记：VC2010与matlab 混编之Mat数据传输

在C++中，读入一幅图像使用语句如下，读入的图像像素为0-255之间的某一整数：

Mat disp_image = imread(path,1);

 

其中图像每个像素的RGB值是用3元素向量来存储（B,G,R）的，某一像素点的RGB值读取方式如下：

Vec3b& mp = disp_image.at<Vec3b>(j, i);           //C++用向量存储像素值
double B = mp.val[0];        
double G = mp.val[1];
double R = mp.val[2];

在matlab中，读入一幅图像并转换为double型使用语句如下，读入的图像像素在0-1之间：

input_im=im2double(imread(path));

 matlab中用三维矩阵存储像素值，即R，G，B三个平面。注意此处与C++的BGR顺序不同。

 明白了图像的存储原理，就可以进行矩阵转换了。

在C++与matlab混合编程时，要使用数据接口类mwArray，可以简单理解为一个矩阵，即便是一个数值也转化为这种矩阵进行传递。

将C++形式的图像矩阵转为mwArray矩阵，传入matlab函数的方式如下：

 

Mat image_Imax = imread("D:\\pic\\Imax.jpg",1);
	//调用matlab程序进行图像增强
    mwSize  mdim_max[3] ={image_Imax.rows,image_Imax.cols,3};
    mwArray mimage_Imax(3,mdim_max,mxDOUBLE_CLASS,mxREAL);
	//C++输入转matlab  接口矩阵转化及像素归一化
    for(int j = 0; j < image_Imax.rows; ++j){
        for(int i = 0; i <image_Imax.cols; ++i){
                Vec3b& mp = image_Imax.at<Vec3b>(j, i);        //C++用向量存储像素值
                //double B = mp.val[0]*1.0/255;                //像素归一化到0-1之间
				double B = mp.val[0];
                double G = mp.val[1];
                double R = mp.val[2];
                mimage_Imax(j+1,i+1,1)=R;            //matlab中用三个面R，G，B存储像素值
                mimage_Imax(j+1,i+1,2)=G;            //C++图像矩阵像素值赋给matlab矩阵
                mimage_Imax(j+1,i+1,3)=B;
        }        
    }

    

Mat image_Imin = imread("D:\\pic\\Imin.jpg",1);
	//调用matlab程序进行图像增强
	mwSize  mdim_min[3] ={image_Imax.rows,image_Imax.cols,3};
    mwArray mimage_Imin(3,mdim_min,mxDOUBLE_CLASS,mxREAL);
//C++输入转matlab  接口矩阵转化及像素归一化
    for(int j = 0; j < image_Imin.rows; ++j){
        for(int i = 0; i <image_Imin.cols; ++i){
                Vec3b& mp = image_Imin.at<Vec3b>(j, i);        //C++用向量存储像素值
                double B = mp.val[0];                //像素归一化到0-1之间
                double G = mp.val[1];
                double R = mp.val[2];
                mimage_Imin(j+1,i+1,1)=R;            //matlab中用三个面R，G，B存储像素值
                mimage_Imin(j+1,i+1,2)=G;            //C++图像矩阵像素值赋给matlab矩阵
                mimage_Imin(j+1,i+1,3)=B;
        }        
    }

	Mat output_image=image_Imax.clone();
	mwArray moutput_im2(output_image.dims,mdim_max,mxDOUBLE_CLASS,mxREAL);
	//调用DLL
	solvemaxmin(1,moutput_im2,mimage_Imax,mimage_Imin);


	//matlab结果转C++
	  
	//mwArray moutput_im2(output_image.dims,mdim_min,mxDOUBLE_CLASS,mxREAL);     
      
    for(int j = 0; j < image_Imax.rows; ++j){
            for(int i = 0; i < image_Imax.cols; ++i){    
                double Bd = moutput_im2.Get(3,j+1,i+1,3);
                double Gd = moutput_im2.Get(3,j+1,i+1,2);
                double Rd = moutput_im2.Get(3,j+1,i+1,1);
                int B=int(Bd*255);                        //像素范围扩展到0-255
                int G=int(Gd*255);
                int R=int(Rd*255);
                output_image.at<Vec3b>(j, i)[0] = B;    //matlab图像矩阵像素值赋给C++
                output_image.at<Vec3b>(j, i)[1] = G;
                output_image.at<Vec3b>(j, i)[2] = R;
            }        
        }
	Mat imagedst;  
	//以下操作获取图形控件尺寸并以此改变图片尺寸  
	CRect rect;  
	GetDlgItem(IDC_STATIC_two)->GetClientRect(&rect);  
	Rect dst(rect.left,rect.top,rect.right,rect.bottom);  
	resize(image_Imin,imagedst,cv::Size(rect.Width(),rect.Height()));   
	imshow("view222",imagedst);

    在今天的调试中，一个维度mwSize  mdim_min[3] ={image_Imax.rows,image_Imax.cols,3};
    mwArray mimage_Imin(3,mdim_min,mxDOUBLE_CLASS,mxREAL);其中的那个3我直接用image_Imin.dims就会报错，这里浪费了好多时间，还有就是OpenCV的加载图片路径必须为"\\",才有效，这里浪费了好多时间。

 

补充，由于目前自己还没有研究透mwArray,所以直接对于，一幅图片通过SetData处理，利用指针复制数据，这样做的结果，由于三维，所以会混乱，解决办法就是分通道利用那个函数，指针平移，虽然麻烦但是比，遍历速度要快。