OpenCV图像处理之 Mat 介绍

我记得开始接触OpenCV就是由于一个算法里面须要2维动态数组，那时候看core这部分也算是蜻蜓点水吧，随着使用的增多，对Mat这个结构愈来愈喜好，也以为有必要温故而知新，因而此次再看看Mat。

Mat最大的优点跟STL很类似，都是对内存进行动态的管理，不须要以前用户手动的管理内存，对于一些大型的开发，有时候投入的lpImage内存管理的时间甚至比关注算法实现的时间还要多，这显然是不合适的。除了有些嵌入式场合必须使用c语言，我任什么时候候都强烈像你们推荐Mat。

Mat这个类有两部分数据。一个是matrix header，这部分的大小是固定的，包含矩阵的大小，存储的方式，矩阵存储的地址等等。另外一个部分是一个指向矩阵包含像素值的指针。

 

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

须要注意的是，copy这样的操做只是copy了矩阵的matrix header和那个指针，而不是矩阵的自己，也就意味着两个矩阵的数据指针指向的是同一个地址，须要开发者格外注意。好比上面这段程序，A、B、C指向的是同一块数据，他们的header不一样，但对于A的操做一样也影响着B、C的结果。刚刚提升了内存自动释放的问题，那么当我再也不使用A的时候就把内存释放了，那时候再操做B和C岂不是很危险。不用担忧，OpenCV的大神为咱们已经考虑了这个问题，是在最后一个Mat再也不使用的时候才会释放内存，我们就放心用就好了。

 

若是想创建互不影响的Mat，是真正的复制操做，须要使用函数clone()或者copyTo()。

说到数据的存储，这一直就是一个值得关注的问题，Mat_<uchar>对应的是CV_8U，Mat_<uchar>对应的是CV_8U，Mat_<char>对应的是CV_8S，Mat_<int>对应的是CV_32S，Mat_<float>对应的是CV_32F，Mat_<double>对应的是CV_64F，对应的数据深度以下：

• 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 )

这里还须要注意一个问题，不少OpenCV的函数支持的数据深度只有8位和32位的，因此要少使用CV_64F，可是vs的编译器又会把float数据自动变成double型，有些不太爽。

还有个须要注意的问题，就是流操做符<<对于Mat的操做，仅限于Mat是2维的状况。

还有必要说一下Mat的存储是逐行的存储的。

再说说Mat的建立，方式有两种，罗列一下：1.调用create（行，列，类型）2.Mat（行，列，类型（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));

要是想建立更高维的矩阵，要写成下面的方式

 

 

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

对于矩阵的行操做或者列操做，方式以下：（注意对列操做时要新建一个Mat，我想应该跟列地址不连续有关）

// 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);

下面的东西就比较狂暴了，对于外来的数据，好比你从别的地方接受了一幅图片，但能够不是Mat结构的，而只有一个数据的指针，看看接下来的代码是如何应付的，重点哦，亲

 

 

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);
}

亲，有木有很简单！！！

 

还有一种快速初始化数据的办法，以下：

 

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

也能够把原来的IplImage格式的图片直接用Mat（IplImage）的方式转成Mat结构，也能够像Matlab同样调用zeros()、ones()、eye()这样的函数进行初始化。

 

若是你须要提早释放数据的指针和内存，能够调用release()。

对于数据的获取，固然仍是调用at<float>(3, 3)这样的格式为最佳。其余的方法我甚少尝试，就不敢介绍了。

最后要提的一点是关于Mat的表达式，这个也很是多，加减乘除，转置求逆，我怎么记得我之前介绍过呢。那就很少说啦~

 

 

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