道都是独立处理的。
9> 高斯模糊
Mat image_blurred_with_3x3_kernel;
GaussianBlur（image，image_blurred_with_3x3_kernel，Size（3,3），0）;
上述函数在原始图像上使用3×3高斯滤波器执行高斯模糊/平滑操作，并将平滑后的图像存储在image_blurred_with_3x3_kernel Mat对象中 。原始图像中的每个通道都是独立处理的。内核的宽度和高度应该是奇数。将基于内核的大小来计算高斯分布的X方向和Y方向上的标准偏差。
10> cvNot（img，img）
该函数反转第一个参数中图像的每个元素中的每个位，并将结果放在第二个参数的图像中。
此功能可以处理图像。 这意味着相同的变量可用于第一和第二参数。
例如 - 对于8位图像，值0将映射到（255-0）= 255,值46将映射到（255-46）= 209。
11> 侵蚀处理
Mat image_eroded_with_3x3_kernel;
erode（image，image_eroded_with_3x3_kernel，getStructuringElement（MORPH_RECT，Size（3,3）））;
erode（）函数使用指定的内核侵蚀图像，该内核确定采用最小值的像素的邻域。 getStructuringElement（MORPH_RECT，Size（3,3）） 函数用于获取大小为3 x 3的矩形内核，用于此形态操作。 结果图像存储在image_eroded_with_3x3_kernel中。 如果图像包含多个通道（ 彩色图像有3或4个通道），则每个通道都是独立处理的。
12> 膨胀图像
cvDilate（img，img，0,2）
第一个参数是源图像。
第二参数是要作为扩张图像的目标图像。
这里第3个参数是用于扩张的结构元素。如果它是0，则使用3×3矩形结构元素。
第4个参数是应用膨胀的次数。
此功能可以处理图像。这意味着相同的变量可用于第一和第二参数。
13> 增加轨迹栏
int createTrackbar（const string＆trackbarname，const string＆winname，int * value，int count，TrackbarCallback onChange = 0，void * userdata = 0）
此OpenCV函数创建一个轨迹栏并将该轨迹栏附加到指定的窗口
trackbarname - 轨迹栏的名称
winname - 跟踪栏所连接的窗口的名称
value - 此指针指向的整数保存与轨迹栏位置关联的值
count - 轨迹栏的最大值。最小值始终为零。
onChange - 每次更改轨迹栏的位置时都会调用此函数。该函数的原型应为“FunctionName（int，void *）”。 “int”值是与轨迹栏位置 关联的值。并且“void *”是您作为“userdata”传递的任何指针值（请参阅下一个参数）。
userdata - 此指针变量将作为上述函数的第二个参数传递
使用了2个回调函数; “亮度”轨迹栏的“MyCallbackForBrightness（int，void *）”和“对比度”轨迹栏的“MyCallbackForContrast （int，void *）”。
使用了全局变量src，因为它应该从所有3种方法中访问。
仔细检查“main”方法中“createTrackbar”方法的第5和第6个参数。
每当“亮度”轨迹栏的位置发生变化时，将调用“MyCallbackForBrightness（int，void *）”。第一个整数参数保存“亮度”轨迹栏的位 置值。 “对比度”轨迹栏的位置作为第二个参数传递。 （观察第5和第6个参数; createTrackbar（“亮度”，“我的窗口”，＆ iValueForBrightness，100，MyCallbackForBrightness和iValueForContrast）;）
每当“对比度”轨迹栏的位置发生变化时，将调用“MyCallbackForContrast（int，void *）”。第一个整数参数保存“对比度”轨迹栏位 置的值。 “亮度”轨迹栏的位置作为第二个参数传递。 （观察第5和第6个参数; createTrackbar（“对比度”，“我的窗口”，＆ iValueForContrast，100，MyCallbackForContrast和iValueForBrightness））
14> 检测鼠标的单击与移动
void setMouseCallback（const string＆winname，MouseCallback onMouse，void * userdata = 0）
此函数设置每次在指定窗口中发生任何鼠标事件时调用的回调函数。以下是上述OpenCV功能的各个参数的详细说明。
winname - OpenCV窗口的名称。将注册与此窗口相关的所有鼠标事件
onMouse - 回调函数的名称。每当发生与上述窗口相关的鼠标事件时，将调用此回调函数。此功能应具有如下签名
void FunctionName（int event，int x，int y，int flags，void * userdata）
event - 鼠标事件的类型。这些是鼠标事件的完整列表
EVENT_MOUSEMOVE
EVENT_LBUTTONDOWN
EVENT_RBUTTONDOWN
EVENT_MBUTTONDOWN
EVENT_LBUTTONUP
EVENT_RBUTTONUP
EVENT_MBUTTONUP
EVENT_LBUTTONDBLCLK
EVENT_RBUTTONDBLCLK
EVENT_MBUTTONDBLCLK
x - 鼠标事件的x坐标
y - 鼠标事件的y坐标
flags - 鼠标事件发生时的特定条件。有关此参数的用法，请参阅下一个OpenCV示例代码。以下是“标志”所包含的整个枚举值列表
EVENT_FLAG_LBUTTON
EVENT_FLAG_RBUTTON
EVENT_FLAG_MBUTTON
EVENT_FLAG_CTRLKEY
EVENT_FLAG_SHIFTKEY
EVENT_FLAG_ALTKEY
userdata - 任何指针作为第3个参数传递给“setMouseCallback”函数（见下文）
userdata - 此指针将传递给回调函数
15> 使用轨迹栏旋转图像
1）Mat getRotationMatrix2D（Point2f中心，双角，双刻度） ---此函数返回2D旋转的2x3仿射变换矩阵。
论点 -
center - 源图像旋转的中心。
angle - 以度为单位的旋转角度（逆时针方向为正值，顺时针方向为负值）
scale - 图像的缩放系数。 （缩放因子为1表示其原始大小）
尝试不同的中心，角度和比例值，并观察输出图像。
2）void warpAffine（InputArray src，OutputArray dst，InputArray M，Size dsize，int flags = INTER_LINEAR，int bordreMode = BORDER_CONSTANT，const Scalar＆borderValue = Scalar（））----此OpenCV函数将仿射变换应用于图像。
论点 -
src - 源图像
dst - 目标图像应与源图像具有相同的类型（转换后的图像存储在此位置）
M - 2x3仿射变换矩阵
dsize - 目标图像的大小
flags - 插值方法
borderMode - 像素外推法。 （尝试这些值; BORDER_REPLICATE，BORDER_CONSTANT，BORDER_REFLECT，BORDER_WRAP， BORDER_REFLECT_101，BORDER_TRANSPARENT和BORDER_ISOLATED）
borderValue - 如果对borderMode使用BORDER_CONSTANT，则此参数定义用于边框的值
16> 颜色检测及对象跟踪
通常，人们可以认为BGR颜色空间更适合基于颜色的分割。但HSV色彩空间是用于基于颜色的图像分割的最合适的色彩空间。因此，在上述应 用中，我已将视频原始图像的色彩空间从BGR转换为HSV图像。
HSV颜色空间也由3个矩阵组成，HUE，SATURATION和VALUE。在OpenCV中，HUE，SATURATION和VALUE的值范围分别为0-179,0-255和0-255。 HUE表示颜色，SATURATION表示相应颜色与白色混合的量，VALUE表示相应颜色与黑色混合的量。
在上面的申请中，我认为红色物体的HUE，SATURATION和VALUE分别在170-180,160-255,60-255之间。这里HUE对于该对象的特定颜色分布是 唯一的。但是，饱和度和值可能会根据该环境的照明条件而变化。
1）基本颜色的色调值
橙色0-22
黄22-38
绿色38-75
蓝色75-130
紫罗兰130-160
红色160-179
这些是近似值。您必须根据对象的颜色找到HUE值的确切范围。
2）void inRange（InputArray src，InputArray lowerb，InputArray upperb，OutputArray dst）;
检查'src'的每个元素是否位于'lowerb'和'upperb'之间。如果是，则'dst'的相应位置被指定为'255'，否则被指定为'0'。 （值 为255的像素显示为白色，而值为0的像素显示为黑色）
InputArray src - 源图像
InputArray lowerb - 包含的下边界（如果lowerb =标量（x，y，z），分别具有低于x，y和z的HUE，SATURATION和VALUE的 像素被认为是dst图像中的黑色像素）
InputArray upperb - 独占上边界（如果它是upperb =标量（x，y，z），分别具有大于或等于x，y和z的HUE，SATURATION 和VALUE的像素被视为dst图像中的黑色像素）
OutputArray dst - 目标图像（应该与src图像具有相同的大小，应该是8位无符号整数，CV_8U）
3）void erode（InputArray src，OutputArray dst，InputArray kernel，Point anchor = Point（-1，-1），int iterations =1，int borderType = BORDER_CONSTANT，const Scalar＆borderValue = morphologyDefaultBorderValue（））
此功能侵蚀源图像并将结果存储在目标图像中。支持就地处理。 （这意味着您可以对源图像和目标图像使用相同的变量）。如果源 图像是多通道，则独立处理所有通道，并将结果作为单独的通道存储在目标图像中。
InputArray src - 源图像
OutputArray dst - 目标图像（应与源图像具有相同的大小和类型）
InputArray kernel - 用于侵蚀源图像的结构元素点锚点 - 锚点在内核中的位置。如果是Point（-1，-1），则将内核的中 心作为锚点的位置
int iterations - 应用侵蚀的次数
int borderType - 边界条件中的像素外推方法
const Scalar＆borderValue - 如果borderType = BORDER_CONSTANT，则边界条件中像素的值
4）void dilate（InputArray src，OutputArray dst，InputArray kernel，Point anchor = Point（-1，-1），int iterations = 1，int borderType = BORDER_CONSTANT，const Scalar＆borderValue = morphologyDefaultBorderValue（））;
此功能扩大源图像并将结果存储在目标图像中。支持就地处理。 （这意味着您可以对源图像和目标图像使用相同的变量）。如果源 图像是多通道，则独立处理所有通道，并将结果作为单独的通道存储在目标图像中。
InputArray src - 源图像
OutputArray dst - 目标图像（应具有与源图像相同的大小和类型）
InputArray kernel - 用于扩展源图像的结构元素点锚点 - 锚点在内核中的位置。如果是Point（-1，-1），则将内核的中 心作为锚点的位置
int iterations - 应用膨胀的次数
int borderType - 边界条件中的像素外推方法
const Scalar＆borderValue - 如果borderType = BORDER_CONSTANT，则边界条件中像素的值
5）void cvtColor（InputArray src，OutputArray dst，int code，int dstCn = 0）
此功能将源图像从一个颜色空间转换为另一个颜色空间。支持就地处理。 （这意味着您可以对源图像和目标图像使用相同的变量）
InputArray src - 源图像
OutputArray dst - 目标图像（应具有与源图像相同的大小和深度）
int code - 颜色空间转换代码（例如COLOR_BGR2HSV，COLOR_RGB2HSV，COLOR_BGR2GRAY，COLOR_BGR2YCrCb， COLOR_BGR2BGRA等）
int dstCn - 目标映像中的通道数。如果为0，则从源图像和颜色转换代码自动导出通道数。
17> Scalar的定义：
typedef struct Scalar
{
double val[4];
}Scalar;
可以看到，Scalar是一个由长度为4的数组作为元素构成的结构体，Scalar最多可以存储四个值，没有提供的值默认是0。