OpenCV中Mat的詳解

每次碰到Mat都得反覆查具體的用法，網上的基礎講解很少，可貴看到一篇，趕快轉來收藏~

原文地址： http://www.opencvchina.com/thread-1039-1-1.html

目標

咱們有多種方法能夠得到從現實世界的數字圖像：數碼相機、掃描儀、計算機體層攝影或磁共振成像就是其中的幾種。在每種狀況下咱們（人類）看到了什麼是圖像。可是，轉換圖像到咱們的數字設備時咱們的記錄是圖像的每一個點的數值。

 

例如在上圖中你能夠看到車的鏡子只是一個包含全部強度值的像素點矩陣。如今，咱們如何獲取和存儲像素值可能根據最適合咱們的須要而變化，最終可能減小計算機世界內的全部圖像數值矩陣和一些其餘的信息的描述基質自己。OpenCV 是一個計算機視覺庫，其主要的工做是處理和操做，進一步瞭解這些信息。所以，你須要學習和開始熟悉它的第一件事是理解OpenCV 是如何存儲和處理圖像。

Mat

OpenCV 自 2001 年出現以來。在那些日子裏庫是圍繞C接口構建的。在那些日子裏，他們使用名爲IplImage C 的結構在內存中存儲圖像。這是您將在大多數較舊的教程和教材中看到的那個。使用這個結構的問題是將 C 語言的全部負面效果都擺到了桌面上。最大的問題是手動管理。它是創建在用戶來負責處理內存分配和解除分配的假設之上的。當程序規模較小時，這是沒有問題的，一旦代碼基開始變得愈來愈大它將會愈來愈掙扎着處理全部這一切而不是着眼於實際解決本身的開發目標。

幸運的是 c + + 出現了，並引入了類的概念，使得爲用戶開闢另外一條路成爲可能：

自動內存管理 （或多或少）。好消息是，c + +，若是徹底兼容 C 因此進行更改時沒有兼容性問題產生。所以， OpenCV其2.0 版本引入一個新的c + + 接口，經過利用這些優勢將爲你的工做提供新的方法。某種程度上，在其中您不須要撥弄內存管理讓你的代碼簡潔 （寫得更少，實現的更多）。C + + 接口的惟一主要缺點在於，目前許多嵌入式的開發系統支持僅 C.所以，除非您的目標是這一平臺，不然就沒有理由再使用舊的方法（除非你是個受虐狂程序員和喜歡自討苦吃）。

你須要知道的關於Mat的第一件事是你再也不須要手動分配其大小而且當你不須要它的時候你再也不須要手動釋放它。雖然這樣作仍然是可能的，大多數 OpenCV 函數將手動分配其輸出數據。還有一個額外的好處是若是傳遞一個已存在Mat對象，它已經爲矩陣分配所需的空間，這段空間將被重用。也就是說咱們在任什麼時候候只使用與咱們執行任務時所必須多的內存同樣多的內存。

Mat本質上是由兩個數據部分組成的類： （包含信息有矩陣的大小，用於存儲的方法，矩陣存儲的地址等） 的矩陣頭和一個指針，指向包含了像素值的矩陣（可根據選擇用於存儲的方法採用任何維度存儲數據）。矩陣頭部的大小是恆定的。然而，矩陣自己的大小因圖像的不一樣而不一樣，一般是較大的數量級。所以，當你在您的程序中傳遞圖像並在有些時候建立圖像副本您須要花費很大的代價生成圖像矩陣自己，而不是圖像的頭部。OpenCV 是圖像處理庫，它包含大量的圖像處理函數。若要解決的計算挑戰，最終大部分時間你會使用庫中的多個函數。因爲這一緣由圖像傳給庫中的函數是一種常見的作法。咱們不該忘記咱們正在談論每每是計算量至關大的圖像處理算法。咱們想要作的最後一件事是經過製做沒必要要的可能很大的圖像的拷貝進一步下降您的程序的速度。

爲了解決這一問題 OpenCV 使用引用計數系統。其思想是Mat的每一個對象具備其本身的頭，但可能他們經過讓他們矩陣指針指向同一地址的兩個實例之間共享該矩陣。此外，拷貝運算符將只能複製矩陣頭部，也還將複製指向矩陣的指針，但不復制矩陣自己。

 

1. Mat A, C; //僅建立了頭部
2. A = imread(argv[1], CV_LOAD_IMAGE_COLOR); //在此咱們知道使用的方法（分配矩陣）
3. Mat B(A); //使用拷貝構造函數
4. C = A; //賦值運算符

 

上文中的全部對象，使用同一個數據矩陣。他們的頭不一樣，可是其中任何一個對矩陣進行修改，都會將影響全部其餘的矩陣。在實踐中的不一樣對象只是提供相同的底層數據不一樣的訪問方法，然而，它們的頭部是不一樣的。真正有趣的部分是您能夠建立僅指向完整數據的一小部分的頭。例如，要在圖像中建立興趣區域 ( ROI) 只需建立一個新頭設置新邊界：

 

Mat D (A, Rect(10, 10, 100, 100) );

Mat E = A(Range:all(), Range(1,3));

 

 

如今，你可能會問多個Mat對象使用同一片數據，這片數據何時清理。簡短的回答是：由最後一個使用它的對象清理。這裏使用引用計數的機制，每當有人複製Mat對象的頭，計數器增長。每當一個頭被清除，計數器下調。當計數器變爲零，矩陣也就被釋放了。由於有時會仍然也要複製矩陣的自己，存在着 clone() 或 copyTo() 函數。

 

Mat F = A.clone();

Mat G;

A.copyTo(G);

 

 

如今 modifyingForGwill 不會影響由 theMatheader 指出的矩陣。你要記得從全部的是：

一、輸出圖像分配 OpenCV 功能是自動 （除非另行指定，不然）。

二、用c + + OpenCV的接口就無需考慮內存釋放。

三、賦值運算符和複製構造函數 （構造函數）只複製頭。

四、使用clone () 或copyTo () 函數將複製的圖像的基礎矩陣。

存儲方法

這是關於你是如何存儲的像素值。您能夠選擇的顏色空間和使用的數據類型。色彩空間是指咱們如何結合爲了代碼指定的顏色的顏色份量。最簡單的是灰色的規模。在這裏咱們所掌握的顏色是黑色和白色。組合的這些讓咱們能創造不少的灰度級。

對於彩色的方法，咱們有不少方法可供選擇。不過，每一就是將他們拆解成三個或四個基本組成部分，這些部分就會組合給全部其餘的方法。最受歡迎的這一個 RGB，主要是由於這也是咱們的眼睛如何創建中咱們的眼睛的顏色。其基準的顏色是紅、 綠、 藍。編寫代碼的一種顏色的透明度有時第四個元素： 添加 alpha (A)。可是，它們不少顏色系統每一個具備自身的優點：

一、RGB 是最多見的是咱們的眼睛使用相似的事情，咱們顯示系統還撰寫使用這些顏色。

· 單純皰疹和合肥分解顏色到他們的色相、 飽和度和亮度值/組件，這是咱們來描述顏色更天然的方式。您使用，例如可駁回的最後一個組件，使你不那麼明智的輸入圖像的光照條件的算法。

二、 YCrCb 使用流行的 JPEG 圖像格式。

三、 CIE L *b*a 是均勻顏色空間，它是很是方便的若是您須要測量給定的顏色，以另外一種顏色的距離。

如今，每一個建築構件都本身有效的域。這會致使使用的數據類型。咱們如何存儲組件的定義只是如何精細的控制，咱們已於其域。最小的數據類型多是 char 類型，這意味着一個字節或 8 位。這多是有符號（值-127 到 + 127）或無符號（以即可以存儲從 0 到 255 之間的值）。雖然這三個組件的狀況下已經給 16 萬可能的顏色來表示 （如 RGB 的狀況下） 咱們可能經過使用浮點數 （4 字節 = 32 位） 或double（8 字節 = 64 位） 數據類型的每一個組件得到甚至更精細的控制。然而，請記住增長組件的大小也會增長在內存中的整張圖片的大小。

顯式建立Mat對象

在Load, Modify and Save an Image 教程中，你已經能夠看到如何使用readWriteImageVideo： 'imwrite() <imwrite>' 函數將一個矩陣寫到一個圖像文件中。然而，出於調試目的顯示的實際值就方便得多。您能夠實現此經過Mat的 <<運算符。不過，請注意這僅適用於二維矩陣。

雖然Mat是一個偉大的圖像容器類，它也是通常矩陣類。所以，利用Mat建立和操做多維矩陣是可能的。您能夠經過多種方式建立Mat的對象：

一、 Mat()構造函數

Mat M(2,2, CV_8UC3, Scalar(0,0,255));

 

cout << "M = " << endl << " " << M << endl << endl;

對於二維的和多通道的圖像，咱們首先定義它們的大小：按行和列計數。

而後咱們須要指定的數據類型，用於存儲元素和每一個矩陣點通道的數量。爲此，咱們根據如下的約定能夠做出多個定義：

CV_ [每一項的位數] [有符號或無符號] [類型前綴] C [通道數]

例如，CV_8UC3 意味着咱們使用那些長的 8 位無符號的 char 類型和每一個像素都有三個項目的這三個通道的造成。這是預約義的四個通道數字。Scalar 是四個元素短向量。指定此和能夠初始化全部矩陣點與自定義的值。可是若是你須要更多您能夠建立與上部宏和頻道號碼放在括號中，您能夠看到下面的類型。

使用 C\C++ 數組和經過構造函數來初始化

 

int sz[3] = {2,2,2};

Mat L(3,sz,CV_8UC(1),Scalar::all(0));

 

上例爲咱們展現瞭如何建立一個二維以上的矩陣。首先指定其維度數，而後傳入一個包含了每一個維度尺寸信息的指針，其餘都保持不變。

二、爲一個已經存在的IplImage建立一個頭：

IplImage* img = cvLoadImage("greatwave.png", 1);

Mat mtx(img); // 轉換 IplImage*-> Mat

 

三、 Create()函數:

M.create(4,4, CV_8UC(2));

cout << "M = "<< endl << " " << M << endl << endl;

 

你不能經過這個構造來初始化矩陣中的數值。它只會在新的矩陣尺寸與舊的矩陣尺寸不合時從新分配矩陣的數據空間。

 MATLAB風格的初始化函數：zeros()， ones()，

：eyes().指定使用的尺寸和數據類型

 

Mat E = Mat::eye(4, 4, CV_64F)；

cout << "E = " << endl << " " << E << endl << endl;

Mat O = Mat::ones(2, 2, CV_32F);

cout << "O = " << endl << " " << O << endl << endl;

Mat Z = Mat::zeros(3,3, CV_8UC1);

cout << "Z = " << endl << " " << Z << endl << endl;

 

 

 

對於小的矩陣來講你可使用逗號隔開的初始化函數：

Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);

cout << "C = " << endl << " " << C << endl << endl;

爲一個已有的Mat對象建立一個新的頭而後clone()或者copyTo()這個頭.

Mat RowClone = C.row(1).clone();

cout << "RowClone = " << endl << " " << RowClone << endl << endl;

 

打印格式

注意：你能夠經過用randu()函數產生的隨機值來填充矩陣。你須要給定一個上限和下限來確保隨機值在你指望的範圍內：

Mat R = Mat(3, 2, CV_8UC3);

cv::randu(R, Scalar::all(0), Scalar::all(255));

randu(cv::Mat &dat ,const cv::Scalar &low,const cv::Scalar &high);

在上一個例子中你能夠看到默認的格式選項。儘管如此，OpenCV容許你在符合如下規則的同時格式化你的輸出：

默認

cout << "R (default) = " << endl << R << endl << endl;

 

Python

cout << "R (python) = " << endl << format(R,"python") << endl << endl;

 

Comma separated values (CSV)

cout << "R (csv) = " << endl << format(R,"csv" ) << endl << endl;

 

Numpy

cout << "R (numpy) = " << endl << format(R,"numpy" ) << endl << endl;

 

C

cout << "R (c) = " << endl << format(R,"C" ) << endl << endl;

 

打印出其它常見數據項

OpenCV 經過<<操做符也爲其餘經常使用OpenCV數據結構提供打印輸出的支持，如：

2D 點

Point2f P(5, 1);

cout << "Point (2D) = " << P << endl << endl;

 

3D 點

Point3f P3f(2, 6, 7);

cout << "Point (3D) = " << P3f << endl << endl;

 

std::vector經過 cv::Mat

vector<float> v;

v.push_back( (float)CV_PI); v.push_back(2); v.push_back(3.01f);

cout << "Vector of floats via Mat = " << Mat(v) << endl << endl;

 

點的std::vector

vector<Point2f> vPoints(20);

for (size_t E = 0; E < vPoints.size(); ++E)

vPoints[E] = Point2f((float)(E*5), (float)(E % 7));

cout << "A vector of 2D Points = " << vPoints << endl << endl;

 

這裏大多數的例程都是在一個小控制檯程序裏運行。你能夠在這裏下載或是在cpp示例文件夾下找到。

Mat::~Mat

Mat的析構函數。

C++: Mat::~Mat()

析構函數調用Mat::release()。

Mat::operator =

提供矩陣賦值操做。

C++: Mat& Mat::operator=(const Mat& m)

C++: Mat& Mat::operator=(const MatExpr_Base& expr)

C++: Mat& Mat::operator=(const Scalar& s)

參數：

m – 被賦值的右側的矩陣。 矩陣的賦值是一個複雜度爲O(1) 的操做。 這就意味着沒有複製數據段，而且兩矩陣將使用同一引用計數器。在給矩陣賦新數據以前先由Mat::release()釋放引用。

expr –被賦值的矩陣表達式對象。 做爲第一種賦值方式的逆操做第二種形式能夠被從新用到具備適當大小和尺寸的已分配空間的矩陣上以適應表達式的結果。矩陣表達式擴展獲得的實函數將自動處理這個分配過程。例如：

C=A+B 擴展成add(A, B, C) , andadd() 要小心C從新分配數據的操做。.

s – 標量賦值給每個矩陣元，矩陣的大小和類型將不會改變。有現成的賦值運算符。因爲他們各不相同請閱讀運算符參數說明。

Mat::operator MatExpr

提供一種Mat-to-MatExpr轉換運算符

C++: Mat::operator MatExpr_<Mat, Mat>() const

轉換運算符不能顯示調用而是由矩陣表達式引擎（Matrix Expression engine）內部調用The cast operator should not be called explicitly. It is used internally by the Matrix Expressions engine.

Mat::row

建立一個指定行數的矩陣頭。.

C++: Mat Mat::row(int i) const

參數：

i – 一個0基的行索引.

該方法建立一個具備指定了行數的新矩陣頭的矩陣並返回它。這是一個複雜度爲O(1) 的操做，無須考慮矩陣的尺寸。新矩陣和原矩陣共享一份基礎數據。這是一個典型基本矩陣處理操做的例子, axpy是LU和許多其它算法都使用的一個函數

inline void matrix_axpy(Mat& A, int i, int j, double alpha)

{

A.row(i) += A.row(j)*alpha;

}

Note：在當前實現中，下面的代碼不會沒法按預期的效果工做：

Mat A ;

...

A.row(i) = A.row(j) ；/ /不起做用

發生這種狀況是由於 A.row(i) 造成臨時矩陣頭進一步分配給另外一個矩陣頭。請記住，每一個操做複雜度爲O（1），即沒有複製任何數據。所以，若是你預期第 j行被複制到第 i行，那麼上述賦值不成立。要作到這一點，應該把這種簡單的賦值轉換到表達式中或使用 Mat::copyTo() 方法：

Mat A ;

...

/ / 可行，但看上去有點目的不明確。

A.row(i) = A.row(j) + 0;

/ / 這是有點兒長，但這是推薦的方法。

A.row(j).copyTo(A.row(i)) ;

Mat::col

建立一個具備指定了矩陣頭中列數這個參數的矩陣

C++: Mat Mat::col(int j) const

參數：

j –一個0基（從0開始）的列索引

該方法建立一個具備指定了矩陣頭中列數這個參數的新矩陣並做爲函數返回值。這是一種複雜度爲O(1)的操做，不用考慮矩陣的尺寸大小。新矩陣和原始矩陣共享一份基礎數據。參看Mat::row()說明信息。

Mat::rowRange

爲指定的行span建立一個新的矩陣頭。

C++: Mat Mat::rowRange(int startrow, int endrow) const

C++: Mat Mat::rowRange(const Range& r) const

參數：

startrow – 一個包容性的0基（從0開始）的行span起始索引.。

endrow – 一個0基的獨佔性的行span.終止索引。

r – Range 結構包含着起始和終止的索引值。該方法給矩陣指定的行span建立了新的頭。 與Mat::row() 和 Mat::col()相相似這是一個複雜度爲O(1)的操做。

Mat::colRange

爲指定的行span建立一個矩陣頭。

C++: Mat Mat::colRange(int startcol, int endcol) const

C++: Mat Mat::colRange(const Range& r) const

參數：

startcol – 一個包容性的0基（從0開始）的span列起始索引。

endcol –一個0基的獨佔性的列span.終止索引。

r –Range 結構包含着起始和終止的索引值。該方法給矩陣指定的列span建立了新的頭。 與Mat::row() 和 Mat::col()相相似這是一個複雜度爲O(1)的操做。

Mat::diag

提取或建立矩陣對角線。

C++: Mat Mat::diag(int d) const

C++: static Mat Mat::diag(const Mat& matD)

參數：

d – 對角線的索引值，能夠是如下的值：

– d=0 是主對角線

– d>0表示下半部的對角線。例如：d=1對角線是緊挨着住對角線並位於矩陣下方。

– d<0表示來自矩陣上半部的對角線。例如：d= 1表示對角線被設置在對角線的上方並緊挨着。

matD – 單列用於造成矩陣對角線的列。

該方法爲指定的矩陣建立一個新的頭。而後新矩陣被分割爲單獨的列矩陣。相似於Mat::row() 和Mat::col() ,它是複雜度爲O(1)操做。

Mat::clone

建立一個數組及其基礎數據的完整副本。

C++: Mat Mat::clone() const

該方法建立了一個完整的數組副本。原始的step[]不會被考慮在內的。所以數組的副本是一佔用total（）*elemSize（）字節的連續陣列。

Mat::copyTo

把矩陣複製到另外一個矩陣中。

C++: void Mat::copyTo(OutputArray m) const

C++: void Mat::copyTo(OutputArray m, InputArray mask) const

參數：

m – 目標矩陣。若是它的尺寸和類型不正確，在操做以前會從新分配。

mask – 操做掩碼。它的非零元素表示矩陣中某個要被複制。

該方法把矩陣的複製到另外一個新的矩陣中在複製以前該方法會調用

m.create(this->size(), this->type);

所以，目標矩陣會在必要的狀況下從新分配

儘管m.copyTo(m) works ?awlessly,該函數並不處理源矩陣和目標矩陣之間有重疊的部分的狀況。當操做掩碼指定以及上述的Mat::create從新分配矩陣，新分配的矩陣在數據複製到裏面以前全都被初始化爲０。

Mat::convertTo

在縮放或不縮放的狀況下轉換爲另外一種數據類型。

C++:

void Mat::convertTo(OutputArray m,int rtype,double alpha=1,double beta=0)const

參數：

m – 目標矩陣。若是它的尺寸和類型不正確，在操做以前會從新分配。

rtype – 要求是目標矩陣的類型，或者在當前通道數與源矩陣通道數相同的狀況下的depth。若是rtype 爲負，目標矩陣與源矩陣類型相同。

beta – 可選的delta加到縮放值中去。

該方法將源像素值轉化爲目標類型saturate_cast<> 要放在最後以免溢出

m( x;y) = saturate_cast < rType > ( α*( *this)( x;y) +β)

Mat::assignTo

提供了一個convertTo的功能形式。

C++: void Mat::assignTo(Mat& m, int type=-1 ) const

Parameters

m – 目標陣列。

type – 要求是目標陣列depth或－１（若是陣列的類型和源矩陣類型相同）

這是一個 internally 使用的由 Matrix Expressions引擎調用的方法。

Mat::setTo

將陣列中全部的或部分的元素設置爲指定的值。

C++: Mat& Mat::setTo(const Scalar& s, InputArray mask=noArray())

參數：

s – 把標量賦給陣列並轉化到陣列的實際類型。

mask – 與 *this尺寸相同的操做掩碼。這是Mat::operator=(const Scalar& s)運算符的一個高級變量。

Mat::reshape

在無需複製數據的前提下改變2D矩陣的形狀和通道數或其中之一。

C++: Mat Mat::reshape(int cn, int rows=0) const

參數：

cn – 新的通道數。若cn=0，那麼通道數就保持不變。

rows –新的行數。 若rows = 0, 那麼行數保持不變。

該方法爲*this元素建立新的矩陣頭。這新的矩陣頭尺寸和通道數或其中之一發生改變，在如下的狀況任意組合都是有可能的：

ü 新的矩陣沒有新增或減小元素。一般，rows*cols*channels()在轉換過程當中保持一致。.

ü 無數據的複製。也就是說，這是一個複雜度爲 O(1)的操做。一般，若是該操做改變行數或透過其餘方式改變元素行索引，那麼矩陣一定是連續的。參見Mat::isContinuous()。

例如，有一存儲了STL向量的三維點集，你想用3xN的矩陣來完成下面的操做：

std::vector<Point3f> vec;

...

Mat pointMat = Mat(vec). //把向量轉化成Mat, 複雜度爲O(1)的運算

reshape(1). // 從Nx1的3通道矩陣得出Nx3 的單通道矩陣

//一樣是複雜度爲O(1)的運算

t(); // 最後轉置Nx3 的矩陣

//這個過程要複製全部的元素

Mat::t

轉置矩陣。.

C++: MatExpr Mat::t() const

該方法經過矩陣表達式（matrix expression）實現矩陣的轉置The method performs matrix transposition by means of matrix expressions. 它並未真正完成了轉置但卻返回一個臨時的能夠進一步用在更復雜的矩陣表達式中或賦給一個矩陣的轉置矩陣對象：

Mat A1 = A + Mat::eye(A.size(), A.type)*lambda;

Mat C = A1.t()*A1; //計算(A + lambda*I)^t * (A + lamda*I).

Mat::inv

反轉矩陣

C++: MatExpr Mat::inv(int method=DECOMP_LU) const

參數:

method – 反轉矩陣的方法。有如下幾種可能的值：

– DECOMP_LU是 LU 分解必定不能是單數的。

– DECOMP_CHOLESKY 是 Cholesky LLT只適用於對稱正矩陣的分解。該類型在處理大的矩陣時的速度是LU的兩倍左右。

– DECOMP_SVD是 SVD 分解。若是矩陣是單數或甚至不是2維，函數就會計算僞反轉矩陣。

該方法執行矩陣的反轉矩陣表達。這意味着該方法返回一個臨時矩陣反轉對象並可進一步用於更復雜的矩陣表達式的中或分配給一個矩陣。

Mat::mul

執行兩個矩陣按元素相乘或這兩個矩陣的除法。

C++: MatExpr Mat::mul(InputArray m, double scale=1) const

參數：

m – 與*this具備相同類型和大小的矩陣,或矩陣表達式。

scale – 可選縮放係數。

該方法返回一個用可選的縮放比率編碼了每一個元素的數組乘法的臨時的對象。 注意：這不是一個對應「*」運算符的簡單的矩陣乘法。.

例：:

Mat C = A.mul(5/B); // 等價於divide(A, B, C, 5)

Mat::cross

計算3元素向量的一個叉乘積。

C++: Mat Mat::cross(InputArray m) const

參數：

m –另外一個叉乘操做對象。

該方法計算了兩個３元素向量的叉乘的積被操做向量必須是３元素浮點型的具備相同形狀和尺寸的向量。結果也是一語被操做對象的具備相同形狀和大小的浮點型３元素向量。

Mat::dot

計算兩向量的點乘。

C++: double Mat::dot(InputArray m) const

參數：

m –另外一個點積操做對象。

方法計算兩個矩陣的點積。若是矩陣不單列或單行的向量，用頂部到底部從左到右掃描次序將它們視爲 1 D向量。這些向量必須具備相同的大小和類型。若是矩陣有多個通道，從全部通道獲得的點積會被加在一塊兒。

Mat::zeros

返回指定的大小和類型的零數組。

C++: static MatExpr Mat::zeros(int rows, int cols, int type)

C++: static MatExpr Mat::zeros(Size size, int type)

C++: static MatExpr Mat::zeros(int ndims, const int* sizes, int type)

參數

ndims – 數組的維數。

rows–行數。

cols –列數。

size–替代矩陣大小規格Size(cols, rows)的方法。

sizes– 指定數組的形狀的整數數組。

type– 建立的矩陣的類型。

該方法返回一個 Matlab 式的零數組初始值設定項。它能夠用於快速造成一個常數數組做爲函數參數，做爲矩陣的表達式或矩陣初始值設定項的一部分。

Mat A；

A = Mat::zeros （3，3，CV_32F）；

在上面的示例中，只要A不是 3 x 3浮點矩陣它就會被分配新的矩陣。不然爲現有的

矩陣 A填充零。

Mat::ones

返回一個指定的大小和類型的全爲1的數組。

C++: static MatExpr Mat::ones(int rows, int cols, int type)

C++: static MatExpr Mat::ones(Size size, int type)

C++: static MatExpr Mat::ones(int ndims, const int* sizes, int type)

參數：

ndims –數組的維數。

rows –行數。.

cols –列數。

size –替代矩陣大小規格Size(cols, rows)的方法。

sizes –指定數組的形狀的整數數組。

type –建立的矩陣的類型。

該方法返回一個 Matlab 樣式 1 的數組初始值設定項，相似Mat::zeros()。請注意，這種方法中你可使用任意一個值和Matlab 語法初始化數組以下：

Mat A = Mat::ones (100，100，CV_8U) * 3 ；/ / 使100 x 100 矩陣裏充滿 3。

上述操做不會造成一個 100 x 100 1 的矩陣，而後乘以 3。相反，它只是記住

縮放因子（在本例中 3）在實際調用矩陣初始值設定項時使用它。