04 图像和大数组类型

Chapter 04 图像和大数组类型

主要介绍两大数据结构： cv::Mat 、 cv::SparseMat 。

cv::Mat n维稠密数组

稠密是指每一个指定的位置，都有具体的数据值对应，即使矩阵中有很多相同的值。

内存填充，是为了提高访问效率。

Mat 中元素的类型定义：数据类型 + 通道数，CV_{8U,16S,16U,32S,32F,64F}C{1,2,3} 。创建多于3通道的类型时，使用函数 CV_{8U,16S,16U,32S,32F,64F}C(int channels) 。

cv::Mat m;
m.create(3, 10, CV_32FC3);
m.setTo(cv::Scalar(1.0f, 0.0f, 1.0f));

// 等效于
cv::Mat m(3, 10, CV_32FC3, cv::Scalar(1.0f, 0.0f, 1.0f));

构造函数

function	描述
cv::Mat;	默认
cv::Mat(int rows, int cols, int type);	二维
cv::Mat(int rows, int cols, int type, const Scalar& s);	有初始值的二维
cv::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP);	以之前存在的值初始化二维数组
cv::Mat(cv::Size sz, int type);	二维（size）
cv::Mat(cv::Size sz, int type, const Scalar& s);	二维有初始值
cv::Mat(cv::Size sz, int type, void* data, size_t step=AUTO_SIZE);	已存在的数据初始二维数组
cv::Mat(int ndims, const int* sizes, int type);	指定类型的多维数组
cv::Mat(int ndims, const int* sizes, int type, const Scalar& s);	有初始值的多维类型
cv::Mat(int ndims, const int* sizes, int type, void* data, size_t step=AUTO_SIZE);	已存在数据初始化多维数组

size_t : 无符号整型，其占用内存大小由编译类型决定，32位编译4字节，64位编译则8字节。使用size_t可能会提高代码的可移植性、有效性或者可读性。

复制构造函数

函数	描述
cv::Mat(const Mat& mat)	复制构造函数
cv::Mat(const Mat& mat, const cv::Range& rows, const cv::Range& cols);	复制子行和列
cv::Mat(const Mat& mat, const cv::Rect& roi);	复制子区间
cv::Mat(const Mat& mat, const cv::Range* ranges);	n维复制交叉部分
cv::Mat(const cv::MatExpr& expr);

模板构造函数

创建和模板相同维度，相同类型的数组。

函数	说明
cv::Mat(const cv::Vec<T,n>& vec, bool copyData=true);	1维
cv::Mat(const cv::Matx<T,m,n>& vec, bool copyData=true);	二维
cv::Mat(const std::vector& vec, bool copyData=true);	1维

静态函数

创建二维数组

cv::Mat::zeros(rows cols, type) 、cv::Mat::ones(rows, cols, type) 、 cv::Mat::eye(rows, cols, type)

访问元素

• at()

• 指针访问 ptr<>

• 迭代器访问： cv::MatIterator<> 、 cv::MatConstIterator<> ，m.begin() 、 m.end()

在用迭代器访问具体元素时，被拉伸为一维，需要手动计算位置。

N-ary 数组迭代器：对整个mat进行迭代，example4_1.cpp 。

访问元素块

函数	说明
m.row(i);	m的第i行数组
m.col(j);	m的第j列数组
m.rowRange(i0, i1);	m的第i0行到第i1-1行
m.rowRange(cv::Range(i0, i1));
m.colRange(j0, j1);	m的第j0列到第j1-1列
m.colRange(cv::Range(j0, j1));
m.diag(d);	d个偏移的对角线数组
m(cv::Range(i0, i1), cv::Range(j0, j1));	行列范围同时选取
m(cv::Rect(i0, i1, w, h));	二维范围选取
m(ranges);	多维数组的选取

Mat可用的代数表达式

• m0 + m1, m0 - m1 : 矩阵的加减运算
• m0 + s, m0 - s, s + m0, s - m0, -m0 : 矩阵和数字的加减运算
• s * m0, m0 * s : 矩阵和数字的乘法
• m0.mul(m1), m0/m1 : 矩阵的每个元素之间的乘除
• m0 * m1 : 矩阵乘法
• m0.inv(method) : 逆矩阵， method = DECOMP_LU, DECOMP_CHOLESKY, DECOMP_SVD
• m0.t() : 转置矩阵
• m0 > m1等逻辑运算，表示每个元素之间的比较，返回uchar类型矩阵
• m0 & m1; m0 | m1; s & m0等按位逻辑运算
• min(m0, m1), min(s, m0), min(m0, s) 等每个元素的最大，最小
• cv::abs(m0)
• m0.cross(m1), m0.dot(m1)

cv::SparseMat

使用哈希表存储非0元素

大数据类型的模板结构

cv::Mat_<> 和 cv::SparseMat_<> 两个模板；

模板能保证参数的统一，如：

// 不会检查 sm 的元素类型
void printMat(const cv::SparseMat* sm);
// 会在编译时对 sm 的元素类型进行检查
void printMat(const cv::SparseMat_<float>* sm);