C/C++图像处理实验（一）——Mat与数组转换

简介

由于曾经做过一些嵌入式的图像处理算法，感觉在单片机上做算法开发和验证非常麻烦，想在PC机上实现后直接移植到单片机即可，所以创建了这个专栏，学习一下图像处理算法。嵌入式的图像处理算法的开发中，图像数据一般都是存储在数组中，而在电脑上常用的图像处理库是OpenCV，其数据存储在Mat类中，故第一步应该实现这两种数据的互转。

准备工作

• 安装Visual Studio
• 安装OpenCV

数据类型转换

嵌入式开发中图像数据存储在数组中，但是OpenCV的图像数据是存储在Mat类中，所以为了模拟嵌入式图像处理流程，需要实现数组与Mat类型的互转。

灰度图像与数组互转

首先是灰度图像的Mat与数组互转，图像大小为512*512。
主函数部分负责读取图像并存为Mat类型，然后Mat类型转为二维数组后再转回Mat类型数据，并将Mat类型数据显示出来进行验证。

#include <opencv2/opencv.hpp>
#include "test_algorithm/test.h"
using namespace cv;
int main()
{
	Mat image_gray = imread("./test.png",0);
	Mat image_restore(Height, Width, CV_8UC1);
	unsigned char img_gray[Height][Width];
	Mat2array(image_gray, img_gray,Height,Width);
	image_restore = array2Mat(img_gray,Height,Width);
	imshow("image", image_gray);
	imshow("image_restore", image_restore);
	waitKey(0);
	return 0;
}

Mat数据类型转为数据的过程：

//实现OpenCV的Mat数据类转为unsigned char类型的二维数组
void Mat2array(cv::Mat image_gray, unsigned char img_gray[][Width], unsigned int height, unsigned int width)
{
	for (unsigned int i = 0; i < height; i++)
	{
		for (unsigned int j = 0; j < width; j++)
		{
			img_gray[i][j] = image_gray.at<uchar>(i, j);
		}
	}
}

二维数组转回Mat数据类型的过程：

//实现unsigned char类型的二维数组转为OpenCV的Mat数据类
cv::Mat array2Mat(unsigned char img_gray[][Width],unsigned int height,unsigned int width)
{
	 cv::Mat image_gray(Height, Width, CV_8UC1);
	for (unsigned int i = 0; i < height; i++)
	{
		for (unsigned int j = 0; j < width; j++)
		{
			image_gray.at<uchar>(i, j)= img_gray[i][j];
		}
	}
	return image_gray;
}

彩色图像与数组互转

主函数部分，图像大小为512*512：

int main()
{
	Mat image = imread("./test.png");
	Mat image_restore(Height, Width, CV_8UC3);
	unsigned char img_rgb[Height][Width][3];
	Mat2array_RGB(image, img_rgb,Height,Width);
	image_restore = array2Mat_RGB(img_rgb,Height,Width);
	imshow("image", image);
	imshow("image_restore", image_restore);
	waitKey(0);
	return 0;
}

在OpenCV中，彩色图像的Mat数据的排列顺序为BGR，而不是RGB，使用转换过程中需要注意。

//彩色图像Mat转为array，三维数组的形状为img_rgb[Height][Width][3],三个通道依次为BGR
void Mat2array_RGB(cv::Mat image_bgr, unsigned char img_rgb[][Width][3], unsigned int height, unsigned int width)
{
	for (unsigned int i = 0; i < height; i++)
	{
		for (unsigned int j = 0; j < width; j++)
		{
			unsigned int temp = (i * height + j) * 3;
			img_rgb[i][j][0] = image_bgr.data[temp+2];
			img_rgb[i][j][1] = image_bgr.data[temp+1];
			img_rgb[i][j][2] = image_bgr.data[temp];//因为OpenCV默认的图像格式为BGR，此处为了转为RGB
		}
	}
}

//将三维数组重新转为彩色图像Mat
cv::Mat array2Mat_RGB(unsigned char img_rgb[][Width][3], unsigned int height, unsigned int width)
{
	cv::Mat image(Height, Width, CV_8UC3);
	for (unsigned int i = 0; i < height; i++)
	{
		for (unsigned int j = 0; j < width; j++)
		{
			unsigned int temp = (i * height + j) * 3;
			image.data[temp]= img_rgb[i][j][2];
			image.data[temp + 1]= img_rgb[i][j][1];
			image.data[temp + 2]= img_rgb[i][j][0];
		}
	}
	return image;
}

总结

1. 完成上述步骤的作用是为了将Mat类型转为嵌入式中常见的数组类型，在PC端上设计出图像处理算法，然后就可以直接移植到嵌入式芯片即可，降低开发难度。
2. 在图像算法开发过程中，如果涉及数据类型的转换，一定要注意转换双方的异同。生活日常使用的图像格式一般为RGB，但是要注意OpenCV默认的格式为BGR，减少错误。
3. 在一些低端的单片机中进行图像算法开发，存储图像数据的数组一般都是使用全局变量，虽然会占用较多的内存且容易导致误操作，但是受限于单片机的性能，频繁地在函数中创建和销毁数组显然不太现实，这一点与在PC端开发图像算法不太一样。