Opencv数据类型对应关系

最新推荐文章于 2022-09-20 13:11:17 发布

视觉闫小亘

最新推荐文章于 2022-09-20 13:11:17 发布

阅读量533

点赞数 1

分类专栏： OpenCV学习笔记文章标签： opencv c++ 数据类型

原文链接：https://blog.csdn.net/oemt_301/article/details/99072383

版权

OpenCV学习笔记专栏收录该内容

24 篇文章

订阅专栏

本文详细介绍了OpenCV中各种数据类型的通道数与位深的对应关系，为图像处理和计算机视觉项目的开发人员提供了宝贵的参考资料。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

opencv数据类型对应关系

在这里插入图片描述

通道数	C1	C2	C3	C4
CV_8U	0	8	16	24
CV_8S	1	9	17	17
CV_16U	2	10	18	26
CV_16S	3	11	19	27
CV_32S	4	12	20	28
CV_32F	5	13	21	29
CV_164F	6	14	22	30

From:

https://blog.csdn.net/oemt_301/article/details/99072383

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

视觉闫小亘

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

OpenCV实战（2）——OpenCV核心数据结构

盼小辉丶的博客

11-16

6万+

cv::Mat 类是用于保存图像(以及其他矩阵数据)的数据结构，该数据结构是所有 OpenCV 类和函数的核心，这是 OpenCV 库的一个关键元素，用于处理图像和矩阵(从计算和数学的角度来看，图像本质上是一个矩阵)，同时 cv::Mat 数据结构结合了优雅的内存管理机制，因此，使用起来十分高效。本节中，我们介绍了 cv::Mat 结构的基本用法，并且深入探索了创建 cv::Mat 数据结构时的内存分配方式。

OpenCV数据类型及CV_16UC1深度图ros订阅

～勿据散客～的博客

11-23

1832

这是因为我们的深度最大值远达不到 16U可表达的最大值65535，现在imshow把所有像素值都除以255，那么深度图的有效范围可能由原来的[300, 1200]，变成了近似[1, 4]。并且只能看到一片黑暗。整型数据的范围根据其比特数确定，如CV_8U即8bit 无符号整型范围是[0,255], CV_16U是[0, 65535]比如一般RGB图像是CV_8UC3，灰度图是CV_8UC1，深度图一般是CV_16UC1或CV_32FC1。32F, float---------单精度浮点型。

参与评论您还未登录，请先登录后发表或查看评论

opencv中的数据类型与对应关系

ZhuLT23的博客

05-21

652

转自：https://www.cnblogs.com/dupuleng/articles/4072736.html 在使用opencv的过程中，无论使用原始的IplImage和CvMat类型，还是用最新C++版本的Mat类型，在创建和使用过程中，经常会遇到CV_8UC1、CV_8UC3、CV_32FC3等声明，我以前也经常遇到，曾经看懂了，现在又忘记了，现在把它写下来，方便以后查看，遇到同样问题...

opencv数据类型对应关系

Joemt

08-10

1384

结构类型 数据类型 数据点表示实例空间大小 MIN MAX 单通道 CV_8UC1 uchar Mat.at(rows, cols) 8bits 0 255 CV_8SC1 char Mat.at(rows, cols) 8bits -128 127 CV_16UC1 ushort Mat.at(rows, cols) 16bits 0 65535 CV...

OpenCV常用数据类型与C++原始类型对照

XL的博客

03-09

1324

为什么会想到这个问题呢？因为如果不搞清楚实际的类型，在使用at<data_type>(i,j)函数时，会抛出异常。 Mat_<uchar>---------CV_8U Mat<char>-----------CV_8S Nat_<short>---------CV_16S Mat_<ushort>--------CV_16U M...

学习OpenCV（3）了解OpenCV的数据类型-1

ma1499060246的博客

12-21

1136

openCV的数据类型 OpenCV有很多数据类型，他们都基于一些重要视觉概念的抽象而设计，以此提供相对简单、直观的表示和处理。 OpenCV的基础数据类型主要分为三类：第一类是直接从C++原语中继承的基础数据类型（如int和float等）。第二类是辅助对象：这些对象代表更抽象的概念，比如垃圾收集指针类、用于数据切片的范围对象（range objects）以及抽象的终止条件等。第三类可以称为大型数组类型。这些对象原本目的是涵盖数组或一些其他的原语、程序集或更常见的基础数据

[图像处理]-Opencv中数据类型CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F是什么?

ai_faker的博客

06-24

4万+

1.宏定义首先来说CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F，都是opencv定义的数据类型。具体定义如下 #define CV_8S 1 #define CV_16U 2 #define CV_16S 3 #define CV_32S 4 #define CV_32F 5 #define CV_64F 6 #define CV_16F 7 #define CV_8UC1 CV_MAKETYPE(CV_8U,1) #define CV_8UC2 CV_

OpenCV基本数据类型详细介绍.pdf

最新发布

02-13

它提供了丰富的数据类型，以及这些数据类型的处理方法，本文将详细介绍OpenCV中的基本数据类型及其相关的特性。 OpenCV中定义了多个基本数据类型，包括无符号字符（unsigned char）、布尔值（bool）、有符号字符...

opencv数据类型.docx

08-10

三通道数据类型是指由三个基本类型组成的复杂数据类型，每个通道对应于图像的红绿蓝三个颜色分量。三通道数据类型可以根据其位深度和有符号/无符号特性进行分类。 CV_8UC3 CV_8UC3 是 OpenCV 中的一种三通道无符号...

【OpenCV学习】OpenCV中的数据类型

Qregi的博客

04-01

1895

OpenCV中的数据类型 OpenCV有很多数据类型，它们都基于一些重要视觉概念的抽象而设计，来提供相对简单，直观的表示和处理。从组织结构的角度而言，OpenCV的基础数据类型主要分为三类第一类，直接从C++原语中继承的基础数据类型（如int和float），这些类型包括简单的数组和矩阵。第二类，辅助对象，这些对象代表更抽象的概念，比如垃圾收集指针，用于数据切片的范围对象（range ...

OpenCV中double和float类型图像数据的访问

_Casual_的专栏

07-25

1万+

首先解释下结构体IplImage和类Mat

OpenCV 学习笔记之矩阵的维数和通道数之间的关系

火锅丸子

07-05

3420

1、区分矩阵的维和通道2、如何高效访问矩阵中的数据块1、矩阵的维和通道访问CvMat数据块（如何通过opencv函数来访问矩阵中的数据）定义一个三行六列的数组。通道1指的是：每一个坐标都只有一个值。通道2指的是：每一个坐标上都有两个值。且这两个值是由矩阵的相邻两个数据组成的。 ...

OpenCV 创建图像时，CV_8UC1，CV_32FC3，CV_32S等参数的含义

Young_Fan

08-20

6万+

形式：CV_<bit_depth>(S|U|F)C<number_of_channels> bit_depth：比特数---代表8bite,16bites,32bites,64bites... 举个例子吧--比如说：如果你现在创建了一个存储--灰度图片的Mat对象,这个图像的大小为宽100,高100,那么,现在这张灰度图片中有10000个像素点，它每一个...

使用OpenCV对视差图/深度图(CV_16S/CV_32S)进行保存和显示

青箬笠，绿蓑衣

01-22

1万+

OpenCV默认的图像格式为CV_8UC3，此时图像为3通道、8位RGB图像，每个通道所能表达的灰度阶为28=2562^8=25628=256。而视差图常为CV_16S或CV_32S等，如果直接使用cv::imwrite()保存视差图或深度图，则图像将被转成CV_8U格式，损失很大的精度。保存在进行保存的时候，为保存无压缩图像，需要使用到cv::imwrite()的第三个参数。显示方法一...

OpenCV中数据类型和常用数据类型对应关系

10-15

1955

在openCV 中经常会遇到需要访问mat类对象中的数据的情况，所以必须真确填写相应的数据类型。 1、OpenCV中的数据类型和常用的数据类型对应关系如下： Mat_&amp;amp;amp;lt;uchar&amp;amp;amp;gt;---------CV_8U Mat&amp;amp;amp;lt;char&amp;amp;amp;gt;-----------CV_8S Nat_&amp;amp;amp;lt;s

OpenCv学习笔记(二)--Mat矩阵(图像容器)的创建及CV_8UC1,CV_8UC2等参数详解

热门推荐

maweifei的博客

04-22

6万+

（一）Mat矩阵(图像容器)创建时CV_8UC1,CV_8UC2等参数详解1--Mat不但是一个非常有用的图像容器类,同时也是一个通用的矩阵类 2--创建一个Mat对象的方法很多,我们现在先看一下Mat矩阵/图像容器类在OpenCv中的有关源代码: 3--使用Mat图像容器类创建Mat类的对象 //! default constructor Mat(); //! co

Opencv学习----Opencv宏定义(CV_8U、CV_8S、CV_16U...)

charce_you的专栏

08-14

2万+

数据类型宏定义： #define CV_8U 0 #define CV_8S 1 #define CV_16U 2 #define CV_16S 3 #define CV_32S 4 #define CV_32F 5 #define CV_64F 6 #define CV_16F 7 #define CV_8UC1 CV_MAKETYPE(CV_8U,1) #define ...

【opencv】Opencv中数据类型CV_8U, CV_16U, CV_16S, CV_32F、CV_64F

weixin_37804469的博客

09-20

4810

CV_8U, CV_16U, CV_16S, CV_32F、CV_64

Opencv numpy中uint8类型存储图像

qq_39751320的博客

03-13

5万+

用opencv处理图像时，可以发现获得的矩阵类型都是uint8 import cv2 as cv img=cv.imread(hello.png) print(img) array([[[...], [...], [...]]],dtype='uint8') uint8是专门用于存储各种图像的（包括RGB，灰度图像等），范围是从0–255 这里要注意如何转化到ui...

opencv数据类型转换截断

01-22

### 如何避免或处理 OpenCV 数据类型转换过程中的数值截断 #### 理解数据类型的范围和特性 OpenCV 中 `Mat` 对象支持多种不同的数据类型，每种类型都有其特定的取值范围。当进行不同类型间的转换时，如果目标类型的表示能力不足以容纳源类型的数据，则会发生截断现象[^2]。对于常见的几种基本数据类型及其对应的深度（depth），如下所示： - **CV_8U**: 无符号字符型 (0 ~ 255) - **CV_8S**: 布尔型 (-127 ~ 127) - **CV_16U**: 半字节无符号整数 (0 ~ 65,535) - **CV_16S**: 半字节有符号整数 (-32,767 ~ 32,767) - **CV_32S**: 整形 (-2,147,483,647 ~ 2,147,483,647) - **CV_32F**: 浮点型 (~±3.4e−38 to ±3.4e+38) - **CV_64F/double**: 双精度浮点型 (~±2.2e−308 to ±1.8e+308) 这些不同类型的适用场景决定了它们之间互相转化的可能性与风险所在[^4]。 #### 防止截断的方法为了防止在转换过程中发生不必要的截断错误，在执行任何可能改变像素值大小的操作之前应当采取预防措施: ##### 方法一：使用合适的缩放因子调整原始图像亮度级别通过乘法运算可以有效地扩大或缩小输入矩阵内的每一个元素值，从而确保最终结果能够被新的数据类型所接受而不丢失信息量。例如，当你想要把一个单通道灰度级图片由 CV_8UC1 转变为更高位宽的形式如 CV_32FC1 或者相反方向的时候就可以考虑这种方法。 ```cpp // 将 uint8 图像转换为 float 并除以最大值使其归一化到 [0,1] img.convertTo(img_flt, CV_32F); img_flt /= 255; ``` ##### 方法二：利用饱和算术操作代替简单的强制转型某些情况下直接应用 C++ 的 static_cast<> 函数可能会带来意外的结果；因此建议采用更安全的方式——即调用 convertScaleAbs() API 来完成这项工作。该函数会自动处理超出界限的情况并返回经过适当裁剪后的版本给用户。 ```cpp // 使用 convertScaleAbs 进行安全转换 cv::convertScaleAbs(src_mat, dst_mat); // 自动处理溢出情况 ``` 另外值得注意的是，在实际编程实践中还应该时刻关注可能出现的各种异常状况，并编写相应的错误捕捉机制以便及时发现潜在隐患并加以修复[^1]。