Mat图像的深浅复制区别

最新推荐文章于 2024-03-07 11:08:57 发布

原创

最新推荐文章于 2024-03-07 11:08:57 发布 · 667 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

本文探讨了OpenCV中cv::Mat类的深浅复制概念。浅复制会导致多个Mat对象共享同一块内存，任何对象的修改都会影响其他对象。而深复制则创建独立的副本，不共享内存。通过clone()和copyTo()可以实现深复制，确保对象的独立性。

Mat图像的深浅复制区别

本文参考自：
OpenCV中图像的浅拷贝与深拷贝
http://blog.youkuaiyun.com/qq_23968185/article/details/51242686
opencv中Mat使用，很好，顶!
http://www.360doc.com/content/12/1026/13/6408986_243880549.shtml

1.cv::Mat类

cv::Mat类是用于保存图像以及其他矩阵数据的数据结构。当cv::Mat实例化后，分配内存；当对象离开作用域后，分配的内存自动释放。cv::Mat实现了引用计数以及浅拷贝。引用计数的作用是只有当所有引用内存数据的对象都被析构后，内存才会释放。

2. 深浅复制

2.1 浅复制

Mat A, C;      //只创建信息头部分  
A = imread("file");  //这里为矩阵开辟内存  
MatB(A);       //使用拷贝构造函数

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

My_leaf

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

从Opencv的Mat结构学习深拷贝与浅拷贝（C++）

qq_23172985的博客

04-10

1606

从Opencv的Mat结构学习深拷贝与浅拷贝（C++），Scalar(0, 255, 255)，mat.data，Mat结构，内存地址，构造函数。src.data和srcmcopy.data存储的是图像数据所在内存空间的起始地址，也可以说是指向该内存空间的指针。因为在OpenCV中，Mat对象本身并不存储图像数据，而是存储一个指向图像数据所在内存空间的指针，这个指针就是data成员变量。

【OpenCV2.1】基础知识和绘制图形、OpenCV的色彩空间转换、RGB和BGR、HSV, HSL和YUV、mat(深浅拷贝、访问图像属性、通道的分离与合并、绘制图形)

linjun的博客

09-07

1127

Mat是OpenCV在C++语言中用来表示图像数据的一种数据结构.在python中转化为numpy的ndarray.Mat由header和data组成, header中记录了图片的维数, 大小, 数据类型等数据.

参与评论您还未登录，请先登录后发表或查看评论

Mat数据的深浅拷贝

qq_27353621的博客

06-07

2150

Mat数据的深拷贝和浅拷贝

[opencv的学习之路]Mat的深拷贝和浅拷贝

qq_38770502的博客

07-20

525

关于浅拷贝深拷贝的概念。 浅拷贝：在编程的过程中避免不了的就是图像的复制，但是遇到很多很大的图像，复制就会占用很多的时间，影响程序的效率，所以才有了浅拷贝，浅拷贝最终都会指向一个对象，当对其中任意一个拷贝进行操作时，都会影响到其他的拷贝。当所有的拷贝释放时才能对对象释放。深拷贝：这个就是完全复制对象，并不会对原来的图像造成影响。会影响程序使用的效率，除非万不得已。示例：来自《op...

09 mat的深浅拷贝

慢慢来，才会快

05-16

332

首先我们需要知道在python中，图片的保存类型以及他的数据结构个人理解：图片就是多维数组 # opencv用mat这种数据结构来表示图片的 # C++中是用mat来保存图片，Python中把mat转换成了numpy中的ndarray # Mat由header和data组成，header中记录了图片的维数，大小，数据类型等数据 import cv2 img = cv2.imread('fj.jpg') cv2.namedWindow('img', cv2.WINDOW_NORMAL) cv2.

【opencv之cv::Mat数据深拷贝和浅拷贝探讨】

haohaohaihuai的博客

07-11

2433

很多时候写程序除了一个强大的架构，细节也很重要，俗话说的话细节决定成败嘛，在使用cv::Mat做图片处理的时候发现，这个数据类型存在深拷贝和浅拷贝的情况，遂想一探究竟。

C++ cv::Mat的深浅拷贝

11-22

在OpenCV中，`cv::Mat`对象代表图像数据，它的复制行为取决于操作的类型。这里有两种主要的拷贝方式： 1. **浅拷贝**（Shallow Copy）[^1]： - 当通过赋值操作符 `b(a)` 或者 `c = b` 进行复制时，实际上是创建了...

【opencv】图像浅拷贝与深拷贝

weixin_72504310的博客

09-19

2451

创建图像或处理图象时，我们可能会用到拷贝图像的操作，而拷贝图像在opencv中实际上分两种：浅拷贝与深拷贝。浅拷贝对复制后的图像的任何操作实际都是对原图像的操作，所以名浅拷贝，并没有开辟一块空间来创建新的图像。我们知道变量名实际上是内存地址的指向，通过“=”复制图像，新Mat变量仍指向原图像地址。深拷贝在内存中新开辟空间来存放复制后的图像，对复制后的图像的任何操作不会再影响原图像。深拷贝在opencvC++中有两种操作：1.copyTo（）2.clone（）浅拷贝一般有两种形式：1.用“=”2.用“（）”

OpenCV中图像Mat常用的浅拷贝和深拷贝操作和区别传值、传引用、clone()、copyto()

一点儿也不萌的萌萌

11-14

2814

在OpenCV中，Mat类使用非常广泛，对于Mat容器的拷贝方式将对程序运行效率产生很大的影响，在Mat中效率最高的浅拷贝，效率较低的是深拷贝。 1.什么是深拷贝和浅拷贝？深拷贝：将数据拷贝到一段新的内存中，源数据和拷贝之后的数据在内存中相互独立，改变任何一个都不影响另外一个。 浅拷贝：浅拷贝只是将要拷贝数据的地址拷贝到一个新的Mat中，源数据和拷贝后的数据同一段内存中的数据，只要对应内存中的数...

形象地聊聊C++中的浅拷贝与深拷贝

认知行动坚持

11-08

7331

先来看一个简单的程序： #include using namespace std; class Point { public: int x; int y; Point(int xx, int yy) { x = xx; y = yy; } }; int main() { Point A(1, 2); Point B(A); // 执行了编译器默认的浅拷贝 cout

OpenCV中图像的浅拷贝与深拷贝

最新发布

09-28

<think>首先，用户的问题是关于OpenCV中Mat图像拷贝的方法。他们引用了几个资料，涉及到浅拷贝和深拷贝的区别。根据系统指令： - 所有行内数学表达式必须使用 $...$ 格式。 - 独立公式用 $$...$$。 - LaTeX语法正确。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾自然地添加引用标识，例如:[^1]。用户的问题是：“我想查找Mat图像拷贝的相关知识或方法请问Mat图像拷贝的方法”。所以，我需要提供关于Mat图像拷贝方法的解释。从引用中： - 引用[1]提到拷贝构造和运算符重载的浅拷贝。 - 引用[2]讨论拷贝方法，强调运算符“=”是浅拷贝。 - 引用[3]给出构造函数拷贝的源码，显示它是浅拷贝。 - 引用[4]展示Python中的浅拷贝和深拷贝例子。关键点： - 浅拷贝（Shallow Copy）：只复制头信息，不复制数据。多个Mat对象共享相同的数据。 - 深拷贝（Deep Copy）：复制头信息和数据，创建独立的数据副本。在OpenCV中，常见的拷贝方法： 1. 使用拷贝构造函数：Mat mat1(mat); // 浅拷贝 2. 使用赋值运算符：Mat mat2 = mat; // 浅拷贝 3. 使用clone()方法：深拷贝，例如 Mat mat3 = mat.clone(); 4. 使用copyTo()方法：深拷贝，例如 mat.copyTo(mat3); 在Python中，类似： - 浅拷贝：直接赋值，如 img2 = img - 深拷贝：使用.copy()方法，如 img3 = img.copy() 回答结构： - 应该清晰，逐步解释。 - 用中文。 - 结束时生成相关问题。 - 引用资料时添加引用标识。大纲回答： 1. 介绍Mat图像拷贝的概念：解释为什么拷贝重要（避免意外修改共享数据）。 2. 浅拷贝方法： - 描述拷贝构造函数和赋值运算符。 - 解释为什么是浅拷贝。 - 引用相关引用。 3. 深拷贝方法： - 描述clone()和copyTo()函数。 - 如何在C++和Python中使用。 - 引用相关引用。 4. 例子：简单代码示例（如用户提供的示例）。 5. 注意事项：提醒用户浅拷贝的风险。 6. 相关问题：生成相关问题。在回答中自然引用： - 例如，当提到浅拷贝时，说“如引用[2]所述”，并添加[^2]。生成相关问题： - 基于主题，如： 1. 如何避免OpenCV中浅拷贝导致的问题？ 2. clone()和copyTo()在性能上有何差异？ 3. 在图像处理中，何时使用浅拷贝合适？ 4. OpenCV Mat类的内存管理机制是什么？确保回答真实可靠：基于OpenCV文档和提供的引用。完整回答： - 开头：直接回答用户问题。 - 主体：分浅拷贝和深拷贝部分。 - 结尾：生成相关问题。 </think>### OpenCV中Mat图像拷贝方法解析在OpenCV中，`Mat`类是图像数据的主要容器。拷贝操作分为浅拷贝（Shallow Copy）和深拷贝（Deep Copy），它们的关键区别在于是否复制底层数据。以下是详细方法总结，基于OpenCV的C++和Python实现。 #### 1. **浅拷贝方法** 浅拷贝只复制`Mat`对象的头信息（如尺寸、通道数、数据类型），而不复制实际像素数据。这意味着多个对象共享同一数据块，修改一个对象会影响其他对象。 - **C++实现**: - 使用拷贝构造函数：`Mat mat1(mat);` - 使用赋值运算符：`Mat mat2 = mat;` 源码显示，这些操作仅增加引用计数，共享数据指针[^3][^2]。 - **Python实现**: - 直接赋值：`img2 = img` 默认是浅拷贝，修改`img`会导致`img2`同步改变[^4]。 - **风险**: 若源图像被修改，浅拷贝对象会意外变化，可能导致程序错误[^2]。 #### 2. **深拷贝方法** 深拷贝复制头信息和所有像素数据，创建独立的副本。修改副本不会影响源图像。 - **C++实现**: - `clone()`方法：`Mat mat3 = mat.clone();` // 创建全新数据副本 - `copyTo()`方法：`mat.copyTo(mat3);` // 功能同`clone()`, 但支持指定目标矩阵这些方法分配新内存并复制数据，确保独立性[^3][^1]。 - **Python实现**: - `copy()`方法：`img3 = img.copy()` // 推荐用于深拷贝示例中，修改`img`后，`img3`保持不变[^4]。 - **优势**: 安全处理图像处理流水线，避免数据污染。 #### 3. **关键注意事项** - **性能权衡**: 浅拷贝开销小（仅复制头信息，$O(1)$时间复杂度），适合只读操作；深拷贝开销大（复制所有数据，$O(n)$时间复杂度，$n$为像素数），适合需独立修改的场景。 - **内存管理**: OpenCV使用引用计数机制。浅拷贝时，引用计数增加；深拷贝时，创建新计数[^3]。 - **验证拷贝类型**: - 检查数据指针是否相同：C++中可用`mat1.data == mat.data`判断是否为浅拷贝。 - Python中可通过`id(img)`比较对象ID[^4]。 #### 4. **代码示例对比** - **C++浅拷贝 vs 深拷贝**: ```cpp Mat mat = imread("image.jpg"); // 源图像 Mat mat_shallow = mat; // 浅拷贝：共享数据 Mat mat_deep = mat.clone(); // 深拷贝：独立数据 // 修改源图像 mat.row(0).setTo(Scalar(255,0,0)); // mat_shallow相应变化，mat_deep不变 ``` - **Python示例**（引用[4]扩展）: ```python import cv2 img = cv2.imread("image.png") img_shallow = img # 浅拷贝 img_deep = img.copy() # 深拷贝 # 修改源图像区域 img[10:100, 10:100] = [0, 0, 255] cv2.imshow('Shallow Copy', img_shallow) # 显示修改效果 cv2.imshow('Deep Copy', img_deep) # 未受影响 cv2.waitKey(0) ``` #### 5. **何时使用哪种拷贝** - **用浅拷贝**: 临时视图、只读处理（如ROI提取），减少内存占用。 - **用深拷贝**: 图像编辑、多线程处理或需持久化独立副本的场景[^1][^2]。正确选择拷贝方法可避免常见错误，如源图像被意外修改[^2][^4]。