java OpenCv Mat 类的基本操作（3）

对初学者来说,我们总是希望通过Opencv实现一些功能，当我们去研究一个陌生的东西，我们总是想着利用他去实现某一个功能

比如Opencv，我们很容易利用他去进行人脸识别，人脸识别也有很多的方式比如利用opecv自带的算法：

但是这对我们来说仅仅是皮毛，也是opencv用来检验的测试用例

我们不能拿它做出什么东西，甚至我们连人物识别都不知道怎样做，我们学习新的知识，不能仅仅做知识的搬运工，我们应该从砌砖开始，而不是一开始就研究整个屋子

人脸识别opencv还支持DNN，但是我在使用pb模型的时候，最后forward输出的矩阵我并不知道怎么处理来显示出来图像，所以不得用时间将基础做好，opencv java里面有一个重要的类是Mat，那么我们先看看如何创建

 废话少说，看源代码

    public Mat(long addr) {
        if (addr == 0)
            throw new UnsupportedOperationException("Native object address is NULL");
        nativeObj = addr;
    }

    //
    // C++: Mat::Mat()
    //

    // javadoc: Mat::Mat()
    public Mat() {
        nativeObj = n_Mat();
    }

    //
    // C++: Mat::Mat(int rows, int cols, int type)
    //

    // javadoc: Mat::Mat(rows, cols, type)
    public Mat(int rows, int cols, int type) {
        nativeObj = n_Mat(rows, cols, type);
    }

    //
    // C++: Mat::Mat(int rows, int cols, int type, void* data)
    //

    // javadoc: Mat::Mat(rows, cols, type, data)
    public Mat(int rows, int cols, int type, ByteBuffer data) {
        nativeObj = n_Mat(rows, cols, type, data);
    }

    //
    // C++: Mat::Mat(int rows, int cols, int type, void* data, size_t step)
    //

    // javadoc: Mat::Mat(rows, cols, type, data, step)
    public Mat(int rows, int cols, int type, ByteBuffer data, long step) {
        nativeObj = n_Mat(rows, cols, type, data, step);
    }

    //
    // C++: Mat::Mat(Size size, int type)
    //

    // javadoc: Mat::Mat(size, type)
    public Mat(Size size, int type) {
        nativeObj = n_Mat(size.width, size.height, type);
    }

    //
    // C++: Mat::Mat(int ndims, const int* sizes, int type)
    //

    // javadoc: Mat::Mat(sizes, type)
    public Mat(int[] sizes, int type) {
        nativeObj = n_Mat(sizes.length, sizes, type);
    }

    //
    // C++: Mat::Mat(int rows, int cols, int type, Scalar s)
    //

    // javadoc: Mat::Mat(rows, cols, type, s)
    public Mat(int rows, int cols, int type, Scalar s) {
        nativeObj = n_Mat(rows, cols, type, s.val[0], s.val[1], s.val[2], s.val[3]);
    }

    //
    // C++: Mat::Mat(Size size, int type, Scalar s)
    //

    // javadoc: Mat::Mat(size, type, s)
    public Mat(Size size, int type, Scalar s) {
        nativeObj = n_Mat(size.width, size.height, type, s.val[0], s.val[1], s.val[2], s.val[3]);
    }

    //
    // C++: Mat::Mat(int ndims, const int* sizes, int type, Scalar s)
    //

    // javadoc: Mat::Mat(sizes, type, s)
    public Mat(int[] sizes, int type, Scalar s) {
        nativeObj = n_Mat(sizes.length, sizes, type, s.val[0], s.val[1], s.val[2], s.val[3]);
    }

    //
    // C++: Mat::Mat(Mat m, Range rowRange, Range colRange = Range::all())
    //

    // javadoc: Mat::Mat(m, rowRange, colRange)
    public Mat(Mat m, Range rowRange, Range colRange) {
        nativeObj = n_Mat(m.nativeObj, rowRange.start, rowRange.end, colRange.start, colRange.end);
    }

    // javadoc: Mat::Mat(m, rowRange)
    public Mat(Mat m, Range rowRange) {
        nativeObj = n_Mat(m.nativeObj, rowRange.start, rowRange.end);
    }

    //
    // C++: Mat::Mat(const Mat& m, const std::vector<Range>& ranges)
    //

    // javadoc: Mat::Mat(m, ranges)
    public Mat(Mat m, Range[] ranges) {
        nativeObj = n_Mat(m.nativeObj, ranges);
    }

    //
    // C++: Mat::Mat(Mat m, Rect roi)
    //

    // javadoc: Mat::Mat(m, roi)
    public Mat(Mat m, Rect roi) {
        nativeObj = n_Mat(m.nativeObj, roi.y, roi.y + roi.height, roi.x, roi.x + roi.width);
    }

我数一下，大概有十几个构造方法，我们可以简单的立即这个方法就是用来创建一个矩阵

那么一个矩阵需要什么，多少行，多少列，以及元素值（初始化）

Mat其实是描述图像的，比我们数学中的矩阵要多一个参数，类型和通道

通道: 有单通道，3通道，和四通道，类型:有符号和无符号

最简单的，我们用Mat mat=new Mat();看看得到结果是什么

可以看到创建的默认的是单通道的，而且矩阵里面没有任何的元素 

我们从简单的矩阵2*2的矩阵开始创建

发现了什么，我们可以用一个Mat 创建其他的Mat，而且我们创建Mat时候只要传递参数类型是必须传递的，上面的不传递参数的我们看到的创建Mat默认的type是0 ，那么0标识什么

一共有8中类型

U标识无符号，S标识有符号，F 标识有符号的Float

默认创建的0是8位无符号的，并且是0行0列的单通道矩阵

了解了类型，我们继续创建我们的2*2的矩阵，那么我们看无符号的吧：

我们看到2*2的矩阵，里面的数据是随机产生的，默认的是单通道

如果我们不想让数据随机产生，我们可以进行初始化

new Scalar（）这个是通道赋值，在opencv中的作用是颜色作用，我们知道颜色表示方法很多，有十六进制的#fffff 还有RGB(0,0,255) 这个地方Scalar其实很RGB很接近，但是单通道的话，只需要一个值，第二个值是不生效的

3通道的话是是需要三个值，当然你也可以两个值，最后的默认为0 4通道类似，

可能说的不太好理解，我们几个例子

 

我们看到的是2在创建矩阵的时候并没有啥作用，那么多颜色有作用我们

我们将Mat转换为图片显示出来看看

 

我们改变new Scalar(1,2),修改成为new Scalar(1,125)

 

修改成为new Scalar(1,255)

没有变化，也就是说第二个参数不起作用

那么第一个参数用什么作用

当我们从1调整到125的时候，灰度变化了，或者最直观的是没有那么黑了

那么我们继续调整到254

 接近于白色

在这个地方我们可以看单通道的是创建的灰度化图片

我们创建2通道的，看看回事怎么样

如何创建2通道的：

双通道，我们可以看到的是矩阵的元素，是很new Scalar(254,255)对应起来的

第一个和Scalar的第一个参数一样，第二个和Scalar的第二个元素一样

为什么上面的数据都是正数，无符号，就是数据前面都是没有符号的，如果非要new Scalar(-1,255)

满足了吗，当小于0的时候就自动变成0了

双通道的图片是怎样的，我们不仅的好奇

我们用下面几个参数来标识

          new Saclar(0,0)                   new Saclar(1,125)                      new Saclar(1,255)                   

   

       new Scalar(125,125)             new Scalar(255,125)                 new Scalar(255,255)

 双通道的图片我们可以到的是无论是第一个参数变化，还是第二个参数编号都对整个图片有影响

但是双通道的图片研究起来好像没有多大的意思，其实黑白+灰度，而且整个图片上下都不一样

所以，双通道的到此为止

我们来看三通道的图片：

new Scalar这个时候需要三个值进行描述

这样好像就清晰了，RGB

我们看几个图片

我们知道new Scalar有最多有4参数，最后一个表示什么

第4参数标识图片的透明度，在0-1之间

 

今天好像说的有点跑题，我们大概知道了new Scalar()里面参数的含义

并且知道了创建矩阵，通道，初始化赋值

通过上面的例子，希望你对mat有更多的理解，如果有什么不对还请多多指教

希望对你有所帮助