转：OpenCV学习之CvMat的用法详解及实例

最新推荐文章于 2023-09-14 15:51:17 发布
最新推荐文章于 2023-09-14 15:51:17 发布
阅读量687 收藏
点赞数
分类专栏： C++笔记 OpenCV 文章标签： float colors vector matlab image dst

转自：http://blog.csdn.net/yanzi1225627/article/details/7558112 致谢！！

CvMat是OpenCV比较基础的函数。初学者应该掌握并熟练应用。但是我认为计算机专业学习的方法是，不断的总结并且提炼，同时还要做大量的实践，如编码，才能记忆深刻，体会深刻，从而引导自己想更高层次迈进。

1.初始化矩阵

CvMat*mat = cvCreateMat( 2, 2, CV_64FC1 );
cvZero( mat );
cvmSet( mat, 0, 0, 1 );
cvmSet( mat, 0, 1, 2 );
cvmSet( mat, 1, 0, 3 );
cvmSet( mat, 2, 2, 4 );
cvReleaseMat( &mat );

方式二、连接现有数组式：

doublea[] = { 1, 2, 3, 4,
              5, 6, 7, 8,
              9, 10, 11, 12 };
CvMat mat = cvMat( 3, 4, CV_64FC1, a ); // 64FC1 for double
// 不需要cvReleaseMat，因为数据内存分配是由double定义的数组进行的。

2.IplImage到CvMat的转换

方式一、cvGetMat方式：
CvMat mathdr,*mat = cvGetMat( img, &mathdr );

方式二、cvConvert方式：
CvMat *mat =cvCreateMat( img->height, img->width, CV_64FC3 );
cvConvert( img, mat );
// #define cvConvert( src, dst ) cvConvertScale( (src), (dst), 1, 0 )

3.cvMat)转化为cvMat

方式一、cvGetMat方式：
int coi = 0;
cvMat *mat = (CvMat*)arr;
if( !CV_IS_MAT(mat) )
{
    mat = cvGetMat( mat, &matstub, &coi );
    if (coi != 0) reutn; // CV_ERROR_FROM_CODE(CV_BadCOI);
}
写成函数为：
// This is justan example of function
// to support both IplImage and cvMat as an input
CVAPI( void ) cvIamArr( const CvArr* arr )
{
    CV_FUNCNAME( "cvIamArr" );
    __BEGIN__;
    CV_ASSERT( mat == NULL );
    CvMat matstub, *mat = (CvMat*)arr;
    int coi = 0;
    if( !CV_IS_MAT(mat) )
    {
        CV_CALL( mat = cvGetMat( mat,&matstub, &coi ) );
        if (coi != 0)CV_ERROR_FROM_CODE(CV_BadCOI);
    }
    // Process as cvMat
    __END__;
}

4.图像直接操作

方式一：直接数组操作 int col, row, z;
uchar b, g, r;
for( y = 0; row < img->height; y++ )
{
   for ( col = 0; col < img->width; col++ )
   {
     b = img->imageData[img->widthStep * row + col *3]
     g = img->imageData[img->widthStep * row + col *3 + 1];
     r = img->imageData[img->widthStep * row + col *3 + 2];
   }
}
方式二：宏操作：
int row, col;
uchar b, g, r;
for( row = 0; row < img->height; row++ )
{
   for ( col = 0; col < img->width; col++ )
   {
     b = CV_IMAGE_ELEM( img, uchar, row, col * 3 );
     g = CV_IMAGE_ELEM( img, uchar, row, col * 3 + 1 );
     r = CV_IMAGE_ELEM( img, uchar, row, col * 3 + 2 );
   }
}
注：CV_IMAGE_ELEM(img, uchar, row, col * img->nChannels + ch )

5.CvMat直接操作

数组的直接操作比较郁闷，这是由于其决定于数组的数据类型。

对于CV_32FC1 (1 channel float)：
CvMat* M =cvCreateMat( 4, 4, CV_32FC1 );
M->data.fl[ row * M->cols + col ] = (float)3.0;

对于CV_64FC1 (1 channel double)：
CvMat* M =cvCreateMat( 4, 4, CV_64FC1 );
M->data.db[ row * M->cols + col ] = 3.0;

一般的，对于1通道的数组：
CvMat* M =cvCreateMat( 4, 4, CV_64FC1 );
CV_MAT_ELEM( *M, double, row, col ) = 3.0;
注意double要根据数组的数据类型来传入，这个宏对多通道无能为力。

对于多通道：
看看这个宏的定义：#defineCV_MAT_ELEM_CN( mat, elemtype, row, col ) \
    (*(elemtype*)((mat).data.ptr + (size_t)(mat).step*(row) +sizeof(elemtype)*(col)))
if( CV_MAT_DEPTH(M->type) == CV_32F )
    CV_MAT_ELEM_CN( *M, float, row, col * CV_MAT_CN(M->type)+ ch ) = 3.0;
if( CV_MAT_DEPTH(M->type) == CV_64F )
    CV_MAT_ELEM_CN( *M, double, row, col * CV_MAT_CN(M->type)+ ch ) = 3.0;
更优化的方法是：
   #define CV_8U   0
   #define CV_8S   1
   #define CV_16U 2
   #define CV_16S 3
   #define CV_32S 4
   #define CV_32F 5
   #define CV_64F 6
   #define CV_USRTYPE1 7

intelem_size = CV_ELEM_SIZE( mat->type );
for( col = start_col; col < end_col; col++ ) {
    for( row = 0; row < mat->rows; row++ ) {
        for( elem = 0; elem < elem_size;elem++ ) {
           (mat->data.ptr + ((size_t)mat->step * row) + (elem_size * col))[elem] =
               (submat->data.ptr + ((size_t)submat->step * row) + (elem_size * (col -start_col)))[elem];
        }
    }
}

对于多通道的数组，以下操作是推荐的：
for(row=0;row< mat->rows; row++)
    {
        p = mat->data.fl + row *(mat->step/4);
        for(col = 0; col < mat->cols;col++)
        {
            *p = (float)row+col;
            *(p+1) =(float) row+col+1;
            *(p+2)=(float) row+col+2;
            p+=3;
        }
    }
对于两通道和四通道而言：
CvMat* vector =cvCreateMat( 1, 3, CV_32SC2 );
CV_MAT_ELEM( *vector, CvPoint, 0, 0 ) = cvPoint(100,100);

CvMat*vector = cvCreateMat( 1, 3, CV_64FC4 );
CV_MAT_ELEM( *vector, CvScalar, 0, 0 ) = cvScalar(0,0,0,0);

6.间接访问cvMat

cvmGet/Set是访问CV_32FC1 和 CV_64FC1型数组的最简便的方式，其访问速度和直接访问几乎相同
cvmSet( mat,row, col, value );
cvmGet( mat, row, col );
举例：打印一个数组
inline voidcvDoubleMatPrint( const CvMat* mat )
{
    int i, j;
    for( i = 0; i < mat->rows; i++ )
    {
        for( j = 0; j < mat->cols; j++)
        {
            printf("%f ",cvmGet( mat, i, j ) );
        }
        printf( "\n" );
    }
}

而对于其他的，比如是多通道的后者是其他数据类型的，cvGet/Set2D是个不错的选择
CvScalar scalar= cvGet2D( mat, row, col );
cvSet2D( mat, row, col, cvScalar( r, g, b ) );

注意：数据不能为int，因为cvGet2D得到的实质是double类型。
举例：打印一个多通道矩阵：
inline voidcv3DoubleMatPrint( const CvMat* mat )
{
    int i, j;
    for( i = 0; i < mat->rows; i++ )
    {
        for( j = 0; j < mat->cols; j++)
        {
            CvScalarscal = cvGet2D( mat, i, j );
            printf("(%f,%f,%f) ", scal.val[0], scal.val[1], scal.val[2] );
        }
        printf( "\n" );
    }
}

7.修改矩阵的形状——cvReshape的操作

经实验表明矩阵操作的进行的顺序是：首先满足通道，然后满足列，最后是满足行。
注意：这和Matlab是不同的，Matlab是行、列、通道的顺序。
我们在此举例如下：
对于一通道：
// 1 channel
CvMat *mat, mathdr;
double data[] = { 11, 12, 13, 14,
                  21, 22, 23, 24,
                  31, 32, 33, 34 };
CvMat* orig = &cvMat( 3, 4, CV_64FC1, data );
//11 12 13 14
//21 22 23 24
//31 32 33 34
mat = cvReshape( orig, &mathdr, 1, 1 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
// 11 12 13 14 21 22 23 24 31 32 33 34
mat = cvReshape( mat, &mathdr, 1, 3 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//11 12 13 14
//21 22 23 24
//31 32 33 34
mat = cvReshape( orig, &mathdr, 1, 12 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
// 11
// 12
// 13
// 14
// 21
// 22
// 23
// 24
// 31
// 32
// 33
// 34
mat = cvReshape( mat, &mathdr, 1, 3 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//11 12 13 14
//21 22 23 24
//31 32 33 34
mat = cvReshape( orig, &mathdr, 1, 2 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//11 12 13 14 21 22
//23 24 31 32 33 34
mat = cvReshape( mat, &mathdr, 1, 3 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//11 12 13 14
//21 22 23 24
//31 32 33 34
mat = cvReshape( orig, &mathdr, 1, 6 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
// 11 12
// 13 14
// 21 22
// 23 24
// 31 32
// 33 34
mat = cvReshape( mat, &mathdr, 1, 3 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//11 12 13 14
//21 22 23 24
//31 32 33 34
// Use cvTranspose and cvReshape( mat, &mathdr, 1, 2 ) to get
// 11 23
// 12 24
// 13 31
// 14 32
// 21 33
// 22 34
// Use cvTranspose again when to recover
对于三通道
// 3 channels
CvMat mathdr, *mat;
double data[] = { 111, 112, 113, 121, 122, 123,
211, 212, 213, 221, 222, 223 };
CvMat* orig = &cvMat( 2, 2, CV_64FC3, data );
//(111,112,113) (121,122,123)
//(211,212,213) (221,222,223)
mat = cvReshape( orig, &mathdr, 3, 1 ); // new_ch, new_rows
cv3DoubleMatPrint( mat ); // above
// (111,112,113) (121,122,123) (211,212,213) (221,222,223)
// concatinate in column first order
mat = cvReshape( orig, &mathdr, 1, 1 );// new_ch, new_rows
cvDoubleMatPrint( mat ); // above
// 111 112 113 121 122 123 211 212 213 221 222 223
// concatinate in channel first, column second, row third
mat = cvReshape( orig, &mathdr, 1, 3); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//111 112 113 121
//122 123 211 212
//213 221 222 223
// channel first, column second, row third
mat = cvReshape( orig, &mathdr, 1, 4 ); // new_ch, new_rows
cvDoubleMatPrint( mat ); // above
//111 112 113
//121 122 123
//211 212 213
//221 222 223
// channel first, column second, row third
// memorize this transform because this is useful to
// add (or do something) color channels
CvMat* mat2 = cvCreateMat( mat->cols, mat->rows, mat->type );
cvTranspose( mat, mat2 );
cvDoubleMatPrint( mat2 ); // above
//111 121 211 221
//112 122 212 222
//113 123 213 223
cvReleaseMat( &mat2 );

8.计算色彩距离

我们要计算img1,img2的每个像素的距离，用dist表示，定义如下
IplImage *img1= cvCreateImage( cvSize(w,h), IPL_DEPTH_8U, 3 );
IplImage *img2 = cvCreateImage( cvSize(w,h), IPL_DEPTH_8U, 3 );
CvMat *dist = cvCreateMat( h, w, CV_64FC1 );
比较笨的思路是：cvSplit->cvSub->cvMul->cvAdd
代码如下：
IplImage *img1B= cvCreateImage( cvGetSize(img1), img1->depth, 1 );
IplImage *img1G = cvCreateImage( cvGetSize(img1), img1->depth, 1 );
IplImage *img1R = cvCreateImage( cvGetSize(img1), img1->depth, 1 );
IplImage *img2B = cvCreateImage( cvGetSize(img1), img1->depth, 1 );
IplImage *img2G = cvCreateImage( cvGetSize(img1), img1->depth, 1 );
IplImage *img2R = cvCreateImage( cvGetSize(img1), img1->depth, 1 );
IplImage *diff    = cvCreateImage( cvGetSize(img1),IPL_DEPTH_64F, 1 );
cvSplit( img1, img1B, img1G, img1R );
cvSplit( img2, img2B, img2G, img2R );
cvSub( img1B, img2B, diff );
cvMul( diff, diff, dist );
cvSub( img1G, img2G, diff );
cvMul( diff, diff, diff);
cvAdd( diff, dist, dist );
cvSub( img1R, img2R, diff );
cvMul( diff, diff, diff );
cvAdd( diff, dist, dist );
cvReleaseImage( &img1B );
cvReleaseImage( &img1G );
cvReleaseImage( &img1R );
cvReleaseImage( &img2B );
cvReleaseImage( &img2G );
cvReleaseImage( &img2R );
cvReleaseImage( &diff );

比较聪明的思路是
int D =img1->nChannels; // D: Number of colors (dimension)
int N = img1->width * img1->height; // N: number of pixels
CvMat mat1hdr, *mat1 = cvReshape( img1, &mat1hdr, 1, N ); // N x D(colors)
CvMat mat2hdr, *mat2 = cvReshape( img2, &mat2hdr, 1, N ); // N x D(colors)
CvMat diffhdr, *diff = cvCreateMat( N, D, CV_64FC1 ); // N x D, temporal buff
cvSub( mat1, mat2, diff );
cvMul( diff, diff, diff );
dist = cvReshape( dist, &disthdr, 1, N ); // nRow x nCol to N x 1
cvReduce( diff, dist, 1, CV_REDUCE_SUM ); // N x D to N x 1
dist = cvReshape( dist, &disthdr, 1, img1->height ); // Restore N x 1 tonRow x nCol
cvReleaseMat( &diff );

#pragmacomment( lib, "cxcore.lib" )
#include "cv.h"
#include <stdio.h>
int main()
{
CvMat* mat = cvCreateMat(3,3,CV_32FC1);
cvZero(mat);//将矩阵置0
//为矩阵元素赋值
CV_MAT_ELEM(*mat, float, 0, 0 ) = 1.f;
CV_MAT_ELEM( *mat, float, 0, 1 ) = 2.f;
CV_MAT_ELEM( *mat, float, 0, 2 ) = 3.f;
CV_MAT_ELEM( *mat, float, 1, 0 ) = 4.f;
CV_MAT_ELEM( *mat, float, 1, 1 ) = 5.f;
CV_MAT_ELEM( *mat, float, 1, 2 ) = 6.f;
CV_MAT_ELEM( *mat, float, 2, 0 ) = 7.f;
CV_MAT_ELEM( *mat, float, 2, 1 ) = 8.f;
CV_MAT_ELEM( *mat, float, 2, 2 ) = 9.f;
//获得矩阵元素(0,2)的值
float *p =(float*)cvPtr2D(mat, 0, 2);
printf("%f\n",*p);
    return 0;
}

godenlove007
关注
专栏目录
cv::Mat遍历赋值的几种方式
weixin_44423355的博客
05-16 10000
cv::Mat赋值的几种方式前言：方式一：方式二：方式三：参考文献 前言： 背景：获取传感器数据后需要保存成图片，有时需要对里面的元素进行操作，因为是自己开发，不能直接得到图片，所以研究了一下Mat赋值的几种方式。 方式一： 提示：这里描述项目中遇到的问题： 例如：数据传输过程中数据不时出现丢失的情况，偶尔会丢失一部分数据 APP 中接收数据代码： #include <stdio.h> #include <iostream> #include <opencv2/core
OpenCV学习之CvMat的用法详解及实例
10-05
本文将详细介绍 CvMat 的用法，并提供了多个实例方便初学者学习和理解。 一、初始化矩阵 在 OpenCV 中，矩阵是使用 CvMat 结构体来表示的。初始化矩阵有多种方式，下面将介绍两种常见的初始化方式： 1.逐点赋值式...
cv::Mat 的常见操作方法
最新发布
anananajiushiwo的博客
09-14 1084
是OpenCV库中用于处理图像和矩阵的主要数据结构。
Mat的构造函数
weixin_43489667的博客
09-27 3188
然后我们看看Mat常用的构造函数： 1、Mat::Mat() 无参数构造方法； 2、Mat::Mat(int rows, int cols, int type) 创建行数为 rows，列数为 col，类型为 type 的图像； 3、Mat::Mat(Size size, int type) 创建大小为 size，类型为 type 的图像； 4、Mat::Mat(int rows, int cols, int type, const Scalar& s) 创建行数为 rows，列数为 col，类型为
OpenCV4 学习指导1 —— Mat：最基本的图像容器
DAOCHI
05-08 1642
Mat 的基本结构和基本用法
OpenCV学习之CvMat的用法详解及实例.pdf
02-27
在OpenCV库中，CvMat是一个非常基础且重要的数据结构，用于表示多维数组，尤其是在处理图像数据时。本文将深入探讨CvMat的用法，包括如何初始化矩阵、如何将IplImage转换为CvMat、如何将CvArr转化为CvMat以及对图像...
OpenCV学习之CvMat的用法详解及实例.docx
02-27
掌握 `CvMat` 的使用是OpenCV学习的基础，通过不断实践和总结，可以深化对图像处理的理解，进一步探索如特征提取、图像变换、目标检测等高级话题。在实际编程中，还需要了解如何与其他OpenCV结构（如 `Mat`）互换，...
OpenCV入门教程：CvMat详解与实战
"本文主要介绍了OpenCV中的CvMat数据结构的使用方法，包括初始化矩阵、IplImage到cvMat的转换、cvArr到cvMat的转化、图像和矩阵的操作等，并提供了实例来帮助理解。" 在OpenCV库中，CvMat是一个核心的数据结构，...
OpenCV CvMat详解：初始化、转换与操作实例
在OpenCV的学习过程中，理解和掌握CvMat的用法至关重要，因为它涉及到图像处理的许多基本操作。本文将详细介绍CvMat的初始化、转换以及常见的操作方法，并通过实例帮助理解。 1. 初始化矩阵: - 逐点赋值方式：通过...
读取cv::mat中的数据
07-08
对opencv2.0之后的cv::mat类读取数据，分别包括直接读取、指针读取和迭代器读取
CvMat用法详解
chengde6896383的专栏
11-19 474
https://blog.csdn.net/zx3517288/article/details/51760541 CvMat是OpenCV比较基础的函数。初学者应该掌握并熟练应用。但是我认为计算机专业学习的方法是，不断的总结并且提炼，同时还要做大量的实践，如编码，才能记忆深刻，体会深刻，从而引导自己想更高层次迈进。 综述: OpenCV有针对矩阵操作的C语言函数. 许多其他方法提供了更加方便的...
CvMat、IplImage和Mat之间的相互转换（精华）
只要踏出一步，路就在前方——zssure
05-28 9442
不知道确切的原文出处，我是转自新浪的一篇博文：http://blog.sina.com.cn/s/blog_534497fd01015k7z.html（原创作者如果看到，请提醒我，我会写明原作者）   opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种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
opencv 宏
JJM152768JJM的专栏
11-05 983
1、CV_MAKETYPE(depth,cn) 宏   作用：#define CV_MAKETYPE(depth,cn) 宏读入位深度depth和通道数cn生成矩阵类型type.   Depth是位深度，定义如下： #define CV_8U   0 #define CV_8S   1 #define CV_16U  2 #define CV_16S  3 #define CV_
OpenCV参考手册之Mat类详解
Armily的专栏
12-13 2311
转自 http://www.opencvchina.com/thread-1039-1-1.html 目标      我们有多种方法可以获得从现实世界的数字图像：数码相机、扫描仪、计算机体层摄影或磁共振成像就是其中的几种。在每种情况下我们（人类）看到了什么是图像。但是，转换图像到我们的数字设备时我们的记录是图像的每个点的数值。       例如在上图中你可以看到车的镜子只是一个包含
cv::Mat与QImage的互相转换
龚建波
08-30 8254
OpenCV 的 cv::Mat 和 Qt 的 QImage 的转换很简单，网上也很多参考，这里只是记录一下。转换的时候除了要关注构造参数中的图像宽高、存储精度、通道数和通道顺序外，大小端也需要注意。如 QImage::Format_ARGB32 是用 32 位整形存储一个像素，虽然写的是 ARGB 顺序，但是由于存储大小端的关系，PC 一般小端存储，所以字节顺序成了 BGRA。 直接通过数据指针构造 QImage 是复用的原来的内存，要注意释放顺序，也可以 copy 拷贝一份，cv::Mat 同理。
cv::Mat、QImage格式常用函数
weixin_45654161的博客
07-28 686
【代码】cv::Mat、QImage格式互转。
遍历opencv中的mat像素的几种方法和概念
u011555996的博客
01-07 2588
今天在看矩形滤波的时候忽然脑子短路，把一些概念全弄混了，现总结一下，以便下次再混的时候可以参考确认下，自己的理解，有错的地方还请指正。 首先，在Opencv2中基本上都是用的Mat来表示图像了，C++的函数调用中基本上也都是Mat图，从根本上说，一张图像是一个由数值组成的矩阵，矩阵的每一个元素代表一个像素。对于灰度图像而言，像素有8位无符号数表示，其中0代表黑色，255代表白色...
OpenCv学习笔记（二）—cv::Mat学习
热门推荐
Augusdi的专栏
05-02 5万+
由于在写上一篇图像的数据结构时，发现自己只知道CvMat,竟然还有Mat数据结构，真是无知了，看了这么多程序，貌似没有看到这个结构。有可能那些程序都是些老版本的例子，这是在2.0以后加上的，所以我也得紧跟呀！以下是自己的学习心得。。。。一、Mat简介    在2001年刚刚出现的时候，OpenCV基于 C 语言接口而建。为了在内存（memory）中存放图像，当时采用名为 IplImage 的C语言
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值