opencv——Mat数据格式及其遍历

最新推荐文章于 2025-06-22 12:35:09 发布

_jianjian_

最新推荐文章于 2025-06-22 12:35:09 发布

阅读量1w

点赞数

分类专栏： opencv CV 文章标签： Mat opencv

opencv 同时被 2 个专栏收录

5 篇文章

订阅专栏

2 篇文章

订阅专栏

本文介绍了OpenCV中的Mat数据格式，重点讨论了Mat对象的内存管理，包括引用计数机制，以及浅拷贝和深拷贝的区别。通过示例展示了clone()和copyTo()函数的应用。此外，还解释了Mat对象的类型标识，如CV_8UC3等，并探讨了高效遍历Mat的方法，包括isContinous()函数的使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在opencv早期的版本中，图像通过一个叫做IplImage的结构（structure）存储在内存中。由于C语言对程序员高度的信任，因此它需要手动地对内存进行管理，比如内存的分配和回收，这在大型程序设计中是比较麻烦的。幸运地是，C++可以很好地帮助程序员管理内存，因此opencv2.0后就引入了C++接口。但是C++也有缺点，比如说目前大部分的嵌入式系统只支持C语言，在这些平台上开发opencv程序的话用C++就不是很好。

cv::Mat是一个C++类，包含两部分：1）Matrix header，包括矩阵的size、存储方式、矩阵的存储地址等信息；2）指向Marix的指针ji。由于图像处理算法通常都是计算密集型算法，出于程序速度上的考虑，opencv的设计应尽可能地避免拷贝大图像，为了解决这个问题，opencv使用了引用计数机制（reference counter system）【python也使用了这个机制，参考之前的博客】。简单来说，灭个Mat对象都有自己的header，在进行copy运算时，只有headers和指向矩阵的指针会被拷贝，而矩阵本身不会被拷贝，举个栗子：

int main() {
        cv::Mat srcImg(2, 2, CV_8UC3, cv::Scalar(0, 0, 255));
	cv::Mat dstImg(srcImg);
	cv::Mat C = srcImg;
	std::cout << srcImg << std::endl;
	std::cout << dstImg << std::endl;
	dstImg.ptr<uchar>(0)[0] = 255;
	dstImg.ptr<uchar>(0)[1] = 255;
	dstImg.ptr<uchar>(0)[2] = 0;
	std::cout << "After modified dstImg：" << std::endl;
	std::cout << srcImg << std::endl;
	std::cout << dstImg << std::endl;
	std::cout << C << std::endl;
        return 0;
}

上面的三个Mat对象srcImg,dstImg,C最终都只想同一个数据矩阵，虽然它们的headers是不同的。对它们其中的任意一个进行修改都会影响另外两个对象。上面程序的运行结果如图：

当然，如果想拷贝矩阵本身也是有办法的，opencv提供了两个方法：clone()和copyTo():

Mat F = A.clone();
Mat G;
A.copyTo(G);

最后总结一下：

1）opencv函数中输出图像的内存是自动分配的；

2）赋值运算和拷贝构造函数只是拷贝了header，我们可以把这种拷贝理解为一种浅拷贝；

3）如果想进行深拷贝，即拷贝矩阵本身的数据，可以采用clone()或copyTo()函数。

对1和2的理解可以很重要，这可以解释下面这个程序：

int main() {
	cv::String path = "E:/Data Sets/ORIGINAL/data_road_fisheye/training/image/";
	std::vector<cv::String> filenames;
	cv::glob(path, filenames);
	cv::Mat srcImg(2, 2, CV_8UC3, cv::Scalar(0, 0, 255));
	cv::Mat dstImg(srcImg);
	cv::Mat C = srcImg;
	std::cout << srcImg << std::endl;
	std::cout << dstImg << std::endl;
	std::cout << C << std::endl;
	dstImg.ptr<uchar>(0)[0] = 255;
	dstImg.ptr<uchar>(0)[1] = 255;
	dstImg.ptr<uchar>(0)[2] = 0;
	std::cout << "After modified dstImg：" << std::endl;
	std::cout << srcImg << std::endl;
	std::cout << dstImg << std::endl;
	std::cout << C << std::endl;
	cv::cvtColor(C, C, CV_RGB2GRAY);
	std::cout << "After call cv::cvtColor(C,C,CV_RGB2GRAY)" << std::endl;
	std::cout << srcImg << std::endl;
	std::cout << dstImg << std::endl;
	std::cout << C << std::endl;
	return 0;
}

其运行结果为：

关于如何创建一个Mat对象，最好的办法就是看mat.hpp，因为实在有太多了...，这里在介绍一下opencv里面的一下data

type，比如说CV_8UC3,CV_32FC3,CV_32F是什么意思：

CV_[the number of bits per item][signed or unsigned][Type prefix]C[The channel number]

最后是一个大头部分：介绍如何遍历cv::Mat。

Q1:图像在Mat中是如何存储的呢？

A1:

通常我们有足够多的内存，使得上面这个矩阵可以一行接着一行地连续存储，具体是不是呢，可以用isContinous()函数来判断。因此最高效的遍历方法还是采用指针(还有迭代器方法):

Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() != sizeof(uchar));     

    int channels = I.channels();

    int nRows = I.rows * channels; 
    int nCols = I.cols;

    if (I.isContinuous())
    {
        nCols *= nRows;
        nRows = 1;         
    }

    int i,j;
    uchar* p; 
    for( i = 0; i < nRows; ++i)
    {
        p = I.ptr<uchar>(i);
        for ( j = 0; j < nCols; ++j)
        {
            p[j] = table[p[j]];             
        }
    }
    return I; 
}
MatObject.ptr<type>(rowIndex)[columIndex] = a number