OpenCV（四）对矩阵的操作（CvMat详细讲解）

OpenCV包含了非常多的图像处理算法，而我们知道图像其实就是由矩阵数据构成，所以OpenCV中肯定有处理矩阵的函数和数据结构。

牛人说过，程序就是数据结构+算法。OpenCV这么厉害的库当然也不会例外。

在前几篇文章中，我们多次用到过IplImage这个数据结构，每当我们想获得图像时都会用到这个结构，图像和矩阵有关系，那IplImage肯定也跟矩阵有关系吧！

     看到上图，如果学过java和C+的同学肯定就感觉到了，这不是类之间的继承关系吗？但是OpenCV应该是用C写的呀？C里面怎么会有继承，怎么会有面向对象这些东西？

     C语言里面肯定不会有面向对象，但是面向对象是一种思想，思想是可以用任何语言来实现的，只不过容易和困难之分吧。所以设计OpenCV的那些牛人们就把面向对象的思想给融入了进去。

     那么从图上就可以知道了，IplImage由CvMat派生，CvMat由CvArr派生。CvMat就是OpenCV的矩阵结构。下面就详细讲讲CvMat结构

CvMat矩阵结构

在开始学习矩阵的相关内容之前，我们要知道两点。一，在OpenCV中没有向量结构，需要向量的话可以生成列矩阵或者行矩阵。二，OpenCV中的矩阵元素不仅仅可以取数值类型。

typedef struct CvMat{
        int type;
        int step;
        int* refcount;
        union{
            uchar* ptr;
            short* s;
            int * i;
            float* fl;
            double* db;
//ptr - pointer to 8-bit unsigned elements
//s - pointer to 16-bit signed elements
//i - pointer to 32-bit signed elements
//fl - pointer to 32-bit floating-point elements
//db - pointer to 64-bit floating-point elements
            }data;

        union{
            int rows;
            int height;
        };
        union{
            int cols;
            int width;

        };

}CvMat;

以上可以看出，CvMat结构相当简单，矩阵由宽度（width），高度（height），类型（type），行数据长度（step），和一个指向数据的指针构成。可以通过一个指向CvMat的指针来访问这些成员。或者用一些现成的函数来获得，比如调用函数vGetSize(CvMat*)，返回一个CvSize结构。

此类信息通常称作为矩阵头。很多程序是区分矩阵头和数据体的，后者是data成员指向的内存位置。

矩阵的创建

     矩阵有多种创建方法，最常见的方法是用cvCreateMat(），由多个原函数组成，如cvCreateMatHeader()和cvCreateData()。cvCreateMatHeader()函数创建CvMat结构，不为数据分配内存，而cvCreateData()函数只负责数据的内存分配。另外一种方法是函数cvCloneMat(CvMat*)，依据一个现有矩阵来创建一个新矩阵。当这个矩阵不在需要时，当然是一直强调的释放，调用函数cvRealeaseMat(CvMat*)来释放。

让我们来看看代码是怎么说？

//Create Matrix
//Create a new rows by cols matrix of type 'type'
CvMat* cvCreateMat(int rows,int cols,int type);
//Create only matrix header without allocating data
CvMat* cvCreateMatHeader(int rows ,itn cols, int type);
//Initialize header on existing CvMat structure
CvMat* cvInitMatHeader(
         CvMat* mat,
         int rows,
         int cols,
         int type,
         void * data=NULL,
         int step=CV_AUTOSTEP
        );
CvMat cvMat(
     int rows,
     int cols,
     int type,
     void *data = NULL
    );

CvMat* cvCloneMat(CvMat** mat);
 //Free the Matrix 'mat',both header and data .
void cvReleaseMat(cvMat** mat);

与很多OpenCV结构类似，构造函数cvMat()可以创建CvMat结构，实际上不分配存储空间，仅创建头结构（与cvInitMatHeader()类似）。这些方法对与存取到处散放的数据很有用，可以让矩阵头指向这些数据，实现对这些数据的打包，并用操作矩阵的函数来处理这些数据。来看代码怎么说：

//用固定数据创建一个OpenCV矩阵
float vals[]={0.8,-0.5,0.5,0.8};
CvMat rotmat;
cvInitMatHeader(
      &rotmat,
      2,
      2,
      CV_32FC1,
      vals
    );

矩阵数据存取

访问矩阵中的数据有三种方法：简单的方法，麻烦的方法和恰当的方法。

简单的方法

从矩阵中得到一个元素最简单的方法就是利用宏CV_MAT_ELEM()。

CvMat* mat=cvCreateMat(5,5,CV_32FC1);

float element_3_2 =CV_MAT_ELEM(*mat,float ,3,2);

宏的参数：传入矩阵，待提取元素的类型，行和列数。

返回值：提取出的元素的值

更进一步，还有一个与CV_MAT_ELEM类似的宏CV_MAST_ELEM_PTR()。看下面代码。

CvMat* mat=cvCreateMat(5,5,CV_32FC1);

loat element_3_2 = 7.7;

*((float*)CV_MAT_ELEM_PTR(*mat ,3,2))=element_3_2;

简单的方法肯定有很多缺点，宏每次被调用都会重新计算指针。顺序访问矩阵中的元素时，这种方法会变得相当麻烦。

麻烦的方法

麻烦的方法就不介绍了，既然麻烦就是用的少，或者基本不用。

恰当的方法

//累加一个三通道矩阵中的所有元素
float sum(const CvMat* mat){
    float s=0.0f;
    for(int row=0;row<mat->rows;row++){

        const float* ptr=(const float*)(mat->data.ptr+row*mat->step);
        for(col=0;col<mat->cols;col++){
            s+=*ptr++;
        }
    }

    return s;

}

（注：这段内容引用博客： http://blog.csdn.net/lcmliao/article/details/21788473，若有不明白的地方可以参考。 ）

     我们假设这是一个5*3的二维数据，数据类型为CV_8CU3，上面的格式就是它在Mat中存储的样子，首先它是一个三通道的数据，用我们熟悉的彩色图片RGB来表示，图像在Mat的存储刚好为BGR，调过来。那我们看到，我们想访问最右下角的那个像素点其为M（4，2）【记得下标从0开始】，step是如何帮忙的呢？这时候step是二维矩阵，step[0]和step[1]~那么M点的地址是M.data + M.step[0] * row + M.step[1] * col，其中row为4，col为2。M.data是指向起始位置，也就是左上角第一个蓝色，我把它颜色加深了一点。那step[0]表示的是每一行元素的数据大小是多少，最确切的来说每一行由多少个8bit排列而成。这里因为数据类型为CV_8CU3，每个像素点有三个通道，所以step[0]=3*3=9。M.data + M.step[0] * row 这时候的指针就跑到了第五行第一个蓝色那里，step[1]表示的是一个元素的数据大小，也就是一个像素由多少个8bit排列而来，显然这里是3。最后M.data + M.step[0] * row + M.step[1] * col 这个指的就是最后一个像素点的B通道。

这样就基本讲解清楚。