Mat类详解

1. 前言：Mat类起源

OpenCV作为强大的计算机视觉开源库，很大程度上参考了MatLab的实现细节和风格，比如说，在OpenCV2.x 版本以后，越来越多的函数实现了MatLab具有的功能，甚至干脆连函数名都一模一样（如 imread, imshow,imwriter等）。这一做法，不仅拉近了产品开发与学术研究的距离，并极大程度的提高了开发人员的研发效率，不得不说，Intel公司真的是一个伟大的公司。

在计算机内存中，数字图像以矩阵的形式存储和运算，比如，在MatLab中，图像读取之后对应一个矩阵，在OpenCV中，同样也是如此。

在早期的OpenCV1.x版本中，图像的处理是通过IplImage（该名称源于Intel的另一个开源库Intel Image Processing Library ，缩写成IplImage）结构来实现的。早期的OpenCV是用C语言编写，因此提供的借口也是C语言接口，其源代码完全是C的编程风格。IplImage结构是OpenCV矩阵运算的基本数据结构。

到OpenCV2.x版本，OpenCV开源库引入了面向对象编程思想，大量源代码用C++重写，Mat类 (Matrix的缩写) 是OpenCV用于处理图像而引入的一个封装类。从功能上讲，Mat类在IplImage结构的基础上进一步增强，并且，由于引入C++高级编程特性，Mat类的扩展性大大提高，Mat类的内容在后期的版本中不断丰富，如果你查看Mat类的定义的话（OpenCV3.1\sources\modules\core\include\opencv2\core\mat.hpp），会发现其设计实现十分全面而具体，基本覆盖计算机视觉对于图像处理的基本要求。

因此，在当前的OpenCV开发中，Mat可以说是最最最常见的数据单元，深入了解Mat类对于OpenCV深入开发有着重大意义。

2. Mat类常用成员函数和成员变量

Mat类十分庞大，其所涉及的成员函数和变量难以一一细数，在这里，仅学习记录其最最最常见的部分，以便日常使用。

2.1 构造函数

0.默认构造函数

cv::Mat::Mat()

• 1

默认构造函数，生成一个矩阵并由OpenCV提供的函数(一般是Mat::create() 和 cv::imread() )来分配储存空间。

Mat类可以分为两个部分：矩阵头和指向像素数据的矩阵指针

矩阵头 包括数字图像的矩阵尺寸、存储方法、存储地址和引用次数等，矩阵头的大小是一个常数，不会随着图像的大小而改变，但是保存图像像素数据的矩阵则会随着图像的大小而改变，通常数据量会很大，比矩阵头大几个数量级。这样，在图像复制和传递过程中，主要的开销是由存放图像像素的矩阵而引起的。因此，OpenCV使用了引用次数，当进行图像复制和传递时，不再复制整个Mat数据，而只是复制矩阵头和指向像素矩阵的指针，例如：

cv::Mat a ; //默认构造函数，创建矩阵头
a = cv::imread("test.jpg");//读入图像，矩阵指针指向该像素数据
cv::Mat b = a ;//复制　

• 1
• 2
• 3

上面的a，b有各自的矩阵头，但是其矩阵指针指向同一个矩阵，也就是其中任何一个改变了矩阵数据都会影响另外一个。
那么，多个Mat共用一个矩阵数据，最后谁来释放矩阵数据呢？
这就是引用计数的作用，当Mat对象每被复制一次时，就会将引用计数加1，而每销毁一个Mat对象（共用同一个矩阵数据）时引用计数会被减1，当引用计数为0时，矩阵数据会被清理。

1.常用构造函数（1）

cv::Mat::Mat(int rows,int cols,int type)

• 1
• 2

重载的构造函数，这也是常用构造函数之一，在创建对象同时，提供矩阵的大小（rows，行数；cols ，列数），以及存储类型（type）
该类型表示矩阵中每一个元素在计算机内存的存储类型，如CV_8UC3，具体含义为“3通道8位无符号数”。

使用举例：

Mat src(10,10,CV_32FC3);

• 1

表示src是一个10*10的矩阵，且矩阵元素以32位float型存储

类似，OpenCV还提供了一种Size() 数据结构来构造Mat对象

2.常用构造函数（2）

cv::Mat::Mat(Size size,int type )   

• 1
• 2

Size类等效于一个成对数据，size::Size(cols,rows)，特别注意 cols和rows的位置

举个例子

Mat src1(3, 4, CV_32FC3);
Mat src2(Size(3, 4), CV_32FC3);
cout << "src1.rows=" << src1.rows << " src1.cols=" << src1.cols <<endl;
cout << "src2.rows=" << src2.rows << " src2.cols=" << src2.cols << endl;
cout << "src1.size="<<src1.size() << endl <<"src2.size=" << src2.size() <<endl;

• 1
• 2
• 3
• 4
• 5

输出结果

不得不说，这个Size类的数据结构有点“反人类”，但这样做的好处是方便了计算机内部的运算（比如OpenCV很多函数计算Size相关的数据也是按这个顺序来的，具体为什么这样，我也不太清楚，个人理解为行业标准）。

还有，我们平时所说分辨率，也是Size的类型，比如屏幕分别率 1440*900，其中cols=1440，rows=900。

3.常用构造函数（3）

cv::Mat::Mat(int ndims,const int *  sizes,int type,const Scalar& s) 

• 1

该构造函数与使用了Scalar参数，作用是能够通过Scalar数据类来初始化元素值，例如，我们要生成一张白色背景的图片：

Mat src1(300, 400, CV_8UC3,Scalar(255,255,255));
imshow("test", src1);

• 1
• 2

运行结果

其中，（255,255,255）对应以8位无符号数存储，RGB色域的白色值。

4.常用构造函数（4）

cv::Mat::Mat(const Mat & m)

• 1

引用m矩阵，注意，这里是引用值

2.2 成员函数

1.at函数
at函数的功能是访问矩阵元素，根据不同的使用场景，有多个重载函数可供选择。
如，访问一个二维的矩阵，可用at函数原型为：

_Tp& cv::Mat::at(int i0,int i1)

• 1

使用方法举例：

Mat src = imread("test.jpg");
int elem = src.at<int>(0,0);

• 1
• 2

访问test.jpg图像的（0 , 0）元素

2.channels函数

int cv::Mat::channels   ()  const

• 1

返回图像的通道数

3.clone函数

Mat cv::Mat::clone()    const

• 1

矩阵复制

4.convertTo函数

void cv::Mat::convertTo(OutputArray m,int rtype,double alpha = 1,double beta = 0)   const

• 1
• 2

转换矩阵存储类型，具体计算公式如下：
m(x,y)=saturate_cast<rType>(α(∗this)(x,y)+β)
m是输入矩阵，rtype是目标类型，alpha是放缩系数，beta是增减标量

5.copyTo函数

void cv::Mat::copyTo(OutputArray    m)  const

• 1

从m矩阵复制data数据单元，与clone函数的作用类似

6.create函数

void cv::Mat::create(int    rows,int cols,int type) 

• 1

分配矩阵的存储单元，一般和默认构造函数配合使用

7**.depth函数**

int cv::Mat::depth()    const

• 1

返回图像深度，即矩阵元素的存储方式

8.diag函数

Mat cv::Mat::diag(int   d = 0)  const

• 1

提取矩阵的对角元素

9.mul函数

MatExpr cv::Mat::mul(InputArray m,double scale = 1 )    const

• 1

矩阵的乘法

10.inv函数

MatExpr cv::Mat::inv(int    method = DECOMP_LU) const

• 1

求逆矩阵

11.t函数

MatExpr cv::Mat::t() const

• 1

求转置矩阵
12.total函数

size_t cv::Mat::total() const

• 1

返回矩阵的元素总个数，如30*40的图像，存在1200个像素点

2.3 成员变量

int cv::Mat::cols; //返回矩阵的列数

int cv::Mat::rows // 返回矩阵行数

uchar* cv::Mat::data // 指向矩阵的数据单元的指针

int cv::Mat::dims // 返回矩阵维度，该维度≥2

MatSize cv::Mat::size // 返回矩阵大小