OpenCv cv::Mat类用法

最新推荐文章于 2025-05-29 23:51:20 发布

行者1011

最新推荐文章于 2025-05-29 23:51:20 发布

阅读量1.1k

点赞数

分类专栏： opencv学习

opencv学习专栏收录该内容

25 篇文章

订阅专栏

本文深入探讨了OpenCV中Mat类的高效操作方法，通过实验对比了不同方式在处理大规模数据时的性能差异，并给出了推荐的操作策略。重点介绍了如何优化访问和修改矩阵元素的过程，同时附上了具体代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、使用准备：

using namespace cv;

2、Mat的声明

Mat m=Mat(rows, cols, type);

Mat m=Mat(Size(width,height), type);

Mat A=Mat(3,4,CV_32FC1);
Mat B=Mat(4,3,CV_32FC1);

3、Mat赋值

vector<Point3f>v;//suppose it is already full

Mat m1=Mat(v,true);//boolean value true is necessary in order to copy data from v to m1

CvMat p1=====??

Mat m2=Mat(p1);

4、Mat之间运算

MatC=2A*B;

Mat C=C.inv();//Now C is its own inverse matrix

Mat D=A.t();//D is the transposed matrix of A

Mat a=Mat(4,1, CV_32FC3);//a is 4x1, 3 channels

Mat b=a.reshape(1);//b is 4x3, 1 channel

5、单通道Mat元素读写

Mat a=Mat(4,3, CV_32FC1);

floatelem_a=a.at<float>(i,j);//access element aij, with i from 0 to rows-1 and j from 0 to cols-1

Point p=Point(x,y);

floatelem_a=a.at<float>(p);//Warning: y ranges from 0 to rows-1 and x from 0 to cols-1

6、多通道Mat元素读写

template<typename _Tp> _Tp& at(int y,int x);                // cxcore.hpp (868)
template<typename _Tp>const _Tp& at(int y,int x)const;    // cxcore.hpp (870)
template<typename _Tp> _Tp& at(Point pt); // cxcore.hpp (869)
template<typename _Tp>const _Tp& at(Point pt)const;        // cxcore.hpp (871)
// defineded in cxmat.hpp (454-468)
typedefVec<float,2>Vec2f;// cxcore.hpp (254)

// we can access the element like this :
Mat m(Size(3,3), CV_32FC2 );
Vec2f& elem = m.at<Vec2f>( row , col );// or m.at<Vec2f>( Point(col,row) );
elem[0]=1212.0f;
elem[1]=326.0f;
float c1 = m.at<Vec2f>( row , col )[0];// or m.at<Vec2f>( Point(col,row) );
float c2 = m.at<Vec2f>( row , col )[1];
m.at<Vec2f>( row, col )[0]=1986.0f;
m.at<Vec2f>( row, col )[1]=326.0f;

7.选取Mat上指定区域方法

Mat src; Rect rect;

Mat dst = src(rect); 或者Mat dst(src,rect);

注意：cv::Mat A;

A.row(i) = A.row(j); // 错误

A.row(i) = A.row(j) + 0; // 正确

OpenCV cv::Mat类操作

首先还是要感谢箫鸣朋友在我《OpenCV学习笔记（四十）——再谈OpenCV数据结构Mat详解》的留言，告诉我 M.at<float>(3, 3)在Debug模式下运行缓慢，推荐我使用M.ptr<float>(i)此类方法。这不禁勾起了我测试一下的冲动。下面就为大家奉上我的测试结果。

我这里测试了三种操作Mat数据的办法，套用流行词，普通青年，文艺青年，为啥第三种我不叫2b青年，大家慢慢往后看咯。

普通青年的操作的办法通常是M.at<float>(i, j)

文艺青年一般会走路线M.ptr<float>( i )[ j ]

暴力青年通常直接强制使用我第40讲提到的M.data这个指针

实验代码如下：

[cpp] view plain copy print ?

t = (double)getTickCount();
Mat img1(1000, 1000, CV_32F);
for (int i=0; i<1000; i++)
{
for (int j=0; j<1000; j++)
{
img1.at<float>(i,j) = 3.2f;
}
}
t = (double)getTickCount() - t;
printf("in %gms\n", t*1000/getTickFrequency());
/
t = (double)getTickCount();
Mat img5(1000, 1000, CV_32F);
float *pData1;
for (int i=0; i<1000; i++)
{
pData1=img5.ptr<float>(i);
for (int j=0; j<1000; j++)
{
pData1[j] = 3.2f;
}
}
t = (double)getTickCount() - t;
printf("in %gms\n", t*1000/getTickFrequency());
t = (double)getTickCount();
Mat img6(1000, 1000, CV_32F);
float *pData2;
Size size=img6.size();
if(img2.isContinuous())
{
size.width = size.width*size.height;
size.height = 1;
}
size.width*=img2.channels();
for(int i=0; i<size.height; i++)
{
pData2 = img6.ptr<float>(i);
for(int j=0; j<size.width; j++)
{
pData2[j] = saturate_cast<float>(3.2f);
}
}
t = (double)getTickCount() - t;
printf("in %gms\n", t*1000/getTickFrequency());

测试结果：

	Debug	Release
加强版文艺青年	5.74ms	2.43ms
终极版文艺青年	40.12ms	2.34ms

我的测试结果感觉这两种方案只是锦上添花的效果，也使大家的操作有了更多的选择，但感觉在速度上并没有数量级的提升，再次感谢箫铭对我blog的支持。后来箫铭说saturate_cast才把速度降下来，我很同意，就不贴上去测试结果了。但我查看资料了解了一下 saturate_cast的作用。可以看成是类型的强制转换，比如对于saturate_cast<uchar>来说，就是把数据转换成8bit的0~255区间，负值变成0，大于255的变成255。如果是浮点型的数据，变成round最近的整数，还是很有用处的函数，推荐大家在需要的时候尝试。