OpenCV中图像不同定义类型间的转换

  一、Mat 类型： 矩阵类型 ，Matrix。

    在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。

    Mat有3个重要的方法：

         1、Mat mat = imread(const String* filename);            读取图像

         2、imshow(const string frameName, InputArray mat);      显示图像

         3、imwrite (const string& filename, InputArray img);    储存图像

    Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。

A.Mat -> IplImage

同样只是创建图像头，而没有复制数据。

例： // 假设Mat类型的imgMat图像数据存在

IplImage pImg= IplImage(imgMat); 

B.Mat -> CvMat

与IplImage的转换类似，不复制数据，只创建矩阵头。

例： // 假设Mat类型的imgMat图像数据存在

     CvMat cvMat = imgMat;

 

二、CvMat类型与IplImage类型：“图像”类型

       在openCV中，Mat类型与CvMat和IplImage类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，openCV对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。

补充：IplImage由CvMat派生，而CvMat由CvArr派生即CvArr -> CvMat -> IplImage

            CvArr用作函数的参数，无论传入的是CvMat或IplImage，内部都是按CvMat处理。

1.CvMat

A.CvMat-> IplImage

IplImage* img = cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);

cvSaveImage("rice1.bmp",img);

B.CvMat->Mat

与IplImage的转换类似，可以选择是否复制数据。

Mat::Mat(const CvMat* m, bool copyData=false);

在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。

但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵：

              CvMat* cvCreatMat(int rows ,int cols , int type);

这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。

 

2.IplImage

在类型关系上，我们可以说IplImage类型继承自CvMat类型，当然还包括其他的变量将之解析成图像数据。

IplImage类型较之CvMat多了很多参数，比如depth和nChannels。在普通的矩阵类型当中，通常深度和通道数被同时表示，如用32位表示RGB+Alpha.但是，在图像处理中，我们往往将深度与通道数分开处理，这样做是OpenCV对图像表示的一种优化方案。

IplImage的对图像的另一种优化是变量origin----原点。在计算机视觉处理上，一个重要的不便是对原点的定义不清楚，图像来源，编码格式，甚至操作系统都会对原地的选取产生影响。为了弥补这一点，openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角，1表示左下角。

dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值，前者便是对于像素，不同的通道的数据交叉排列，后者表示所有通道按顺序平行排列。

IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。

A.IplImage -> Mat

IplImage* pImg = cvLoadImage("lena.jpg");
Mat img(pImg,0); // 0是不複製影像，也就是pImg與img的data共用同個記憶體位置，header各自有
B.IplImage -> CvMat

法1：CvMat mathdr, *mat = cvGetMat( img, &mathdr );

法2：CvMat *mat = cvCreateMat( img->height, img->width, CV_64FC3 );
  cvConvert( img, mat );

C.IplImage*-> BYTE*

BYTE* data= img->imageData;

 

CvMat和IplImage创建时的一个小区别：

1、建立矩阵时，第一个参数为行数，第二个参数为列数。

CvMat* cvCreateMat( int rows, int cols, int type );

2、建立图像时，CvSize第一个参数为宽度，即列数；第二个参数为高度，即行数。这 个和CvMat矩阵正好相反。

IplImage* cvCreateImage(CvSize size, int depth, int channels );

CvSize cvSize( int width, int height );

 

IplImage内部buffer每行是按4字节对齐的，CvMat没有这个限制

 

补充：

A.BYTE*-> IplImage*

img= cvCreateImageHeader(cvSize(width,height),depth,channels);

cvSetData(img,data,step);

//首先由cvCreateImageHeader()创建IplImage图像头，制定图像的尺寸，深度和通道数；

//然后由cvSetData()根据BYTE*图像数据指针设置IplImage图像头的数据数据，

//其中step指定该IplImage图像每行占的字节数，对于1通道的IPL_DEPTH_8U图像，step可以等于width。

1. 

由

IplImage*

得到

BYTE*

图像数据：

 

data = iplImage->imageDataOrigin; //

未对齐的原始图像数据

 

或者

 

data = iplImage->imageData; //

已对齐的图像数据

 

 

2. 

由

BYTE*

得到

IplImage*

图像数据

 

iplImage = cvCreateImageHeader(cvSize(width,height),depth,channels); 

cvSetData(iplImage,data,step); 

首先由

cvCreateImageHeader()

创建

IplImage

图像头，

制定图像的尺寸，

深度和通道数；

然后由

cvSetData()

根据

 

BYTE*

图像数据指针设置

IplImage

图像头的数据数据，

其中

step

指定该

IplImage

图像每行占的字节

数，对于

1

通道的

 

IPL_DEPTH_8U

图像，

step

可以等于

width

。

 

 

我从视频上获取一帧图像（

320X240

，

RGB

），存为

BYTE* pImg

。想用

OpenCV 1.0

检测人脸，通过以

下方法转化为

IplImage* frame : 

 

frame = cvCreateImageHeader(cvSize(320,240),IPL_DEPTH_8U,3); 

cvSetData(frame,pImg,320*3); 

 

再通过网站示例进行检测

 

 

CvPoint pt1, pt2; 

CvSeq* faces = cvHaarDetectObjects( img, cascade, storage, 

    

    

    

1.1, 2, CV_HAAR_DO_CANNY_PRUNING, 

    

    

    

cvSize(40, 40) ); 

for( int i = 0; i < (faces ? faces->total : 0); i++ ) 

{ 

     

CvRect* r = (CvRect*)cvGetSeqElem( faces, i ); 

     

pt1.x = r->x*scale; 

     

pt2.x = (r->x+r->width)*scale; 

     

pt1.y = r->y*scale; 

     

pt2.y = (r->y+r->height)*scale; 

     

cvRectangle( img, pt1, pt2, CV_RGB(255,0,0), 3, 8, 0 ); 

} 

 

检测得到的图像再通过以下方式转换回

BYTE* pImg 

IplImage* iplImage； BYTE* data.  
1. 由IplImage*得到BYTE*图像数据： 
data = iplImage->imageDataOrigin; //未对齐的原始图像数据 或者 
data = iplImage->imageData; //已对齐的图像数据  
2. 由BYTE*得到IplImage*图像数据 
iplImage = cvCreateImageHeader(cvSize(width,height),depth,channels); cvSetData(iplImage,data,step); 
首先由cvCreateImageHeader()创建IplImage图像头，制定图像的尺寸，深度和通道数；然后由cvSetData()根据 BYTE*图像数据指针设置IplImage图像头的数据数据，其中step指定该IplImage图像每行占的字节数，对于1通道的 IPL_DEPTH_8U图像，step可以等于width。  
我从视频上获取一帧图像（320X240，RGB），存为BYTE* pImg。想用OpenCV 1.0检测人脸，通过以下方法转化为IplImage* frame :  
frame = cvCreateImageHeader(cvSize(320,240),IPL_DEPTH_8U,3); cvSetData(frame,pImg,320*3);  
再通过网站示例进行检测  
CvPoint pt1, pt2; 
CvSeq* faces = cvHaarDetectObjects( img, cascade, storage,             1.1, 2, CV_HAAR_DO_CANNY_PRUNING,             cvSize(40, 40) ); 
for( int i = 0; i < (faces ? faces->total : 0); i++ ) { 
     CvRect* r = (CvRect*)cvGetSeqElem( faces, i );      pt1.x = r->x*scale; 
     pt2.x = (r->x+r->width)*scale;      pt1.y = r->y*scale; 
     pt2.y = (r->y+r->height)*scale; 
     cvRectangle( img, pt1, pt2, CV_RGB(255,0,0), 3, 8, 0 ); }  
检测得到的图像再通过以下方式转换回BYTE* pImg

for (i=0;i<320*240*3;i++) 
     pImg[i] = (frame->imageDataOrigin)[i];