OpenCV 之 Mat 类

  数字图像可看做一个数值矩阵, 当中的各个成分代表一个像素点,如下图所示:

   
爱博体育app 1

   OpenCV 中,用 Mat
来代表该数值矩阵,它是很入眼的风华正茂种数据构造,因为 OpenCV
中的超越一半函数都和 Mat 有关:

   有的是 Mat 的分子函数;有的把 Mat
作为参数;还应该有的将 Mat 作为再次来到值

 

 1  Mat 简介

  Mat,在 OpenCV 中象征的是 N
维稠密矩阵,与细密矩阵绝没错是疏弃矩阵(只存储非零的像素值),前面一个常用于直方图管理中,OpenCV 中对应该为 cv::SparseMat

 
如下所示:第叁个为稠密矩阵的仓库储存方式,存款和储蓄全部的像素数值;第三个为疏散矩阵的蕴藏方式,只存款和储蓄非零的像素值

      $\quad \begin{bmatrix} 0 & 2 & 0 \\ 1 & 0 & 1 \\ 0 & 2 & 0
\end{bmatrix} $        $\quad \begin{bmatrix}  & 2 &  \\ 1 &  & 1
\\  & 2 &  \end{bmatrix} $

  当 N=1 时,全体像素存款和储蓄为后生可畏行;当 N=2
时,全数像素遵照意气风发行行的顺序排列;当 N=3
时,全部像素根据一面面包车型地铁顺序排列,在那之中意气风发行行的像素构成贰个平面。

  下图左,为灰度图的贮存格局;图右,为 EscortGB
图像的储存方式,注意其积攒顺序为 BG讴歌ZDX (Blue->Green->Red卡塔尔

     爱博体育app 2    
爱博体育app 3

2  Mat 特点

2.1  组成

   Mat 类包括两有的,一是 矩阵头
(matrix header卡塔尔国,二是 矩阵指针 (pointer to
matrix卡塔尔(英语:State of Qatar),部分矩阵头如下:

int  flags;  // signaling the contents of the matrix
int  dims;   // dimensions
int  rows, cols;  // rows and columns 
MatSize  size;  // 
MatStep  step;  //

  矩阵指针如下,指向包括全体像素值的矩阵

uchar* data;  // pointer to the data

2.2  赋值算子

  Mat 类中的赋值算子 “=” 和
拷贝构造函数,涉及的是浅拷贝,由此,当试行那五个操作时,仅仅是复制了矩阵头。

  要是想要深拷贝,到达复制图像矩阵的指标,应运用 clone(卡塔尔 或 copyTo(卡塔尔 函数,如下图所示 (摘自参谋资料 —
4卡塔尔:

  
爱博体育app 4

2.3  代码示例

  上面是回顾的印证,将矩阵 m3 经过 copyTo(卡塔尔 函数复制给 m1,而 m2 是透过
m1 从来赋值的,二者指向的是如出一辙的数据。由此,要是改变了
m1,则 m2 一呼百应的矩阵数值,也会实行相应的转移。

Mat m1(3, 3, CV_32FC1, Scalar(1.1f) );
cout << "m1 = " << endl << " " << m1 << endl << endl;
// using assign operator
Mat m2 = m1;
cout << "m2 = " << endl << " " << m2 << endl << endl;

Mat m3(3, 3, CV_32FC1, Scalar(3.3f) );
m3.copyTo(m1);
cout << "m1 = " << endl << " " << m1 << endl << endl;
cout << "m2 = " << endl << " " << m2 << endl << endl;

3  Mat 创建

3.1  数据类型

  在开创 Mat 以前,首先了然 Mat 七月素的数据类型,其格式为 CV_{8U, 16S, 16U, 32S, 32F, 64F}C{1, 2,
3} 或 CV_{8U, 16S, 16U, 32S, 32F,
64F}C(n)

爱博体育app,  第二个 {} 内数据表示的意义如下:

CV_8U  - 8-bit 无符号整数 ( 0..255 )
CV_8S  - 8-bit 有符号整数 ( -128..127 )
CV_16U - 16-bit 无符号整数 ( 0..65535 )
CV_16S - 16-bit 有符号整数 ( -32768..32767 )
CV_32S - 32-bit 有符号整数 ( -2147483648..2147483647 )
CV_32F - 32-bit 浮点数 ( -FLT_MAX..FLT_MAX, INF, NAN )
CV_64F - 64-bit 浮点数 ( -DBL_MAX..DBL_MAX, INF, NAN )

 第二个 {} 内的数据 或 (n卡塔尔(英语:State of Qatar),表示的是图像矩阵的通道数,CV_8UC3 则约等于CV_8UC(3卡塔尔国,表示的数据类型为:3大路8位无符号整数

3.2  创造方式

3.2.1  结构函数

  创设二个 3 行 5 列,3 通道 32 位,浮点型的矩阵,通道 1, 2, 3
的值分别为 1.1f,2.2f,3.3f

Mat m(3, 5, CV_32FC3, Scalar(1.1f, 2.2f, 3.3f) );
cout << "m = " << endl << " " << m << endl << endl;

  输出的矩阵如下:

   爱博体育app 5

3.2.2  create 函数

  使用 Mat(卡塔尔国 + create(卡塔尔 + setTo(卡塔尔国,也得以营造如上的数值矩阵

Mat m;
// Create data area for 3 rows and 10 columns of 3-channel 32-bit floats
m.create(3,5,CV_32FC3);
// Set the values in the 1st channel to 1.0, the 2nd to 0.0, and the 3rd to 1.0
m.setTo(Scalar(1.1f, 2.2f,3.3f));
cout << "m = " << endl << " " << m << endl << endl;

3.2.3  特殊矩阵

  单位矩阵 (ones卡塔尔(英语:State of Qatar),对角矩阵 (eye卡塔尔(قطر‎,零矩阵 (zeros卡塔尔国,如下所示:

// 单位矩阵
Mat O = Mat::ones(3, 3, CV_32F);
cout << "O = " << endl << " " << O << endl << endl;
// 零矩阵
Mat Z = Mat::zeros(3, 3, CV_8UC1);
cout << "Z = " << endl << " " << Z << endl << endl;
// 对角矩阵
Mat E = Mat::eye(3, 3, CV_64F);
cout << "E = " << endl << " " << E << endl << endl;

4  Mat 遍历

4.1  at<>() 函数

   常用来遍历 Mat 成分的着力函数为 at<>(卡塔尔(قطر‎,个中 <> 内的数据类型,决计于 Mat 凉月素的数据类型,二者的料理关系如下:

CV_8U  --  Mat.at<uchar>(y,x)
CV_8S  --  Mat.at<schar>(y,x)
CV_16U --  Mat.at<ushort>(y,x)
CV_16S --  Mat.at<short>(y,x)
CV_32S --  Mat.at<int>(y,x)
CV_32F --  Mat.at<float>(y,x)
CV_64F --  Mat.at<double>(y,x)

  轻松的遍历如下,使用了 Qt 的 qDebug(卡塔尔 来突显输出

Mat m1 = Mat::eye(10, 10, CV_32FC1);
// use qDebug()
qDebug() << "Element (3,3) is : " << m1.at<float>(3,3);  

Mat m2 = Mat::eye(10, 10, CV_32FC2);
// use qDebug()
qDebug() << "Element (3,3) is " << m2.at<cv::Vec2f>(3,3)[0] << "," << m2.at<cv::Vec2f>(3,3)[1];

  注意:at<>(卡塔尔 函数中 (卡塔尔国 内,行索引号在前,列索引号在后,也即 (y, x卡塔尔(英语:State of Qatar)

4.2  遍历情势

4.2.1  高效遍历

Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() == CV_8U);
    int channels = I.channels();
    int nRows = I.rows;
    int nCols = I.cols * channels;
    if (I.isContinuous())
    {
        nCols *= nRows;
        nRows = 1;
    }
    int i,j;
    uchar* p;
    for(i=0; i<nRows; ++i)
    {
        p = I.ptr<uchar>(i);
        for (j = 0; j<nCols; ++j)
        {
            p[j] = table[p[j]];
        }
    }
    return I;
}

4.2.2  迭代器遍历

Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
{
    // accept only char type matrices
    CV_Assert(I.depth() == CV_8U);
    const int channels = I.channels();
    switch(channels)
    {
    case 1:
        {
            MatIterator_<uchar> it, end;
            for(it=I.begin<uchar>(), end=I.end<uchar>(); it!=end; ++it)
                *it = table[*it];
            break;
        }
    case 3:
        {
            MatIterator_<Vec3b> it, end;
            for(it=I.begin<Vec3b>(), end=I.end<Vec3b>(); it!=end; ++it)
            {
                (*it)[0] = table[(*it)[0]];
                (*it)[1] = table[(*it)[1]];
                (*it)[2] = table[(*it)[2]];
            }
        }
    }
    return I;
}

 4.2.3  耗费时间总计

  相比方面二种格局的耗费时间,可接受如下代码来实行测算:

double t = (double)getTickCount();
// do something ...
t = ((double)getTickCount() - t)/getTickFrequency();
qDebug() << "Times passed in seconds: " << t << endl; // using qDebug()

 

仿效资料:

 1.  <Learning OpenCV3> chapter 4

 2.  OpenCV Tutorials / The
Core Functionality (core module) / Mat – The Basic Image
Container

 3.  OpenCV Tutorials / The Core
Functionality (core module) / How to scan images, lookup
tables and time measurement with
OpenCV

 4. 
OpenCV基本功篇之Mat数据构造 

 

相关文章