OpenCV圖像處理之 Mat 介紹

我記得開始接觸OpenCV就是由於一個算法裏面須要2維動態數組，那時候看core這部分也算是蜻蜓點水吧，隨着使用的增多，對Mat這個結構愈來愈喜好，也以爲有必要溫故而知新，因而此次再看看Mat。

Mat最大的優點跟STL很類似，都是對內存進行動態的管理，不須要以前用戶手動的管理內存，對於一些大型的開發，有時候投入的lpImage內存管理的時間甚至比關注算法實現的時間還要多，這顯然是不合適的。除了有些嵌入式場合必須使用c語言，我任什麼時候候都強烈像你們推薦Mat。

Mat這個類有兩部分數據。一個是matrix header，這部分的大小是固定的，包含矩陣的大小，存儲的方式，矩陣存儲的地址等等。另外一個部分是一個指向矩陣包含像素值的指針。

 

Mat A, C; // creates just the header parts
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // here we’ll know the method used (allocate matrix)
Mat B(A); // Use the copy constructor
C = A; // Assignment operator

須要注意的是，copy這樣的操做只是copy了矩陣的matrix header和那個指針，而不是矩陣的自己，也就意味着兩個矩陣的數據指針指向的是同一個地址，須要開發者格外注意。好比上面這段程序，A、B、C指向的是同一塊數據，他們的header不一樣，但對於A的操做一樣也影響着B、C的結果。剛剛提升了內存自動釋放的問題，那麼當我再也不使用A的時候就把內存釋放了，那時候再操做B和C豈不是很危險。不用擔憂，OpenCV的大神爲咱們已經考慮了這個問題，是在最後一個Mat再也不使用的時候纔會釋放內存，我們就放心用就好了。

 

若是想創建互不影響的Mat，是真正的複製操做，須要使用函數clone()或者copyTo()。

說到數據的存儲，這一直就是一個值得關注的問題，Mat_<uchar>對應的是CV_8U，Mat_<uchar>對應的是CV_8U，Mat_<char>對應的是CV_8S，Mat_<int>對應的是CV_32S，Mat_<float>對應的是CV_32F，Mat_<double>對應的是CV_64F，對應的數據深度以下：

• CV_8U - 8-bit unsigned integers ( 0..255 )

• CV_8S - 8-bit signed integers ( -128..127 )

• CV_16U - 16-bit unsigned integers ( 0..65535 )

• CV_16S - 16-bit signed integers ( -32768..32767 )

• CV_32S - 32-bit signed integers ( -2147483648..2147483647 )

• CV_32F - 32-bit floating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )

• CV_64F - 64-bit floating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )

這裏還須要注意一個問題，不少OpenCV的函數支持的數據深度只有8位和32位的，因此要少使用CV_64F，可是vs的編譯器又會把float數據自動變成double型，有些不太爽。

還有個須要注意的問題，就是流操做符<<對於Mat的操做，僅限於Mat是2維的狀況。

還有必要說一下Mat的存儲是逐行的存儲的。

再說說Mat的建立，方式有兩種，羅列一下：1.調用create（行，列，類型）2.Mat（行，列，類型（值））。例如：

 

// make a 7x7 complex matrix filled with 1+3j.
Mat M(7,7,CV_32FC2,Scalar(1,3));
// and now turn M to a 100x60 15-channel 8-bit matrix.
// The old content will be deallocated
M.create(100,60,CV_8UC(15));

要是想建立更高維的矩陣，要寫成下面的方式

 

 

// create a 100x100x100 8-bit array
int sz[] = {100, 100, 100};
Mat bigCube(3, sz, CV_8U, Scalar::all(0));

對於矩陣的行操做或者列操做，方式以下：（注意對列操做時要新建一個Mat，我想應該跟列地址不連續有關）

// add the 5-th row, multiplied by 3 to the 3rd row
M.row(3) = M.row(3) + M.row(5)*3;
// now copy the 7-th column to the 1-st column
// M.col(1) = M.col(7); // this will not work
Mat M1 = M.col(1);
M.col(7).copyTo(M1);

下面的東西就比較狂暴了，對於外來的數據，好比你從別的地方接受了一幅圖片，但能夠不是Mat結構的，而只有一個數據的指針，看看接下來的代碼是如何應付的，重點哦，親

 

 

void process_video_frame(const unsigned char* pixels,
int width, int height, int step)
{
Mat img(height, width, CV_8UC3, pixels, step);
GaussianBlur(img, img, Size(7,7), 1.5, 1.5);
}

親，有木有很簡單！！！

 

還有一種快速初始化數據的辦法，以下：

 

double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};
Mat M = Mat(3, 3, CV_64F, m).inv();

也能夠把原來的IplImage格式的圖片直接用Mat（IplImage）的方式轉成Mat結構，也能夠像Matlab同樣調用zeros()、ones()、eye()這樣的函數進行初始化。

 

若是你須要提早釋放數據的指針和內存，能夠調用release()。

對於數據的獲取，固然仍是調用at<float>(3, 3)這樣的格式爲最佳。其餘的方法我甚少嘗試，就不敢介紹了。

最後要提的一點是關於Mat的表達式，這個也很是多，加減乘除，轉置求逆，我怎麼記得我之前介紹過呢。那就很少說啦~

 

 

轉自：http://blog.csdn.net/yang_xian521/article/details/7107786