opencv中的数据结构
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
第一个是大写i不是小写L
以前的opencv中会用到IplImage，在算法或程序更新换代的时候会用opencv中提供的方法进行转换。
我们平时使用的时候直接用Mat对象就可以了
Mat对象
Mat对象是一个数据结构，将图像作为矩阵保存起来。每一个像素点是0~255的数据。
构成
Mat类由两部分数据组成：矩阵头(包含矩阵尺寸、存储方法、存储地址等)和一个指向存储所有像素值的矩阵(根据所选存储方法的不同，矩阵可以是不同的维数)的指针。Mat在进行赋值和拷贝时，只复制矩阵头，而不复制矩阵，提高效率。如果矩阵属于多个Mat对象，则通过引用计数来判断，当最后一个使用它的对象，则负责释放矩阵。
class CV_EXPORTS Mat
{
public：
/*..很多方法..*/
/*............*/
int flags;/*flags指定图像的颜色空间
flags > 0 3通道的彩色图像
flags = 0 灰度图像
flags < 0 不作改变
*/
int dims; /*数据的维数*/
int rows,cols; /*行和列的数量;数组超过2维时为(-1，-1)*/
uchar *data; /*指向数据*/
int * refcount; /*指针的引用计数器; 阵列指向用户分配的数据时，指针为 NULL
/* 其他成员 */
...
};
存储方法
Mat中矩阵的每个元素可以使用不同的数据类型，最小的数据类型是char，占用一个字节或者8位，可以是有符号的（0到255）或者是无符号的（-127到127）。
在RGB颜色空间中，使用三个char类型可以表示1600万中颜色，但在图像处理的过程中有可能会使用到float或者double来表示图像的像素。
常用成员及含义
1、data Mat
对象中的一个指针，指向存放矩阵数据的内存(uchar* data)2、dims
矩阵的维度，34的矩阵维度为2维，34*5的矩阵维度为3维3、channels
矩阵通道，矩阵中的每一个矩阵元素拥有的值的个数，比如说 3 * 4 矩阵中一共 12 个元素，如果每个元素有三个值，那么就说这个矩阵是 3 通道的，即 channels = 3。常见的是一张彩色图片有红、绿、蓝三个通道。4、depth
深度，即每一个像素的位数，也就是每个通道的位数。在opencv的Mat.depth()中得到的是一个0 – 6的数字，分别代表不同的位数：
enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5, CV_64F=6 }，可见 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位。
常用Mat对象构建方法
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 type 的图像，并将所有元素初始化为值 s；5、Mat::Mat(Size size, int type, const Scalar& s)
创建大小为 size，类型为 type 的图像，并将所有元素初始化为值 s；6、Mat::Mat(const Mat& m)
将m赋值给新创建的对象，此处不会对图像数据进行复制，m和新对象共用图像数据，属于浅拷贝；7、Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)
创建行数为rows，列数为col，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由
step指定。8、Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)
创建大小为size，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由step指定。9、Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)
创建的新图像为m的一部分，具体的范围由rowRange和colRange指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据；10、Mat::Mat(const Mat& m, const Rect& roi)
创建的新图像为m的一部分，具体的范围roi指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据。
这些构造函数中，很多都涉及到类型type。
type可以是CV_8UC1，CV_16SC1，…，CV_64FC4 等。
里面的 8U 表示 8 位无符号整数，16S 表示 16 位有符号整数，64F表示 64 位浮点数（即 double 类型）；
C 后面的数表示通道数，例如 C1 表示单通道的图像，C4 表示 4 个通道的图像，以此类推。如果你需要更多的通道数，需要用宏 CV_8UC(n)，例如：
Mat M(3,2, CV_8UC(5));//创建行数为 3，列数为 2，通道数为 5 的图像。
代码示例
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src;
src = imread("C:/Users/86176/Desktop/pics/lena(1).tiff");
if (!src.data)
{
cout << "fail to load img" << endl;
return -1;
}
namedWindow("input img", CV_WINDOW_AUTOSIZE);
imshow("input img", src);
Mat dst;
dst = Mat(src.size(), src.type());
dst = Scalar(127, 0, 255);
//全255就是全白，全0就是全黑
namedWindow("output img", CV_WINDOW_AUTOSIZE);
imshow("output img", dst);
waitKey(0);
return 0;
}
创建了一个相同大小的图片
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src;
src = imread("C:/Users/86176/Desktop/pics/lena(1).tiff");
if (!src.data)
{
cout << "fail to load img" << endl;
return -1;
}
namedWindow("input img", CV_WINDOW_AUTOSIZE);
imshow("input img", src);
Mat dst(3, 3, CV_8UC3, Scalar(0, 0, 255));
//3 x 3的图像，3通道8位无符号
cout << "dst =" << endl << dst << endl;
namedWindow("output img", CV_WINDOW_AUTOSIZE);
imshow("output img", dst);
waitKey(0);
return 0;
}
打印如下
其他Mat对象构建方法
Mat::Create：创建新的阵列数据
void Mat::create(int rows, int cols, int type)
void Mat::create(Size size, int type)
void Mat::create(int ndims, const int* sizes, inttype)
- ndims – 新数组的维数。
- rows – 新的行数。
- cols – 新的列数。
- size – 替代新矩阵大小规格：Size(cols, rows)。
- sizes – 指定一个新的阵列形状的整数数组。
- type – 新矩阵的类型。
Mat：：resize：重新定义图片大小
void Mat::resize(size_t sz)
void Mat::resize(size_t sz, const Scalar& s)
- sz – 新的行数
- s – 分配给新添加的元素的值。
Mat::type：返回一个矩阵元素的类型
int Mat::type() const
该方法返回一个矩阵的元素类型。兼容CvMat 类型系统，像 CV_16SC3标识符 或 16 位有符号的3 通道阵列等
Mat::depth：返回一个矩阵元素的深度
int Mat::depth() const
- 该方法返回矩阵元素深度（每个单独的通道类型）的标识符。例如，对于16位有符号的3通道数组，该方法返回CV_16S。矩阵类型的完整列表包含以下内容值：
- CV_8U - 8 位无符号整数 （0……255）
- CV_8S - 8 位符号整数 （ - 128……127）
- CV_16U - 16 位无符号整数 （0……65535）
- CV_16S - 16 位符号整数 （ - 32768……32767）
- CV_32S - 32 位符号整数 （ - 2147483648……2147483647）
- CV_32F - 32 位浮点数 （ - FLT_MAX ………FLT_MAX，INF，NAN)
- CV_64F - 64 位浮点数（ - DBL_MAX ……….DBL_MAX，INF，NAN)
Mat::channels：返回矩阵通道的数目
int Mat::channels() const
Mat::size：返回一个矩阵大小
Size Mat::size() const
Mat::at：返回对指定数组元素的引用
template<typename T> T& Mat::at(int i)const
template<typename T> const T&Mat::at(int i) const
template<typename T> T& Mat::at(int i,int j)
template<typename T> const T&Mat::at(int i, int j) const
template<typename T> T& Mat::at(Pointpt)
template<typename T> const T&Mat::at(Point pt) const
template<typename T> T& Mat::at(int i,int j, int k)
template<typename T> const T&Mat::at(int i, int j, int k) const
template<typename T> T& Mat::at(constint* idx)
template<typename T> const T&Mat::at(const int* idx) const
//参数
//i –索引 0 维度
//j – 1 维度的索引
//k – 沿 2 维度的索引
//pt – Point(j, i) 作为指定元素的位置。
//idx – Mat::dims 数组的索引。
//该模板方法返回指定数组元素的引用。为了具有更高的性能，索引范围检查只在调试配置下执行。请注意使用具有单个索引(i) 的变量可以访问的单行或单列的2 维的数组元素。也就是比方说，如果A是1 x N 浮点矩阵和B是M x 1的整数矩阵，您只需编写A.at(k + 4) 和 B.at(2 * i + 1) 分别代替A.at(0, k + 4)和
//B.at(2 * i + 1, 0)。
//下面的示例将初始化希尔伯特矩阵：
Mat H(100, 100, CV_64F);
for(inti=0; i<H.rows; i++)
for(intj=0; j<H.cols; j++)
H.at<double>(i,j)=1./(i+j+1);
Mat优势
-
1.图像的内存分配和释放由Mat类自动管理。
-
2.Mat类由两部分数据组成：矩阵头(包含矩阵尺寸、存储方法、存储地址等)和一个指向存储所有像素值的矩阵(根据所选存储方法的不同，矩阵可以是不同的维数)的指针。Mat在进行赋值和拷贝时，只复制矩阵头，而不复制矩阵，提高效率。如果矩阵属于多个Mat对象，则通过引用计数来判断，当最后一个使用它的对象，则负责释放矩阵。
-
3.可以使用clone和copyTo函数，不仅复制矩阵头还复制矩阵。
注意事项
-
1.OpenCV中的内存分配是自动完成的（不是特别指定的话）
-
2.使用OpenCV的C++ 接口时不需要考虑内存释放问题
-
3.Mat的赋值运算和拷贝构造函数只会拷贝矩阵头，仍然共同同一个矩阵
-
4.如果要复制矩阵数据，可以使用clone和copyTo函数
Mat F = A.clone();
//或者
Mat G; A.copyTo(G);
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
