[OpenCV]数字图像处理C++学习——03Mat对象附完整代码（小白入门篇）

于 2024-08-19 08:53:44 发布
阅读量1k 收藏 16
点赞数 20
分类专栏： OpenCV图像处理（C++） 文章标签： opencv c++ 图像处理 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_60437290/article/details/141302604
版权

前言

​ 在数字图像处理中，OpenCV 是一个强大的工具库，它为开发者提供了丰富的功能来操作和处理图像数据。作为初学者，掌握 OpenCV 中的基础概念和常用类是非常重要的，而 cv::Mat 对象作为 OpenCV 的核心类，是进行图像处理工作的基础。在这篇博客中，我们将从小白的角度出发，详细介绍 cv::Mat 对象的常用方法及其应用场景，辅以完整的 C++ 代码示例，快速入门 OpenCV 的图像处理。无论你是希望进行简单的图像读取和显示，还是希望掌握更复杂的图像变换与滤波操作，这篇文章都将为你打下坚实的基础。

什么是Mat类？

​ Mat类分为矩阵头和指向存储数据的矩阵指针。矩阵头中包含矩阵的尺寸、存储方法、地址和引用次数等，只存放这几个固定的数据类型，所以矩阵头所占空间是固定的。图像复制和传递过程中主要的开销是存放矩阵数据。

（1）图像数据类型

数据类型通道位数描述
CV_8UC18 位单通道灰度图，8 位无符号整数
CV_8UC38 位三通道彩色图（BGR），8 位无符号整数
CV_16UC116 位单通道灰度图，16 位无符号整数
CV_16SC116 位单通道灰度图，16 位有符号整数
CV_32FC132 位单通道图像，32 位浮点数
CV_32FC332 位三通道图像，32 位浮点数

图像数据类型的选择取决于像素深度和通道数，最常见的类型包括 CV_8UC1（单通道灰度图）、CV_8UC3（三通道彩色图）、CV_16UC1（16 位无符号灰度图）、CV_16SC1（16 位有符号灰度图）、CV_32FC1 和 CV_32FC3（分别为单通道和三通道的 32 位浮点图像）。

1.创建 Mat对象

先读取图像用于后面的操作

图片链接实验图片下载链接

    Mat src;
    src = cv::imread("sherlock.jpg");
    Mat image;
    image = cv::imread("sherlock.jpg");
    if (src.empty())
    {
        cout << "could not load image..." << endl;
        return;
    }
    namedWindow("input iamge", cv::WINDOW_AUTOSIZE);
    cv::imshow("input iamge", src);

cv::Mat 对象，可以是空的，也可以是预定义大小和类型的图像或矩阵。通过使用不同的构造函数和函数（如 zeros、ones、eye），你可以生成特定类型的矩阵。

    // 创建一个空的 Mat 对象
    cv::Mat mat1;
    // 创建一个 3x3 单通道的 8位图像（灰度图）
    cv::Mat mat2(3, 3, CV_8UC1, cv::Scalar(0));
    // 创建一个 3x3 三通道的图像（彩色图）
    cv::Mat mat3(3, 3, CV_8UC3, cv::Scalar(255, 0, 0));
    // 使用 `zeros`, `ones`, `eye` 函数创建特殊矩阵
    cv::Mat mat4 = cv::Mat::zeros(3, 3, CV_8UC1);  // 全零矩阵
    cv::Mat mat5 = cv::Mat::ones(3, 3, CV_8UC1);   // 全一矩阵
    cv::Mat mat6 = cv::Mat::eye(3, 3, CV_8UC1);    // 单位矩阵

2. 访问和修改像素值

at 方法可以用于获取或设置某个像素的值。对于灰度图像，你可以直接访问单个通道的值；对于彩色图像，可以分别访问 BGR 三个通道的值。

	//访问单个像素(灰度图)
	uchar pixelValue = src.at<uchar>(0, 0);
	//访问和修改单个像素(彩色图像）
	cv::Vec3b& color = src.at<cv::Vec3b>(0, 0);
	uchar blue = color[0];
	uchar green = color[1];
	uchar red = color[2];
	// 修改像素值
	src.at<cv::Vec3b>(0, 0) = cv::Vec3b(255, 255, 255);  // 将像素设为白色

3.图像的复制、截取和拼接

clone 方法用于深度复制图像，Rect 用于定义感兴趣区域 (ROI)，而 hconcat 和 vconcat 则分别用于水平和垂直拼接图像。

	//图像克隆拼接
	Mat dst1, dst2;
	dst1 = src.clone();
	namedWindow("copyimage1", cv::WINDOW_AUTOSIZE);
	cv::imshow("copyimage1", dst1);
	src.copyTo(dst2);
	namedWindow("copyimage2", cv::WINDOW_AUTOSIZE);
	cv::imshow("copyimage2", dst2);
	//图像截取
	cv::Rect roi(400, 50, 400, 400);  // (x,y,w,h)左上角起始点(x,y),截取范围宽高(h,w)
	cv::Mat croppedImage = dst1(roi);
	namedWindow("croppedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("croppedImage", croppedImage);
	//图像拼接
	// 水平拼接
	cv::Mat imageCopy = image.clone();
	cv::Mat hConcat;
	cv::hconcat(image,imageCopy,hConcat);
	namedWindow("hConcat", cv::WINDOW_AUTOSIZE);
	cv::imshow("hConcat", hConcat);
	//垂直拼接
	cv::Mat vConcat;
	cv::vconcat(image, imageCopy, vConcat);
	namedWindow("vConcat", cv::WINDOW_AUTOSIZE);
	cv::imshow("vConcat", vConcat);

水平拼接 result
在这里插入图片描述

4.图像转换（灰度、HSV转换）

在不同颜色空间之间通过cvtColor进行转换常见的转换如 BGR 到灰度图、HSV 等。

	Mat grayimage, hsvimage;
	cvtColor(src, grayimage, cv::COLOR_BGR2GRAY);  //灰度图
	cvtColor(src, hsvimage, cv::COLOR_BGR2HSV);    //HSV图
	namedWindow("grayimage", cv::WINDOW_AUTOSIZE);
	cv::imshow("grayimage", grayimage);
	namedWindow("hsvimage", cv::WINDOW_AUTOSIZE);
    cv::imshow("hsvimage", hsvimage);

HSVimage result
在这里插入图片描述

5.图像尺寸、通道数、数据类型等信息

获取图像的基本属性，如尺寸、通道数和数据类型,可以帮助动态调整图像处理方式。

	int cols = dst1.cols;   //行数
	int rows = dst1.rows;   //列数
	int channels = dst1.channels();  //通道数
	int type = dst1.type();          //数据类型
	printf("cols: %d rows: %d\n", cols, rows);
	printf("图像通道数：%d\n", channels);
	printf("数据类型：%d\n", type);

result
在这里插入图片描述

6.图像滤波（模糊处理）

滤波是图像处理中常见的操作，主要用于去除噪声或平滑图像。这是常用的几种滤波操作：平均模糊、高斯模糊和中值模糊。

	/******************图像滤波（模糊处理）***********************/
	cv::Mat blurredImage1, blurredImage2, blurredImage3;
	cv::blur(image, blurredImage1, cv::Size(5, 5)); //平均模糊
	cv::GaussianBlur(image, blurredImage2, cv::Size(5, 5), 0); //高斯模糊
	cv::medianBlur(image, blurredImage3, 5);  // 中值模糊
	namedWindow("平均模糊", cv::WINDOW_AUTOSIZE); // 显示平均模糊图像
	cv::imshow("平均模糊", blurredImage1);

7.图像算术运算

OpenCV上直接对图像进行加、减、乘、除等操作，实现图像的亮度调节、图像融合等操作。

	/******************图像算术运算***********************/
	cv::Mat result;
	// 图像加法
	cv::add(image, imageCopy, result);
	namedWindow("addmage", cv::WINDOW_AUTOSIZE);
	cv::imshow("addmage", result);
	// 图像减法
	cv::subtract(image, imageCopy, result);
	// 图像乘法（标量乘法）
	cv::multiply(image, 2.0, result);
	// 图像除法
	cv::divide(image, 2.0, result);

add result 明显感觉图像变亮

在这里插入图片描述

8.阈值处理

阈值处理是将图像中的像素值分为两类，通常用于图像的二值化。通过设置一个阈值，图像中大于该值的像素会被设置为最大值（通常是白色），而小于该值的像素会被设置为最小值（通常是黑色）。

	cv::Mat binaryImage;
	cv::threshold(grayimage, binaryImage, 128, 255, cv::THRESH_BINARY);
	namedWindow("binaryImage", cv::WINDOW_AUTOSIZE); //show image
	cv::imshow("binaryImage", binaryImage);

binaryImage result
在这里插入图片描述

9.边缘检测

Canny 边缘检测是一种常用的边缘检测算法，它能够有效地检测出图像中的边缘，并且具有良好的抗噪声性能。

	/******************边缘检测***********************/
	cv::Mat edges;
	cv::Canny(grayimage, edges, 50, 150); //双阈值方法
	namedWindow("edges", cv::WINDOW_AUTOSIZE);
	cv::imshow("edges", edges);

edges result
在这里插入图片描述

10.图像变换（缩放、旋转、翻转）

​ resize 用于调整图像的大小，getRotationMatrix2D 和 warpAffine 结合用于旋转图像，flip 用于翻转图像（水平或垂直）。

	/******************图像变换（缩放、旋转、翻转）***********************/
	cv::Mat resizedImage, rotatedImage, flippedImage;
	// 缩放图像
	cv::resize(image, resizedImage, cv::Size(100, 100));
	namedWindow("resizedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("resizedImage", resizedImage);
	// 旋转图像
	cv::Point2f center(image.cols / 2.0, image.rows / 2.0); //旋转中心点
	cv::Mat rotMatrix = cv::getRotationMatrix2D(center, 45, 1.0);//中心点、角度、缩放因子
	cv::warpAffine(image, rotatedImage, rotMatrix, image.size());
	namedWindow("rotatedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("rotatedImage", rotatedImage);
	// 翻转图像
	cv::flip(image, flippedImage, 1);  // 水平翻转
	namedWindow("flippedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("flippedImage", flippedImage);

rotatedImage result
在这里插入图片描述

完整代码

#include<opencv2/opencv.hpp>
#include<highgui.hpp>
using namespace cv;
using namespace std;

void mat_learn()
{
	//input image
	Mat src;
	src = cv::imread("sherlock.jpg");
	Mat image;
	image = cv::imread("sherlock.jpg");
	if (src.empty())
	{
		cout << "could not load image..." << endl;
		return;
	}
	namedWindow("input iamge", cv::WINDOW_AUTOSIZE);
	cv::imshow("input iamge", src);
	/******************创建Mat对象***********************/
	// 创建一个空的 Mat 对象
	cv::Mat mat1;
	// 创建一个 3x3 单通道的 8位图像（灰度图）
	cv::Mat mat2(3, 3, CV_8UC1, cv::Scalar(0));
	// 创建一个 3x3 三通道的图像（彩色图）
	cv::Mat mat3(3, 3, CV_8UC3, cv::Scalar(255, 0, 0));
	// 使用 `zeros`, `ones`, `eye` 函数创建特殊矩阵
	cv::Mat mat4 = cv::Mat::zeros(3, 3, CV_8UC1);  // 全零矩阵
	cv::Mat mat5 = cv::Mat::ones(3, 3, CV_8UC1);   // 全一矩阵
	cv::Mat mat6 = cv::Mat::eye(3, 3, CV_8UC1);    // 单位矩阵

	/******************访问和修改像素值***********************/
	//访问单个像素(灰度图)
	uchar pixelValue = src.at<uchar>(0, 0);
	//访问和修改单个像素(彩色图像）
	cv::Vec3b& color = src.at<cv::Vec3b>(0, 0);
	uchar blue = color[0];
	uchar green = color[1];
	uchar red = color[2];
	// 修改像素值
	src.at<cv::Vec3b>(0, 0) = cv::Vec3b(255, 255, 255);  // 将像素设为白色

	//创建一张空白图像
	Mat dst;
	dst = Mat(src.size(), src.type());
	dst = Scalar(0, 0, 255); // 红色
	namedWindow("outimage", cv::WINDOW_AUTOSIZE);
	cv::imshow("outimage", dst);
	
	/******************图像的复制、截取和拼接***********************/
	//图像克隆拼接
	Mat dst1, dst2;
	dst1 = src.clone();
	namedWindow("copyimage1", cv::WINDOW_AUTOSIZE);
	cv::imshow("copyimage1", dst1);
	src.copyTo(dst2);
	namedWindow("copyimage2", cv::WINDOW_AUTOSIZE);
	cv::imshow("copyimage2", dst2);
	//图像截取
	cv::Rect roi(400, 50, 400, 400);  // (x,y,w,h)左上角起始点(x,y),截取范围宽高(h,w)
	cv::Mat croppedImage = dst1(roi);
	namedWindow("croppedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("croppedImage", croppedImage);
	//图像拼接
	// 水平拼接
	cv::Mat imageCopy = image.clone();
	cv::Mat hConcat;
	cv::hconcat(image,imageCopy,hConcat);
	namedWindow("hConcat", cv::WINDOW_AUTOSIZE);
	cv::imshow("hConcat", hConcat);
	//垂直拼接
	cv::Mat vConcat;
	cv::vconcat(image, imageCopy, vConcat);
	namedWindow("vConcat", cv::WINDOW_AUTOSIZE);
	cv::imshow("vConcat", vConcat);

	/******************图像转换（灰度、HSV转换）***********************/
	Mat grayimage, hsvimage;
	cvtColor(src, grayimage, cv::COLOR_BGR2GRAY);  //灰度图
	cvtColor(src, hsvimage, cv::COLOR_BGR2HSV);    //HSV图
	namedWindow("grayimage", cv::WINDOW_AUTOSIZE);
	cv::imshow("grayimage", grayimage);

	namedWindow("hsvimage", cv::WINDOW_AUTOSIZE);
	cv::imshow("hsvimage", hsvimage);
	printf("iamge channels: %d\n", src.channels());
	printf("grayimage channels: %d\n", grayimage.channels());

	/******************图像尺寸、通道数、数据类型等信息***********************/
	int cols = dst1.cols;   //行数
	int rows = dst1.rows;   //列数
	int channels = dst1.channels();  //通道数
	int type = dst1.type();          //数据类型
	printf("cols: %d rows: %d\n", cols, rows);
	printf("图像通道数：%d\n", channels);
	printf("数据类型：%d\n", type);

	/******************图像滤波（模糊处理）***********************/
	cv::Mat blurredImage1, blurredImage2, blurredImage3;
	cv::blur(image, blurredImage1, cv::Size(5, 5)); //平均模糊
	namedWindow("平均模糊", cv::WINDOW_AUTOSIZE);
	cv::imshow("平均模糊", blurredImage1);
	cv::GaussianBlur(image, blurredImage2, cv::Size(5, 5), 0); //高斯模糊
	cv::medianBlur(image, blurredImage3, 5);  // 中值模糊
	/******************图像算术运算***********************/
	cv::Mat result;
	// 图像加法
	cv::add(image, imageCopy, result);
	namedWindow("addmage", cv::WINDOW_AUTOSIZE);
	cv::imshow("addmage", result);
	// 图像减法
	cv::subtract(image, imageCopy, result);
	// 图像乘法（标量乘法）
	cv::multiply(image, 2.0, result);
	// 图像除法
	cv::divide(image, 2.0, result);

	/******************阈值处理***********************/
	cv::Mat binaryImage;
	cv::threshold(grayimage, binaryImage, 128, 255, cv::THRESH_BINARY);
	namedWindow("binaryImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("binaryImage", binaryImage);
	/******************边缘检测***********************/
	cv::Mat edges;
	cv::Canny(grayimage, edges, 50, 150);
	namedWindow("edges", cv::WINDOW_AUTOSIZE);
	cv::imshow("edges", edges);

	/******************图像变换（缩放、旋转、翻转）***********************/
	cv::Mat resizedImage, rotatedImage, flippedImage;
	// 缩放图像
	cv::resize(image, resizedImage, cv::Size(100, 100));
	namedWindow("resizedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("resizedImage", resizedImage);
	// 旋转图像
	cv::Point2f center(image.cols / 2.0, image.rows / 2.0);
	cv::Mat rotMatrix = cv::getRotationMatrix2D(center, 45, 1.0);
	cv::warpAffine(image, rotatedImage, rotMatrix, image.size());
	namedWindow("rotatedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("rotatedImage", rotatedImage);
	// 翻转图像
	cv::flip(image, flippedImage, 1);  // 水平翻转
	namedWindow("flippedImage", cv::WINDOW_AUTOSIZE);
	cv::imshow("flippedImage", flippedImage);

	waitKey(0);
}
int main() 
{
	mat_learn();
    return 0;
}
mirror_zAI
关注
专栏目录
【OpenCV】c++ 入门认识 Mat 类，单通道 Mat 的基本操作
Ceylan__的博客
02-27 4814
在计算器内存中，数字图像是以矩阵的形式保存的，矩阵信息中包含了所有像素点的强度值，如何获取并储存这些像素值可根据实际场景应用来确定。在计算机处理中所有图像信息都将转化为数值信息矩阵。OpenCV作为计算机视觉处理库，其主要目的就是通过处理和操作这些矩阵信息来获得更加高级的信息。在处理图像前，我们需要先了解一下OpenCV中最基础的库类Mat以及其相关操作。
OpenCV实战（1）——OpenCV与图像处理基础
盼小辉丶的博客
10-24 6万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
OpenCV4（C++） —— Mat类
qq_43199575的博客
09-26 2411
在python的opencv中，也就是导入：import cv2。使用的是numpy和内置ndarray来存储和处理图像数据。而对于C++的opencv是没有ndarray的，也没有numpy库，而是使用cv::Mat类来表示图像数据与进行处理的。python是一种动态类型语言，无需显示的指定变量的类型。直接使用imread返回的就是ndarray对象，后续使用numpy库可以直接对其进行相关图像操作。import cv2C++是一种静态类型语言，任何变量都需要显示地指定一个数据类型。
openCV_C++笔记 : Mat类
qq_29676795的博客
08-05 1256
Mat常用成员属性 data 是指向矩阵数据的uchar类指针，用*解引用后再强转为int可以读到第一个像素数据。 dims 矩阵的维度，例如5*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3。 rows 矩阵的行数。 cols 矩阵的列数。 size 矩阵的大小，返回一个向量，二维矩阵即为 行数 x 列数。 Mat常用成员方法 channels() 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则image.channels() = 3。 type() 表示了矩阵中
基于c++版本的opencv操作（Mat类）
qq_44294428的博客
03-28 301
opencv
【图像处理OpenCV(C++版)】——2.1 深入理解OpenCV之Mat类及相关成员函数
cqy阳的博客
12-07 961
【图像处理OpenCV(C++版)】——2.1 深入理解OpenCV之Mat类及相关成员函数
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
热门推荐
盼小辉丶的博客
08-10 22万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
OpenCV数字图像处理学习平台
SHZC2006的博客
11-02 1561
可视化OpenCV学习工具，快速掌握OpenCV的函数原理与使用方法；操作过程可直接生成代码，包括C#,C++, pathon; 适用人群—— OpenCV学习者，OpenCV视觉系统开发者，喜欢或从事计算机视觉的人员，学生自学、视觉系统开发人员、教师教学科研
c++ mat赋值_数字图像处理之opencv中Mat数据操作
weixin_26516551的博客
12-23 2275
突然发现有一篇opencv操作mat数据的基础操作搞忘了，现在发出来，原来有一篇是只有操作结果,而且是用emgu写的，这里用c++实现并给出详细的代码。数字图像处理其实就是处理二维矩阵数据。利用opencv来学习处理算法是一种比较好的方式。学习opencv，主要就是调用其中的图像处理函数来实现各种操作。如果要得到想要的处理结果，还需要对图像处理算法有一定的了解。同时，可能也有自己想写一些算法的冲动...
使用Python，OpenCV进行基本的图像处理——提取红色圆圈轮廓并绘制
qq_40985985的博客
08-31 1万+
这篇博客将介绍如何使用Python，OpenCV进行基本的图像处理——提取红色圆圈轮廓并绘制。
C++学习之OpenCV篇，Mat类型详解，小白教学。
I_Dare的博客
05-04 1万+
本篇主要介绍Mat类的使用。在我们肉眼可以看到一幅幅图片，但是图片存储在计算器并且使用编码进行处理的时候，是以图像中的每一个点的数据进行存储，这么庞大的数据存储在哪里呢？Mat类型应运而生。 在OpenCV库中点击Mat的定义，你会发现Mat的类型是一个类。 一、类中首先定义了几种构造函数。具体可参考官网介绍。 1、Mat(int rows, int cols, int type);row...
opencv c++ （1）：创建Mat对象的常用方法
m0_59156726的博客
05-18 2621
常见几种创建Mat对象的方法、Mat的对象的常用属性以及Mat的type参数详解
Opencv C++图像处理：矩阵Mat + 随机数RNG + 计算耗时 + 鼠标事件
shinuone的博客
05-23 2141
备注：以下源码均可运行，不同项目涉及的函数均有详细分析说明。
【c++】Opencv Mat类详解
热爱数据库的小胖
08-31 7675
1. Mat类常用成员函数和成员变量 由于 Mat 类使用的非常广泛，使用的形式也非常之多，这里只对较为常用的成员函数和成员变量做出了整理； 1.1 构造函数 （1）默认构造函数 cv::Mat::Mat() 默认构造函数：生成一个矩阵并由OpenCV提供的函数(一般是Mat::create() 和 cv::imread() )来分配储存空间。 Mat类可以分为两个部分：矩阵头和指向像素数据的矩阵指针 矩阵头：包括数字图像的矩阵尺寸、存储方法、存储地址和引用次数等，矩阵头的大...
opencv::Mat属性
dianyun7150的博客
09-03 217
Mat对象OpenCV2.0之后引进的图像数据结构、自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构。 分了两个部分，头部与数据部分。 IplImage是从2001年OpenCV发布之后就一直存在，是C语言风格的数据结构，需要开发者自己分配与管理内存，对大的程序使用它容易导致内存泄漏问题。 //默认构造函数 Mat A; Mat () /...
opencv c++学习二（mat对象）
m0_62309595的博客
01-30 2803
目录 1.创建一个与src同等大小的图像 2.克隆一个src图像 3.关于通道数问题 4.Mat用法 5.Mat对象 create实现 1.创建一个与src同等大小的图像 int main(int argc, char** argv) { /*先显示一下图片*/ string path = "resouces\\test.png"; Mat src = imread(path); if (src.empty()) { cout << "could not load
[C++] opencv - Mat类的介绍和使用场景
最新发布
老狼工作室的博客
12-04 1853
Mat类是OpenCV中最重要的数据结构之一，它提供了一种高效的方式来存储和操作图像数据。通过使用Mat类，我们可以方便地进行图像的读取、转换、缩放、滤波和特征提取等操作。在实际应用中，Mat类被广泛应用于计算机视觉和图像处理领域。
C++版本OpenCv教程(一)Mat—基本的图像容器
qq_33287871的博客
12-12 1723
目录目标Mat存储方法显式创建一个Mat对象 英文原版链接 Mat - The Basic Image Container 目标 我们有多种方法从现实世界获取数字图像:数码相机、扫描仪、计算机断层扫描和磁共振成像等等。在以上任何情况下，我们(人类)看到的都是图像。然而，当将其转换到我们的数字设备时，我们所记录的是图像中每个点的数值。 例如，在上面的图像中，你可以看到汽车的镜子只不过是一个包含所有像素点的强度值的矩阵。我们获取和存储像素值的方式可能会根据我们的需要而有所不同，但最终计算机世界中的所有图像都可
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

打赏作者

mirror_zAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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