一、Mat简介
在2001年刚刚出现的时候,OpenCV基于 C 语言接口而建。为了在内存(memory)中存放图像,当时采用名为 IplImage 的C语言结构体,时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足,这其中最大的不足要数手动内存管理,其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内
一、Mat简介
在2001年刚刚出现的时候,OpenCV基于 C 语言接口而建。为了在内存(memory)中存放图像,当时采用名为 IplImage 的C语言结构体,时至今日这仍出现在大多数的旧版教程和教学材料。但这种方法必须接受C语言所有的不足,这其中最大的不足要数手动内存管理,其依据是用户要为开辟和销毁内存负责。虽然对于小型的程序来说手动管理内存不是问题,但一旦代码开始变得越来越庞大,你需要越来越多地纠缠于这个问题,而不是着力解决你的开发目标。
幸运的是,C++出现了,并且带来类的概念,这给用户带来另外一个选择:自动的内存管理(不严谨地说)。这是一个好消息,如果C++完全兼容C的话,这个变化不会带来兼容性问题。为此,OpenCV在2.0版本中引入了一个新的C++接口,利用自动内存管理给出了解决问题的新方法。使用这个方法,你不需要纠结在管理内存上,而且你的代码会变得简洁(少写多得)。但C++接口唯一的不足是当前许多嵌入式开发系统只支持C语言。所以,当目标不是这种开发平台时,没有必要使用旧 方法(除非你是自找麻烦的受虐狂码农)。
关于 Mat ,首先要知道的是你不必再手动地(1)为其开辟空间(2)在不需要时立即将空间释放。但手动地做还是可以的:大多数OpenCV函数仍会手动地为输出数据开辟空间。当传递一个已经存在的Mat 对象时,开辟好的矩阵空间会被重用。也就是说,我们每次都使用大小正好的内存来完成任务。
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。
二、Mat的基本操作
这里展示一个例子解释一下Mat的基本操作
- <strong>#include<cv.h>
- #include<highgui.h>
- #include<iostream>
- using namespace cv;
- using namespace std;
- int main()
- {
- /*********************************Mat基本操作-矩阵*******************************************/
- //二维三通道矩阵建立
- Mat M(2,2, CV_8UC3, Scalar(0,0,255)); //使用构造函数创建矩阵
- /*
- 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,初始化为(0,0,255)
- */
- cout << "M = " << endl << " " << M << endl << endl; //格式化输出
- //三维
- int sz[3] = {3,3,3};
- Mat L(3,sz, CV_8UC(1), Scalar::all(0));
- /*
- 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
- */
- cout << "L = " << endl << " " << M << endl << endl; //格式化输出
- /********************************************Mat基本操作-图像*******************************/
- Mat A, C; // 只创建信息头部分
- A=imread("D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", 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
- /*
- 拷贝构造函数和赋值函数 只拷贝信息头和矩阵指针
- */
- Mat D (A, Rect(10, 10, 100, 100) ); //选取A中一个矩形区域,即只访问其矩形区域的信息头,只是创建信息头
- Mat E = A(cv::Range::all(), Range(1,3)); // 创建访问边界的信息头。
- /*
- 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
- */
- Mat F = A.clone();//复制图像,包括数据
- Mat G;
- A.copyTo(G);
- /*
- 拷贝矩阵本身(不只是信息头和矩阵指针),
- */
- //测试
- namedWindow( "a", CV_WINDOW_AUTOSIZE );
- namedWindow( "c", CV_WINDOW_AUTOSIZE );
- imshow( "a", D);
- imshow( "c", E );
- /****************************************图像的读取、处理和保存**************************************/
- Mat image;
- image = imread( "D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR);//导入图像
- if( !image.data )
- {
- cout<< " No image data \n " ;
- return -1;
- }
- Mat gray_image;
- cvtColor( image, gray_image, CV_BGR2GRAY );//转化为灰度图
- imwrite( "../../images/Gray_Image.jpg", gray_image );//写入图像
- namedWindow( "source", CV_WINDOW_AUTOSIZE );
- namedWindow( "Gray image", CV_WINDOW_AUTOSIZE );
- imshow( "source", image );
- imshow( "Gray image", gray_image );
- /*******************************************************************************************/
- waitKey(0);
- return 0;
- }</strong>
对于Mat数据结构,在对图像进行处理时要注意:
- 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
-
三、扫描图像的方法
- <strong>#include<cv.h>
- #include<highgui.h>
- #include<time.h>
- #include<iostream>
- using namespace cv;
- using namespace std;
- int main()
- {
- //Mat img(10,10,CV_8UC3,Scalar(0,0,255));
- Mat img,img_gray,img_gray2;
- img=imread("D:\\openCV\\openCVProject\\openCv笔记\\openCv笔记\\test.jpg", CV_LOAD_IMAGE_COLOR);
- cvtColor( img, img_gray, CV_BGR2GRAY );//转化为灰度图
- img_gray.copyTo(img_gray2);
- //方式一
- for(<strong> int i=0;i<img_gray.rows;i++</strong>)
- {
- uchar* data = img_gray.ptr<uchar>(i);
- for(int j=0;j<img_gray.cols;j++)
- {
- data[j] = 255;
- }
- }
- //img.create(10,10,CV_8UC3,Scalar(0,0,255));
- //cout << "img = " << endl << " " << img_gray << endl << endl; //格式化输出
- //方式二 W*H的一幅图像看成是一个1*(w*h)的一个一维数组
- int nc;
- if(img_gray.isContinuous())//判断是否被所有的像素填满
- {
- nc = img_gray.rows*img_gray.cols*img_gray.channels();
- }
- else
- {
- cout<<"像素未填满,不可用第二种方式"<<endl;
- return -1;
- }
- uchar* data_2 = img_gray.ptr<uchar>(0);//提取第一个像素点指针
- for(int i=0;i<nc;i++)//遍历所有的元素
- {
- data_2[i] = 255;
- }
- //方式三指针扫描
- uchar* data_3 = img.data;//单个元素
- img.at<uchar>(0,0)=0;
- for(int i=0;i<img.rows;i++)//遍历所有的元素
- {
- for(int j=0;j<img.cols;j++)
- {
- data_3 = img.data + i*img.step + j * img.elemSize();
- //对各个通道赋值
- data_3[0]=100;
- data_3[1]=100;
- data_3[2]=100;
- }
- }
- /*时间函数
- double start = getTickCount();
- finish = clock();
- duration = (double)(finish - start) / CLOCKS_PER_SEC;
- */
- //方式四 迭代器iterator扫描图像
- Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
- Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
- for (; it!=itend; it++)
- {
- //对各个通道赋值
- (*it)[0] = 200;
- (*it)[1] = 200;
- (*it)[2] = 200;
- }
- //测试,根据自己的选择查看结果
- namedWindow("sorce",WINDOW_AUTOSIZE);
- namedWindow("result",WINDOW_AUTOSIZE);
- cv::imshow("sorce",img);
- cv::imshow("result",img_gray);
- waitKey(0);
- return 0;
- }</strong>
以上是对http://blog.csdn.net/yang_xian521/article/details/7182185#的综合,以下是其博文,正如博主所说的,data_3 = img.data + i*img.step + j * img.elemSize();,int i=0;i<img_gray.rows;i++。。。这种在循环中出现的语句识别比较耗时的,注意避免。以下是其博文 -
1.存取单个像素值
最通常的方法就是
- img.at<uchar>(i,j) = 255;
- img.at<Vec3b>(i,j)[0] = 255;
- img.at<uchar>(i,j) = 255;
- img.at<Vec3b>(i,j)[0] = 255;
如果你觉得at操作显得太笨重了,不想用Mat这个类,也可以考虑使用轻量级的Mat_类,使用重载操作符()实现取元素的操作。- cv::Mat_<uchar> im2= img; // im2 refers to image
- im2(50,100)= 0; // access to row 50 and column 100
- cv::Mat_<uchar> im2= img; // im2 refers to image
- im2(50,100)= 0; // access to row 50 and column 100
2.用指针扫描一幅图像
对于一幅图像的扫描,用at就显得不太好了,还是是用指针的操作方法更加推荐。先介绍一种上一讲提到过的
- for (int j=0; j<nl; j++)
- {
- uchar* data= image.ptr<uchar>(j);
- for (int i=0; i<nc; i++)
- {
- data[i] = 255;
- }
- }
- for (int j=0; j<nl; j++)
- {
- uchar* data= image.ptr<uchar>(j);
- for (int i=0; i<nc; i++)
- {
- data[i] = 255;
- }
- }
更高效的扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*(w*h)的一个一维数组,这个想法是不是有点奇葩,这里要利用isContinuous这个函数判断图像内的像素是否填充满,使用方法如下:- if (img.isContinuous())
- {
- nc = img.rows*img.cols*img.channels();
- }
- uchar* data = img.ptr<uchar>(0);
- for (int i=0; i<nc; i++)
- {
- data[i] = 255;
- }
- if (img.isContinuous())
- {
- nc = img.rows*img.cols*img.channels();
- }
- uchar* data = img.ptr<uchar>(0);
- for (int i=0; i<nc; i++)
- {
- data[i] = 255;
- }
更低级的指针操作就是使用Mat里的data指针,之前我称之为暴力青年,使用方法如下:- uchar* data = img.data;
- // img.at(i, j)
- data = img.data + i * img.step + j * img.elemSize();
- uchar* data = img.data;
- // img.at(i, j)
- data = img.data + i * img.step + j * img.elemSize();
3.用迭代器iterator扫描图像
和C++STL里的迭代器类似,Mat的迭代器与之是兼容的。是MatIterator_。声明方法如下:
- cv::MatIterator_<Vec3b> it;
- cv::MatIterator_<Vec3b> it;
或者是:- cv::Mat_<Vec3b>::iterator it;
- cv::Mat_<Vec3b>::iterator it;
扫描图像的方法如下:- Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
- Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
- for (; it!=itend; it++)
- {
- (*it)[0] = 255;
- }
- Mat_<Vec3b>::iterator it = img.begin<Vec3b>();
- Mat_<Vec3b>::iterator itend = img.end<Vec3b>();
- for (; it!=itend; it++)
- {
- (*it)[0] = 255;
- }
4.高效的scan image方案总结
还是用我们之前使用过的getTickCount、getTickFrequency函数测试速度。这里我就不一一列举我测试的结果了,直接上结论。测试发现,好的编写风格可以提高50%的速度!要想减少程序运行的时间,必要的优化包括如下几个方面:
(1)内存分配是个耗时的工作,优化之;
(2)在循环中重复计算已经得到的值,是个费时的工作,优化之;举例:
- int nc = img.cols * img.channels();
- for (int i=0; i<nc; i++)
- {.......}
- //**************************
- for (int i=0; i<img.cols * img.channels(); i++)
- {......}
- int nc = img.cols * img.channels();
- for (int i=0; i<nc; i++)
- {.......}
- //**************************
- for (int i=0; i<img.cols * img.channels(); i++)
- {......}
后者的速度比前者要慢上好多。(3)使用迭代器也会是速度变慢,但迭代器的使用可以减少程序错误的发生几率,考虑这个因素,可以酌情优化
(4)at操作要比指针的操作慢很多,所以对于不连续数据或者单个点处理,可以考虑at操作,对于连续的大量数据,不要使用它
(5)扫描连续图像的做法可能是把W*H的衣服图像看成是一个1*(w*h)的一个一维数组这种办法也可以提高速度。短的循环比长循环更高效,即使他们的操作数是相同的
以上的这些优化可能对于大家的程序运行速度提高并不明显,但它们毕竟是个得到速度提升的好的编程策略,希望大家能多采纳。
还有就是利用多线程也可以高效提高运行速度。OpenMP和TBB是两种流行的APT,不过对于多线程的东西,我是有些迷糊的,呵呵
5.整行整列像素值的赋值
对于整行或者整列的数据,可以考虑这种方式处理
- img.row(i).setTo(Scalar(255));
- img.col(j).setTo(Scalar(255));
- img.row(i).setTo(Scalar(255));
- img.col(j).setTo(Scalar(255));
这节就先介绍这么多攻略吧~希望大家喜欢参考资料
2http://blog.sina.com.cn/s/blog_73ee929c01010yor.html
文章出处
http://blog.csdn.net/liurong_cn/article/details/7791815