OpenCV3.0基本类型初探（三）MAT初探

最新推荐文章于 2023-05-16 19:17:16 发布

ArtistA

最新推荐文章于 2023-05-16 19:17:16 发布

阅读量2.9k

点赞数

本文链接：https://blog.csdn.net/ArtistA/article/details/48783347

版权

在研究Mat之前，我们先来看下CV提供的一些小型Mat实现

Matx

Matx定义于matx.hpp中继承关系如图

Matx 用于表述规模较小的确定大小的矩阵，在模板定义的时候就确定了矩阵的规模，其定义如下：
template<typename _Tp, int m, int n> class Matx
数据存储实体如下：
_Tp val[m*n]; //< matrix elements
虽然没有动态分配内存的灵活性，Matx对于小型的矩阵却不失为一种加快运行速度的良好数据结构 CV也提供其和Mat之间的相互转换
其实质就是一个固定大小一维数组的封装
而其行列的定义是储存在一个枚举结构之中

enum { depth = DataType<_Tp>::depth,

rows = m,

cols = n,

channels = rows*cols,

type = CV_MAKETYPE(depth, channels),

shortdim = (m < n ? m : n)

};

其中depth深度即表示每个元素所占有的位数并且和符号相关
enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }; 可见 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位；
ros.cols代表行列数
channels代表通道数即矩阵中每个元素拥有元素值的个数
在常见的RGB或者HSV图像中通道数为3
在Matx中整个矩阵被认为是一个独立元素，所以其通道数为其包含元素个数
type和之前介绍的一样，为了类型安全而标注的类型编号
shortdim 矩阵较小的维度而另一个额较大的数字会被认为是数据样本个数

其与其他矩阵类一样，也提供诸如
all（alpha）矩阵的所有元素填充为alpha值
zero() 矩阵所有元素填充为0
ones（）矩阵所有元素填充为1
eye（）矩阵较小维填充为对角为1的矩阵
即矩阵定义为 3X4
运行eye操作后得到
1 0 0 0
0 1 0 0
0 0 1 0

Mat

Mat型可以说是CV最常用的类型
其定义如下
class CV_EXPORTS Mat
   {
      public:
          // ... a lot of methods ...
        ...
          /*! includes several bit-fields: - the magic signature - continuity flag - depth - number of channels */
          int flags ;
          //! the array dimensionality, >= 2
          int dims ;
          //! the number of rows and columns or (-1, -1) when the array has more than 2 dimensions
          int rows , cols ;
          //! pointer to the data
          uchar * data ;
          //! pointer to the reference counter;
          // when array points to user-allocated data, the pointer is NULL
          int * refcount ;
          // other members ...
};
其表示一个N维的稠密单/复通道矩阵，可以用来存储实/复值向量和矩阵以及灰度/彩色图片、点云、张量乃至直方图。
..矩阵之间元素的距离是由步长变量step决定的，所以，对矩阵中单个元素的地址，其计算公式为：
$addr(M_{i_0,...,i_{M.dims-1}}) = M.data + M.step[0]*i_0 + M.step[1]*i_1 + ... + M.step[M.dims-1]*i_{M.dims-1}$
在二维向量中计算公式被简化为：
$addr(M_{i,j}) = M.data + M.step[0]*i + M.step[1]*j$
更详细的理解可以参考这个帖子
http://www.douban.com/note/265479171/

下面我们来讨论Mat在创建和复制时的内存分配行为：
以一个常用的创建方法create为例子
当我们输入
Mat mat;
mat.create(3,2,CV_8U);
时，尽管有多个参数的重载，最终函数都会被指向
void create(int ndims, const int* sizes, int type);
这个函数。其在分配内存初期会进行一个检查，如果矩阵的数据不为空且新矩阵的规模和格式与原矩阵相同，将不做任何操作退回

如果需要创建一个新矩阵的内存空间，系统会调用MatAllocator类作为分配符进行内存的分配。
但是MatAllocator是一个虚基类，其具体实现有如下三种

在C++的实现中，一般调用的就是stdMaltAllocator
分配代码如下

UMatData* allocate(int dims, const int* sizes, int type,

void* data0, size_t* step, int /*flags*/, UMatUsageFlags /*usageFlags*/) const

{

size_t total = CV_ELEM_SIZE(type);

for( int i = dims-1; i >= 0; i-- )

{

if( step )

{

if( data0 && step[i] != CV_AUTOSTEP )

{

CV_Assert(total <= step[i]);

total = step[i];

}

else

step[i] = total;

}

total *= sizes[i];

}

uchar* data = data0 ? (uchar*)data0 : (uchar*)fastMalloc(total);

UMatData* u = new UMatData(this);

u->data = u->origdata = data;

u->size = total;

if(data0)

u->flags |= UMatData::USER_ALLOCATED;

return u;

}
展开CV_ELEMENSIZE 得到

/* 0x3a50 = 11 10 10 01 01 00 00 ~ array of log2(sizeof(arr_type_elem)) */

#define CV_ELEM_SIZE(type) \

(CV_MAT_CN(type) << ((((sizeof(size_t)/4+1)*16384|0x3a50) >> CV_MAT_DEPTH(type)*2) & 3))
可以印证 STEP并不是一定等于DIM原始大小所占的空间
做个小实验：
Mat a;
int size[]= { 356, 367, 311};
a.create( 3,size, CV_32FC3);
int i;
for(i= 0;i<a. dims;i++)
std::cout<<a. step[i]<< std::endl;
输出

1369644

3732

尽管没有详细的判断，但是一般来说step还是等于dim原占有的空间的
综上 create操作一般会申请最大的step所占空间的字节数
但是这样并没有体现出任何自动内存管理的特点模拟sharedPTR的机制又在哪里体现的呢
再看Mat类中数据实体UMatData的定义有一个refCount的定义
int refcount;
我们来看看究竟有哪些情况会修改到refcount的数量
case1：浅复制过程
Mat::Mat(const Mat& m)调用的时候
如果原有的mat是有数据的，调用 CV_XADD(&u->refcount, 1); refcount+1
其实这样的复制过程也就是一次浅拷贝的过程
同样是浅拷贝过程的还有重载的运算符=

case2:释放过程
主动调用release方法的时候，程序会对refcount做一次检查

if( u && CV_XADD(&u->refcount, -1) == 1 )

deallocate();

只有在refcount减一之后为1时，才会调用deallocate

在对象析构的时候，也会主动调用release方法，其步骤如上

case3:创建过程
Mat在创建时，如果进行了分配数据的操作，会主动调用addref方法，将refcount+1
如果没有进行数据分配，refcount则仍为0

最后让我们来看看CV_XADD的展开

#if defined __INTEL_COMPILER && !(defined WIN32 || defined _WIN32)

// atomic increment on the linux version of the Intel(tm) compiler

# define CV_XADD(addr, delta) (int)_InterlockedExchangeAdd(const_cast<void*>(reinterpret_cast<volatile void*>(addr)), delta)

#elif defined __GNUC__

# if defined __clang__ && __clang_major__ >= 3 && !defined __ANDROID__ && !defined __EMSCRIPTEN__ && !defined(__CUDACC__)

# ifdef __ATOMIC_ACQ_REL

# define CV_XADD(addr, delta) __c11_atomic_fetch_add((_Atomic(int)*)(addr), delta, __ATOMIC_ACQ_REL)

# else

# define CV_XADD(addr, delta) __atomic_fetch_add((_Atomic(int)*)(addr), delta, 4)

# endif

# else

# if defined __ATOMIC_ACQ_REL && !defined __clang__

// version for gcc >= 4.7

# define CV_XADD(addr, delta) (int)__atomic_fetch_add((unsigned*)(addr), (unsigned)(delta), __ATOMIC_ACQ_REL)

# else

# define CV_XADD(addr, delta) (int)__sync_fetch_and_add((unsigned*)(addr), (unsigned)(delta))

# endif

#elif defined _MSC_VER && !defined RC_INVOKED

# include <intrin.h>

# define CV_XADD(addr, delta) (int)_InterlockedExchangeAdd((long volatile*)addr, delta)

#else

CV_INLINE CV_XADD(int* addr, int delta) { int tmp = *addr; *addr += delta; return tmp; }

#endif

其实质就是在进行一个线程安全的加减法用于在多线程操作中安全增减refcount的数目
小实验：
Mat a;
Mat b;
int size[]= { 356 , 367 , 311 };
a.create( 3 ,size, CV_32FC3 );
std ::cout<<a. u -> refcount << std ::endl;
b=a;
std ::cout<<a. u -> refcount << " " <<b. u -> refcount << std ::endl;
a.release();
std :: cout << b . u -> refcount << std :: endl ;
输出：
1

2 2

ArtistA

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
OpenCV3.0基本类型初探（三）MAT初探

在研究Mat之前，我们先来看下CV提供的一些小型Mat实现 MatxMatx定义于matx.hpp中继承关系如图Matx 用于表述规模较小的确定大小的矩阵，在模板定义的时候就确定了矩阵的规模，其定义如下：template class Matx数据存储实体如下： _Tp val[m*n]; //虽然没有动态分配内存的灵活性，Matx对于小型的矩阵却不失为一种
复制链接

扫一扫