【秣厉科技】LabVIEW工具包——OpenCV 教程（1）：Mat 类的基本用法

秣厉科技

已于 2025-04-18 19:12:26 修改

阅读量1.2k

点赞数 28

CC 4.0 BY-SA版权

分类专栏：秣厉科技 - LabVIEW - OpenCV 文章标签：科技 labview opencv

于 2025-03-05 19:31:43 首次发布

本文链接：https://blog.youkuaiyun.com/VIRobotics_MR/article/details/145963833

秣厉科技 - LabVIEW - OpenCV 专栏收录该内容

22 篇文章

订阅专栏

文章目录

前言
Mat类的基本用法
不要忘记，LabVIEW本身也很强大
总结

前言

需要下载安装OpenCV工具包的朋友，请前往此处；
系统要求：Windows系统，LabVIEW>=2018，兼容32位和64位。

Mat类的基本用法

Mat即矩阵Matrix，是OpenCV最重要的核心类，通常作为图像数据的容器。
本文将介绍如何在LabVIEW下使用Mat类进行矩阵运算和图像处理。

1. Mat初始化（从 LV 到 Mat）

在LabVIEW中初始化一个Mat类，可以使用函数选板>>Addons>>Molitec>>OpenCV>>core>>Mat>>new.vi ，位置如下图。

在这里插入图片描述

放置一个new到程序框图中，可以发现它是一个多态VI，通过下拉列表查看到，一共有12种初始化模式。
在这里插入图片描述

Mat()	创建一个空矩阵
Mat(mat,roi)	创建子矩阵，指向另一个已知Mat的矩形ROI区域，适用于二维Mat。
Mat(mat,ranges)	创建子矩阵，ranges代表每一维度的截取范围，适用于多维Mat。
Mat(rows,cols,type,scalar)	通过行数、列数、类型、初始值来创建Mat，适用于二维Mat。 type包含数据类型+通道数，Mat中的每一个元素都等于scalar。下同
Mat(rows,cols,type,data,step=0)	通过行数、列数、类型、数组来创建Mat，适用于二维Mat。 Mat将依次填入data数组的每一个值，不足时末尾补0。下同目前限定数组内存连续，所以step永远等于0，直接忽略。下同
Mat(ndims,sizes,type,scalar)	通过维数、尺寸、类型、初始值来创建Mat，适用于多维Mat。 sizes数组长度应等于ndims，代表每一维度的尺寸。下同
Mat(ndims,sizes,type,data,step=0)	通过维数、尺寸、类型、数组来创建Mat，适用于多维Mat。
zeros(rows,cols,type)	创建全0矩阵，参数为行数、列数、类型，适用于二维Mat。
zeros(ndims,sizes,type)	创建全0矩阵，参数为维数、尺寸、类型，适用于多维Mat。
ones(rows,cols,type)	创建全1矩阵，参数为行数、列数、类型，适用于二维Mat。
ones(ndims,sizes,type)	创建全1矩阵，参数为维数、尺寸、类型，适用于多维Mat。
eye(rows,cols,type)	创建单位矩阵（全1对角），参数为行数、列数、类型，只能是二维Mat。

例1-1：创建一个2行3列的1通道矩阵，元素类型为8U（8位无符号整数），初始值均为255。

使用 Mat(rows,cols,type,scalar) 模式【左图】与使用 Mat(ndims,sizes,type,scalar) 模式【右图】
scalar 作为所有元素的公共初始值，其长度等于通道数。为了能涵盖所有数据类型，LabVIEW参数中的scalar采用最宽泛的double类型，但传入Mat对象时，将自动转换成type指定的数据类型。

例1-2：创建一个100行150列3通道矩阵，元素类型为8U，初始值均为[0,128,255] 。

使用 Mat(rows,cols,type,scalar) 模式【左图】与使用 Mat(ndims,sizes,type,scalar) 模式【右图】
因为是3通道Mat，所以scalar长度也为3，当表示颜色时，通道顺序为 [B, G, R]

在这里插入图片描述

例1-3：创建一个2行3列1通道矩阵，元素类型为32F（单精度浮点数float），初始值为{{1.1, 2.2, 3.3}, {4.4, 5.5, 6.6}}。

使用 Mat(rows,cols,type,data,step=0) 模式【左图】与使用 Mat(ndims,sizes,type,data,step=0) 模式【右图】
data数组作为整体的初始值，依次填入Mat对象。填入顺序是：先通道，再满行，后满列。
同样，data也采用最宽泛的double类型，传入Mat对象时，将自动转换成type指定的数据类型。

例1-4：创建一个2行3列3通道矩阵，元素类型8U，初始值{{[11,12,13], [21,22,23], [31,32,33]}, {[111,112,113], [121,122,123], [131,132,133]}}

使用 Mat(rows,cols,type,data,step=0) 模式实现如下。
此例Mat是3通道，data顺序正如上文提到：先通道，再满行，后满列。同一元素的3通道数据要彼此相邻，当作一个整体。
当你不想手动输入data时，就可以如下图那样，通过LabVIEW “捆绑簇” 的方式将data单独列出，然后用其他算法产生数据，连接到data上作为变量输入。
使用 2D_to_Mat.vi 实现如下。
由于二维矩阵最常用，所以Mat选板中额外提供一个VI，可以更加直观地将LabVIEW的2D数组，转化成二维Mat对象。2D数组的行，即是Mat的行；2D数组的列，即是Mat的列。多通道数据在2D数组中，同行相邻展开。

例1-5：创建一个三维1通道矩阵，尺寸4x3x2，元素类型32S（32位有符号整数），初始值：
{ { {1, 2}, {3, 4}, {5, 6}}, {{7, 8}, {9, 10}, {11, 12}}, {{13, 14}, {15, 16}, {17, 18}}, {{19, 20}, {21, 22}, {23, 24} } }

使用 Mat(ndims,sizes,type,data,step=0) 模式实现如下。
在多维矩阵的情况下，data的排列规律要更广义地理解：最低维度相邻排列，然后向次低纬度延申，再向更高维度延申，依此类推。这是因为矩阵遍历时，是从高纬度向低纬度，层层For循环剥开，最低维度在最后一层For循环。设元素的索引为（i,j,k），定义其“索引权重”为 (i * dim1 + j * dim2 + k)，即：在读取它之前已经历的For循环次数。
从而data的排列规律为：按照“索引权重”从低到高排列。（多通道时，依然是通道最先相邻排列）

2. Mat可视化（从 Mat 到 LV）

将一个Mat对象的数据取出，并在LabVIEW中可视化地显示出来，可以使用相同选板下的 to_LV.vi ，位置如下图。

在这里插入图片描述

放置一个to_LV到程序框图中，可以发现它是一个多态VI，通过下拉列表查看到，一共有4种主模式，其中array模式又根据数据类型和维度的不同，细分为21种子模式。
在这里插入图片描述

raw	读取原始buffer数据，返回数据类型为bytes数组，小端模式（不必考虑Mat内存的不连续性，to_LV 已做处理，下同）
common	根据Mat数据类型，对raw模式的buffer按照小端模式进行元素切割，排列成一维数组。同样为了涵盖所有类型，该一维数组统一转化成double类型，相当于Mat初始化时的data数组。
image	将Mat数据转化为LabVIEW的图像，仅适用于单通道和3通道，且数据类型为8U
array	根据Mat的通道、维数、尺寸，对common模式返回的一维数组进行再切割，转化成LabVIEW中相应的多维数组。目前每种数据类型下，只提供3种维度（2D、3D、4D），其他维度请选common模式，然后自写算法来切割。多通道数据，依然是同行相邻展开（沿最低维度展开）

例2-1：把一个二维8U的Mat，读取成LabVIEW的2D数组

如下图，上方是1通道，下方是3通道。注意data数组长度小于Mat容量时，末尾自动补零。
最后调用release.vi 释放Mat的内存，该VI位于Mat选板最末。

在这里插入图片描述

例2-2：把一个未知数据类型的二维Mat，读取成LabVIEW的2D数组

使用common模式读取，然后根据返回的 properties 确定Mat的通道和尺寸，对 double_1d 进行reshape。
上例中出现了Mat属性（properties）这个变量，是伴随 to_LV 一起返回的。除此之外，我们还可以单独获取Mat的某些属性，作为后续算法处理的前提条件。方法是使用“属性节点”，如下图。属性节点是LabVIEW自带的，位于Application Control选板。

在这里插入图片描述

例2-3：创建一张纯色图片，并用LabVIEW的2D图片控件显示。然后修改ROI区域，变成另一种颜色，再显示。

注意，通过ROI创建的子矩阵，其内存直接指向父矩阵的某一块区域，而不是拷贝到新的内存空间（除非经过深拷贝，如clone）。所以当子矩阵被修改时，父矩阵也同样被修改。
父矩阵和子矩阵必须全部release之后，内存才会真正被释放。只release其中一个，另一个依然在使用中。
setTo.vi 同样位于Mat选板，作用是将矩阵的元素统一重置为输入的scalar数值。

3. 矩阵运算

3.1 操作符

在Mat选板中，第一项是一个叫operator的子目录，里面包含多种运算符号，包括加、减、乘、除，逻辑与、或、非、异或，以及各种比较运算符。

在这里插入图片描述

利用这些VI，可以实现矩阵的基础运算。其逻辑相当于在C++编程中，直接用运算符号，连接两个对象。
连接的两个对象，可以都是Mat，也可以一个是Mat，另一个是元素（scalar），通过多态VI来切换模式。

在这里插入图片描述

3.2 内置函数

Mat选板下的所有VI，其图标设计与配色风格一致，都属于Mat类的内置函数。
这些函数功能包括：

函数	功能
create	（对已有Mat）重新定义类型、尺寸，并分配存储空间
convertTo	转换Mat数据类型，并可自定义线性变换
copyTo	（浅）拷贝
clone	（深）拷贝
col	取源Mat的某一列，作为子矩阵输出（该子矩阵仍是二维，下同）
colRange	按照range范围，截取源Mat的某些列，作为子矩阵输出
row	取源Mat的某一行，作为子矩阵输出
rowRange	按照range范围，截取源Mat的某些行，作为子矩阵输出
diag	创建对角矩阵，或获取矩阵对角向量
at	按照坐标索引，读取或写入Mat中的某一元素
checkVector	检查输入的Mat是否为向量（行数、列数，至少有一个等于1）
dot	计算两个向量的内积（数量积）
cross	计算两个向量的外积（向量积、叉积）
mul	两个尺寸相同的Mat，对应元素相乘，得到同样尺寸的乘积矩阵。并非“矩阵乘法”
operator(*)	顺便一提，上文提到的operator目录下的 * 符号，用于连接两个Mat时，才是真正的“矩阵乘法” 然而，下文中core目录下的multiply函数，其功能与内置函数mul一样，也不是“矩阵乘法”
adjustROI	调整ROI区域（适用于子矩阵）
locateROI	获取当前ROI位置（适用于子矩阵）
push_back	在向量末尾追加元素，或在Mat的末尾追加另一个列数相同的Mat，作为拓展的行
pop_back	删除向量末尾的n个元素，或删除Mat末尾的n个行
resize	修改Mat行数。行数减少时元素被释放，行数增加时新元素被写入指定的初始值
reshape	在数据不变的前提下，重新切割Mat的通道、尺寸
reserve	保留一定数量的行空间，确保不会在resize等操作时被删除，下同
reserveBuffer	保留一定数量的buffer空间
inv	求逆矩阵
t	求转置矩阵
setTo	重置Mat元素为统一初始值

具体用法不一一列举了。下图是一个范例，从创建的Mat中取出2列，求内积。然后用其中一列作为对角元素，生成对角阵，再求该对角阵的逆矩阵。（更多用法，请查找工具包附带的范例：examples\Molitec\OpenCV\core\Mat…）

在这里插入图片描述

3.3 外部函数

由于Mat是OpenCV最重要的核心类型，所以几乎所有模块下的函数，都需要Mat类型的变量作为输入输出。
其中，对矩阵计算支持最多，数量最庞大的，要数 core 模块。其函数选板如下图（节选）：

在这里插入图片描述

注意，虽然core选板下也有加、减、乘、除、逻辑、比较运算符，但与上文operator目录下的运算符用法不尽相同。最主要的区别是，core下的运算函数，多了一个Mask输入量，用以定义掩膜区域。另外，multiply函数的功能与Mat内置的mul一样，与 operator(*) 不一样。

下面是一个范例，计算一个输入Mat的平方、开方、自然底数幂、自然对数。（更多范例请查找：examples\Molitec\OpenCV\core…）

在这里插入图片描述

4. 图像容器

4.1 读取图片

在OpenCV中，对图像的处理，都是基于对矩阵的运算来实现的。因此Mat类经常作为承载图像的容器。
下图中展示的是：读取彩色图片文件到Mat对象，并转为灰度图。imread.vi 位于imgcodes模块，cvtColor.vi 位于imgproc模块。

在这里插入图片描述

4.2 读取视频流

从摄像头、视频文件、URL等读取一帧图像，也是存放在Mat对象中。
下图中展示的是：连续读取摄像头画面，并连续显示。VideoCapture类位于videoio模块。
作为容器的Mat只需初始化一次（空矩阵），进入read.vi后将自动分配空间。每次循环读取的图像，都会写入同一个Mat对象中，避免占用过多内存。

在这里插入图片描述