面对信息化时代，稍不注意就会脱轨，所以及时的补充知识才能让我们与时俱进，今天给大家带来的是关于opencvlut和的一篇文章，相信会给你带来较大的帮助！
计算消耗时间
显示查找表LUT
创建空的Mat图像
彩色图像灰阶化
随机数
CvImage( IplImage* img )可以将IplImage转换为CvImage。 CvImage类中 protected: IplImage* image; // 实际影象 int* refcount; // 引用计数 IplImage* image由于是protected. 可以在OpenCVcxcoresrccximage.cpp里添加一个方法
getConvertElem,extractImageCOI,LUT
magnitude(x,y,dst);//I1,I2都是1维向量,dst=sqrt(x(I)^2+y(I)^2);
meanStdDev,
MulSpectrums(I1,I2,dst,flags);傅里叶
normalize(I,dst,alpha,beta,int normType=NORM_L2,int rtype=-1,mask);//归一化
PCA,SVD,SOLve,transform,transpose
直方图是统计像数统计图，如设一张灰度图或一个通道，值0~255
直方图如果按。255个区分的话。统计出来的就是，值为。0的有几个像数，值为1的有机个像数，这样的一张表。
那么均衡化的意思就是。这样表要均衡。不直不于。0有上万个像数，1只有1
个。
正常，直方图本身可以用小于255个区。比如10个，那么这样相对图中的点就有一个映射，这时值0-9统计落在第一个区,值为10-19落第二个区。。。
这样的结果就会出来，10个区，10个统计数区。这时。你均衡就是让10区的统计数据都不会差很多。表现出来的就是一张图上的颜色分布相对均衡
怎么让，10个区统计数平衡。
这里牵涉到。机率密度PDF，累积分配CDF，LUT对应当等。
更具体的。我之前是在百度文库中有看到你找下
经过以上对opencvlut的分享介绍，相信你对有了大概的了解，想知道更多关于opencvlut的知识，关注metamask，我们将持续为您分享！
