1.inline 内联函数
define，宏替换，编译的时候就替换。跟static final很类似。
宏函数，也做到了替换。
#define MAX(a,b) a>b ? a : b;
int max = MAX(1,5);
inline 和define很类似，做到了编译时替换。不需要函数的压栈出栈，节省栈内存。
区别：define并没有严格的检测。
inline int max(int a, int b){
return a>b ? a : b;
} // 这种方式，有严格的检测。
使用场景：一般不涉及过于复杂的函数，可以用它。不需要压栈弹栈，相当于函数不存在。
1.2const，define的区别：
C++中不但可以用define定义常量还可以用const定义常量，它们的区别如下：
用#define MAX 255定义的常量是没有类型的，所给出的是一个立即数，编译器只是把所定义的常量值与所定义的常量的名字联系起来，
define所定义的宏变量在预处理的时候进行替换，在程序中使用到该常量的地方都要进行拷贝替换；
用const float MAX = 255; 定义的常量有类型名字，存放在内存的静态区域中，在程序运行过程中const变量只有一个拷贝，
而#define 所定义的宏变量却有多个拷贝，所以宏定义在程序运行过程中所消耗的内存要比const变量的大得多；
用define定义的常量是不可以用指针变量去指向的，用const定义的常量是可以用指针去指向该常量的地址的；
用define可以定义一些简单的函数，const是不可以定义函数的.
具体来说，有以下几方面的区别：
1.编译器处理方式
define – 在预处理阶段进行替换
const – 在编译时确定其值
2.类型检查
define – 无类型，不进行类型安全检查，可能会产生意想不到的错误
const – 有数据类型，编译时会进行类型检查
3.内存空间
define – 不分配内存，给出的是立即数，有多少次使用就进行多少次替换，在内存中会有多个拷贝，消耗内存大
const – 在静态存储区中分配空间，在程序运行过程中内存中只有一个拷贝
4.其他
在编译时， 编译器通常不为const常量分配存储空间，而是将它们保存在符号表中，这使得它成为一个编译期间的常量，没有了存储与读内存的操作，使得它的效率也很高。
宏替换只作替换，不做计算，不做表达式求解。
宏定义的作用范围仅限于当前文件。
默认状态下，const对象只在文件内有效，当多个文件中出现了同名的const变量时，等同于在不同文件中分别定义了独立的变量。
如果想在多个文件之间共享const对象，必须在变量定义之前添加extern关键字（在声明和定义时都要加）。
2. 绘制形状和文字
线 line
椭圆 ellipse
矩形 rectangle
圆 circle
填充 fillPloy
文字 putText
#define MAX(a,b) a>b ? a:b
// inline 内联函数，类似于 define 函数，做到编译时替换
// 区别：define 并没有严格的检测
// inline 使用场景：不涉及过于复杂的函数
inline int max(int a, int b){
return a > b ? a : b;
}
int main(){
Mat src = imread("C:/Users/hcDarren/Desktop/android/test.png");
// 判断读取是否正确，文件不存在
if (src.empty()){
cout << " src imread error " << endl;
return -1;
}
// 2. 绘制形状和文字
// 2.1 线 line LINE_8 LINE_4 LINE_AA 的区别
line(src, Point(100, 100), Point(200, 200),Scalar(255,0,0), 2, LINE_8);
// 2.2 矩形 rectangle
rectangle(src,Point(100,100),Point(300,300),Scalar(0,0,255),2,LINE_8);
// 2.3 椭圆 ellipse
// 第二个参数是： 椭圆的中心点
// 第三个参数是： Size 第一个值是椭圆 x width 的半径 ，第二个 ...
// 第四个参数：椭圆的旋转角度0垂直状态，45往右旋转45度，
// 第五六参数：180,360绘制半个椭圆。
// ellipse(src, Point(src.cols /2, src.rows /2), Size(src.cols /8, src.rows /4), 180, 180, 360
// , Scalar(0, 255, 255), 2);
// 2.4 圆 cicle，参数2圆心，参数3半径，颜色，宽度，抗锯齿。
// circle(src, Point(src.cols /2, src.rows /2), src.rows/4, Scalar(255,255,0),2,LINE_AA);
// 2.5 填充 fillPoly 多边形
// CV_EXPORTS void fillPoly(Mat& img, const Point** pts,
// const int* npts, int ncontours,
// const Scalar& color, int lineType = LINE_8, int shift = 0,
// Point offset = Point());
Point pts[1][4]; // 构建多边形，三角形。
pts[0][0] = Point(100, 100);
pts[0][1] = Point(100, 200);
pts[0][2] = Point(200, 200);
pts[0][3] = Point(100, 100);
const Point* ptss[] = { pts[0] }; // 二维数组
const int npts[] = { 4 }; // 数组中的元素
fillPoly(src, ptss, npts, 1, Scalar(255, 0, 0), 8);
// 文字 putText
// fontFace 字体
// fontScale 1 缩放 左上角
putText(src, "Hello OpenCV", Point(100, 100), CV_FONT_BLACK, 1, Scalar(0, 0, 255),1, LINE_AA);
// 随机画 srand 画线
// opencv 做随机 srand random 效果一样
RNG rng(time(NULL));
// 创建一张图，与 src 的宽高和颜色通道一致 ，所有的点都是 0
Mat dst = Mat::zeros(src.size(), src.type());
for (int i = 0; i < 1000; i++){ // 1000个随机线条
Point sp;
sp.x = rng.uniform(0, dst.cols); // 随机数生成数再(0, dst.cols)之间。
sp.y = rng.uniform(0, dst.rows);
Point ep;
ep.x = rng.uniform(0, dst.cols);
ep.y = rng.uniform(0, dst.rows);
line(dst, sp, ep, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)));
}
imshow("src", dst);
waitKey(0);
getchar();
}
3.图像卷积和滤波操作
图像矩阵掩膜操作（可以过滤图像信息，提高对比度，如让河流的两边更明显，让重要信息突出）
角落拿临近的像素点。拿对边的点来计算。或者拿自己最近的现有值。
filter2D
4.模糊图像，对每个像素点都要处理。
根据周边的像素值来确定自己的像素值，平均值，最大值，最小值，正太分布值
- 均值模糊blur, 图像平滑化。
模糊。 取周边的点，然后取平均值 赋值给目标点。
根据周边的像素值来确定自己的像素值，平均值，最大值，最小值，正态分布值。 - 高斯模糊GaussianBlur
正态分布值。越靠近自己点，所占的比例越大；越远离，所占的比例越小，他们的比例和为1.
如果要去写高斯模糊的效果或者说均值模糊的效果，
Java 来写的思路：
根据模糊的半径计算出 权值，然后相乘 半径内的像素点，赋值给自己。
opencv处理的方式： 在图像卷积的基础上，去做的处理。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main(){
Mat src = imread("C:/Users/hcDarren/Desktop/android/test.png");
// 判断读取是否正确，文件不存在
if (src.empty()){
cout << " src imread error " << endl;
return -1;
}
/*
//生成一个和源图像大小相等类型相同的全0矩阵
Mat dest = Mat::zeros(src.size(), src.type());
//获取图像的列数,一定不要忘记图像的通道数
int cols = (src.cols - 1) * src.channels();
int rows = src.rows;//获取图像的行数
int offsetx = src.channels(); // 偏移量
for (int row = 1; row < rows - 1; row++){
// 上一行指针
uchar* previous = src.ptr<uchar>(row - 1);
// 当前行
uchar* current = src.ptr<uchar>(row);
// 下一行
uchar* next = src.ptr<uchar>(row + 1);
// 输出
uchar* output = dest.ptr<uchar>(row);
// 处理一行内的所有像素点。
for (int col = offsetx; col < cols; col++){
// 卷积操作，saturate_cast避免数值越界
output[col] = saturate_cast<uchar>(
5 * current[col] - (current[col - offsetx] + current[col + offsetx] + previous[col] + next[col]));
}
}
*/
// 再去查查
Mat dest;
// src depth 下周再讲，Point(-1, -1) 代表中心点
// openCV提供了函数filter2D
// 0，-1,0
// -1,5,-1
// 0，-1,0 定义一个3*3矩阵。
Mat kernel = (Mat_<char>(3,3)<< 0, -1, 0, -1, 5, -1, 0, -1, 0);
// 调用filter2D
filter2D(src, dest, src.depth(), kernel);
imshow("src", dest);
waitKey(0);
return 0;
}
