OpenCV的几个小技巧

申明：以下的小技巧，均为OpenCV2.4.2下验证过的，但并不保证其它版本依然奏效

（1）利用数组来构建cv::Mat

   示例代码如下所示：

void ArrayToMat()
{
	double m[3][3];
	for (int i=0; i<3; i++)
	{
		for (int j=0; j<3; j++)
		{
			m[i][j] = i+j;
			cout<<m[i][j]<<" ";
		}
		cout<<endl;
	}
	cout<<"****************************************"<<endl;

	Mat M = Mat(3, 3, CV_64F, m);
	double tempVal = 0.0;

	for (int i=0; i<3; i++)
	{
		for (int j=0; j<3; j++)
		{
			tempVal = M.at<double>(i,j);
			cout<<tempVal<<" ";
		}
		cout<<endl;
	}
}

不出意外的话，执行结果应该如下所示：

（2） IplImage*跟cv::Mat之间的互相转换

示例代码：

void IplImageToMat()
{
	IplImage* pImg = cvLoadImage("c:/test.jpg");
	if (!pImg)
	{
		cout<<"pImg load error"<<endl;
		system("pause");
		exit(-1);
	}

	cvNamedWindow("pImg", 0);
	cvNamedWindow("mtx", 0);
	
	Mat mtx(pImg); 
	
	cvShowImage("pImg", pImg);
	imshow("mtx", mtx);
	cvWaitKey(0);

	cvReleaseImage(&pImg);
}

笔者任意加载了电脑上一副图片，结果如下所示：

提醒，这里的格式转换并不申请新的内存，而仅仅是改变数据结构而已

（3）Mat转换为IplImge

示例代码：

void MatToIplImage()
{
	Mat m = imread("c:/test.jpg");
	if (m.empty())
	{
		cout<<"mat load error"<<endl;
		system("pause");
		exit(-1);
	}

	IplImage img1 = IplImage(m);
	IplImage img2 = m;

	cvNamedWindow("img1", 0);
	cvNamedWindow("img2", 0);

	cvShowImage("img1", &img1);
	cvShowImage("img2", &img2);

	cvWaitKey(0);
}

笔者任意加载一张图片，上述代码的执行结果为：

（4）访问二维数据（cv::Mat）最高效的方式是先得到该二维数据的每一行的指针，然后利用下标运算符逐列访问

示例代码：

void MatAccess()
{
	double m[3][3];
	for (int i=0; i<3; i++)
	{
		for (int j=0; j<3; j++)
		{
			m[i][j] = i+j;
			cout<<m[i][j]<<" ";
		}
		cout<<endl;
	}
	cout<<"****************************************"<<endl;

	Mat M = Mat(3, 3, CV_64F, m);
	double sum = 0;
	int rows = M.rows;
	int cols = M.cols;

	for (int i=0; i<rows; i++)
	{
		const double* Mi = M.ptr<double>(i);
		for (int j=0; j<cols; j++)
		{
			sum += Mi[j];
		}
	}
	cout<<"sum: "<<sum<<endl;
}

上面的代码执行结果为：

（5）cv::Mat支持STL中的迭代器功能

示例代码：

void MatAccess()
{
	double m[3][3];
	for (int i=0; i<3; i++)
	{
		for (int j=0; j<3; j++)
		{
			m[i][j] = i+j;
			cout<<m[i][j]<<" ";
		}
		cout<<endl;
	}
	cout<<"****************************************"<<endl;

	Mat M = Mat(3, 3, CV_64F, m);
	double sum = 0;
	int rows = M.rows;
	int cols = M.cols;

	for (int i=0; i<rows; i++)
	{
		const double* Mi = M.ptr<double>(i);
		for (int j=0; j<cols; j++)
		{
			sum += Mi[j];
		}
	}
	cout<<"sum: "<<sum<<endl;

	sum = 0;
	MatConstIterator_<double> it = M.begin<double>();
	MatConstIterator_<double> itEnd = M.end<double>();
	for (;it!=itEnd; it++)
	{
		sum += *it;
	}
	cout<<"sum: "<<sum<<endl;
}

运行结果：

（6） satureat_cast : openCV中用于数据“饱和”判断

示例：

void Saturate_castTest()
{
	int r = 300;
	uchar t = saturate_cast<uchar>(r);
	cout<<int(t)<<endl;
}

结果：

（7）获取函数执行时间

getTickCount()和getTickFrequency()结合起来可以用来计算函数执行时间，尤其是很小的代码片段的执行时间

举例：

void GetFuncTime()
{
	double exec_time = (double)getTickCount();
	for (int i=0; i<10; i++)
	{
		;
	}
	exec_time = ((double)getTickCount() - exec_time)*1000./getTickFrequency();
	cout<<exec_time<<endl;
}

上面的代码，重点在于for循环，且，该循环中什么也不处理；用一般的时间函数很难计算出该代码片段的执行时间，但利用getTickCount（）和getTickFrequency（）就很容易。笔者电脑上的结果是：