OpenCV 中最常用的数据结构

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。