【OpenCV】Learning OpenCV3 第四章笔记

【OpenCV】Learning OpenCV3 第四章笔记

第四章 动态和可变存储

接下来将介绍大规模数组类型，其中最重要的是cv::Mat，这可被视作OpenCV c++实现的核心。cv::Mat用来表示任意维的密集(dense)数组，这里的密集(dense)表示Mat中每个值都被存储在内存中（即便是0），其反义是稀疏（sparse）数组（仅存储非0变量），在OpenCV中是cv::SparseMat

cv::Mat:N维密集数组

cv::Mat可存储任意维数组，且以行为主序存储，每个矩阵包含了

变量名	flags	dims	rows	cols	data	refercount
含义	数组的一些量	维数	行数	列数（dims>2则invalid）	指向数据存储内存的指针	记录被cv::Ptr<>引用的指针数

cv::Mat中的每个元素不一定要是一个值，也可以是多个值

创建一个数组

cv::Mat m;
m.create(3,10,CV_32FC3); // 32-bit floating-point three-channel array
m.setTo(cv::Scalar(1.0f,0.0f,-1.0f));
cout << m << endl;


cv::Mat m2(3,10,CV_32FC3, cv::Scalar(1.0f,0.0f,-1.0f)); // equivalent

本书中最重要的一句话
需要认识到cv::Mat和cv::Mat.data的分离性，cv::Mat.data才是对数据的指向而非cv::Mat，当我们对cv::Mat赋值时，如m=n，此时m中的data指针就会指向n的data指向的区域，而原先data指向的区域（如果是最后一个引用的话），则会自动销毁，同事m中的dim、col等变量也会自动变得与n一致，注意到它们共享了data所指向区域

cv::Mat各种用法，见自74页起的表格

单独获取数组元素

两种方法，通过位置，或通过迭代

• 通过at<>()

  cv::Mat m = cv::Mat::eye(10, 10, 32FC1); // cv::Mat m = cv::Mat::eye(10, 10, 32FC2);
  print(
  	"Element (3,3) is %f\n",
  	m.at<float>(3,3) // m.at<cv::Vec2f>(3,3)[0]
  )
  

  在模板中指定类型为数组中的类型，并选择位置，注释中给出的是multichannel的数组，书p79表4-6列出了大部分accessor function
• 使用c风格的指针

数组迭代器：NAryMatIterator

通过内存连续的一个个plane来迭代N维数组，而非传统的逐个元素，详见书p82

通过块来获取元素

获取一个数组的子区域，比如cv::Mat.row(int i)、cv::Mat.col(int j)等方法，注意这些方法并没有复制数据，而仅仅给了一个指针，更复杂的方法包括cv::Mat.rowRange(cv::Range(i0,i1))、cv::Mat.diag(int offset)、cv::Mat(cv::Rect)等等

矩阵表达式

一些关于cv::Mat的运算符重载+-*/以及elementwise的计算m1>m2、~m0等，详见书p87表格4-8

饱和投射

对于某个数据类型比如uchar，当出现数据溢出的时候，可以通过cv::saturate_cast来以边缘值代替溢出值

unchar& Vxy = m0.at<uchar>(y,x);
Vxy = cv::saturate_cast<uchar>((Vxy-128)*2+128);

出现溢出时，输出为0

其他

m1=m0.clone()等其他方法p88表格4-9

稀疏数组cv:SparseMat

cv::Mat使用数组存储，而cv::SparseMat使用哈希表存储，哈希表是自动维护的，详见书p90-93

使用模板

使用cv::Mat_<>而非cv::Mat创建数组可以简化代码，比如

cv::Mat m(10,10,CV_32FC2);
m.at<Vec2f>(i0,i1) = cv::Vec2f(x,y);

cv::Mat_<Vec2f> m(10,10);
m.at(i0,i1) = cv::Vec2f(x,y);
//or...
m(i0,i1)=cv::Vec2f(x,y)

在使用at时，无须再指定数组中的元素类型了
建议使用这种模板的形式创建矩阵，这样可以使得一些问题在编译时被检测出来

总结

本章主要介绍了cv::Mat的一些用法