OpenCV的Mat基本用法

一、矩阵基础操作：
Mat image(240, 320, CV8UC3);
第一个参数是rows，该矩阵的行数；第二个参数是cols，该矩阵的列数；第三个参数是该矩阵元素的类型。这句话表示创建一个大小为240×320的矩阵，里面的元素为8位unsigned型，通道数(channel)有3个。

image.create(480, 640, CV8UC3);
分配（或重新分配）image矩阵，把大小设为480×640，类型设为CV8UC3。

Mat A33(3, 3, CV_32F, Scalar(5));
定义并初始化一个3×3的32bit浮点数矩阵，每个元素都设为5。

Mat B33(3, 3, CV_32F);
B33 = Scalar(5);
和上面的作用一样。

Mat C33 = Mat::ones(3, 3, CV32F)*5.;
ones函数很像MATLAB里的语句吧。这句的意思是先定义一个3×3的32bit浮点数矩阵，元素全为1，所有元素再乘以5.0。

Mat D33 = Mat::zeros(3, 3, CV32F) + 5.;
和上面类似，先定义个3×3的32bit浮点数矩阵，元素全为0，再将所有元素加上5.0；

double a = CV_PI/3;
Mat A22 = (Mat_<float>(2, 2) << cos(a), -sin(a), sin(a), cos(a));
CV_PI就是少年派的那个派。第二句这个写法很牛x的样子，我也没见过，不过看样子是创建一个2×2的float矩阵，把后面四个三角函数值分别赋给4个元素。

float B22data[] = {cos(a), -sin(a), sin(a), cos(a)};
Mat B22 = Mat(2, 2, CV32F, B22data).clone();
第一句创建一个普通数组B22data，第二句创建一个2×2的32bit浮点数矩阵，并使用用B22data数组里的值初始化，然后克隆一下赋给B22矩阵。
为什么这里还要克隆一下，不是多此一举吗？不是的，用一个数组去初始化一个矩阵的话，你会发现这个矩阵引用了数组的内存地址。不克隆的话，上面例程的后果是B22data数组、Mat(2,2...)这个临时变量矩阵、B22矩阵这三把勺子都插在同一个碗里。

randu(image, Scalar(0), Scalar(256));
把image弄成一个符合正太分布的随机数矩阵，rand表示random，u表示uniform；第二个参数是随机数下限，方括号哦；第三个参数是随机数上限，圆括号。

randn(image, Scalar(128), Scalar(10));
高斯分布的随机数矩阵；第二个参数是均值，第三个参数是标差。

Mat image_alias = image;
没有拷贝里面的数据。

float* Idata=new float[480*640*3];
Mat I(480, 640, CV32FC3, Idata);
第一句定义一个480×640×3×sizeof(float)字节这么大的数组；第二句创建一个矩阵I，引用的是Idata的地址。

vector<Point> iptvec(10);
Mat iP(iptvec);
还能和STL一起用啊，以前真不知道。第一句话创建了一个有10个Point的向量，注意Point有两个int型元素。第二句创建了一个矩阵，元素类型根据就自动设为CV_32SC2，表示32bit signed int，2个channel。

IplImage* oldC0 = cvCreateImage(cvSize(320,240),16,1);
Mat newC = cvarrToMat(oldC0);
IplImage oldC1 = newC;
CvMat oldC2 = newC;
这是为了把经典的OpenCV图像导成矩阵，第一句创建一个320×240的图像；第二句话把IplImage转成Mat；第三句话把Mat转成IplImage；第四句把Mat转成CvMat。

Mat newC2 = cvarrToMat(oldC0).clone();
转换后克隆一下赋值。

vector<Point2f> ptvec = Mat<Point2f>(iP);
把Mat又转成vector。

A33.at<float>(i,j) = A33.at<float>(j,i)+1;
操作A33矩阵在row为i，col为j处的元素。需要显式指定A33里的元素类型，本例是float。

Mat dyImage(image.size(), image.type());
for(int y = 1; y < image.rows-1; y++)
{
  Vec3b* prevRow = image.ptr<Vec3b>(y-1);
  Vec3b* nextRow = image.ptr<Vec3b>(y+1);
  for(int x = 0; y < image.cols; x++)
    for(int c = 0; c < 3; c++)
      dyImage.at<Vec3b>(y,x)[c] = saturate_cast<uchar>(nextRow[x][c] - prevRow[x][c]);
}
第一句话创建一个和image大小、类型都一样的矩阵。
Vec3b是一个预定义的类型，三个无符号字符组成的向量：
typedef Vec<uchar, 3> Vec3b;
saturate_cast是一个强制类型转换，把圆括号里的东西转换为尖括号里的类型。
for循环里的语句是把矩阵dyImage里的元素都赋值为后一行的值减去前一行的值，注意这个矩阵里的值是个具有三个元素的向量，理解为数组就行了，所以用方括号访问。

Mat<Vec3b>::iterator it = image.begin<Vec3b>(), itEnd = image.end<Vec3b>();
for(; it != itEnd; ++it)
  (*it)[1] ^= 255;
用过STL里的迭代器吗？用过的话就不解释了，没用过的还是先看看STL吧。

对image每个值（Vec3b向量）的第一个元素和0xFF做异或。

自从版本2.0，OpenCV采用了新的数据结构，用Mat类结构取代了之前用extended C写的cvMat和lplImage，更加好用啦，最大的好处就是更加方便的进行内存管理，对写更大的程序是很好的消息。

需要注意的几点：

1. Mat的拷贝只是复制了Mat的信息头，数据的指针也指向了被拷贝的数据地址，而没有真正新建一块内存来存放新的矩阵内容。这样带来的一个问题就是对其中一个Mat的数据操作就会对其他指向同一块数据的Mat产生灾难性的影响。

2.建立多维数组的格式是这样的

[cpp]  view plain copy

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

3.传统的lplImage格式也可直接转换为Mat格式

[cpp]  view plain copy

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

如果想将新版本的Mat格式转换为老版本，则需要如下调用：

[cpp]  view plain copy

1. Mat I;  
2. IplImage* pI = &I.operator IplImage();  
3. CvMat* mI = &I.operator CvMat();  

不过更安全的调用格式为：

[cpp]  view plain copy

1. Ptr<IplImage> piI = &I.operator IplImage();  

4.Mat结构更加友好，很多操作更接近matlab的风格

5.也有Point2f，Point3f，vector等数据结构可以使用

6.RNG类可以产生随机数

7.实现颜色通道的分离使用函数split