（转）OpenCV中的Mat

（一）Mat矩阵中数据指针Mat.data是uchar类型指针，CV_8U系列可以通过计算指针位置快速地定位矩阵中的任意元素。

二维单通道元素可以用Mat::at(i, j)访问，i是行序号，j是列序号。

但对于多通道的非unsigned char类型矩阵来说，以上方法都不好（注：后来知道可以通过类型转换，用指针访问data数据，见后文）。可以用Mat::ptr()来获得指向某行元素的指针，在通过行数与通道数计算相应点的指针。

参照OpenCV的Mat::at()函数，写了一个访问二维Mat矩阵的两个简单的小函数，没有边界检查。

1	#include <opencv2/core/core.hpp>

2

3	template<typename ItemType>

4	ItemType* getMatPointPtr(cv::Mat & src, int i , int j , int c = 0)

5

{

6	ItemType* curRow = src.ptr<ItemType>(i);

7	return curRow + j * src.channels() + c;

8

}

9	template<typename ItemType>

10	ItemType getMatPoint(cv::Mat & src, int i , int j , int c = 0)

11

{

12	ItemType* curRow = src.ptr<ItemType>(i);

13	return *(curRow + j * src.channels() + c);

14

}

  

OpenCV中的Mat::at()代码有严格的边界检测，Mat::ptr()也有边界检测，但代码中没有检测j是否越界。

以上为推荐使用的情况，下边的不推荐使用。

可以通过转换指针类型，访问非uchar类型的Mat元素。

例如图像是CV_64FC1格式，可以将Mat.data指针直接转换成double*类型：

1	// imgMat is a image.

2	double* pimg = (double*)(imgMat.data)

也可以用C++中的显式转换符static_cast，不过要通过void*类型过渡：

1	void* pvoid = static_cast<void*>(imgMat.data);

2	double* pimg = static_cast<double*>(pvoid);

这种方式在Debug模式下速度提升非常显著，但没有任何的边界检查和异常处理，使用时必须十分小心。使用Mat::ptr的速度和直接使用这种方法差不多，多一层保护总比没有保护强。

（二）

1.从一幅图片中找到所要处理部分的数据，是进行处理的关键步骤！

Mat

2. OpenCV基于  C  语言接口而建。为了在内存（memory）中存放图像，当时采用名为  IplImage  的C语言结构体，时至今日这仍出现在大多数的旧版教程和教学材料。虽然对于小型的程序来说手动管理内存不是问题，但一旦代码开始变得越来越庞大，你需要越来越多地纠缠于这个问题，而不是着力解决你的开发目标。

3. C++出现了，并且带来类的概念，这给用户带来另外一个选择：自动的内存管理（不严谨地说）。OpenCV在2.0版本中引入了一个新的C++接口，利用自动内存管理给出了解决问题的新方法。使用这个方法，你不需要纠结在管理内存上，而且你的代码会变得简洁（少写多得）。

4. 关于  Mat  ，首先要知道的是你不必再手动地（1）为其开辟空间（2）在不需要时立即将空间释放。但手动地做还是可以的：大多数OpenCV函数仍会手动地为输出数据开辟空间。当传递一个已经存在的 Mat 对象时，开辟好的矩阵空间会被重用。也就是说，我们每次都使用大小正好的内存来完成任务。

5. 基本上讲  Mat  是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）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。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝  大  的图像，因为这会降低程序速度。

6.为了搞定这个问题，OpenCV使用引用计数机制。其思路是让每个 Mat 对象有自己的信息头，但共享同一个矩阵。这通过让矩阵指针指向同一地址而实现。而拷贝构造函数则 只拷贝信息头和矩阵指针 ，而不拷贝矩阵。(都是引用，改变一个的话都会改变)

[cpp]  view plain copy

1. Mat A, C;      //只创建信息头部分  
2. A = imread(argv[1], CV_LOAD_IMAGE_COLOR);  //这里为矩阵开辟内存  
3.   
4. MatB(A);       //使用拷贝构造函数  
5.   
6. C = A;         //赋值运算符  

7. 以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。实际上，不同的对象只是访问相同数据的不同途径而已。这里还要提及一个比较棒的功能：你可以创建只引用部分数据的信息头。比如想要创建一个感兴趣区域（  ROI  ），你只需要创建包含边界信息的信息头：

[cpp]  view plain copy

1. Mat D(A, Rect(10, 10, 100, 100));    //using a rectangle  
2. Mat E = A(Range:all(), Range(1, 3)); //using row and column boundaries  

8.现在你也许会问，如果矩阵属于多个  Mat  对象，那么当不再需要它时谁来负责清理？简单的回答是：最后一个使用它的对象。通过引用计数机制来实现。无论什么时候有人拷贝了一个  Mat  对象的信息头，都会增加矩阵的引用次数；反之当一个头被释放之后，这个计数被减一；当计数值为零，矩阵会被清理。但某些时候你仍会想拷贝矩阵本身(不只是信息头和矩阵指针)，这时可以使用函数  clone()  或者  copyTo()  。  （真正的拷贝这个矩阵，对这个新的矩阵进行变换不会影响其他的情况）

[cpp]  view plain copy

1. Mat F = A.clone();  
2. Mat G;  
3. A.copyTo(G);  

9.现在改变 F 或者 G 就不会影响 Mat 信息头所指向的矩阵。总结一下，你需要记住的是

• OpenCV函数中输出图像的内存分配是自动完成的（如果不特别指定的话）。
• 使用OpenCV的C++接口时不需要考虑内存释放问题。
• 赋值运算符和拷贝构造函数（ ctor ）只拷贝信息头。
• 使用函数 clone() 或者 copyTo() 来拷贝一副图像的矩阵。

补充（空间存储）：

10.对于  彩色  方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。

• HSV和HLS把颜色分解成色调、饱和度和亮度/明度。这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
• YCrCb在JPEG图像格式中广泛使用。
• CIE L*a*b*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的 距离 。

11.如何存储一个元素决定了我们在其定义域上能够控制的精度。最小的数据类型是  char  ，占一个字节或者8位，可以是有符号型（0到255之间）或无符号型（-127到+127之间）。尽管使用三个  char  型元素已经可以表示1600万种可能的颜色（使用RGB颜色空间），但若使用float（4字节，32位）或double（8字节，64位）则能给出更加精细的颜色分辨能力。但同时也要切记增加元素的尺寸也会增加了图像所占的内存空间。

显式地创建一个 Mat 对象

12.Mat 不但是一个很赞的图像容器类，它同时也是一个通用的矩阵类，所以可以用来创建和操作多维矩阵。创建一个Mat对象有多种方法：

[cpp]  view plain copy

1. Mat M(2,2, CV_8UC3, Scalar(0,0,255));   
2.   cout << "M = " << endl << " " << M << endl << endl;     

                                                            

13.对于二维多通道图像，首先要定义其尺寸，即行数和列数。

然后，需要指定存储元素的数据类型以及每个矩阵点的通道数。为此，依据下面的规则有多种定义

[cpp]  view plain copy

1. CV_[The number of bits per item][Signed or Unsigned][Type Prefix]C[The channel number]  

14.比如 CV_8UC3 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。预先定义的通道数可以多达四个。 Scalar 是个short型vector。指定这个能够使用指定的定制化值来初始化矩阵。当然，如果你需要更多通道数，你可以使用大写的宏并把通道数放在小括号中，如下所示

15.在 C\C++ 中通过构造函数进行初始化

[cpp]  view plain copy

1. int sz[3] = {2,2,2};   
2.    Mat L(3,sz, CV_8UC(1), Scalar::all(0));  

16.上面的例子演示了如何创建一个超过两维的矩阵：指定维数，然后传递一个指向一个数组的指针，这个数组包含每个维度的尺寸；其余的相同

• 为已存在IplImage指针创建信息头:

  [cpp]  view plain copy

  1. IplImage* img = cvLoadImage("greatwave.png", 1);  
  2. Mat mtx(img); // convert IplImage* -> Mat  
  
  
  

• Create() function: 函数

  [cpp]  view plain copy

  1. M.create(4,4, CV_8UC(2));  
  2. cout << "M = "<< endl << " "  << M << endl << endl;  
  
  

  
                                                
  

  17.这个创建方法不能为矩阵设初值，它只是在改变尺寸时重新为矩阵数据开辟内存。

  
  

  • MATLAB形式的初始化方式： zeros(), ones(), :eyes() 。使用以下方式指定尺寸和数据类型：

    [cpp] view plaincopy

    1. Mat E = Mat::eye(4, 4, CV_64F);      
    2.   cout << "E = " << endl << " " << E << endl << endl;  
    3.     
    4.   Mat O = Mat::ones(2, 2, CV_32F);      
    5.   cout << "O = " << endl << " " << O << endl << endl;  
    6.   
    7.   Mat Z = Mat::zeros(3,3, CV_8UC1);  
    8.   cout << "Z = " << endl << " " << Z << endl << end  

                                           

    
    

    *对于小矩阵你可以用逗号分隔的初始化函数:

    [cpp]  view plain copy

    1. Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);   
    2.  cout << "C = " << endl << " " << C << endl << endl;  
                                                    
    
    

  *使用 clone() 或者 copyTo() 为一个存在的 Mat 对象创建一个新的信息头。

  [cpp]  view plain copy

  1. Mat RowClone = C.row(1).clone();  
  2.  cout << "RowClone = " << endl << " " << RowClone << endl << endl;  

更多