Mat矩阵局部修改和调用 opencv

本文介绍如何使用C++和OpenCV库进行图像处理,包括局部修改Mat对象中的像素值及局部调用Mat对象的方法。通过具体示例展示了如何直接操作矩阵元素,并解释了与MATLAB的不同之处。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

用opencv之前,想必大家和二郎一样都对matlab爱不释手,因为在图像处理中,矩阵操作即直观又便捷。但是我们只会matlab,会有人跳出来说,原来你不会编程呀!!!好吧,会编程最基础的是要会c语言,我们退而求其次,我们会c++语言,也不错。
在c++中,就有一个很方便的图像处理程序库,它居然做到了我们可以像matlab处理矩阵那边,对c++进行编程,好激动,这种操作太赞了。
然而,毕竟是在c++语言为基础的,在矩阵以及图像操作中和matlab是有所不同的,这种不同集中表现在对Mat操作的难易程度。

1.Mat局部修改

Mat_<float> disp(4, 1, CV_32FC1);
disp.at<float>(0,0) = 3;
disp.at<float>(1,0) = 4
disp.at<float>(2,0) = 5;
disp.at<float>(3,0) = 6;

输出的矩阵disp是

3
4
5
6

我们利用disp.at(0,0)可以直接对矩阵的0,0点进行操作,对应到matlab就是我们的1,1,点。opencv中矩阵第一个点为0,0点,这点需要谨记。

2.Mat局部调用

cout << "x方向位移:" << (*(float*)(disp.ptr<float>(0) + 0)) << "mm\n";
cout << "y方向位移:" << (*(float*)(disp.ptr<float>(1) + 0)) << "mm\n";
cout << "z方向深度:" << (*(float*)(disp.ptr<float>(2) + 0)) << "mm\n";
cout << "z方向深度:" << (*(float*)(disp.ptr<float>(3) + 0)) << "mm\n";

打印出来是

3
4
5
6

disp.ptr(0) + 0:指向disp第一行,第一列元素的指针,可写成disp.ptr(0)[0]
disp.ptr(2) + 0:指向disp第三行,第一列元素的指针,可写成disp.ptr(2)[0]
(float*)(disp.ptr(0) + 0):将指针强制转换为float类型
(* (float*)(disp.ptr(0) + 0)):取出指针指向地址的数值

### 如何使用C++OpenCV计算Mat矩阵的平均值 为了计算`cv::Mat`对象中的平均像素值,在OpenCV库中有多种方法可以实现这一目标。一种常用的方法是利用`mean`函数来获取整个图像或特定区域内的平均强度值。 下面是一个简单的例子,展示了如何通过调用`cv::mean()`函数来获得单通道灰度图的均值: ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main(){ // 假设有一个已经加载好的单通道8位灰度图像grayImage Mat grayImage = imread("path_to_image", IMREAD_GRAYSCALE); // 计算并打印该图片所有像素点的平均亮度值 Scalar meanValue = mean(grayImage); std::cout << "Average pixel value: " << meanValue[0] << std::endl; } ``` 对于多通道彩色图像(如BGR),如果想要分别求取各颜色分量的平均数,则可以直接对三通道的数据应用相同的`cv::mean()`操作而无需额外处理[^1]。 当涉及到更复杂的场景时——比如需要排除某些特殊条件下的像素贡献到最终的结果中去(例如掩码指定区域内有效样本外忽略不计的情况),则可以通过传递第二个参数作为掩模给`cv::mean()`来进行更加精确地控制: ```cpp // 创建一个与输入图像大小相同但只含单一非零元素的位置处标记为有效的二进制掩膜mask Mat mask = ... ; Scalar maskedMean = mean(src, mask); // 使用带有掩码的版本计算加权平均 std::cout << "Masked average values per channel:" << maskedMean << std::endl; ``` 上述代码片段说明了基本原理以及一些高级特性;实际开发过程中可根据具体需求调整相应逻辑以适应不同应用场景的要求。 #### 注意事项 - 对于多维或多通道数组而言,返回的是各个维度上的独立统计结果组成的向量。 - 如果提供了掩码,则只会考虑那些对应位置上具有正值的地方参与运算过程。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值