[OpenCV學習筆記2][Mat數據類型和操做]

[Mat數據類型和基本操做]

®.運行環境：Linux（RedHat+OpenCV3.0）

1.Mat的做用：

Mat類用於表示一個多維的單通道或者多通道的稠密數組。可以用來保存實數或複數的向量、矩陣，灰度或彩色圖像，立體元素，點雲，張量以及直方圖（高維的直方圖使用SparseMat保存比較好）。簡而言之，Mat就是用來保存多維的矩陣的。

2.Mat的常見屬性：

• data：  

       uchar類型的指針，指向Mat數據矩陣的首地址。能夠理解爲標示一個房屋的門牌號；

• dims： 

        Mat矩陣的維度，若Mat是一個二維矩陣，則dims=2，三維則dims=3，大多數狀況下處理的都是二維矩陣，是一         個平面上的矩陣。

 

        能夠理解爲房屋是一個一層的平房，三維或更多維的則是多層樓房；

• rows：

        Mat矩陣的行數。可理解爲房屋內房間行數；

• cols： 

        Mat矩陣的列數。可理解爲房屋內房間列數；

• size()：

        首先size是一個結構體，定義了Mat矩陣內數據的分佈形式，數值上有關係式：

 

         image.size().width==image.cols;        image.size().height==image.rows                                                      

         能夠理解爲房屋內房間的總體佈局，這其中包括了房間分別在行列上分佈的數量信息；

• channels()：

        Mat矩陣元素擁有的通道數。例如常見的RGB彩色圖像，channels==3；而灰度圖像只有一個灰度份量信息，             channels==1。

 

        能夠理解爲每一個房間內放有多少牀位，3通道的放了3張牀，單通道的放了1張牀；

• depth： 

        用來度量每個像素中每個通道的精度，但它自己與圖像的通道數無關！depth數值越大，精度越高。在                 Opencv中，Mat.depth()獲得的是一個0~6的數字，分別表明不一樣的位數，對應關係以下：                            

 

        enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}          

        其中U是unsigned的意思，S表示signed，也就是有符號和無符號數。

        能夠理解爲房間內每張牀能夠睡多少人，這個跟房間內有多少牀並沒有關係；

• elemSize：

        elem是element(元素)的縮寫，表示矩陣中每個元素的數據大小，若是Mat中的數據類型是CV_8UC1，那麼             elemSize==1；若是是CV_8UC3或CV_8SC3，那麼elemSize==3；若是是CV_16UC3或者CV_16SC3，那麼             elemSize==6；即elemSize是以8位（一個字節）爲一個單位，乘以通道數和8位的整數倍；

 

        能夠理解爲整個房間能夠睡多少人，這個時候就得累計上房間內全部牀位數（通道）和每張牀的容納量了；

• elemSize1：

        elemSize加上一個「1」構成了elemSize1這個屬性，1能夠認爲是元素內1個通道的意思，這樣從命名上拆分後就很         容易解釋這個屬性了：表示Mat矩陣中每個元素單個通道的數據大小，以字節爲一個單位，因此有： 

 

        eleSize1==elemSize/channels；

• step：

        能夠理解爲Mat矩陣中每一行的「步長」，以字節爲基本單位，每一行中全部元素的字節總量，是累計了一行中所           有元素、全部通道、全部通道的elemSize1以後的值；

 

• step1()： 

       以字節爲基本單位，Mat矩陣中每個像素的大小，累計了全部通道、全部通道的elemSize1以後的值,因此有：

 

        step1==step/elemSize1；

• type：

        Mat矩陣的類型，包含有矩陣中元素的類型以及通道數信息，type的命名格式爲CV_(位數)+(數據類型)+(通道數)，全部取值以下：

 

 

3.矩陣的構造、初始化、釋放

注：一、在程序的最開始加上： using namespace cv;  二、把Mat改成 cv::Mat  （因爲本人不會C++全部開始有點沒明白如何使用函數）

建立Mat類的方式：1.構造函數   2.create()函數建立對象3.從已有的數據源初始化

1.構造函數

 Mat::Mat()
無參數構造方法；

Mat::Mat(int rows, int cols, int type)
建立行數爲 rows，列數爲col，類型爲type的圖像；

Mat::Mat(Size size, int type)
建立大小爲 size，類型爲type的圖像；

Mat::Mat(int rows, int cols, int type, const Scalar& s)
建立行數爲rows，列數爲col，類型爲type的圖像，並將全部元素初始化爲值s；

Mat::Mat(Size size, int type, const Scalar& s)
建立大小爲 size，類型爲type的圖像，並將全部元素初始化爲值s

Mat::Mat(const Mat& m)
將 m 賦值給新建立的對象，此處不會對圖像數據進行復制， m 和新對象共用圖像數據；

Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)
建立行數爲 rows，列數爲col，類型爲type的圖像，此構造函數不建立圖像數據所需內存，而是直接使用data所指內存，圖像的行步長由step指定。

Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)
建立大小爲 size，類型爲type的圖像，此構造函數不建立圖像數據所需內存，而是直接使用data所指內存，圖像的行步長由step指定。

Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)
建立的新圖像爲 m 的一部分，具體的範圍由 rowRange 和 colRange 指定，此構造函數也不進行圖像數據的複製操做，新圖像與m共用圖像數據；

Mat::Mat(const Mat& m, const Rect& roi)
建立的新圖像爲 m 的一部分，具體的範圍 roi 指定，此構造函數也不進行圖像數據的複製操做，新圖像與m共用圖像數據。

type的類型有CV_8UC1，CV_16SC1，…，CV_64FC4等。裏面的8U表示8位無符號整數，16S表示16位有符號整數，64F表示64位浮點數（即double類型）；C後面的數表示通道數，例如C1表示一個通道的圖像，C4表示4個通道的圖像，以此類推。

若是你須要更多的通道數，須要用宏CV_8UC(n)，例如：Mat M(3,2, CV_8UC(5));//建立行數爲3，列數爲2，通道數爲5的圖像

 

計算機視覺中，圖像的讀取是圖像處理的基礎，圖像就是一系列像素值，OpenCV使用數據結構cv::Mat來存儲圖像。cv::Mat是一個矩陣類，矩陣中每個元素都表明一個像素，對於灰度圖像，像素用8位無符號數，0表示黑色，255表示白色。對於彩色像素而言，每一個像素須要三位這樣的8位無符號數來表示，即三個通道（R,G,B），矩陣則依次存儲一個像素的三個通道的值，而後再存儲下一個像素點。

 

cv::Mat中，

cols表明圖像的寬度（圖像的列數），

rows表明圖像的高度（圖像的行數），

step表明以字節爲單位的圖像的有效寬度，

elemSize返回像素的大小，

channels（）方法返回圖像的通道數，

total函數返回圖像的像素數。

像素的大小 = 顏色大小（字節）*通道數，

好比：

三通道short型矩陣（CV_16SC3）的大小爲2*3 = 6，

三通道Byte型矩陣（CV_8UC3）的大小爲1*3= 3，像素的channels方法返回圖像的通道數，total函數返回圖像的像素數。

RGB圖像的顏色數目是256*256*256，本文對圖像進行量化，縮減顏色數目到256的1/8（即32*32*32）爲目標，分別利用一下幾種方法實現，比較幾種方法的安全和效率。

 

方法一：使用Mat的成員函數ptr<>()

cv::Mat中提供ptr函數訪問任意一行像素的首地址，特別方便圖像的一行一行的橫向訪問，若是須要一列一列的縱向訪問圖像，就稍微麻煩一點。可是ptr訪問效率比較高，程序也比較安全，有越界判斷。

 

int nl = image.rows; //行數
int nc = image.cols * image.channels();
for (int j = 0; j<nl; j++)
{
    uchar* data = image.ptr<uchar>(j);
    for (int i = 0; i<nc; i++)
    {
        data[i] = data[i] / div*div + div / 2;
    }
}

 

 

 

 

方法二：使用迭代器遍歷圖像

cv::Mat一樣有標準模板庫（STL），可使用迭代器訪問數據。

用迭代器來遍歷圖像像素，可簡化過程下降出錯的機會，比較安全，不過效率較低；若是想避免修改輸入圖像實例cv::Mat，可採用const_iterator。iterator有兩種調用方法，cv::MatIterator_<cv::Vec3b>it;cv::Mat_<cv::Vec3b>::iterator it;中間cv::Vec3b是由於圖像是彩色圖像，3通道，cv::Vec3b能夠表明一個像素。

 

cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
for (; it != itend; ++it)
{
    (*it)[0] = (*it)[0] / div*div + div / 2;
    (*it)[1] = (*it)[1] / div*div + div / 2;
    (*it)[2] = (*it)[2] / div*div + div / 2;
}

 

 

 

方法三：使用Mat的成員函數at<>()

cv::Mat也是向量，可使at方法取值，使用調用方法image.at<cv::Vec3b>(j,i)，at方法方便，直接給i，j賦值就能夠隨意訪問圖像中任何一個像素，其中j表示第j行，i表示該行第i個像素。可是at方法效率是這3中訪問方法中最慢的一個，因此若是遍歷圖像或者訪問像素比較多時，建議不要使用這個方法，畢竟程序的效率仍是比程序的可讀性要重要的。下面是完整的調用方法，其運行時間在下面會介紹。

 

for (int j = 0; j< image.rows; j++)
{
    for (int i = 0; i< image.cols; i++)
    {
        image.at<cv::Vec3b>(j, i)[0] = image.at<cv::Vec3b>(j, i)[0] / div*div + div / 2;
        image.at<cv::Vec3b>(j, i)[1] = image.at<cv::Vec3b>(j, i)[1] / div*div + div / 2;
        image.at<cv::Vec3b>(j, i)[2] = image.at<cv::Vec3b>(j, i)[2] / div*div + div / 2;
    } // end of line
}

 

注意：使用at函數時，應該知道矩陣元素的類型和通道數，根據矩陣元素類型和通道數來肯定at函數傳遞的類型,使用的是Vec3b這個元素類型，他是一個包含3個unsigned char類型向量。之因此採用這個類型來接受at的返回值，是由於，咱們的矩陣im是3通道，類型爲unsigned char類型

 

完整實例：

 

#include <iostream>
#include < opencv.hpp>
using namespace cv;
using namespace std;

int main()
{
    //新建一個uchar類型的3通道矩陣
    Mat img(5, 3, CV_8UC3, Scalar(50,50,50));
    cout << img.rows << endl; //5

    cout << img.cols << endl;  //3

    cout << img.channels() << endl;  //3

    cout << img.depth() << endl;  //CV_8U  0

    cout << img.dims << endl;  //2

    cout << img.elemSize() << endl;    //1 * 3,一個位置，三個通道的CV_8U
    cout << img.elemSize1() << endl;   //1

    cout << img.size[0] << endl;   //5
    cout << img.size[1] << endl;   //3

    cout << img.step[0] << endl;   //3 * ( 1 * 3 )
    cout << img.step[1] << endl;   //1 * 3

    cout << img.step1(0) << endl;  //3 * 3
    cout << img.step1(1) << endl;  //3

    cout << img.total() << endl;   //3*5

    //--------------------------------------          地址運算         --------------------------------//
    for (int row = 0; row < img.rows; row++)
    {
        for (int col = 0; col < img.cols; col++)
        {
            //[row, col]像素的第 1 通道地址被 * 解析(blue通道)
            *(img.data + img.step[0] * row + img.step[1] * col) += 15;

            //[row, col]像素的第 2 通道地址被 * 解析(green通道)
            *(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1()) += 15;

            //[row, col]像素的第 3 通道地址被 * 解析(red通道)
            *(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1() * 2) += 15;
        }
    }
    cout << img << endl;
    //--------------------------------------          Mat的成員函數at<>( )         --------------------------------//
    for (int row = 0; row < img.rows; row++)
    {
        for (int col = 0; col < img.cols; col++)
        {
            img.at<Vec3b>(row, col) = Vec3b(0, 0, 0);
        }
    }
    cout << img << endl;
    //--------------------------------------         使用Mat的成員函數ptr<>()         --------------------------------//
    for (int row = 0; row < img.rows; row++)
    {
        // data 是 uchar* 類型的, m.ptr(row) 返回第 row 行數據的首地址
        // 須要注意的是該行數據是按順序存放的,也就是對於一個 3 通道的 Mat, 一個像素3個通道值, [B,G,R][B,G,R][B,G,R]...
        // 因此一行長度爲:sizeof(uchar) * m.cols * m.channels() 個字節
        uchar* data = img.ptr(row);
        for (int col = 0; col < img.cols; col++)
        {
            data[col * 3] = 50;     //第row行的第col個像素點的第一個通道值 Blue

            data[col * 3 + 1] = 50; // Green

            data[col * 3 + 2] = 50; // Red
        }
    }
    cout << img << endl;

    Vec3b *pix(NULL);
    for (int r = 0; r < img.rows; r++)
    {
        pix = img.ptr<Vec3b>(r);
        for (int c = 0; c < img.cols; c++)
        {
            pix[c] = pix[c] * 2;
        }
    }
    cout << img << endl;
    //--------------------------------------         使用Mat的成員函數ptr<>()         --------------------------------//
    MatIterator_<Vec3b> it_im, itEnd_im;
    it_im = img.begin<Vec3b>();
    itEnd_im = img.end<Vec3b>();
    for(; it_im != itEnd_im; it_im++)
    {
        *it_im = (*it_im) * 2;
    }
    cout << img << endl;

    cvWaitKey();
    return 0;
  }

時間：2018.1.21.1.41{失眠夜總結OpenCV吧想起了一段話送給本身}{Can not force others to love themselves only to make themselves worthy of love ,and the rely on fate.}@晚安  Liu在身邊                  27