09 mat的深浅拷贝

首先 我们需要知道在python中，图片的保存类型以及他的数据结构

个人理解：图片就是多维数组

# opencv用mat这种数据结构来表示图片的
# C++中是用mat来保存图片，Python中把mat转换成了numpy中的ndarray
# Mat由header和data组成，header中记录了图片的维数，大小，数据类型等数据
import cv2
import numpy as np

img = cv2.imread('fj.jpg')
# cv2.namedWindow('img', cv2.WINDOW_NORMAL)
# cv2.resizeWindow('img', 640, 320)
# while True:
#     cv2.imshow('img', img)
#     key = cv2.waitKey(0)
#     if key == ord('q'):
#         break
# cv2.destroyAllWindows()

print(img)
print(type(img))

# ndarray的4种常见属性?
print(img.data)

ones = np.ones((2, 3))
print(ones)
print(ones.data)

# size 元素的总个数
print(img.size)

# dtype 数据类型
print(img.dtype)

# shape各个维度的形状
print(img.shape)

# itemsize不属于mat的属性 itemsize输出array元素的字节数
print(img.itemsize)

# ndim 维度，也就是通道数
print(img.ndim)

# imag 虚拟数组 用的不多
print(img.imag)

 

 

# 因为python中图片数据已经包装成ndarray了，所以对Mat的深浅拷贝，其实就是对ndarray的深浅拷贝
import cv2
import numpy as np
cv2.namedWindow('img0', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img0', 320, 180)

img0 = cv2.imread('fj.jpg')

# 浅拷贝 view 与被拷贝的数据同一块内存地址
img1 = img0.view()

# 深拷贝
img2 = img0.copy()

img0[10:100, 10:100] = [0, 0, 255]

# cv2.imshow('img0', img0)
# cv2.imshow('img1', img1)
# cv2.imshow('img2', img2)

# 将多个图片堆叠到一起（横着堆叠）
# cv2.imshow('img0', np.hstack((img0, img1, img2)))
# 将多个图片堆叠到一起（竖着堆叠）
cv2.imshow('img0', np.vstack((img0, img1, img2)))
cv2.waitKey(0)
cv2.destroyAllWindows()