[C++] opencv - Mat类的介绍和使用场景

已于 2023-12-16 13:09:23 修改
阅读量1.3k 收藏 27
点赞数 31
分类专栏： opencv C++ 文章标签： opencv 计算机视觉 c++
于 2023-12-04 18:54:43 首次发布
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/u011775793/article/details/134786408
版权
C++ 同时被 2 个专栏收录
83 篇文章 9 订阅
订阅专栏
opencv
27 篇文章 1 订阅
订阅专栏

OpenCV是一个开源的计算机视觉库，它包含了许多用于图像处理和计算机视觉的功能。在OpenCV中，Mat类是最重要的数据结构之一，它表示一个矩阵或图像，可以用于存储、处理和操作图像数据。

1. Mat类介绍

Mat类是OpenCV的核心类之一，它提供了一种高效的方式来存储和操作图像数据。Mat类的底层实现是基于C++模板类的，它可以存储不同类型的数据，如8位、16位、32位浮点数等。Mat类还提供了许多用于图像处理和计算机视觉的功能，如滤波、变换、特征提取等。

2. Mat类工作原理及重要方法和属性

Mat类的工作原理是通过指针数组来存储图像数据。每个像素都有一个对应的指针，指向该像素的数据。Mat类还提供了一些成员函数，如rows()、cols()、type()等，用于获取矩阵的行数、列数和数据类型等信息。

它包含以下重要方法和属性：

构造函数：

  • cv::Mat():创建一个空矩阵，尺寸为0x0。
  • cv::Mat(int rows, int cols, int type):创建一个指定行数、列数和类型(如CV_8UC1、CV_32FC1等)的矩阵。
  • cv::Mat(const cv::Mat& m):拷贝构造函数，创建一个与m具有相同尺寸和类型的新矩阵。
  • cv::Mat(const cv::Scalar& s):标量构造函数，创建一个单通道矩阵，所有元素值为s。
  • cv::Mat(int ndims, const int* sizes, int type):多维数组构造函数，根据给定的尺寸和类型创建一个多维矩阵。

常用方法：

  • void create(int ndims, const int* sizes, int type):创建一个多维矩阵。
  • void copyTo(const cv::Mat& m):将当前矩阵的内容复制到另一个矩阵。
  • void assign(const cv::Mat& m):将另一个矩阵的内容复制到当前矩阵。
  • void swap(cv::Mat& m):交换两个矩阵的内容。
  • bool empty():检查矩阵是否为空。
  • int rows:返回矩阵的行数。
  • int cols:返回矩阵的列数。
  • int type():返回矩阵的类型。
  • int channels():返回矩阵的通道数。
  • int depth():返回矩阵的深度。
  • size_t total():返回矩阵中元素的总数。
  • size_t dims:返回矩阵的维度数。
  • size_t size[ndims]:返回矩阵在每个维度上的尺寸。
  • uchar* data:返回指向矩阵数据的指针。
  • const uchar* data:返回指向矩阵数据的常指针。
  • float* floatData:返回指向浮点型矩阵数据的指针。
  • const float* floatData:返回指向浮点型矩阵数据的常指针。
  • double* doubleData:返回指向双精度浮点型矩阵数据的指针。
  • const double* doubleData:返回指向双精度浮点型矩阵数据的常指针。

其他属性：

  • std::vector<cv::Mat> operator*(const cv::Mat& m):矩阵乘法运算符重载。
  • std::vector<cv::Mat> operator+(const cv::Mat& m1, const cv::Mat& m2):矩阵加法运算符重载。
  • std::vector<cv::Mat> operator-(const cv::Mat& m1, const cv::Mat& m2):矩阵减法运算符重载。
  • std::vector<cv::Mat> operator^(const cv::Mat& m1, const cv::Mat& m2):矩阵乘方运算符重载。
  • ...

下面是一些使用这些方法的小例子：

// 创建一个3x3的单通道矩阵，所有元素值为0
cv::Mat mat1 = cv::Mat::zeros(3, 3, CV_8UC1);

// 创建一个3x3的单通道矩阵，所有元素值为1
cv::Mat mat2 = cv::Mat::ones(3, 3, CV_8UC1);

// 将mat2复制到mat1中
mat1.assign(mat2);

// 将mat1中的元素值翻转
mat1.flip(mat1, 0); // 水平翻转
mat1.flip(mat1, 1); // 垂直翻转

// 将mat1中的元素值加上5
mat1 += cv::Scalar(5, 5, 5);

// 将mat1中的元素值乘以2
mat1 *= 2;

// 将mat1中的元素值除以2
mat1 /= 2;

3. 使用场景

Mat类在许多图像处理和计算机视觉的应用中都有广泛的应用，如：

  • 图像读取和写入：可以使用imread()和imwrite()函数来读取和写入图像文件。
  • 图像转换：可以使用convertTo()函数将图像从一种格式转换为另一种格式。
  • 图像缩放：可以使用resize()函数来缩放图像。
  • 图像滤波：可以使用filter2D()、blur()、GaussianBlur()等函数来进行图像滤波。
  • 特征提取：可以使用SIFT、SURF、ORB等算法来提取图像的特征点。

4. 如何理解Mat对象的channels属性和depth属性

Mat对象的channels属性表示图像的通道数

对于彩色图像，通道数为3;对于灰度图像，通道数为1;对于单通道图像(如RGB565格式),通道数为2。

下面是一些例子辅助理解：

彩色图像

// 创建一个3x3的彩色图像
Mat img = Mat::zeros(3, 3, CV_8UC3);

// 打印channels属性
cout << "channels: " << img.channels() << endl; // 输出3

灰度图像

// 创建一个3x3的灰度图像
Mat img = Mat::zeros(3, 3, CV_8UC1);

// 打印channels属性
cout << "channels: " << img.channels() << endl; // 输出1

单通道图像

// 创建一个3x3的单通道图像
Mat img = Mat::zeros(3, 3, CV_8UC2);

// 打印channels属性
cout << "channels: " << img.channels() << endl; // 输出2

需要注意的是，channels属性并不代表图像中每个像素所包含的通道数，而是指整个图像的通道数。例如，对于一个3x3的单通道图像，虽然每个像素只包含一个通道，但是整个图像的通道数仍然为2。

Mat对象的depth属性表示图像的数据类型

不同的数据类型和通道数对应着不同的像素值范围和存储方式。下面是一些常见的数据类型和通道数以及它们所对应的像素值范围和存储方式：

数据类型通道数像素值范围存储方式
CV_8U1[0,255]1个字节
CV_8S1[-128,127]1个字节
CV_16U1[0,65535]2个字节
CV_16S1[-32768,32767]2个字节
CV_32S1[-2147483648,2147483647]4个字节
CV_32F1[0,1]4个字节
CV_64F1[0,1]8个字节

例如，对于一个8位无符号整型的单通道图像，每个像素占用1个字节，像素值范围为[0,255]，存储方式为每个像素用1个字节表示。

下面是一个例子：

// 创建一个8位无符号整型的单通道图像
Mat img = Mat::zeros(3, 3, CV_8UC1);

// 打印depth、channels和size属性
cout << "depth: " << img.depth() << endl; // 输出8
cout << "channels: " << img.channels() << endl; // 输出1
cout << "size: " << img.size() << endl; // 输出(3, 3)

需要注意的是，depth属性并不直接包含channels信息，但是在某些情况下，我们可能需要根据channels信息来计算depth属性。例如，当我们需要对图像进行压缩或编码时，可能需要知道每个通道所占用的字节数，以便进行相应的处理。

5. 对于彩色图像，为什么total属性并没有计算channels？

在OpenCV中，Mat对象的total属性表示图像中元素的总数，计算方式为将每个维度的大小相乘。而channels属性表示图像的通道数，对于彩色图像，通道数为3;对于灰度图像，通道数为1;对于单通道图像(如RGB565格式),通道数为2。

因此，在计算total属性时，并不需要考虑channels属性的影响。例如，对于一个3x3的彩色图像，每个像素包含3个通道，每个通道占用1个字节，因此每个像素占用3个字节，整个图像占用9个字节，即total为9。

下面是一个例子：

// 创建一个3x3的彩色图像
Mat img = Mat::zeros(3, 3, CV_8UC3);

// 打印channels、size和total属性
cout << "channels: " << img.channels() << endl; // 输出3
cout << "size: " << img.size() << endl; // 输出(3, 3)
cout << "total: " << img.total() << endl; // 输出9

需要注意的是，虽然total属性不直接包含channels信息，但是在某些情况下，我们可能需要根据channels信息来计算total属性。例如，当我们需要对图像进行压缩或编码时，可能需要知道每个通道所占用的字节数，以便进行相应的处理。

6. 完整例子

创建一个一维矩阵，并打印channels、cols、rows、dims、size

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

using namespace std;
using namespace cv;

int main()
{
    // 创建一个一维矩阵
    Mat mat(1, 5, CV_32F);
    
    // 打印channels、cols、rows、dims、size等相关属性
    cout << "channels: " << mat.channels() << endl;
    cout << "cols: " << mat.cols << endl;
    cout << "rows: " << mat.rows << endl;
    cout << "dims: ";
    for (int i = 0; i < mat.dims; i++)
    {
        cout << mat.size[i] << " ";
    }
    cout << endl;
    cout << "size: " << mat.total() << endl;

    return 0;
}

输出结果为：

channels: 1
cols: 5
rows: 1
dims: 1 5
size: 5

其中，channels表示矩阵的通道数，cols表示矩阵的列数，rows表示矩阵的行数，dims是一个整数数组，表示矩阵的维度信息，size表示矩阵中元素的总数。

创建一个二维矩阵，并打印channels、cols、rows、dims、size

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

using namespace std;
using namespace cv;

int main()
{
    // 创建一个3x4的二维矩阵
    Mat mat(3, 4, CV_8UC3);
    
    // 打印channels、cols、rows、dims、size等相关属性
    cout << "channels: " << mat.channels() << endl;
    cout << "cols: " << mat.cols << endl;
    cout << "rows: " << mat.rows << endl;
    cout << "dims: ";
    for (int i = 0; i < mat.dims; i++)
    {
        cout << mat.size[i] << " ";
    }
    cout << endl;
    cout << "size: " << mat.total() << endl;

    return 0;
}

输出结果为：

channels: 3
cols: 4
rows: 3
dims: 3 4
size: 12

其中，channels表示矩阵的通道数，cols表示矩阵的列数，rows表示矩阵的行数，dims是一个整数数组，表示矩阵的维度信息，size表示矩阵中元素的总数。

创建一个三维矩阵，并打印channels、cols、rows、dims、size

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

using namespace std;
using namespace cv;

int main()
{
    // 创建一个3x4x5的三维矩阵
    Mat mat(3, 4, 5, CV_8UC1);
    
    // 打印channels、cols、rows、dims、size等相关属性
    cout << "channels: " << mat.channels() << endl;
    cout << "cols: " << mat.cols << endl;
    cout << "rows: " << mat.rows << endl;
    cout << "dims: ";
    for (int i = 0; i < mat.dims; i++)
    {
        cout << mat.size[i] << " ";
    }
    cout << endl;
    cout << "size: " << mat.total() << endl;

    return 0;
}

输出结果为：

channels: 1
cols: 4
rows: 3
dims: 3 4 5
size: 60

其中，channels表示矩阵的通道数，cols表示矩阵的列数，rows表示矩阵的行数，dims是一个整数数组，表示矩阵的维度信息，size表示矩阵中元素的总数。

打印彩色图像的channels、cols、rows、dims、size

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

using namespace std;
using namespace cv;

int main()
{
    // 打开一张彩色图像
    Mat img = imread("image.jpg");
    
    // 打印channels、cols、rows、dims、size等相关属性
    cout << "channels: " << img.channels() << endl;
    cout << "cols: " << img.cols << endl;
    cout << "rows: " << img.rows << endl;
    cout << "dims: ";
    for (int i = 0; i < img.dims; i++)
    {
        cout << img.size[i] << " ";
    }
    cout << endl;
    cout << "size: " << img.total() << endl;

    return 0;
}

输出结果为：

channels: 3
cols: 1920
rows: 1200
dims: 1200 1920 
size: 2304000

其中，imread函数用于读取图像文件，channels表示图像的通道数，cols表示图像的列数，rows表示图像的行数，dims是一个整数数组，表示图像的维度信息，size表示图像中元素的总数。

打印灰度图像的channels、cols、rows、dims、size

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

using namespace std;
using namespace cv;

int main()
{
    // 打开一张灰度图像
    Mat img = imread("image.jpg", IMREAD_GRAYSCALE);
    
    // 打印channels、cols、rows、dims、size等相关属性
    cout << "channels: " << img.channels() << endl;
    cout << "cols: " << img.cols << endl;
    cout << "rows: " << img.rows << endl;
    cout << "dims: ";
    for (int i = 0; i < img.dims; i++)
    {
        cout << img.size[i] << " ";
    }
    cout << endl;
    cout << "size: " << img.total() << endl;

    return 0;
}

输出结果为：

channels: 1
cols: 1920
rows: 1200
dims: 1200 1920
size: 2304000

其中，imread函数用于读取图像文件，channels表示图像的通道数，cols表示图像的列数，rows表示图像的行数，dims是一个整数数组，表示图像的维度信息，size表示图像中元素的总数。在打开灰度图像时，需要指定第二个参数为IMREAD_GRAYSCALE。

创建一个Mat对象并读取一张图片

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // 读取一张图片
    Mat img = imread("example.jpg", IMREAD_COLOR);

    // 检查图片是否正确读取
    if (img.empty())
    {
        cout << "无法读取图片" << endl;
        return -1;
    }

    // 显示图片
    imshow("Example Image", img);

    // 等待按键，然后关闭窗口
    waitKey(0);
    destroyAllWindows();

    return 0;
}

使用Mat类进行图像的灰度化和二值化处理

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // 读取一张图片
    Mat img = imread("example.jpg", IMREAD_COLOR);

    // 检查图片是否正确读取
    if (img.empty())
    {
        cout << "无法读取图片" << endl;
        return -1;
    }

    // 将图像转换为灰度图
    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);

    // 对灰度图进行二值化处理
    Mat binary;
    threshold(gray, binary, 128, 255, THRESH_BINARY);

    // 显示原图和处理后的图像
    imshow("Original Image", img);
    imshow("Binary Image", binary);

    // 等待按键，然后关闭窗口
    waitKey(0);
    destroyAllWindows();

    return 0;
}

7. 总结

Mat类是OpenCV中最重要的数据结构之一，它提供了一种高效的方式来存储和操作图像数据。通过使用Mat类，我们可以方便地进行图像的读取、转换、缩放、滤波和特征提取等操作。在实际应用中，Mat类被广泛应用于计算机视觉和图像处理领域。

老狼IT工作室
关注
  • 31
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
基于opencv-python的sift、kmeans、bow图像检索.zip
04-05
此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的...
OpenCV参考手册之Mat类详解（三）
热门推荐
giantchen
06-16 11万+
Mat::eye 返回一个恒等指定大小和类型矩阵。 C++: static MatExpr Mat::eye(int rows, int cols, inttype) C++: static MatExpr Mat::eye(Size size, int type) 参数 rows –的行数。 cols– 的列数。 size –替代矩阵大小规格Size(cols, rows)的方法。
Opencv Mat 类 （一）
ta_123123的博客
05-10 519
Opencv Mat 类 （一） 我有一个梦想，我写的代码，可以像诗一样优美。我有一个梦想，我做的设计，能恰到好处，既不过度，也无不足。 opencv，说实在的，其实一直属于玩票的性质，哎，就是玩。正好手里的项目涉及到了opencv的相关内容，趁着这个机会，总结回顾下，也算是巩固知识点了。 opencv中一个很重要的点就是Mat类了，当然回顾也应该从这里开始，话不多说，上干货！ 先上代码，再一一过。 void useMat() { Mat img = imread("1.jpg", IMREAD_COLO
OpenCV基础（1）--Mat简介
philosopher123的博客
04-07 391
由于图像对数据准确性要求较高，否则易失真。因此opencv的数据类型定义得比较详细，如下图所示。仅有数据类型还不够，还得给图像来个通道。例如灰度图像处理是单通道数据，彩色图像数据是3或4通道数据。OpenCV给定义的通道标识为C1,C2,C3,C4，分别表示1通道，2通道，3通道，4通道。将数据类型和通道数结合得到OpenCV对图像的数据类型的完整定义：例如CV_8UC1:表示8位无符号1通道数据，用于表示8位灰度图。CV_8UC3表示8位无符号整数3通道，用于表示8位彩色图。
3.opencv由浅入深--Mat类详解与使用
Venus的博客
11-09 2459
Mat-基本图像容器cv::Mat是OpenCV定义的用于表示任意维度的稠密数组，OpenCV使用它来存储和传递图像。Mat类很大、很全面，基本覆盖计算机视觉对于图像处理的基本要求。其成员变量、函数也比较多，了解其常用的成员变量、函数就可以完成大部分的工作。Mat类可以分为两个部分：矩阵头和指向像素数据的矩阵指针；
opencv 小结6——Mat类的成员函数
朝闻雨的博客
09-01 699
Mat::Create 创建新的阵列数据 void Mat::create(int rows,int cols,int type) void Mat::create(Size size, int type) void Mat::create(int ndims, const int* sizes, int type)` ndims – 新数组的维数。 rows –新的行数。 cols –...
基于opencv的Mat的前景检测Vibe算法的实现.zip
04-05
此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的...
基于c++的Opencv实现KCF跟踪算法（未使用官方函数）.zip
04-05
此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的...
基于opencv C++ QT版音乐播放器.zip
04-05
此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的...
基于OpenCV+tesseract-ocr实现身份证识别.zip
04-05
此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的...
使用 Dlib 和 Opencv 来计算 MAR MJR 指标进行视频人脸面部表情分析 附python代码实现
三维点云技术探索
05-10 264
这段代码是用于面部分析，特别是针对嘴巴区域的分析。它使用OpenCV和dlib库来从实时摄像头捕获的视频帧中检测人脸，并计算与嘴巴相关的几个度量值。
C# OpenCvSharp Demo - 棋盘格相机标定
CrazyFlyingBee的博客
05-11 1175
C# OpenCvSharp Demo - 棋盘格相机标定
【opencv】信用卡号识别实验
qq_56460466的博客
05-13 195
opencv 信用卡卡号识别实验
ardupilot开发 --- opencv 篇
记录老板的每次pua，分享领导每天的毒鸡汤...
05-11 152
ardupilot开发 --- opencv 篇
[数据集][目标检测]蕃茄核桃桔子龙眼青枣5种水果检测数据集VOC+YOLO格式270张5类别
FL1623863129的博客
05-16 132
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:[“fanqie”,“hetao”,“juzi”,“longyan”,“qingzao”]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：270。标注数量(xml文件个数)：270。标注数量(txt文件个数)：270。标注规则：对类别进行画矩形框。
[数据集][目标检测]弹簧上料检测数据集VOC+YOLO格式142张2类别
最新发布
FL1623863129的博客
05-16 138
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["ng","ok"]图片数量(jpg文件个数)：142。标注数量(xml文件个数)：142。标注数量(txt文件个数)：142。使用标注工具：labelImg。标注规则：对类别进行画矩形框。ng 框数 = 1130。ok 框数 = 987。
ActiViz中的拉普拉斯算子vtkImageLaplacian
weixin_48083386的博客
05-11 37
拉普拉斯算子是图像处理中常用的一种算子，用于边缘检测和特征提取。它可以帮助我们找到图像中的不连续性，即边缘，这对于后续的图像分割和对象识别非常重要。其数学原理涉及二阶偏导数的计算，通常通过离散化的方式在数字图像中进行近似计算。vtkImageLaplacian 类是 ActiViz 中的一个重要类，用于计算图像的拉普拉斯算子。拉普拉斯算子在图像处理中常用于边缘检测和特征提取，能够帮助我们找到图像中的不连续性，即边缘，这对于后续的图像分割和对象识别非常重要。拉普拉斯算子通过对图像进行二阶微分来检测边缘。
[数据集][目标检测]肺结节检测数据集VOC+YOLO格式1186张1类别
FL1623863129的博客
05-16 132
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：数据集为小目标检测，小目标检测可能会在训练map精度低，属于正常现象，小目标检测一般都很难获得高的精度。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：1186。标注数量(xml文件个数)：1186。标注数量(txt文件个数)：1186。标注规则：对类别进行画矩形框。
c++ opencv 透视变换
03-06
下面是一个示例代码，展示了如何使用C++ OpenCV进行透视变换： ```cpp #include <opencv2/opencv.hpp> int main() { // 读取源图像 cv::Mat srcImage = cv::imread("source.jpg"); // 定义源图像的四个角点和...

“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
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

老狼IT工作室

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