之前已經寫過兩篇 關於openCV 資料的儲存與讀取，今天又找到一個方便的方法

儲存架構同樣式XML

參考資料  http://blog.csdn.net/mmjwung/article/details/6913540

寫入

Mat mat = Mat::eye(Size(12,12), CV_8UC1);  //這沒差

 FileStorage fs(".\\vocabulary.xml", FileStorage::WRITE);  //檔案名稱用 XML

 fs<<"vocabulary"<<mat;  

 fs.release();  

讀取

FileStorage fs(".\\vocabulary.xml", FileStorage::READ);  

 Mat mat_vocabulary;  

 fs["vocabulary"] >> mat_vocabulary;  

經過測試，一個檔案可以分別寫入多個MAT 然後讀取。

引用自http://blog.csdn.net/xiaowei_cqu/article/details/7586847

1、內存洩露

內存洩露是說沒有釋放已經不能使用的內存，這裡一般指堆的內存才需要顯示的釋放。比如用malloc，calloc，realloc，new分配的 內存是在堆上的，需要用free，delete顯示的回收。內存洩露最明顯的一是程序很慢，在運行程序時你可以啟動任務管理器，會看到程序佔用的內存一直 「砰砰砰」的往上漲：

最後直接崩潰，或者你關閉程序的時候也會異常退出，出現

Debug Assertion Failed!
Expression: _BLOCK_TYPE_IS_VALID(pHead->nBlockUse)

之類的問題。

除了new的對象我們知道要delete。OpenCV中使用cvCreateImage()新建一個IplImage*，以及使用cvCreateMat()新建一個CvMat*，都需要cvReleaseImage()  cvReleaseMat()顯示的釋放

另外一些函數要用到 CvSeq*來存放結果（通常這些都要用cvCreateMemStorage()事先分配一塊內存CvMemStorage*），都要是釋放掉相應的內存，這是很難找的。

比如從二值圖像中尋找輪廓的函數cvFindContours():

以及人臉識別中檢測人臉的函數：

注意這裡我們可以使用
cvReleaseMemStorage( &faces->storage);
來釋放m_storate，也可以使用：
cvReleaseMemStorage(&m_storage);
釋放內存，這是等效的，但一定不要用兩次！！

2、一塊內存多次釋放

對應沒有釋放內存，對應就是一個內存釋放多次，如同上面的 cvReleaseMemStorage用了兩次。可能報錯的地方：

或者： Unhandled exception at XXXXXXXXXX in XXX.exe： XXXXXXXXXXX: 堆已損壞。 

除了上述的MemStorge問題，使用cvQueryFrame()取出CvCapture*每幀圖像，只需在最後釋放CvCapture*，不需要釋放IplImage*

*這篇是以前寫的，其實還是建議大家用C++接口的OpenCV，內存問題很少了~

最近為了去雜訊，測視使用了 k-means的方法減少，效果不錯，有效解決因為少數雜訊影響重心位置

參考資料

http://forum.gamer.com.tw/C.php?bsn=60292&snA=1518

http://www.aishack.in/2010/08/k-means-clustering-in-opencv/

http://rritw.com/a/bianchengyuyan/C__/20121123/258942.html

這三篇教學文當中，我使用第一篇的範力十分簡單好懂

第二篇視所有參數的英文說明

第三篇是中文說明

本文教學開始

    Mat model(Data.size(),2, CV_32F );//sample

//建立一個矩陣 每一筆資料 一個row，cow代表維度，這次我是算點作標 所以是二維

    vector<Point *>::iterator tempPoint; //事先算好的點陣列
    int i=0;

//把資料塞入矩陣中
    for(tempPoint=Data.begin();tempPoint!=Data.end();tempPoint++,i++)
    {
        model.at<float>(i,0)=(*tempPoint)->x;
        model.at<float>(i,1)=(*tempPoint)->y;
    }
    
    int k=2; //要分幾群
    Mat cluster; //會跑出結果，紀錄每個row 最後是分配到哪一個cluster
    int attempts = 2;//應該是執行次數
    Mat centers; //記錄那個cluster的值
    //使用k means分群
    kmeans(model, k, cluster,TermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 10, 1), attempts,KMEANS_PP_CENTERS,centers );

    //,TermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 10, 1),  這裡有三個參數，決定k-means何時結束，第二個參數是指迭代最大次數，第三個參數是精確度多少，第一個參數是指依照前兩個參數的哪一個為準，以範例中就是兩者都參照，以 or 的方式決定

//以下是因為我指是用這方法去雜訊，所以要找出最多點的地方
    int countMAX=0;
    int MAXIndex;
    int *tempSum =new int[k];
    memset(tempSum,0,sizeof(int)*k);
    for(int i=0;i<Data.size();i++)
    {
        tempSum[cluster.at(i,0)]++;
        if(tempSum[cluster.at(i,0)]>countMAX)
        {
            countMAX=tempSum[cluster.at(i,0)];
            MAXIndex=cluster.at<int>(i,0);
        }
    }
    Point result(centers.at<float>(MAXIndex, 0),centers.at<float>(MAXIndex, 1));