opencv 把3通道图像转成单通道_Opencv的Mat内容小记

1.Mat是什么

Mat是一种图像容器，是二维向量，灰度图的Mat一般存放<uchar>类型，RGB彩色图像一般存放<Vec3b>类型。

单通道灰度图数据存放样式：

RGB三通道彩色图存放形式不同，每列并列存放通道数量的子列（注意通道数量反转为了BGR）：

通常情况下Mat的每一行是连续存放的，也就是在内存上图像的所有数据存放成一行，在用指针访问时可以提供很大方便。可以用 isContinuous()函数来判断图像数组是否为连续的，语句为

if (img.isContinuous()){}

2.如何创建Mat对象

Mat到底有哪些参数呢，OpenCV官方文档对Mat的描述如下：

class 

当我们用构造函数创建一个Mat对象的时候，可以指定图像的数据类型有CV_8UC1、CV_8UC3、CV_32FC1、CV_32FC3等多种形式，如定义

Mat img(480, 640, CV_16UC1);

就是创建一个640*480的16位深的单通道Mat对象。CV_8UC3自然就是最常见的8位3通道图（即255的RGB图像）。

当然最常用的是用opencv读入一张本地图像，此时自动就是一个Mat对象，但有时我们需要像python里的numpy那样方便地转换Mat对象的数据类型，numpy里可以这样操作

img

在C++的opencv里，就是这样转为16位的无符号整数三通道的：

using 

Mat也可以通过深拷贝创建一个新地址的Mat，避免影响原始的Mat:

Mat copy;
image.copyTo(copy);

除此之外，python的numpy里经常采用如下的方式构建全1的矩阵：

import 

那么c++里如何构建这样的Mat呢？

Mat 

这样就创建了一个全为1的矩阵了（类似的可以zeros等等是一样的创建方法）。

有时我们对图像进行一些像素值的缩放，也就是对某个图像进行全部元素的加减乘除，python里自然非常方便，如所有元素除以100，那么image / 100.0即可。c++里使用convertTo非常容易实现这点（不必for循环了）。

如果我们要对矩阵A进行元素的加减乘除操作得到B，即B=a*A+b，则

A

举个例子，刚刚提到的全部元素除以100那就是

A.convertTo(B,CV_32F,0.01,0.00);

3.Mat对象如何访问元素

从Mat的类定义看，用data可以方便访问图像元素值。用Mat存储一幅图像时，若图像在内存中是连续存储的（即Mat对象的isContinuous == true），则可将图像的数据看成是一个一维数组，而其data（uchar*）成员就是指向图像数据的第一个字节的指针，因此可以用data指针访问图像数据，OpenCV中将data定义为uchar*类型。那么我们如何通过data指针去访问和修改图像的某一个像素值呢，对于数据为uchar类型的Mat对象，可以直接用data访问和修改，对于其他类型的Mat对象，将data强制转换成指向Mat对象对应数据类型的指针即可访问。

可以把Mat对象方便地转为一维指针数组，便于指针操作（指针访问数组进行操作速度更快）：

unsigned short* Array = (unsigned short*)Data.data;
delete[] Array;

也可借用opencv里Mat类的智能指针，这样即可auto data = Data.ptr();

对这个数组进行了一系列图像处理操作后，如果要保存回Mat便于后续imshow和imwrite，保存方式可以这样：

Mat newData(480, 640, CV_16UC3, Array);

当然这样是灵活的提供了自己创的指针，用了后还需要delete，为了方便可以用Mat自带的智能指针进行操作。

这里举一个实例：如果我们只对像素值小于0.1的像素才执行膨胀操作（也就是为了填充0），python里搞一个mask就可以轻易实现

empty_pixels 

在c++里则不然，用智能指针可以这样操作：（构建行智能指针数组）

Mat 

这样使用智能指针也可以(这样可以操作每个元素了)

 for (int k = 0; k < 480; k++)
    {
      for (int q = 0; q < 640; q++)
        {
           auto *ptr = depthArray.ptr<uint16_t>(k, q);
           if (ptr[0] ==0)
            {
             ptr[0] = 10;
            }
        }
    }

补充小tip：

记录一下常用的程序计时方法（和python里的time一样方便）：

clock_t 

这里记录一个好用的numpy的操作：numpy.where

np.where(condition, x, y)当满足condition时用x代替y，如

src

意思就是把小的像素值全都变为nan

另外，这里的condition也可以是布尔数组，每个条件都和x，y相对应（广播机制），x遇到False时由y给x对应位置的像素值。如

mask