OpenCV基础: 图像矩阵Mat的数据类型与访问等

质量声明：原创文章，内容质量问题请评论吐槽。如对您产生干扰，可私信删除。
主要参考：<学习Opencv 3 中文版>, Mat数据类型总结, 像素值读取at()函数

---

---

摘要: 随时更新完善opencv中Mat相关的定义,类型,访问和应用.

---

Mat矩阵的定义

opencv中的cv::Mat类用于定义任意维度的稠密数组，所谓稠密，是指该数组任一位置的元素都有确定值，即使是0.

独立定义

• 定义变量的同时进行初始化:

  cv::Mat img(640, 480, CV_8UC1,  cv::Scalar(100));                // 定义单通道灰度图, 640x480, 100
  

  cv::Mat src(800, 640, CV_8UC3,  cv::Scalar(70, 160, 70));        // 定义三通道彩色图,数据类型为8位无符号整型
  

  cv::Mat dst(960, 540, CV_32FC3, cv::Scalar(1.0f, 0.0f, 0.0f));   // 定义三通道彩色图,数据类型为32位浮点型
  

• 先定义，再初始化:

  cv::Mat src;
  src.create(800, 640, CV_8UC1);
  img.setTo(cv::Scalar(0));
  

  cv::Mat src(800, 640, CV_8UC3);
  src.setTo(cv::Scalar(255, 0, 0));
  

引用定义（内存相同）

cv::Mat dst(src);

cv::Mat dst = src;

cv::Mat& dst = src;

cv::Mat roi(src, cv::Rect(0, 0, 200, 100));

复制定义（内存独立）

• clone与copyTo：

  cv::Mat dst = src.clone();
  

  cv::Mat dst;
  src.copyTo(dst);
  

• 构造同型矩阵：

  cv::Mat dst(src.size(), CV_8UC1, cv::Scalar(0));
  

• 独立提取ROI：

  cv::Mat roi = src(cv::Rect(0, 0, 200, 100)).clone();
  

  cv::Rect roi_rect(0, 0, 200, 100);
  cv::Mat roi = src(roi_rect).clone();
  

  cv::Rect roi_rect(0, 0, 200, 100);
  cv::Mat roi;
  src(roi_rect).copyTo(roi);
  

特殊定义

• 零矩阵：

  cv::Mat zeros = cv::Mat::zeros(100, 100, CV_8UC1);
  

• 幺矩阵：

  cv::Mat ones = cv::Mat::ones(100, 100, CV_8UC1);
  

• 单位阵：

  cv::Mat eye = cv::Mat::eye(100, 100, CV_8UC1);
  

• 特别注意: 如果创建多通道数组, 则只有第一通道被赋值, 其余通道为全0. 以下示例创建的是个蓝色图像, 而不是纯白图像:

  cv::Mat blue= cv::Mat::ones(100, 100, CV_8UC3) * 255;
  

模板定义

（待完善）

cv::Mat m(const cv::Vec<T, n>& vec, bool = copyData = true);

cv::Mat(const cv::Matx<T, m, n>& vec, bool copyData = true);

cv::Mat(const std::vector<T>& vec, bool copyData = true);

---

Mat矩阵的数据类型

基本类型

• 明确矩阵元素的数据类型，对于访问数组元素和元素运算至关重要，选错数据类型会产生错误结果，误导后续处理.
• 一个有效的数据类型需要同时指明数据的类型和通道数，格式为CV_{8U,8S,16U,16S,32S,32F,64F }C{1,2,3}

数值	位数bits	具体类型	取值范围	等同C++变量
CV_8U	8 位	无符号整数	（0……255）	uchar , unsigned char
CV_8S	8 位	带符号整数	（-128……127）	char
CV_16U	16 位	无符号整数	（0……65535）	ushort , unsigned short , unsigned short int
CV_16S	16 位	带符号整数	（-32768……32767）	short , short int
CV_32S	32 位	带符号整数	（-2147483648……2147483647 ）	int , long
CV_32F	32 位	单精度浮点数	±（1.18e-38……3.40e38)	float
CV_64F	64 位	双精度浮点数	±（2.23e-308……1.79e308)	double

• 注：CV_USRTYPE1 support has been dropped in OpenCV 4.0.
• 如何获取未知矩阵的数据类型, 最直接的方法是查阅接口文档, 熟记常用变量的数据类型
• 也可以通过成员函数type()获得Mat矩阵元素的数据类型，不建议使用depth()获取通道中的元素类型. 但type()函数返回的是int型数值,需进一步查表, 才能得到对应的数据类型.

类型	C1	C2	C3	C4
CV_8U	0	8	16	24
CV_8S	1	9	17	25
CV_16U	2	10	18	26
CV_16S	3	11	19	27
CV_32S	4	12	20	28
CV_32F	5	13	21	29
CV_64F	6	14	22	30

提示： PNG 格式的彩色图像除了 BGR 3个通道外，还有一个透明度通道，所以存在 C4.
示例：

cv::Mat src = cv::Mat::ones(100, 100, CV_8SC3);
cout << "type = " << src.type() << endl;
cout << "depth = " << src.depth() << endl;

输出:
type = 17 查表知, 数据类型为 CV_8SC3
depth = 1 查表知, 通道中的数据类型为 CV_8S, 但未指明通道数. 因此, 不建议使用depth()获取通道中的元素类型

数据类型转换 convertTo

• 转浮点数

img.convertTo(img, CV_32F);

• 转整型

img.convertTo(img, CV_8U);

• 转为可显示图像Mat

// 必须是[0,1]的浮点数, 缩放
img.convertTo(img, CV_32F, 1./255);  

// 或者是[0,255]的整数, 不缩放
img.convertTo(img, CV_8U);

归一化 cv::normalize

• 区间化为 $[0,255]$ 整数

img.convertTo(img, CV_8U);
cv::normalize(img, img, 0, 255, cv::NORM_MINMAX);
cv::imshow("range.jpg", img);

• 归一化为 $[0.0,1.0]$ 的浮点数

img.convertTo(img, CV_32F);
cv::normalize(img, img, 1, 0, cv::NORM_MINMAX);
cv::imshow("normalization.jpg", img);

---

Mat数组的访问

独立访问数组元素

• 模板函数at<>()可以实现对数组元素进行独立访问, 但对不同数据类型的数组有不同的参数要求.
• 以单通道为例，at 方法接受的数据类型是 uchar ，而非 CV_8U, 即 img.at<uchar>(2,3)

数据类型/at参数	C1	C2	C3	C4	C6
CV_8U	uchar	cv::Vec2b	cv::Vec3b	cv::Vec4b
CV_8S	/	/	/	/
CV_16U	ushort	cv::Vec2w	cv::Vec3w	cv::Vec4w
CV_16S	short	cv::Vec2s	cv::Vec3s	cv::Vec4s
CV_32S	int	cv::Vec2i	cv::Vec3i	cv::Vec4i
CV_32F	float	cv::Vec2f	cv::Vec3f	cv::Vec4f	cv::Vec6f
CV_64F	double	cv::Vec2d	cv::Vec3d	cv::Vec4d	cv::Vec6d

• 常见的对应关系

CV_8U	CV_32S	CV_32F	CV_64F
uchar	int	float	double

示例：

cv::Mat img = cv::Mat::ones(20, 4, CV_64FC3) * CV_PI;
auto vec3d = img.at<cv::Vec3d>(2, 1);
auto vec3d0 = img.at<cv::Vec3d>(2, 1)[0];
auto vec3d1 = img.at<cv::Vec3d>(2, 1)[1];
auto vec3d2 = img.at<cv::Vec3d>(2, 1)[2];
std::cout << "vec3d = " << vec3d << std::endl;
std::cout << "vec3d0 = " << vec3d0 << std::endl;
std::cout << "vec3d1 = " << vec3d1 << std::endl;
std::cout << "vec3d2 = " << vec3d2 << std::endl;

输出:
vec3d = [3.14159, 0, 0]
vec3d0 = 3.14159
vec3d1 = 0
vec3d2 = 0

提示： 错误的数据类型将输出错误的取值. 如cv::Vec3i的取值是全零.

区块访问与赋值

• 单行/单列

  src.row(30) = cv::Scalar(255, 255, 255); // 将图像第30行设为白色
  src.col(30) = cv::Scalar(255, 255, 255); // 将图像第30列设为白色
  

• 多行/多列

  src.rowRange(30, 50) = cv::Scalar(255, 255, 255); // 将图像第30~50行设为白色
  src.colRange(30, 50) = cv::Scalar(255, 255, 255); // 将图像第30~50列设为白色
  

• 矩形区域 (x1, y1, w, h)

  src(cv::Rect(0, 0, 200, 100)) = cv::Scalar(200, 0, 150);
  

  cv::Rect roi_rect(0, 0, 200, 100);   
  src(roi_rect).setTo(cv::Scalar(200, 0, 150));
  

  src(cv::Range(0, 100), cv::Range(0, 200)) = cv::Scalar(200, 0, 150);
  

区域替换

cv::Mat src(800, 640, CV_8UC3, cv::Scalar(70, 160, 70));  
cv::Mat dst(800, 640, CV_8UC3, cv::Scalar(10, 10, 200));  
cv::Rect roi_rect(0, 0, 200, 100);
src(roi_rect).copyTo(dst(roi_rect));
// 无效替换 dst(roi_rect) = src(roi_rect);
// 无效替换 dst(roi_rect) = src(roi_rect).clone();