【学习OpenCV】编程笔记：一些需要注意的细节

1、矩阵存储格式

Mat的存储是逐行的存储的，matlab中是逐列存储的；

2、Mat的数据深度

很多OpenCV的函数支持的数据深度只有8位和32位的，所以要少使用CV_64F

Mat_<uchar>对应的是CV_8U，


Mat_<char>对应的是CV_8S，


Mat_<int>对应的是CV_32S，


Mat_<float>对应的是CV_32F，


Mat_<double>对应的是CV_64F，对应的数据深度如下：


? CV_8U - 8-bit unsigned integers ( 0..255 )


? CV_8S - 8-bit signed integers ( -128..127 )


? CV_16U - 16-bit unsigned integers ( 0..65535 )


? CV_16S - 16-bit signed integers ( -32768..32767 )


? CV_32S - 32-bit signed integers ( -2147483648..2147483647 )


? CV_32F - 32-bit ?oating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )


? CV_64F - 64-bit ?oating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )

3、计算积分图的函数integral

C++: void integral(InputArray src, OutputArray sum, int sdepth=-1 )

C++: void integral(InputArray src, OutputArray sum, OutputArray sqsum, int sdepth=-1 )

C++: void integral(InputArray src, OutputArray sum, OutputArray sqsum, OutputArray tilted, int sdepth=-1 )

Parameters:	
image – input image as W \times H, 8-bit or floating-point (32f or 64f).
sum – integral image as  (W+1)\times (H+1) , 32-bit integer or floating-point (32f or 64f).
sqsum – integral image for squared pixel values; it is (W+1)\times (H+1), double-precision floating-point (64f) array.
tilted – integral for the image rotated by 45 degrees; it is (W+1)\times (H+1) array with the same data type as sum.
sdepth – desired depth of the integral and the tilted integral images, CV_32S, CV_32F, or CV_64F.

因为积分图计算之前会在左边界补一个列零和上边界补一行零，这是为了避免出现Image[-1][-1]；故积分图输出的矩阵是(H+1)*(W+1)的，所以在创建存放积分图的Mat时要注意将原始长宽分别加1

4、图像边界处理

凡是涉及滤波（或卷积）的函数，都会有这样一个参数：

int borderType

因为两个矩阵卷积后尺寸会增大（详见 http://blog.csdn.net/kelvin_yan/article/details/39640757），在卷积前要根据卷积核的大小对原始图像进行扩充，扩充而来的像素，我们通过该参数来决定对这些像素填充什么值。

一些常用的函数里面都有这个参数：

GaussianBlur
Laplacian
Sobel
blur
copyMakeBorder
cornerHarris

等...

官方文档在Image Filtering栏目下有对borderType的说明：

/*
 Various border types, image boundaries are denoted with '|'

 * BORDER_REPLICATE:     aaaaaa|abcdefgh|hhhhhhh
 * BORDER_REFLECT:       fedcba|abcdefgh|hgfedcb
 * BORDER_REFLECT_101:   gfedcb|abcdefgh|gfedcba
 * BORDER_WRAP:          cdefgh|abcdefgh|abcdefg
 * BORDER_CONSTANT:      iiiiii|abcdefgh|iiiiiii  with some specified 'i'
 */

填充形式一目了然

5、convertTo方法

调用形式：  

Mat src=imread('lena.jpg',CV_LOAD_IMAGE_GRAYSCALE);
src.convertTo(dst,CV_16U);

功能：将输入Mat转换为目标类型，并把结果放在输出Mat（也可以使输入Mat本身）。

注意：数据的取值范围，不能从大范围往小范围直接转换，例如，

Mat src=imread('lena.tiff',CV_LOAD_IMAGE_GRAYSCALE);  //lena.jpg是16bit图像
src.convertTo(dst,CV_8U);

此时发生溢出，dst的数据均为255，imshow的结果就是一片白；

所以，如果想把16bit转8bit，必须通过线性灰度变换，可以用以下代码：

void normalizeImg(const Mat& src, Mat& dst, double range)
{
	double maxval,minval;
	minMaxLoc(src, &minval,&maxval);
	double p = range/(maxval-minval+EPS);
	dst = (src-minval)*p;
}

注意：convertTo方法属于矩阵的深拷贝，即为目标地址创建新的内存空间，如：

float a[100] = {1,2,0};
Mat src(10,10,CV_32F,a);  
src.convertTo(src,CV_8U);

此时src的内存空间将发生改变，即执行convertTo前后，src.data指向不同的内存地址

6、imshow能够适应不同类型的输入数据

但若将8bit的数据赋值给CV_16U的Mat，用imshow将显示一片黑！

所以，如果想正常显示图像，要根据数据的灰度范围配合适当的存储类型，存储类型不是随便设置的！

7、图像位深度

在opencv的Mat.depth()中得到的是一个 0 – 6 的数字，分别代表不同的位数：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；

8、行、列和高、宽

h == rows，w == cols

在一些函数中，形参的先后顺序为宽、高，如cv::Rect(int x, int y, int width, int height)，cv::Size(int _width, int _height)

而在另一些函数中，顺序是反过来的，如cv::Mat::zeros(int rows, int cols, int type)，cv::Mat::creat(int rows, int cols, int type)

基本有这样一个规律：几何概念上的东西（如长方形）就按照宽、高；而矩阵（最具代表性的莫过于Mat类）则按照行、列（矩阵中就没有高宽之说）

9、给矩阵的某个区域赋值

可以用与补零操作，如把1000*1000变成1024*1024

//input src is 1000*1000
Mat img;
img=Mat::zeros(cvSize(1024,1024),CV_16UC1);
src.copyTo(img(Rect(0,0,src.cols,src.rows)));

主要用到Rect提取ROI

10、用指针访问Mat元素时注意数据类型

如下代码：

	double m[3][3] = {{2,3,4},{5,6,7},{8,9,10}};
	Mat M(3,3,CV_64F,m);
	const uchar* p = M.ptr<uchar>(1);
	double v = p[2];
	std::cout<<"\n"<<p[2]<<endl;

目的是想打印M的第2行第3个元素，结果显示0，因为ptr方法返回的指针是unsigned char的（一个字节），但是M的元素是double型的（8个字节），导致获得的数据并不完整

改正：

	double m[3][3] = {{2,3,4},{5,6,7},{8,9,10}};
	Mat M(3,3,CV_64F,m);
	const double* p = M.ptr<double>(1);
	double v = p[2];
	std::cout<<"\n"<<p[2]<<endl;

11、使用at方法给Mat赋值前先初始化Mat的数据类型

如：

	Mat img0(height,width, CV_8UC1);
	for(int i=0;i<height;i++)
		for(int j=0;j<width;j++)
		{
			img0.at<unsigned char>(i,j) = data[i][j];
		}

unsigned char data[][]是原始数据放在数组内；如果不事先初始化img0的类型为CV_8UC1，则赋值失败

12、谨慎处理矩阵赋值！

就是Mat的深拷贝和浅拷贝问题：

赋值方式1：

dstImg = tempMat;

dstImg和tempMat为同一个变量，仅仅是名字不一样而已（变量的引用）！对任何一者的操作都会影响另一者。举个例子：

dstImg = tempMat;
add(tempMat,1,tempMat);
divide(dstImg,tempMat,dstImg);

本意是将dstImg./(dstImg+1)，结果是dstImg./dstImg
这时候就要用clone方法创建矩阵了！

赋值方式2：

dstImg = tempMat.clone();

这样，dstImg和tempMat才是真正意义上的两个矩阵（各自独立占用一段内存）

13、找不到Size、Rect、Point的原始定义？

其实它们的真身就是Size_、Rect_、Point_，只不过opencv为了方便用户，用typedef去掉了那一横杠

在官方文档中有所描述，但容易忽略：

For your convenience, the following type aliases are defined:

typedef Point_<int> Point2i;
typedef Point2i Point;
typedef Point_<float> Point2f;
typedef Point_<double> Point2d;

OpenCV defines the following Size_<> aliases:

typedef Size_<int> Size2i;
typedef Size2i Size;
typedef Size_<float> Size2f;

For your convenience, the Rect_<> alias is available:

typedef Rect_<int> Rect;

14、对图像处理前先转为浮点数类型

一般图像数据都是无符号整型数据，即CV_8U、CV_16U；如果处理结果会产生负数或者小数，例如差分、商运算，就要先用Mat::converTo()方法转换为CV_32F或CV_64F，而且要考虑是否需要创建一个原始数据的硬拷贝来存放，使用Mat::clone()方法，中间所有的处理都是对拷贝进行处理，这样就不会影响原始数据。

15、什么是in-place？

经常在refman里看到有些函数说支持in-place，其实就是说，一个函数有两个参数分别是输入图像指针和输出图像指针，当输入图像指针与输出图像指针是同一个指针的时候，就是in-place操作了。

如:
    cvSmooth()函数支持in-place操作了
 
我们可以这么
 
cvSmooth(pImg,pImg);
 
而不必这么用
 
cvSmooth(pImgSrc,pImgDst);

（ TO BE CONTINUE ）