Opencv Mat详解

最新推荐文章于 2023-07-02 15:16:15 发布
最新推荐文章于 2023-07-02 15:16:15 发布
阅读量2.1k 收藏 19
点赞数 1
分类专栏： # openCV 文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011559046/article/details/118604054
版权
Opencv Mat详解

本文采用知识共享署名 4.0 国际许可协议进行许可，转载时请注明原文链接，图片在使用时请保留全部内容，可适当缩放并在引用处附上图片所在的文章链接。

Mat

The class Mat represents an n-dimensional dense numerical single-channel or multi-channel array. It can be used to store real or complex-valued vectors and matrices, grayscale or color images, voxel volumes, vector fields, point clouds, tensors, histograms (though, very high-dimensional histograms may be better stored in a SparseMat ).
上面的一段话引用自官方的文档，Mat类用于表示一个多维的单通道或者多通道的稠密数组。能够用来保存实数或复数的向量、矩阵，灰度或彩色图像，立体元素，点云，张量以及直方图（高维的直方图使用SparseMat保存比较好）。简而言之，Mat就是用来保存多维的矩阵的。

成员变量

  • data: uchar型的指针。Mat类分为了两个部分:矩阵头和指向矩阵数据部分的指针，data就是指向矩阵数据的指针。

  • dims: 矩阵的维度，例如5*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3.

  • rows: 矩阵的行数

  • cols: 矩阵的列数

  • size: 矩阵的大小，size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)

  • channels: 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由BGR三部分组成，则channels = 3。

  • type: 表示了矩阵中元素的类型以及矩阵的通道个数，它是一系列的预定义的常量，其命名规则为CV_(位数）+（数据类型）+（通道数）。这里U（unsigned integer）表示的是无符号整数，S（signed integer）是有符号整数，F（float）是浮点数。

例如：CV_16UC2，表示的是元素类型是一个16位的无符号整数，通道为2. C1，C2，C3，C4则表示通道是1,2,3,4。type一般是在创建Mat对象时设定，如果要取得Mat的元素类型，则无需使用type，使用下面的depth

在这里插入图片描述

  • depth :矩阵中元素的一个通道的数据类型，这个值和type是相关的。

例如 type为 CV_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV_16S。depth也是一系列的预定义值，将type的预定义值去掉通道信息就是depth值:CV_8U CV_8S CV_16U CV_16S CV_32S CV_32F CV_64F

  • elemSize :矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes

  • elemSize1:矩阵元素一个通道占用的字节数，例如：type是CV_16CS3，那么elemSize1 = 16 / 8 = 2 bytes = elemSize / channels

Mat 通道理解

通道

一个图像的通道数是N，就表明每个像素点处有N个数，一个a×b的N通道图像，其图像矩阵实际上是b行N×a列的数字矩阵。

OpenCV中图像的通道可以是1、2、3和4。其中常见的是1通道和3通道，2通道和4通道不常见。

1通道的是灰度图。
3通道的是彩色图像，比如RGB图像。
4通道的图像是RGBA，是RGB加上一个A通道，也叫alpha通道，表示透明度。PNG图像是一种典型的4通道图像。alpha通道可以赋值0到1，或者0到255，表示透明到不透明。
2通道的图像是RGB555和RGB565。2通道图在程序处理中会用到，如傅里叶变换，可能会用到，一个通道为实数，一个通道为虚数，主要是编程方便。RGB555是16位的，2个字节，5+6+5，第一字节的前5位是R，后三位+第二字节是G，第二字节后5位是B，可见对原图像进行压缩了。

图像类型的转换与显示

Mat image=imread("../images/RGB.jpg");  
Mat imageGRAY,imageRGBA,imageRGB555;
cvtColor(image,imageGRAY,CV_RGB2GRAY);            //RGB转GRAY
cvtColor(image,imageRGBA,CV_RGB2BGRA);            //RGB转RGBA
cvtColor(image,imageRGB555,CV_RGB2BGR555);        //RGB转RGB555

//来看看通道数
int n = image.channels();                        //n=3
int nGRAY = imageGRAY.channels();                //nGRAY = 1
int nRGBA = imageRGBA.channels();                //nRGBA = 4
int nRGB555 = imageRGB555.channels();            //nRGB555 = 2

cout << "n: " << n << "  nGRAY: " << nGRAY << "  nRGBA: " << nRGBA << "  nRGB555: " << nRGB555 << endl;

//显示GRAY、RGB和RGBA图像
imshow("image",image);
imshow("imageGRAY",imageGRAY);
imshow("imageRGBA",imageRGBA);
//imshow("imageRGB555",imageRGB555);             //无法显示

在这里插入图片描述

RGB转GRAY是根据一个心理学公式来的：Gray = R0.299 + G0.587 + B*0.114

RGB转GRBA，默认A通道的数值是255，也就是不透明的。

通道的合成与分解

分解

C++: void split(const Mat& mtx, Mat* mv)
C++: void split(const Mat& mtx, vector<Mat>& mv)

参数：mtx 输入矩阵
mv 输出矩阵或矩阵数组
src 输入矩阵
dst0、dst1、dst2、dst3 最多4个单通道的输出矩阵

void Mat_split(void)
{
     Mat rgb(3, 4, CV_8UC3, Scalar(1, 2, 3, 4)); //这里 由于类型是 CV_8UC3 Scalar 第四个值没有用

     vector<Mat> channels;
     split(rgb, channels);
     Mat R = channels.at(0); //从vector中读数据用vector::at()
     Mat G = channels.at(1);
     Mat B = channels.at(2);

     cout << "RGB=" << endl
          << rgb << endl;

     cout << "R=" << endl
          << R << endl;

     cout << "G=" << endl
          << G << endl;

     cout << "B=" << endl
          << B << endl;
}

RGB=
[  1,   2,   3,   1,   2,   3,   1,   2,   3,   1,   2,   3;
   1,   2,   3,   1,   2,   3,   1,   2,   3,   1,   2,   3;
   1,   2,   3,   1,   2,   3,   1,   2,   3,   1,   2,   3]
R=
[  1,   1,   1,   1;
   1,   1,   1,   1;
   1,   1,   1,   1]
G=
[  2,   2,   2,   2;
   2,   2,   2,   2;
   2,   2,   2,   2]
B=
[  3,   3,   3,   3;
   3,   3,   3,   3;
   3,   3,   3,   3]

合成

C++: void merge(const Mat* mv, size_t count, OutputArray dst)
C++: void merge(const vector<Mat>& mv, OutputArray dst)

参数：mv 输入矩阵
count 当mv是C形式的array时，count表示输入矩阵个数
dst 输出矩阵
src0、src1、src2、src3 最多4个单通道的输入矩阵

void Mat_merge(void)
{
     Mat R(3, 4, CV_8UC1, Scalar(3));
     Mat G(3, 4, CV_8UC1, Scalar(2));
     Mat B(3, 4, CV_8UC1, Scalar(1));
     Mat RGB(3, 4, CV_8UC3);
     vector<Mat> src;
     src.push_back(R); //往vector里存数据要用vector::push_back()
     src.push_back(G);
     src.push_back(B);
     merge(src, RGB);

     cout << "R=" << endl
          << R << endl;

     cout << "G=" << endl
          << G << endl;

     cout << "B=" << endl
          << B << endl;

     cout << "RGB=" << endl
          << RGB << endl;
}

R=
[  3,   3,   3,   3;
   3,   3,   3,   3;
   3,   3,   3,   3]
G=
[  2,   2,   2,   2;
   2,   2,   2,   2;
   2,   2,   2,   2]
B=
[  1,   1,   1,   1;
   1,   1,   1,   1;
   1,   1,   1,   1]
RGB=
[  3,   2,   1,   3,   2,   1,   3,   2,   1,   3,   2,   1;
   3,   2,   1,   3,   2,   1,   3,   2,   1,   3,   2,   1;
   3,   2,   1,   3,   2,   1,   3,   2,   1,   3,   2,   1]

split( )和merge( )都是mixChannels( )的特例

C++: void mixChannels(const Mat* src, int nsrc, Mat* dst, int ndst, const int* fromTo, size_t npairs)
C++: void mixChannels(const vector<Mat>& src, vector<Mat>& dst, const int* fromTo, int npairs)

参数：src 输入的矩阵，可以是一个矩阵也可以是多个矩阵构成的vector
nsrc 输入矩阵的个数
dst 输出矩阵，可以是一个矩阵也可以是多个矩阵构成的vector
ndst 输出矩阵的个数
fromTo src到dst通道对应数组
npairs fromTo中有几组对应关系

mixChannels( )本质是改变了几个通道的顺序，输入一共有几个通道，输出肯定也有几个通道，所以定义fromTo时，要知道有多少个通道，而且通道的编号一定是0,1,2，…

void Mat_mixchannels(void)
{
     Mat RGB(3, 4, CV_8UC3, Scalar(1, 2, 3, 4));
     Mat A(3, 4, CV_8UC1, Scalar(6));
     cout << "RGB=" << endl
          << RGB << endl;
     cout << "A=" << endl
          << A << endl;

     //RGB+A合成为RGBA
     cout << "RGB+A合成为RGBA" << endl;
     Mat RGBA(3, 4, CV_8UC4);
     Mat in[] = {RGB, A};
     int fromTo1[] = {0, 0, 1, 1, 2, 2, 3, 3};
     mixChannels(in, 2, &RGBA, 1, fromTo1, 4);
     cout << "RGBA=" << endl
          << RGBA << endl;

     //RGB分解为R+GB
     cout << "RGB分解为R+GB" << endl;
     Mat R(3, 4, CV_8UC1);
     Mat GB(3, 4, CV_8UC2);
     Mat out[] = {R, GB};
     int fromTo2[] = {0, 2, 1, 1, 2, 0};
     mixChannels(&RGB, 1, out, 2, fromTo2, 3);
     cout << "R=" << endl
          << R << endl;
     cout << "GB=" << endl
          << GB << endl;
}

RGB=
[  1,   2,   3,   1,   2,   3,   1,   2,   3,   1,   2,   3;
   1,   2,   3,   1,   2,   3,   1,   2,   3,   1,   2,   3;
   1,   2,   3,   1,   2,   3,   1,   2,   3,   1,   2,   3]
A=![在这里插入图片描述](https://img-blog.csdnimg.cn/20210709123948440.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE1NTkwNDY=,size_16,color_FFFFFF,t_70)

[  6,   6,   6,   6;
   6,   6,   6,   6;
   6,   6,   6,   6]
RGB+A合成为RGBA
RGBA=
[  1,   2,   3,   6,   1,   2,   3,   6,   1,   2,   3,   6,   1,   2,   3,   6;
   1,   2,   3,   6,   1,   2,   3,   6,   1,   2,   3,   6,   1,   2,   3,   6;
   1,   2,   3,   6,   1,   2,   3,   6,   1,   2,   3,   6,   1,   2,   3,   6]
RGB分解为R+GB
R=
[  3,   3,   3,   3;
   3,   3,   3,   3;
   3,   3,   3,   3]
GB=
[  2,   1,   2,   1,   2,   1,   2,   1;
   2,   1,   2,   1,   2,   1,   2,   1;
   2,   1,   2,   1,   2,   1,   2,   1]

创建一个Mat

void Mat_demo()
{
    cv::Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255));
    cout << M << endl;

    cv::Mat Z = cv::Mat::zeros(3, 3, CV_64F);
    cout << Z << endl;

    cv::Mat F = cv::Mat::ones(2, 2, CV_64F);
    cout << F << endl;

    cv::Mat M0(1,2,CV_8UC3);
    cout << M0 << endl;

    float K[3][3] = {1, 0, 1, 0, 1, 1, 0, 0, 1};
    cv::Mat M1 = cv::Mat(3,3,CV_32FC1,K);
    cout << M1 << endl;

    cv::Mat M2 = (cv::Mat_<float>(3,3) << 0,-1,0,-1,5,-1,0,-1,0);
    cout << M2 << endl;

    cv::Mat M3 = (Mat_<double>(3, 3) << 0, 1, 2, 1, 2, 3, 2, 3, 4);
    cout << M3 << endl;
}

Scalar

Scalar是一个由长度为4的数组作为元素构成的结构体，Scalar最多可以存储四个值，没有提供的值默认是0。

  typedef struct Scalar
  {
      double val[4];
 }Scalar;

// 创建一个2通道，且每个通道的值都为（1,3），深度为32，4行4列的图像矩阵。
Mat M(4, 4, CV_32FC2, Scalar(1, 3));

/*
[1, 3, 1, 3, 1, 3, 1, 3;
 1, 3, 1, 3, 1, 3, 1, 3;
 1, 3, 1, 3, 1, 3, 1, 3;
 1, 3, 1, 3, 1, 3, 1, 3]
 */

// 创建一个3通道，且每个通道的值都为（1,2,3），深度为32，4行4列的图像矩阵。
Mat M(4, 4, CV_32FC3, Scalar(1, 2, 3));

/*
[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]
*/

// 创建一个4通道，且每个通道的值都为（1,2,3,0）(默认为0)，深度为32，4行4列的图像矩阵。
Mat M(4, 4, CV_32FC4, Scalar(1, 2, 3));

/*
[1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0;
 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0;
 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0;
 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0]
*/

Mat blue_m(256, 256, CV_8UC3, Scalar(255, 0, 0));
//cout<<blue_m<<endl;
Mat green_m(256, 256, CV_8UC3, Scalar(0, 255, 0));
//cout<<green_m<<endl;
Mat red_m(256, 256, CV_8UC3, Scalar(0, 0, 255));
//cout<<red_m<<endl;
Mat previewImg(256, 256, CV_8UC3);
//CV_EXPORTS void hconcat(InputArray src1, InputArray src2, OutputArray dst);
hconcat(blue_m, green_m, previewImg);
hconcat(previewImg, red_m, previewImg);
imshow("previewImg", previewImg);
waitKey(0);

在这里插入图片描述

cv::Mat::ones

Mat m = Mat::ones(2, 2, CV_8UC3); 相当于：Mat m = Mat(2, 2, CV_8UC3, 1);

// OpenCV replaces 1 with Scalar(1,0,0)相当于每个像素的第一个通道为1，其余两个通道为0；

cv::Mat F = cv::Mat::ones(3, 3, CV_64F);
cout << F << endl;
/*
[1, 1, 1;
 1, 1, 1;
 1, 1, 1]
*/

cv::Mat::zeros

Mat m = Mat::zeros(2, 2, CV_8UC3);
//相当于创建一张黑色的图，每个像素的每个通道都为0,Scalar(0,0,0)；

cv::Mat Z = cv::Mat::zeros(3, 3, CV_64F);
cout << Z << endl;
/*
[0, 0, 0;
 0, 0, 0;
 0, 0, 0]
*/

cv::Mat::eye

cv::Mat Y = cv::Mat::eye(3, 3, CV_64F);
cout << Y << endl;
/*
[1, 0, 0;
 0, 1, 0;
 0, 0, 1]
*/

Mat类中数据部分组成

  • 矩阵头：包括矩阵尺寸、存储方法、存储地址等。
  • 指针：该指针指向存储所有像素值的矩阵。
    因为图片的数据量比较大，所以OpenCV中的Mat定义都是只申请了矩阵头和指针，尽量避免对指针指向的内容进行拷贝操作。
void Mat_demo1()
{
    Mat A, C; // Identify header only
    cout << "sizeof(A): " << sizeof(A) << "; sizeof(C): " << sizeof(C) << endl;
    cout << "A:\n"
         << A << endl;
    A = Mat::ones(Size(3, 3), CV_8UC1);
    C = A;
    cout << "sizeof(A): " << sizeof(A) << "; sizeof(C): " << sizeof(C) << endl;
    cout << "A:\n"
         << A << endl;

    Mat B(A);
    cout << "B:\n"
         << B << endl;
    B.at<uchar>(1, 1) = 255;
    cout << "C:\n"
         << C << endl;

    Mat D = A.clone();
    cout << "D:\n"
         << D << endl;
    D.at<uchar>(0, 0) = 123;
    cout << "A:\n"
         << A << endl;
    cout << "D:\n"
         << D << endl;

    Mat E;
    A.copyTo(E);
    cout << "E:\n"
         << E << endl;
    E.at<uchar>(2, 2) = 100;
    cout << "A:\n"
         << A << endl;
    cout << "E:\n"
         << E << endl;
}

Mat类型的变量定义以及赋值分为：

  • 公用一个数据块
=
构造函数
  • 不公用一个数据块
clone
copyto

参考

OpenCV CV_RGB2GRAY与CV_BGR2GRAY的区别

学习OpenCV2——Mat之通道的理解

002237
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
【OpenCV】 基础入门（一）初识 Mat 类 | 通过 Mat 类显示图像
Ceylan__的博客
04-03 1862
在计算器内存中，数字图像是以矩阵的形式保存的，矩阵信息中包含了所有像素点的强度值，如何获取并储存这些像素值可根据实际场景应用来确定。在计算机处理中所有图像信息都将转化为数值信息矩阵。OpenCV作为计算机视觉处理库，其主要目的就是通过处理和操作这些矩阵信息来获得更加高级的信息。在处理图像中，我们通常使用OpenCV中最基础的库类Mat类来对图像进行操作。Mat类由矩阵头和指向存储所有像素值的矩阵的指针构成。Mat类表示一个n。
OpenCV中的Mat详解
03-05
讲述OpenCV的Mat的很好的资料，希望大家共同学习进步！
OpenCV系列(三)：Mat详解
GarfieldEr007的专栏
04-29 1万+
Mat类是OpenCV最基本的一个数据类型，它可以表示一个多维的多通道的数组。Mat常用来存储图像，包括单通道二维数组——灰度图，多通道二维数组——彩色图。当然也可以用来存储点云，直方图等等，对于高维的数组可以考虑存储在SparseMat中。对于一个Mat对象M，其数据布局是由M.step[]决定的，数据存放在M.data里面，假设M有d维，则数据的寻址方式为： addr(Mi0,.
OpenCV中Mat总结
weixin_30773135的博客
08-03 294
一、数字图像存储概述 数字图像存储时，我们存储的是图像每个像素点的数值，对应的是一个数字矩阵。 二、Mat的存储 1、OpenCV1基于C接口定义的图像存储格式IplImage*，直接暴露内存，如果忘记释放内存，就会造成内存泄漏。 2、从OpenCV2开始，开始使用Mat类存储图像，具有以下优势： （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...
opencv学习笔记-入门（25）Mat 的学习
热门推荐
07-17 1万+
（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
opencv Mat详解
qq_30150579的博客
12-13 4252
OpenCV Mat操作详解
OpenCV Mat实例详解一源码
02-13
本压缩包包含OpenCV Mat实例详解一示例源码。
OpenCV Mat实例详解二源码
02-15
OpenCV Mat实例详解二源码，包含OpenCV Mat构造函数使用方法实例。
OpenCV Mat实例详解五示例程序
02-18
OpenCV Mat实例详五解示例程序，包含OpenCV Mat类成员函数类型转换操作费使用方法示例源码。
OpenCV Mat实例详解三源代码
02-15
OpenCV Mat实例详解源代码，包含OpenCV Mat类公有静态成员函数使用示例源代码
OpenCV Mat实例详解六 实例源代码
最新发布
02-24
OpenCV Mat实例详解六 实例源代码，包含OpenCV Mat实例详解六全部示例源代码。
opencv mat介绍
12-06
对opencv中的mat 类使用介绍的比较清楚详细，对于想学习opencv的人有用
OpenCV(Mat类)
qq_57594025的博客
07-02 2357
Mat类是OpenCV中用于存储矩阵数据的类型。
Mat补充
anhu8047的博客
08-10 205
Mat的创建 1.使用Mat的构造函数 Mat test(2,2,CV_8UC3,Scalar(0,0,255)); 2.使用Mat的构造函数 int sizes[3] = {2,2,2}; Mat test(3,sizes,CV_8UC3,Scalar::all(0)); 3.为已存在的IplImage指针创建信息头 int sizes[3] =...
OpenCV之Mat的详细介绍
PRML_MAN的博客
04-28 1万+
在opencv中，Mat作为图像的存储容器，是非常基础也是非常重要的知识，本文主要介绍Mat相关的操作。 1 图像复制 再开始将拷贝之前，先给大家分享一下浅拷贝和深拷贝 浅拷贝：拷贝对象和被拷贝对象都指向同一个内存空间，修改任何一个对象的数据都会影响另外一个； 举个例子：小明和小红在沙漠中共用一个水瓶喝水，任何一个人喝了水，另外一个人都会剩下更少的水。 深拷贝：拷贝对象和被拷贝对象指向不同的内容空间，修改数据时互不影响。 举个例子：小明和小红各有一个水瓶，各自喝各自的水对对方不影响。 深拷贝和浅拷贝都各有优
opencv学习-Mat详解
wyw0000的博客
03-10 846
opencv mat详解
【学习OpenCV】——Mat类详解
Kelvin_Yan的专栏
09-02 1万+
官方文档说明：点击打开链接 C++的接口，基于opencv 2.4.9 Mat类 class CV_EXPORTS Mat { public: // ... a lot of methods ... ... /*! includes several bit-fields: - the magic signature -...
Opencv之Mat
m0_37937932的博客
01-16 557
一、认识Mat作为图像容器类 Mat等同于一个类，数据部分由信息头（包含矩阵尺寸，存储方法）和指针（指向矩阵）组成，因此再使用构造函数或者进行赋值运算时，也仅仅是为信息头和指针赋值。 若希望对矩阵进行赋值操作，copyto（）和clone（）使得创建的Mat的指针指向新的地址空间，地址空间内存的是从指定的地址空间赋值过来的。 二、存储方法 如何存储像素？从颜色空间和元素类型两方面考虑。 颜色空间表...
opencv Mat
08-18
在OpenCV中，Mat是一个非常重要的类，它用于表示图像或矩阵数据。可以使用不同的方法来创建Mat对象。其中一种方法是使用构造函数，如Mat img(100,100,CV_8UC3, Scalar(255,255,255))，这会创建一个大小为100x100的3通道图像，像素值为(255,255,255)。另一种方法是使用create()函数，如img.create(100,100, CV_8UC3)，这也会创建一个大小为100x100的3通道图像。此外，还可以使用zeros()、eye()和ones()函数来创建全零矩阵、对角为1的对角矩阵和全1矩阵。还可以使用逗号数组的方式来创建对象，如Mat img = (Mat_<double>(2,2) << 0,1,1,0)。这种方式按行填充数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [opencv mat介绍](https://download.csdn.net/download/cockcomputer/10833601)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [OpenCV之Mat的详细介绍](https://blog.csdn.net/PRML_MAN/article/details/124482661)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [openCV学习（一）——Mat类详解](https://blog.csdn.net/lvyaer_1122/article/details/124454244)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

002237

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值