OpenCV学习：Mat - 基本图像器

最新推荐文章于 2024-06-10 21:42:16 发布

小象一只

最新推荐文章于 2024-06-10 21:42:16 发布

阅读量458

点赞数

分类专栏： opencv学习笔记

本文链接：https://blog.csdn.net/yiting52/article/details/42243341

版权

opencv学习笔记专栏收录该内容

10 篇文章 0 订阅

订阅专栏

Mat

基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。因此，当在程序中传递图像并创建拷贝时，大的开销是由矩阵造成的，而不是信息头。OpenCV是一个图像处理库，囊括了大量的图像处理函数，为了解决问题通常要使用库中的多个函数，因此在函数中传递图像是家常便饭。同时不要忘了我们正在讨论的是计算量很大的图像处理算法，因此，除非万不得已，我们不应该拷贝大的图像，因为这会降低程序速度。

OpenCV使用引用计数机制。其思路是让每个 Mat 对象有自己的信息头，但共享同一个矩阵。这通过让矩阵指针指向同一地址而实现。而拷贝构造函数则 只拷贝信息头和矩阵指针 ，而不拷贝矩阵。

<span style="font-size:14px;color:#333333;">Mat A, C;                                 // 只创建信息头部分
A = imread(argv[1], CV_LOAD_IMAGE_COLOR); // 这里为矩阵开辟内存
Mat B(A);                                 // 使用拷贝构造函数
C = A;                                    // 赋值运算符</span>

以上代码中的所有Mat对象最终都指向同一个也是唯一一个数据矩阵。虽然它们的信息头不同，但通过任何一个对象所做的改变也会影响其它对象。实际上，不同的对象只是访问相同数据的不同途径而已。

你可以创建只引用部分数据的信息头。比如想要创建一个感兴趣区域（ ROI ），你只需要创建包含边界信息的信息头：

<span style="font-size:14px;color:#333333;">Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangle
Mat E = A(Range:all(), Range(1,3)); // using row and column boundaries</span>

如果矩阵属于多个 Mat 对象，那么当不再需要它时谁来负责清理？简单的回答是：最后一个使用它的对象。通过引用计数机制来实现。无论什么时候有人拷贝了一个 Mat 对象的信息头，都会增加矩阵的引用次数；反之当一个头被释放之后，这个计数被减一；当计数值为零，矩阵会被清理。

拷贝矩阵本身(不只是信息头和矩阵指针)，这时可以使用函数 clone() 或者 copyTo() ：

<span style="font-size:14px;color:#333333;">Mat F = A.clone();
Mat G;
A.copyTo(G);</span>

现在改变 F 或者 G 就不会影响 Mat 信息头所指向的矩阵。

存储方式

像素值的存储需要指定颜色空间和数据类型。颜色空间是指对一个给定的颜色，如何组合颜色元素以及如何对其编码。

最简单的颜色空间是灰度级空间，只处理黑色和白色，对它们进行组合可以产生不同程度的灰色。对于彩色方式则有更多种类的颜色空间，但不论哪种方式都是把颜色分成三个或者四个基元素，通过组合基元素可以产生所有的颜色。RGB颜色空间是最常用的一种颜色空间，这归功于它也是人眼内部构成颜色的方式。它的基色是红色、绿色和蓝色，有时为了表示透明颜色也会加入第四个元素 alpha (A)。

有很多的颜色系统，各有自身优势：

RGB是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用。
HSV和HLS把颜色分解成色调、饱和度和亮度/明度。这是描述颜色更自然的方式，比如可以通过抛弃最后一个元素，使算法对输入图像的光照条件不敏感。
YCrCb在JPEG图像格式中广泛使用。
CIE L*a*b*是一种在感知上均匀的颜色空间，它适合用来度量两个颜色之间的距离。

Mat()构造函数

<span style="font-size:14px;color:#333333;"><span style="font-size:14px;">Mat M(2,2, CV_8UC3, Scalar(0,0,255)); 
cout << "M = " << endl << " " << M << endl << endl;</span></span>

对于二维多通道图像，首先要定义其尺寸，即行数和列数，然后，需要指定存储元素的数据类型以及每个矩阵点的通道数。定义规则：

CV_[The number of bits per item][Signed or Unsigned][Type Prefix]C[The channel number]

比如 CV_8UC3 表示使用8位的 unsigned char 型，每个像素由三个元素组成三通道。

在C\C++中通过构造函数进行初始化

<span style="font-size:14px;color:#333333;">int sz[3] = {2,2,2}; 
Mat L(3,sz, CV_8UC(1), Scalar::all(0));</span>

为已存在的IplImage指针创建信息头：

<span style="font-size:14px;color:#333333;">IplImage* img = cvLoadImage("greatwave.png", 1);
Mat mtx(img); // convert IplImage* -> Mat</span>

Create() function函数

<span style="font-size:14px;color:#333333;"> M.create(4,4, CV_8UC(2));
 cout << "M = "<< endl << " "  << M << endl << endl;</span>

MATLAB形式的初始化方式： zeros(), ones(), :eyes() 。使用以下方式指定尺寸和数据类型：

<span style="font-size:14px;color:#333333;">Mat E = Mat::eye(4, 4, CV_64F);    
cout << "E = " << endl << " " << E << endl << endl;    
Mat O = Mat::ones(2, 2, CV_32F);    
cout << "O = " << endl << " " << O << endl << endl;
Mat Z = Mat::zeros(3,3, CV_8UC1);
cout << "Z = " << endl << " " << Z << endl << endl;</span>

对于小矩阵你可以用逗号分隔的初始化函数:

<span style="font-size:14px;color:#333333;">Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); 
cout << "C = " << endl << " " << C << endl << endl;</span>