OpenCV Mat类矩阵元素访问

本文介绍了使用OpenCV进行人脸检测的具体方法,特别是针对lbpcascade_frontalface.xml的使用技巧。文章还分享了mat.at<>()函数在图片处理中的注意事项及优化经验。

  补充一篇最近使用OpenCV的学习,关于图片处理和人脸检测的函数调用。上次博客中写了使用最新版本2.4.3中,haar detection运行正常,但是无法找到任何人脸。最近使用了新的C++类的函数调用,不再用Cvrelease...,但是仍旧只有lbp detection工作正常,所以使用了lbp。相信大多人和我一样检测人脸之后用于其它研究分析,并不注重哪个检测率和速度更优,钻研视觉领域的人应该都会自己编写代码来用了吧。


以下代码摘自官方示例:http://docs.opencv.org/doc/tutorials/objdetect/cascade_classifier/cascade_classifier.html?highlight=lbp%20face

不过文件换成了lbp cascade

string face_cascade_name = .../lbpcascades/lbpcascade_frontalface.xml";
CascadeClassifier face_cascade;
if( !face_cascade.load( face_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };

face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );  //里返回的结果是一个由vector<Rect>组成的数组faces。如果检测到多个结果,通常数组里最后一张最大的是人脸。


  接下来主要说下最近使用mat.at<>()的一点注意事项。之前因为处理图片值访问矩阵主要用最新的mat类,但是访问却总是报异常。主要用的是8bit graylevel图。明知道里面是int,却总是错误。于是被动下转换成旧的CvMat,用间接访问方法处理,极其繁琐。   更改一个矩阵式histogram里数值的大小。

CvMat cvMat = Mat;

CvScalar scal = cvGet2D(histogram,i,j);
scal.val[0]++;

cvSet2D(histogram,i,j,scal);


  最近有空再优化代码时又研究了下,虽然明知数据类型为int存放,但是必须符合mat.at<int>所用的格式,只是integer就分成了很多种。

CV_8U - 8-bit unsigned integers ( 0..255 )

CV_8S - 8-bit signed integers ( -128..127 )

CV_16U - 16-bit unsigned integers ( 0..65535 )

CV_16S - 16-bit signed integers ( -32768..32767 )

CV_32S - 32-bit signed integers ( -2147483648..2147483647 )

  试了下发现32bit长整形才能正常调用mat.at函数直接读写操作,所以使用mat.convertTo来设置成指定格式。顺便说下当初始设置mat后再imread,格式会变化。并且初始化时设初值为0的话打印出来为空。所以我用了mat.setTo来初始全0的,zeros应该专门做这个用,不过没有试。但这一点在文档中并没有找到说明。


  最后想吐槽的是opencv中提供了lbp cascade和face recognizer,却没有说明如何顺便导出特征和一些参数设置,有待开发提高。OpenCV中的SVM分类器输入默认是个mat,不过一行为一个单位向量。类别编好也是个n行1列的mat,要使用的朋友在编写自己的特征抓取代码中可以注意下。

### OpenCV Mat 元素访问方法 在 OpenCV 中,`Mat` 是一种非常重要的数据结构,用于表示图像和矩阵。为了高效地访问 `Mat` 对象中的元素OpenCV 提供了多种方法来实现这一点。 #### 使用指针访问 可以通过获取指向每一行的指针并手动遍历的方式来访问 `Mat` 的元素。这种方式适用于较大的矩阵或性能敏感的应用场景[^1]。 ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main() { Mat mat = Mat::ones(3, 3, CV_8UC1); // 创建一个 3x3 单通道字节型矩阵 uchar* ptr = mat.ptr<uchar>(0); // 获取第 0 行的指针 for (int i = 0; i < mat.rows; ++i) { ptr = mat.ptr<uchar>(i); for (int j = 0; j < mat.cols; ++j) { std::cout << static_cast<int>(ptr[j]) << " "; // 访问每个元素 } std::cout << std::endl; } return 0; } ``` #### 使用 at 方法访问 对于更简单的应用场景,可以使用 `at<T>()` 函数直接访问指定位置上的元素。这种方法更加直观且易于理解。 ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main() { Mat mat = Mat::eye(3, 3, CV_64F); // 创建一个 3x3 双精度浮点数单位矩阵 for (int i = 0; i < mat.rows; ++i) { for (int j = 0; j < mat.cols; ++j) { double value = mat.at<double>(i, j); // 使用 at 方法访问元素 std::cout << value << " "; } std::cout << std::endl; } return 0; } ``` #### 多通道矩阵访问 当处理多通道矩阵(如 RGB 图像)时,需要特别注意通道顺序以及如何提取单个像素的信息。 ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main() { Mat img = imread("example.png"); Vec3b pixel = img.at<Vec3b>(Point(10, 10)); // 获取坐标 (10, 10) 上的颜色值 std::cout << "B: " << (int)pixel[0] << ", G: " << (int)pixel[1] << ", R: " << (int)pixel[2] << std::endl; return 0; } ``` 以上展示了不同型的矩阵及其对应的元素访问方式。无论是单通道还是多通道矩阵,都可以通过上述两种主要方式进行有效访问
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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