Opencv--Mat，IplImage数据类型

最新推荐文章于 2024-09-11 07:53:15 发布

转载最新推荐文章于 2024-09-11 07:53:15 发布 · 1.4k 阅读

OpenCV 专栏收录该内容

52 篇文章

订阅专栏

OpenCV C++数据类型用了大量的STL通用编程技术。

主要概述了一下Mat类的基本操作：Mat类型的成员变量和CvMat结构体还是比较相像的，前面cxcore基本数据结构已经介绍过了。主要介绍下Mat的基本操作。Mat类型可以实现从CvMat IplImage CvMatND的转换。

Mat Mat::row(int i) const

Mat Mat::col(int j) const

Mat Mat::rowRange(int startrow,int endrow) const//注意：实际获得的矩阵是以0为索引开始的[startrow,endrow-1]，这个概念类似于STL里的超尾。

Mat Mat::rowRange(const Range& r) const

Mat Mat::colRange(int startcol,int endcol) const

Mat Mat::colRange(const Range& r) const

Mat Mat::clone() const //创建一个全拷贝，包括数据

void Mat::copyTo(Mat& m) const //m.col(0).copyTo(n)此函数并不是简单的数据拷贝，而是相当于n=m.col(0)

void Mat::copyTo(Mat& m,const Mat& mask) const 

void Mat::create(int rows,int cols,int type) 

void Mat::create(Size size,int type)

void Mat::create(int ndims,const int * sizes,int type)

void Mat::resize(size_t sz) const //改变mat rows，数据区不受影响

template<typename T> void Mat::push_back(const T& elem)

temolate<typename T> void Mat::push_back(const Mat_<T>& elem) //m.push_back<int> (n);T表示Mat数据类型

template<typename T> void Mat::pop_back(size_t nelems=1) //nelems:the number of rows removed,T is not used

template<typename T> T& Mat::at(int i,int j) const //int i=m.at<int>(i,j);

1. Mat的拷贝只是复制了Mat的信息头，数据的指针也指向了被拷贝的数据地址，而没有真正新建一块内存来存放新的矩阵内容。这样带来的一个问题就是对其中一个Mat的数据操作就会对其他指向同一块数据的Mat产生灾难性的影响。

2.建立多维数组的格式是这样的

int sz[3] = {2, 2, 2};  
Mat L(3, sz, CV_8UC(1), Scalar::all(0));

3.传统的lplImage格式也可直接转换为Mat格式

IplImage* img = cvLoadImage("greatwave.png", 1);  
Mat mtx(img); // convert IplImage* -> Mat

如果想将新版本的Mat格式转换为老版本，则需要如下调用：

Mat I;  
IplImage* pI = &I.operator IplImage();  
CvMat* mI = &I.operator CvMat();

//不过更安全的调用格式为：
Ptr<IplImage> piI = &I.operator IplImage();

4.Mat结构更加友好，很多操作更接近matlab的风格

5.也有Point2f，Point3f，vector等数据结构可以使用

6.RNG类可以产生随机数

7.实现颜色通道的分离使用函数split

Mat最大的优势跟STL很相似，都是对内存进行动态的管理，不需要之前用户手动的管理内存，对于一些大型的开发，有时候投入的lpImage内存管理的时间甚至比关注算法实现的时间还要多，这显然是不合适的。除了有些嵌入式场合必须使用c语言，我任何时候都强烈像大家推荐Mat。

Mat这个类有两部分数据。一个是matrix header，这部分的大小是固定的，包含矩阵的大小，存储的方式，矩阵存储的地址等等。另一个部分是一个指向矩阵包含像素值的指针。

Mat A, C; // creates just the header parts   
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // here we’ll know the method used (allocate matrix)   
Mat B(A); // Use the copy constructor   
C = A; // Assignment operator

需要注意的是，copy这样的操作只是copy了矩阵的matrix header和那个指针，而不是矩阵的本身，也就意味着两个矩阵的数据指针指向的是同一个地址，需要开发者格外注意。比如上面这段程序，A、B、C指向的是同一块数据，他们的header不同，但对于A的操作同样也影响着B、C的结果。刚刚提高了内存自动释放的问题，那么当我不再使用A的时候就把内存释放了，那时候再操作B和C岂不是很危险。不用担心，OpenCV的大神为我们已经考虑了这个问题，是在最后一个Mat不再使用的时候才会释放内存，咱们就放心用就行了。

如果想建立互不影响的Mat，是真正的复制操作，需要使用函数clone()或者copyTo()。

说到数据的存储，这一直就是一个值得关注的问题，Mat_<uchar>对应的是CV_8U，Mat_<uchar>对应的是CV_8U，Mat_<char>对应的是CV_8S，Mat_<int>对应的是CV_32S，Mat_<float>对应的是CV_32F，Mat_<double>对应的是CV_64F，对应的数据深度如下：

• 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 )

• CV_32F - 32-bit ﬂoating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )

• CV_64F - 64-bit ﬂoating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )

这里还需要注意一个问题，很多OpenCV的函数支持的数据深度只有8位和32位的，所以要少使用CV_64F，但是vs的编译器又会把float数据自动变成double型，有些不太爽。

还有个需要注意的问题，就是流操作符<<对于Mat的操作，仅限于Mat是2维的情况。

还有必要说一下Mat的存储是逐行的存储的。

再说说Mat的创建，方式有两种，罗列一下：1.调用create（行，列，类型）2.Mat（行，列，类型（值））。例如：

// make a 7x7 complex matrix filled with 1+3j.   
Mat M(7,7,CV_32FC2,Scalar(1,3));  
// and now turn M to a 100x60 15-channel 8-bit matrix.   
// The old content will be deallocated   
M.create(100,60,CV_8UC(15));

要是想创建更高维的矩阵，要写成下面的方式

// create a 100x100x100 8-bit array   
int sz[] = {100, 100, 100};  
Mat bigCube(3, sz, CV_8U, Scalar::all(0));

对于矩阵的行操作或者列操作，方式如下：（注意对列操作时要新建一个Mat，我想应该跟列地址不连续有关）

// add the 5-th row, multiplied by 3 to the 3rd row   
M.row(3) = M.row(3) + M.row(5)*3;  
// now copy the 7-th column to the 1-st column   
// M.col(1) = M.col(7); // this will not work   
Mat M1 = M.col(1);  
M.col(7).copyTo(M1);

下面的东西就比较狂暴了，对于外来的数据，比如你从别的地方接受了一幅图片，但可以不是Mat结构的，而只有一个数据的指针，看看接下来的代码是如何应付的，重点哦，亲

void process_video_frame(const unsigned char* pixels,  
int width, int height, int step)  
{  
Mat img(height, width, CV_8UC3, pixels, step);  
GaussianBlur(img, img, Size(7,7), 1.5, 1.5);  
}

亲，有木有很简单！！！

还有一种快速初始化数据的办法，如下：

double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};  
Mat M = Mat(3, 3, CV_64F, m).inv();

也可以把原来的IplImage格式的图片直接用Mat（IplImage）的方式转成Mat结构，也可以像Matlab一样调用zeros()、ones()、eye()这样的函数进行初始化。

如果你需要提前释放数据的指针和内存，可以调用release()。

对于数据的获取，当然还是调用at<float>(3, 3)这样的格式为最佳。其他的方法我甚少尝试，就不敢介绍了。

最后要提的一点是关于Mat的表达式，这个也非常多，加减乘除，转置求逆，我怎么记得我以前介绍过呢。那就不多说啦

#include "opencv2/core/core.hpp"
#include <iostream>

using namespace std;
using namespace cv;

void help()
{
    cout
    << "\n--------------------------------------------------------------------------" << endl
    << "This program shows how to create matrices(cv::Mat) in OpenCV and its serial"
    << " out capabilities"                                                            << endl
    << "That is, cv::Mat M(...); M.create and cout << M. "                            << endl
    << "Shows how output can be formated to OpenCV, python, numpy, csv and C styles." << endl
    << "Usage:"                                                                       << endl
    << "./cvout_sample"                                                               << endl
    << "--------------------------------------------------------------------------"   << endl 
    << endl;
}

int main(int,char**)
{
    help();    
    // create by using the constructor
    Mat M(2,2, CV_8UC3, Scalar(0,0,255)); 
    cout << "M = " << endl << " " << M << endl << endl;   

    // create by using the create function()
    M.create(4,4, CV_8UC(2));
    cout << "M = "<< endl << " "  << M << endl << endl;

    // create multidimensional matrices
    int sz[3] = {2,2,2}; 
    Mat L(3,sz, CV_8UC(1), Scalar::all(0));
    // Cannot print via operator <<

    // Create using MATLAB style eye, ones or zero matrix
    Mat E = Mat::eye(4, 4, CV_64F);    
    cout << "E = " << endl << " " << E << endl << endl;
    
    Mat O = Mat::ones(2, 2, CV_32F);    
    cout << "O = " << endl << " " << O << endl << endl;

    Mat Z = Mat::zeros(3,3, CV_8UC1);
    cout << "Z = " << endl << " " << Z << endl << endl;
    
    // create a 3x3 double-precision identity matrix
    Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); 
    cout << "C = " << endl << " " << C << endl << endl;

    Mat RowClone = C.row(1).clone();
    cout << "RowClone = " << endl << " " << RowClone << endl << endl;

    // Fill a matrix with random values
    Mat R = Mat(3, 2, CV_8UC3);
    randu(R, Scalar::all(0), Scalar::all(255));

    // Demonstrate the output formating options
    cout << "R (default) = " << endl <<        R           << endl << endl;
    cout << "R (python)  = " << endl << format(R,"python") << endl << endl;
    cout << "R (numpy)   = " << endl << format(R,"numpy" ) << endl << endl;
    cout << "R (csv)     = " << endl << format(R,"csv"   ) << endl << endl;
    cout << "R (c)       = " << endl << format(R,"C"     ) << endl << endl;

    Point2f P(5, 1);
    cout << "Point (2D) = " << P << endl << endl;

    Point3f P3f(2, 6, 7);
    cout << "Point (3D) = " << P3f << endl << endl;


    vector<float> v;
    v.push_back( (float)CV_PI);   v.push_back(2);    v.push_back(3.01f);
    
    cout << "Vector of floats via Mat = " << Mat(v) << endl << endl;
        
    vector<Point2f> vPoints(20);
    for (size_t E = 0; E < vPoints.size(); ++E)
        vPoints[E] = Point2f((float)(E * 5), (float)(E % 7));

    cout << "A vector of 2D Points = " << vPoints << endl << endl;
    return 0;
}