scalar,scalar与vector之间的区别
scalar,scalar与vector之间的区别
CV_RETR_EXTERNAL：只画出最外层轮廓，如果你需要所有轮廓需要使用其他参数。
1、有些物理量，既要由数值大？包括有关的单位)，又要由方向才能完全确定。这些量之间的运算并不遵循一般的代数法则，而遵循特殊的运算法则。这样的量叫做物理矢量。
2、scalar。scalar是线程安全的，scalar的性能要比Vector好，而且市面上mass基本都是scalar的。而且当Vector或scalar的元素超过它们的初始容量时，Vector的容量翻倍而scalar只会增加50%，相比下scalar更有利于节省内存空间。
3、vector 指矢量，即具有大小和方向的物理量，如速度、动量、力。array 指数组/阵列，即按量值大小直线形排列或数横为行纵为列的矩形排列的数字数据。
4、多数人认为向量和矢量是同一概念，实际上还是有一些区别的。“矢量”概念更多地出现在《物理学》中，指既有大小又有方向的一类物理量，比如位移、速度、加速度、力、力矩、动量、角动量、电场强度、磁感强度等。
5、AI Core中的执行单元主要包括：Cube，Vector和Scalar，完成AI Core中不同类型的数据计算。Cube计算单元即矩阵计算单元，主要完成矩阵相关的运算。Vector计算单元即向量计算单元，用于向量的计算。
6、只有考虑 这两个力，所引起一个物体的效应才有意义：例如：A、对正面的冲力有多大？B、带来的冲量有多大？B、能不能对物体做功？ D、能做多少功？、、、所以，物理上才分出标量scalar跟矢量vector的区别。
达芬奇架构，是华为自研的面向AI计算特征的全新计算架构，具备高算力、高能效、灵活可裁剪的特性，是实现万物智能的重要基础。
不同与传统的支持通用计算的CPU与GPU，达芬奇架构本质上是为了适应某个特定领域中的常见应用和算法，通常称为“ 特定域架构(Domain Specific Architecture，DSA) ”芯片。从目前打榜数据看，DSA芯片在推理方面的表现远远好于GPU。
达芬奇架构依然是基于ARM架构，在ARM架构基础之上研发的NPU；NPU指的是神经元网络，相当于华为建立了一个独立的AI硬件处理单元。
军事工程师等等，以至于很多人觉得达芬奇是不是穿越过来的，非人类物种等等传言也非常多，从个人的理解看这次用达芬奇命名主要依据多维度概念，证明这个架构的囊括性强，预示功能强大无比。
达芬奇的简介 列昂纳多达芬奇(14521519)，意大利文艺复兴三杰之一，也是整个欧洲文艺复兴时期最完美的代表，是世界的艺术巨匠和科学巨匠。
达芬奇的生平简介 达芬奇简介：列奥纳多·迪·皮耶罗·达·芬奇是欧洲文艺复兴时期伟大的画家、科学家和发明家。达芬奇*的成就在 绘画 方面，他的作品《最后的晚餐》、《蒙娜丽莎》等都体现出了他精湛的绘画造诣。
1、CvScalar pt；如果使用的图像是1通道的，则pt.val[0]中存储数据 如果使用的图像是3通道的，则pt.val[0]，pt.val[1]，pt.val[2]中存储数据 === cvGet2D 获得某个点的值， idx0=height 行值， idx1=width 列值。
2、icolor 是一个十进制数，255也是，两个数值想与运算之后会得到一个比两个都小的数值，可以用来当做BGR 分量来用，你可以尝试将结果输出就懂啦，移位算符，用来保证数据的随机性。
3、画框用OpenCV自带的cvRectangle函数就行，参数分别是（图像，矩形左上顶点，矩形右下顶点，颜色，线条粗细），黑色cvScalar(0，0，0)，白色cvScalar(255，255，255)。
4、idx：元素下标数组 函数cvGet*D 返回指定的数组元素。对于稀疏数组如果需要的节点不存在函数返回0 （不会创建新的节点）同样，用cvSet2D即可设置图片的RGB值。
5、Opencv中访问数据可以有5种类型，如下：访问图像像素 （1） 假设你要访问第k通道、第i行、第j列的像素。
6、而多维矩阵是多个层级的二维矩阵组合而成。下面是一些细节对比，和该结论的依据。opencv中多维数据的申请：int sz[]={3，2，2}；Mat dm(3，sz，CV_8U，Scalar(0))；这样申请得到3*2*2的矩阵，并初始化为0。
核心思想是对于某个文档中的某个词，计算其在这个文档中的标准化TF值，然后计算这个词在整个语料库中的标准化IDF值。在这里，标准化是说对原始的计算公式进行了一些变换以取得更好的衡量效果，并避免某些极端情况的出现。
OpenCV里的Scalar：all的意思：scalar所有元素设置为0，其实可以scalar：all(n)，就是原来的CvScalarAll(n)；OpenCV的全称是：Open Source Computer Vision Library。
CvScalar就是一个包含四个元素的结构体变量。CvScalar定义可存放1—4个数值的数值，其结构如下。
