OpenCv图像操作

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_mat.html

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/mat%20-%20the%20basic%20image%20container/mat%20-%20the%20basic%20image%20container.html#matthebasicimagecontainer

操作图像¶

输入/输出

图像

从文件中读入一副图像：

Mat img = imread(filename)

如果你读入一个jpg文件，缺省情况下将创建一个3通道图像。如果你需要灰度（单通道）图像，使用如下语句：

Mat img = imread(filename, 0);

将图像保存到一个文件：

Mat img = imwrite(filename);

基本图像操作

获取像素的亮度值

要获取像素的亮度值，你必须知道图像的类型和通道的数目。如下例子展示了获取单通道灰度图（类型 8UC1）的(x, y)位置处的像素值：

Scalar intensity = img.at<uchar>(x, y);

intensity.val[0] 中保存从0到255的值。现在我们看一下3通道图像如何获取像素值，颜色顺序为 BGR （ imread 返回的缺省顺序)：

Vec3b intensity = img.at<Vec3b>(x, y);
uchar blue = intensity.val[0];
uchar green = intensity.val[1];
uchar red = intensity.val[2];

你可以使用同样的方法处理浮点图像（例如通对一个3通道图像进行Sobel运算得到的浮点图像）：

Vec3f intensity = img.at<Vec3f>(x, y);
float blue = intensity.val[0];
float green = intensity.val[1];
float red = intensity.val[2];

同样的方法也可用于像素值的修改：

img.at<uchar>(x, y) = 128;

一些OpenCV函数，例如calib3d模块中的 projectPoints 函数，需要以 Mat 的格式输入二维或者三维的点。这样的矩阵必须有且仅有一列，这样每行对应一个点，矩阵类型需要是32FC2或者32FC3。这样的矩阵可以很容易的从std::vector 转换而来：

vector<Point2f> points;
//... fill the array
Mat pointsMat = Mat(points);

您也可以通过 Mat::at 方法来读写矩阵中的一个元素：

Point2f point = pointsMat.at<Point2f>(i, 0);

底层操作

为矩阵定义了一系列方便的操作符。我们可以将一个已经存在的灰度图像 img 变成全黑色：

img = Scalar(0);

选择感兴趣区域：

Rect r(10, 10, 100, 100);
Mat smallImg = img(r);

将 Mat 转为 C API 数据类型：

Mat img = imread("image.jpg");
IplImage img1 = img;
CvMat m = img;

注意此处无数据复制操作。

将彩色图像转为灰度图像：

Mat img = imread("image.jpg"); // loading a 8UC3 image
Mat grey;
cvtColor(img, grey, CV_BGR2GRAY);

将图像的类型从8UC1转为32FC1：

src.convertTo(dst, CV_32F);

显示图像¶

在算法开发过程中，查看算法的中间结果是非常有用的。OpenCV提供了方便查看图像的方法。类型为 8U 的图像可以使用如下方法显示：

Mat img = imread("image.jpg");

namedWindow("image", CV_WINDOW_AUTOSIZE);
imshow("image", img);
waitKey();

调用 waitKey() 会进入一个消息循环，来等待 image 窗口上的按键动作。 类型为 32F 的图像需要转为 8U 类型。如下：

Mat img = imread("image.jpg");
Mat grey;
cvtColor(img, grey, CV_BGR2GREY);

Mat sobelx;
Sobel(grey, sobelx, CV_32F, 1, 0);

double minVal, maxVal;
minMaxLoc(sobelx, &minVal, &maxVal); //find minimum and maximum intensities
Mat draw;
sobelx.convertTo(draw, CV_8U, 255.0/(maxVal - minVal), -minVal);

namedWindow("image", CV_WINDOW_AUTOSIZE);
imshow("image", draw);
waitKey();

基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝 大 的图像，因为这会降低程序速度。

为了搞定这个问题，OpenCV使用引用计数机制。其思路是让每个 Mat 对象有自己的信息头，但共享同一个矩阵。这通过让矩阵指针指向同一地址而实现。而拷贝构造函数则 只拷贝信息头和矩阵指针 ，而不拷贝矩阵。

1 2 3 4 5 6

Mat A, C; // 只创建信息头部分 A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存 Mat B(A); // 使用拷贝构造函数 C = A; // 赋值运算符

以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。实际上，不同的对象只是访问相同数据的不同途径而已。这里还要提及一个比较棒的功能：你可以创建只引用部分数据的信息头。比如想要创建一个感兴趣区域（ ROI ），你只需要创建包含边界信息的信息头：

1 2	Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangle Mat E = A(Range:all(), Range(1,3)); // using row and column boundaries

现在你也许会问，如果矩阵属于多个 Mat 对象，那么当不再需要它时谁来负责清理？简单的回答是：最后一个使用它的对象。通过引用计数机制来实现。无论什么时候有人拷贝了一个 Mat 对象的信息头，都会增加矩阵的引用次数；反之当一个头被释放之后，这个计数被减一；当计数值为零，矩阵会被清理。但某些时候你仍会想拷贝矩阵本身(不只是信息头和矩阵指针)，这时可以使用函数 clone() 或者 copyTo() 。

1 2 3

Mat F = A.clone(); Mat G; A.copyTo(G);

现在改变 F 或者 G 就不会影响 Mat 信息头所指向的矩阵。总结一下，你需要记住的是

• OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
• 使用OpenCV的C++接口时不需要考虑内存释放问题。
• 赋值运算符和拷贝构造函数（ ctor ）只拷贝信息头。
• 使用函数 clone() 或者 copyTo() 来拷贝一副图像的矩阵。

显式地创建一个 Mat 对象

教程 读取、修改、保存图像 已经讲解了如何使用函数 imwrite() 将一个矩阵写入图像文件中。但是为了debug，更加方便的方式是看实际值。为此，你可以通过 Mat 的运算符 << 来实现，但要记住这只对二维矩阵有效。

Mat  不但是一个很赞的图像容器类，它同时也是一个通用的矩阵类，所以可以用来创建和操作多维矩阵。创建一个Mat对象有多种方法：

• Mat() 构造函数

      Mat M(2,2, CV_8UC3, Scalar(0,0,255)); 
      cout << "M = " << endl << " " << M << endl << endl;   
  

对于二维多通道图像，首先要定义其尺寸，即行数和列数。

然后，需要指定存储元素的数据类型以及每个矩阵点的通道数。为此，依据下面的规则有多种定义

CV_[The number of bits per item][Signed or Unsigned][Type Prefix]C[The channel number]

比如 CV_8UC3 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。预先定义的通道数可以多达四个。 Scalar 是个short型vector。指定这个能够使用指定的定制化值来初始化矩阵。当然，如果你需要更多通道数，你可以使用大写的宏并把通道数放在小括号中，如下所示

• 在 C\C++ 中通过构造函数进行初始化

      int sz[3] = {2,2,2}; 
      Mat L(3,sz, CV_8UC(1), Scalar::all(0));
  

  上面的例子演示了如何创建一个超过两维的矩阵：指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同

• 为已存在IplImage指针创建信息头:

  IplImage* img = cvLoadImage("greatwave.png", 1);
  Mat mtx(img); // convert IplImage* -> Mat
  

• Create() function: 函数

      M.create(4,4, CV_8UC(2));
      cout << "M = "<< endl << " "  << M << endl << endl;
  

这个创建方法不能为矩阵设初值，它只是在改变尺寸时重新为矩阵数据开辟内存。

• MATLAB形式的初始化方式： zeros(), ones(), :eyes() 。使用以下方式指定尺寸和数据类型：

      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;
  

• 对于小矩阵你可以用逗号分隔的初始化函数:

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

• 使用 clone() 或者 copyTo() 为一个存在的 Mat 对象创建一个新的信息头。

      Mat RowClone = C.row(1).clone();
      cout << "RowClone = " << endl << " " << RowClone << endl << endl;