矩阵数据的存取

访问矩阵中的数据有3种方法：简单的方法、麻烦的方法和恰当的方法。

简单的方法

从矩阵中得到一个元素的最简单的方法是利用宏CV_MAT_ELEM()。这个宏(参见例3-4)传入矩阵、待提取的元素的类型、行和列数4个参数，返回提取出的元素的值。

例3-4：利用CV_MAT_ELEM()宏存取矩阵

 
 
CvMat* mat = cvCreateMat( 5, 5, CV_32FC1 );  
float element_3_2 = CV_MAT_ELEM( *mat, float, 3, 2 ); 

更进一步，还有一个与此宏类似的宏，叫CV_MAT_ELEM_PTR()。CV_MAT_ELEM_ PTR()(参见例3-5)传入矩阵、待返回元素的行和列号这3个参数，返回指向这个元素的指针。该宏和CV_MAT_ELEM()宏的最重要的区别是后者在指针解引用之前将其转化成指定的类型。如果需要同时读取数据和设置数据，可以直接调用CV_MAT_ELEM_PTR()。但在这种情况下，必须自己将指针转化成恰当的类型。

例3-5：利用宏CV_MAT_ELEM_PTR()为矩阵设置一个数值

 
 
CvMat* mat = cvCreateMat( 5, 5, CV_32FC1 );  
float element_3_2 = 7.7;  
*( (float*)CV_MAT_ELEM_PTR( *mat, 3, 2 ) ) = element_3_2; 

【36】

遗撼的是，这些宏在每次调用的时候都重新计算指针。这意味着要查找指向矩阵基本元素数据区的指针、计算目标数据在矩阵中的相对地址，然后将相对位置与基本位置相加。所以，即使这些宏容易使用，但也不是存取矩阵的最佳方法。在计划顺序访问矩阵中的所有元素时，这种方法的缺点尤为突出。下面我们将讲述怎么运用最好的方法完成这个重要任务。

麻烦的方法

在"简单的方法"中讨论的两个宏仅仅适用于访问1维或2维的数组(回忆一下，1维的数组，或者称为"向量"实际只是一个n×1维矩阵)。OpenCV提供了处理多维数组的机制。事实上，OpenCV可以支持普通的N维的数组，这个N值可以取值为任意大的数。

为了访问普通矩阵中的数据，我们可以利用在例3-6和例3-7中列举的cvPtr*D和cvGet*D…等函数族。cvPtr*D家族包括cvPtr1D(), cvPtr2D(), cvPtr3D()和cvPtrND()…。这三个函数都可接收CvArr*类型的矩阵指针参数，紧随其后的参数是表示索引的整数值，最后是一个可选的参数，它表示输出值的类型。函数返回一个指向所需元素的指针。对于cvPtrND()来说，第二个参数是一个指向一个整型数组的指针，这个数组中包含索引的合适数字。后文会再次介绍此函数(在这之后的原型中，也会看到一些可选参数，必要时会有讲解)。

例3-6：指针访问矩阵结构

 
 
uchar* cvPtr1D(  
  const CvArr*  arr,  
  int           idx0,  
  int*          type = NULL 
);  
 
uchar* cvPtr2D(  
  const CvArr*  arr,  
  int           idx0,  
 
 
 
  int           idx1,  
  int*          type = NULL 
);  
 
uchar* cvPtr3D(  
  const CvArr*  arr,  
  int           idx0,  
  int           idx1,  
  int           idx2,  
  int*          type = NULL 
);  
uchar* cvPtrND(  
  const CvArr*  arr,  
  int*          idx,  
  int*          type            = NULL,  
  int           create_node     = 1,  
  unsigned*     precalc_hashval = NULL 
); 

【37～38】

如果仅仅是读取数据，可用另一个函数族cvGet*D。如例3-7所示，该例与例3-6类似，但是返回矩阵元素的实际值。

例3-7：CvMat和IPlImage元素函数

 
 
double cvGetReal1D( const CvArr* arr, int idx0 );  
double cvGetReal2D( const CvArr* arr, int idx0, int idx1 );  
double cvGetReal3D( const CvArr* arr, int idx0, int idx1, int idx2 );  
double cvGetRealND( const CvArr* arr, int* idx );  
 
CvScalar cvGet1D( const CvArr* arr, int idx0 );  
CvScalar cvGet2D( const CvArr* arr, int idx0, int idx1 );  
CvScalar cvGet3D( const CvArr* arr, int idx0, int idx1, int idx2 );  
CvScalar cvGetND( const CvArr* arr, int* idx ); 

cvGet*D中有四个函数返回的是整型的，另外四个的返回值是CvScalar类型的。这意味着在使用这些函数的时候，会有很大的空间浪费。所以，只是在你认为用这些函数比较方便和高效率的时候才用它们，否则，最好用cvPtr*D。

用cvPtr*D()函数族还有另外一个原因，即可以用这些指针函数访问矩阵中的特定的点，然后由这个点出发，用指针的算术运算得到指向矩阵中的其他数据的指针。在多通道的矩阵中，务必记住一点：通道是连续的，例如，在一个3通道2维的表示红、绿、蓝(RGB)矩阵中。矩阵数据如下存储rgbrgbrgb . . .。所以，要将指向该数据类型的指针移动到下一通道，我们只需要将其增加1。如果想访问下一个"像素"或者元素集，我们只需要增加一定的偏移量，使其与通道数相等。

另一个需要知道的技巧是矩阵数组的step元素(参见例3-1和例3-3)，step是矩阵中行的长度，单位为字节。在那些结构中，仅靠cols或width是无法在矩阵的不同行之间移动指针的，出于效率的考虑，矩阵或图像的内存分配都是4字节的整数倍。所以，三个字节宽度的矩阵将被分配4个字节，最后一个字节被忽略。因此，如果我们得到一个字节指针，该指针指向数据元素，那么我们可以用step和这个指针相加以使指针指向正好在我们的点的下一行元素。如果我们有一个整型或者浮点型的矩阵，对应的有整型和浮点型的指针指向数据区域，我们将让step/4与指针相加来移到下一行，对双精度型的，我们让step/8与指针相加(这里仅仅考虑了C将自动地将差值与我们添加的数据类型的字节数相乘)。                【38】

例3-8中的cvSet*D和cvGet*D多少有些相似，它通过一次函数调用为一个矩阵或图像中的元素设置值，函数cvSetReal*D()和函数cvSet*D()可以用来设置矩阵或者图像中元素的数值。

例3-8：为CvMat或者IplImage元素设定值的函数

 
 
void cvSetReal1D( CvArr* arr, int idx0, double value );  
void cvSetReal2D( CvArr* arr, int idx0, int idx1, double value );  
void cvSetReal3D(  
  CvArr* arr,  
  int idx0,  
  int idx1,  
  int idx2,  
  double value  
);  
void cvSetRealND( CvArr* arr, int* idx, double value );  
 
void cvSet1D( CvArr* arr, int idx0, CvScalar value );  
void cvSet2D( CvArr* arr, int idx0, int idx1, CvScalar value );  
void cvSet3D(  
  CvArr* arr,  
  int idx0,  
 
  int idx1,  
  int idx2,  
  CvScalar value  
);  
void cvSetND( CvArr* arr, int* idx, CvScalar value ); 

为了方便，我们也可以使用cvmSet()和cvmGet()，这两个函数用于处理浮点型单通道矩阵，非常简单。

 
 
double cvmGet( const CvMat* mat, int row, int col )  
void cvmSet( CvMat* mat, int row, int col, double value ) 

以下函数调用cvmSet()：

 
 
cvmSet( mat, 2, 2, 0.5000 ); 

等同于cvSetReal2D函数调用：

 
 
cvSetReal2D( mat, 2, 2, 0.5000 ); 

恰当的方法

从以上所有那些访问函数来看，你可能会想，没有必要再介绍了。实际上，这些set和get函数很少派上用场。大多数时侯，计算机视觉是一种运算密集型的任务，因而你想尽量利用最有效的方法做事。毋庸置疑，通过这些函数接口是不可能做到十分高效的。相反地，应该定义自己的指针计算并且在矩阵中利用自己的方法。如果打算对数组中的每一个元素执行一些操作，使用自己的指针是尤为重要的(假设没有可以为你执行任务的OpenCV函数)。

要想直接访问矩阵，其实只需要知道一点，即数据是按光栅扫描顺序存储的，列("x")是变化最快的变量。通道是互相交错的，这意味着，对于一个多通道矩阵来说，它们变化的速度仍然比较快。例3-9显示了这一过程。   【39～40】

例3-9：累加一个三通道矩阵中的所有元素

 
 
float sum( const CvMat* mat ) {  
 
  float s = 0.0f;  
  for(int row=0; row<mat->rows; row++ ) {  
    const float* ptr=(const float*)(mat->data.ptr + row * mat->step);  
    for( col=0; col<mat->cols; col++ ) {  
      s += *ptr++;  
 
    }  
  }  
  return( s );  
} 

计算指向矩阵的指针时，记住一点：矩阵的元素data是一个联合体。所以，对这个指针解引用的时候，必须指明结构体中的正确的元素以便得到正确的指针类型。然后，为了使指针产生正确的偏移，必须用矩阵的行数据长度(step)元素。我们以前曾提过，行数据元素的是用字节来计算的。为了安全，指针最好用字节计算，然后分配恰当的类型，如浮点型。CvMat结构中为了兼容IplImage结构，有宽度和高度的概念，这个概念已经被最新的行和列取代。最后要注意，我们为每行都重新计算了ptr，而不是简单地从开头开始，尔后每次读的时候累加指针。这看起来好像很繁琐，但是因为CvMat数据指针可以指向一个大型数组中的ROI，所以无法保证数据会逐行连续存取。