目录
1、cv::Mat
作为图像和矩阵的主要数据结构,cv::Mat 用于存储图像和多维矩阵数据。它是OpenCV中最基本和最常用的数据结构。
cv::Mat 的一些重要信息
- cv::Mat 表示一个多维矩阵,可以是单通道或多通道的,用于存储图像、图像特征、深度数据等。
- cv::Mat 中的数据可以是有符号或无符号整数、浮点数等各种数值类型。它支持灵活的尺寸和通道数,可以用于处理不同分辨率和通道数量的图像
- cv::Mat 对象可以通过文件加载、摄像头捕获、图像处理等方式创建和修改。它提供了许多方法和函数,用于图像处理、线性代数运算和矩阵操作
- cv::Mat 对象通常包含像素数据,可以通过行、列、通道等方式进行索引和访问
常见的操作和用途
(1)从图像文件加载图像数据:
cv::Mat image = cv::imread("image.jpg");
(2)访问像素值:
cv::Vec3b pixel = image.at<cv::Vec3b>(row, col);
(3)创建一个新的 cv::Mat 对象:
cv::Mat newImage(height, width, CV_8UC3);
2、cv::Point 和 cv::Point2f
用于表示二维点的数据结构,通常用于图像上的坐标。
3、cv::Rect
用于表示矩形区域的数据结构,通常用于感兴趣区域(ROI)的定义和图像裁剪。
4、cv::Size
表示尺寸的数据结构,通常用于指定图像或矩形的宽度和高度。
5、cv::Scalar
用于表示颜色或灰度值的数据结构,通常用于绘制图像中的对象。
6、cv::KeyPoint
用于表示图像中的关键点,通常用于特征检测和匹配。
7、cv::DMatch
用于表示特征匹配的数据结构,通常在特征匹配算法中使用。
8、cv::TermCriteria
用于指定迭代优化算法的停止条件的数据结构,通常用于优化问题。
9、cv::Vec
通用的向量类型,用于表示多维向量数据。
10、cv::LineSegmentPoint 和 cv::RotatedRect
用于表示线段和旋转矩形的数据结构。
这些数据结构在图像处理、计算机视觉和机器学习任务中经常用于存储和操作数据。它们提供了方便的方式来表示和处理各种图像和视觉信息,使开发人员能够更轻松地进行计算机视觉应用的开发和研究。