### 将
OpenCV 的 `cv::
Mat` 转换为 Armadillo 的 `arma::
mat`
为了实现从
OpenCV 的 `cv::
Mat` 到 Armadillo 的 `arma::
mat` 的转换，通常需要编写自定义函数来逐元素读取数据或将内存直接映射给 Armadillo。下面详细介绍两种常见的方式。
---
#### 方法一：逐元素赋值
这种方法适用于任意类型的矩阵（如浮点数、整数等），但效率较低，因为它涉及显式的循环操作。
##### 实现代码
```cpp
#include <armadillo>
#include <
opencv2/core.hpp>
void Cv_
mat_to_arma_
mat(const cv::
Mat& cv_
mat_in, arma::
mat& arma_
mat_out) {
// 初始化 Armadillo 矩阵大小
arma_
mat_out.set_size(cv_
mat_in.rows, cv_
mat_in.cols);
// 遍历
OpenCV 矩阵并将数据复制到 Armadillo 矩阵中
for (int r = 0; r < cv_
mat_in.rows; ++r) {
for (int c = 0; c < cv_
mat_in.cols; ++c) {
arma_
mat_out(r, c) = static_cast<double>(cv_
mat_in.at<float>(r, c)); // 假设输入为 float 类型
}
}
}
```
在这个例子中，假设输入的 `cv::
Mat` 是单通道浮点类型 (`CV_32F`)。如果输入类型不同，则需调整 `.at<>
()` 函数中的模板参数[^1]。
---
#### 方法二：利用内存共享
对于连续存储的矩阵（即未压缩且无步幅偏移的情况），可以直接将
OpenCV 矩阵的数据指针传递给 Armadillo，从而避免不必要的拷贝。
##### 实现代码
```cpp
#include <armadillo>
#include <
opencv2/core.hpp>
void Cv_
mat_to_arma_
mat_shared(const cv::
Mat& cv_
mat_in, arma::
mat& arma_
mat_out) {
// 检查输入是否为连续存储
if (!cv_
mat_in.
isContinuous()) {
throw std::runtime_error("Input
matrix must be continuous.");
}
// 设置 Armadillo 矩阵大小
int rows = cv_
mat_in.rows;
int cols = cv_
mat_in.cols;
// 使用 Armadillo 的构造函数直接绑定数据指针
arma_
mat_out = arma::
mat(reinterpret_cast<const double*>(cv_
mat_in.ptr<float>
()), rows, cols, false /* 不复制 */);
}
```
这里的关键在于使用 `reinterpret_cast` 和 `ptr
()` 获取
OpenCV 矩阵的底层数据地址，并将其传递给 Armadillo 的构造函数。注意，这种方式仅适用于连续存储的矩阵[^2]。
---
#### 注意事项
1. **数据类型匹配**：
OpenCV 支持多种数据类型（如 `uint8`, `float`, `double` 等），而 Armadillo 默认支持双精度浮点数 (`double`)。因此，在转换前可能需要对数据进行类型转换。
2. **内存管理**：当采用内存共享方式时，必须确保原始 `cv::
Mat` 对象在其整个生命周期内保持有效，否则可能导致未定义行为。
3. **性能优化**：对于大尺寸矩阵，建议优先考虑内存共享方法以减少冗余拷贝开销。
---
### 示例测试代码
以下是一个完整的示例程序，演示如何将
OpenCV 的灰度图像转换为 Armadillo 矩阵：
```cpp
#include <iostream>
#include <armadillo>
#include <
opencv2/core.hpp>
#include <
opencv2/imgcodecs.hpp>
// 定义转换函数
void Cv_
mat_to_arma_
mat(const cv::
Mat& cv_
mat_in, arma::
mat& arma_
mat_out) {
arma_
mat_out.set_size(cv_
mat_in.rows, cv_
mat_in.cols);
for (int r = 0; r < cv_
mat_in.rows; ++r) {
for (int c = 0; c < cv_
mat_in.cols; ++c) {
arma_
mat_out(r, c) = static_cast<double>(cv_
mat_in.at<float>(r, c));
}
}
}
int main
() {
// 加载一张灰度图像并转换为浮点类型
cv::
Mat img = cv::imread("image.png", cv::IMREAD_GRAYSCALE);
if (img.empty
()) {
std::cerr << "Error loading image." << std::endl;
return -1;
}
img.convertTo(img, CV_32F);
// 创建目标 Armadillo 矩阵
arma::
mat arma_img;
Cv_
mat_to_arma_
mat(img, arma_img);
// 打印部分结果
std::cout << "Armadillo
Matrix Size: " << arma_img.n_rows << "x" << arma_img.n_cols << std::endl;
std::cout << "First few elements of the
matrix:" << std::endl << arma_img.sub
mat(0, 0, 5, 5) << std::endl;
return 0;
}
```
---
本文解释了在内存中Mat数据结构的连续性概念及其重要性。通常情况下，Mat数据的每一行在内存中是连续存储的；然而，在进行某些操作如选取感兴趣区域（ROI）后，这种连续性可能会被打破。
扫一扫
3266
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
