電子發燒友App
opencv中常見的與圖像操作有關的數據容器有Mat，cvMat和IplImage，這三種類型都可以代表和顯示圖像，但是，Mat類型側重于計算，數學性較高，openCV對Mat類型的計算也進行了優化。而CvMat和IplImage類型更側重于“圖像”，opencv對其中的圖像操作（縮放、單通道提取、圖像閾值操作等）進行了優化。在opencv2.0之前，opencv是完全用C實現的，但是，IplImage類型與CvMat類型的關系類似于面向對象中的繼承關系。實際上，CvMat之上還有一個更抽象的基類----CvArr，這在源代碼中會常見。
1. IplImage
opencv中的圖像信息頭，該結構體定義： typedef struct _IplImage
{
int nSize; /* IplImage大小 */
int ID; /* 版本 （=0）*/
int nChannels; /* 大多數OPENCV函數支持1，2，3 或 4 個通道 */
int alphaChannel; /* 被OpenCV忽略 */
int depth; /* 像素的位深度： IPL_DEPTH_8U， IPL_DEPTH_8S， IPL_DEPTH_16U，
IPL_DEPTH_16S， IPL_DEPTH_32S， IPL_DEPTH_32F and IPL_DEPTH_64F 可支持 */
char colorModel［4］; /* 被OpenCV忽略 */
char channelSeq［4］; /* 被OpenCV忽略 */
int dataOrder; /* 0 - 交叉存取顏色通道， 1 - 分開的顏色通道。 cvCreateImage只能創建交叉存取圖像 */
int origin; /* 0 - 頂—左結構，1 - 底—左結構 （Windows bitmaps 風格） */
int align; /* 圖像行排列 （4 or 8）。 OpenCV 忽略它，使用 widthStep 代替 */
int width; /* 圖像寬像素數 */
int height; /* 圖像高像素數*/
struct _IplROI *roi; /* 圖像感興趣區域。 當該值非空只對該區域進行處理 */
struct _IplImage *maskROI; /* 在 OpenCV中必須置NULL */
void *imageId; /* 同上*/
struct _IplTIleInfo *TIleInfo; /*同上*/
int imageSize; /* 圖像數據大小（在交叉存取格式下imageSize=image-》height*image-》widthStep），單位字節*/
char *imageData; /* 指向排列的圖像數據 */
int widthStep; /* 排列的圖像行大小，以字節為單位 */
int BorderMode［4］; /* 邊際結束模式， 被OpenCV忽略 */
int BorderConst［4］; /* 同上 */
char *imageDataOrigin; /* 指針指向一個不同的圖像數據結構（不是必須排列的），是為了糾正圖像內存分配準備的 */
} IplImage;
dataOrder中的兩個取值：交叉存取顏色通道是顏色數據排列將會是BGRBGR.。.的交錯排列。分開的顏色通道是有幾個顏色通道就分幾個顏色平面存儲。roi是IplROI結構體，該結構體包含了xOffset，yOffset，height，width，coi成員變量，其中xOffset，yOffset是x，y坐標，coi代表channel of interest（感興趣的通道），非0的時候才有效。訪問圖像中的數據元素，分間接存儲和直接存儲，當圖像元素為浮點型時，（uchar *） 改為 （float *）：
/*間接存取*/
IplImage* img=cvLoadImage（“lena.jpg”， 1）;
CvScalar s; /*sizeof（s） == img-》nChannels*/
s=cvGet2D（img，i，j）; /*get the （i，j） pixel value*/
cvSet2D（img，i，j，s）; /*set the （i，j） pixel value*/
/*宏操作*/
IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
for（int row = 0; row 《 img-》height; row++）
{
for （int col = 0; col 《 img-》width; col++）
{
b = CV_IMAGE_ELEM（img， UCHAR， row， col * img-》nChannels + 0）;
g = CV_IMAGE_ELEM（img， UCHAR， row， col * img-》nChannels + 1）;
r = CV_IMAGE_ELEM（img， UCHAR， row， col * img-》nChannels + 2）;
}
}
/*直接存取*/
IplImage* img; //malloc memory by cvLoadImage or cvCreateImage
uchar b， g， r; // 3 channels
for（int row = 0; row 《 img-》height; row++）
{
for （int col = 0; col 《 img-》width; col++）
{
b = （（uchar *）（img-》imageData + row * img-》widthStep））［col * img-》nChannels + 0］;
g = （（uchar *）（img-》imageData + row * img-》widthStep））［col * img-》nChannels + 1］;
r = （（uchar *）（img-》imageData + row * img-》widthStep））［col * img-》nChannels + 2］;
}
}
初始化使用IplImage *，是一個指向結構體IplImage的指針：
IplImage * cvLoadImage（const char * filename， int iscolor CV_DEFAULT（CV_LOAD_IMAGE_COLOR））; //load images from specified image
IplImage * cvCreateImage（CvSize size， int depth， int channels）; //allocate memory
2.CvMat
首先，我們需要知道，第一，在OpenCV中沒有向量（vector）結構。任何時候需要向量，都只需要一個列矩陣（如果需要一個轉置或者共軛向量，則需要一個行矩陣）。第二，OpenCV矩陣的概念與我們在線性代數課上學習的概念相比，更抽象，尤其是矩陣的元素，并非只能取簡單的數值類型，可以是多通道的值。CvMat 的結構：
typedef struct CvMat
{
int type;
int step; /*用字節表示行數據長度*/
int* refcount; /*內部訪問*/
union {
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data; /*數據指針*/
union {
int rows;
int height;
};
union {
int cols;
int width;
};
} CvMat; /*矩陣結構頭*/
創建CvMat數據：
CvMat * cvCreateMat（int rows， int cols， int type）; /*創建矩陣頭并分配內存*/
CV_INLine CvMat cvMat（（int rows， int cols， int type， void* data CV_DEFAULT）; /*用已有數據data初始化矩陣*/
CvMat * cvInitMatHeader（CvMat * mat， int rows， int cols， int type， void * data CV_DEFAULT（NULL）， int step CV_DEFAULT（CV_AUTOSTEP））; /*（用已有數據data創建矩陣頭）*/
對矩陣數據進行訪問：
/*間接訪問*/
/*訪問CV_32F1和CV_64FC1*/
cvmSet（ CvMat* mat， int row， int col， double value）;
cvmGet（ const CvMat* mat， int row， int col ）;
/*訪問多通道或者其他數據類型： scalar的大小為圖像的通道值*/
CvScalar cvGet2D（const CvArr * arr， int idx0， int idx1）; //CvArr只作為函數的形參void cvSet2D（CvArr* arr， int idx0， int idx1， CvScalar value）;
/*直接訪問： 取決于數組的數據類型*/
/*CV_32FC1*/
CvMat * cvmat = cvCreateMat（4， 4， CV_32FC1）;
cvmat-》data.fl［row * cvmat-》cols + col］ = （float）3.0;
/*CV_64FC1*/
CvMat * cvmat = cvCreateMat（4， 4， CV_64FC1）;
cvmat-》data.db［row * cvmat-》cols + col］ = 3.0;
/*一般對于單通道*/
CvMat * cvmat = cvCreateMat（4， 4， CV_64FC1）;
CV_MAT_ELEM（*cvmat， double， row， col） = 3.0; /*double是根據數組的數據類型傳入，這個宏不能處理多通道*/
/*一般對于多通道*/
if （CV_MAT_DEPTH（cvmat-》type） == CV_32F）
CV_MAT_ELEM_CN（*cvmat， float， row， col * CV_MAT_CN（cvmat-》type） + ch） = （float）3.0; // ch為通道值
if （CV_MAT_DEPTH（cvmat-》type） == CV_64F）
CV_MAT_ELEM_CN（*cvmat， double， row， col * CV_MAT_CN（cvmat-》type） + ch） = 3.0; // ch為通道值
/*多通道數組*/
/*3通道*/
for （int row = 0; row 《 cvmat-》rows; row++）
{
p = cvmat -》data.fl + row * （cvmat-》step / 4）;
for （int col = 0; col 《 cvmat-》cols; col++）
{
*p = （float） row + col;
*（p+1） = （float）row + col + 1;
*（p+2） = （float）row + col + 2;
p += 3;
}
}
/*2通道*/
CvMat * vector = cvCreateMat（1，3， CV_32SC2）;CV_MAT_ELEM（*vector， CvPoint， 0， 0） = cvPoint（100，100）;
/*4通道*/
CvMat * vector = cvCreateMat（1，3， CV_64FC4）;CV_MAT_ELEM（*vector， CvScalar， 0， 0） = CvScalar（0， 0， 0， 0）;
復制矩陣操作：
/*復制矩陣*/
CvMat* M1 = cvCreateMat（4，4，CV_32FC1）;
CvMat* M2;
M2=cvCloneMat（M1）;
3.Mat
Mat是opencv2.0推出的處理圖像的新的數據結構，現在越來越有趨勢取代之前的cvMat和lplImage，相比之下Mat最大的好處就是能夠更加方便的進行內存管理，不再需要程序員手動管理內存的釋放。opencv2.3中提到Mat是一個多維的密集數據數組，可以用來處理向量和矩陣、圖像、直方圖等等常見的多維數據。
class CV_EXPORTS Mat
{
public：
/*.。很多方法。.*/
/*.。..。..。..。.*/
int flags;（Note ：目前還不知道flags做什么用的）
int dims; /*數據的維數*/
int rows，cols; /*行和列的數量;數組超過2維時為（-1，-1）*/
uchar *data; /*指向數據*/
int * refcount; /*指針的引用計數器; 陣列指向用戶分配的數據時，指針為 NULL
/* 其他成員 */
。..
};
從以上結構體可以看出Mat也是一個矩陣頭，默認不分配內存，只是指向一塊內存（注意讀寫保護）。初始化使用create函數或者Mat構造函數，以下整理自opencv2.3.1 Manual：
Mat（nrows， ncols， type， fillValue］）;
M.create（nrows， ncols， type）;
例子：
Mat M（7，7，CV_32FC2，Scalar（1，3））; /*創建復數矩陣1+3j*/
M.create（100， 60， CV_8UC（15））; /*創建15個通道的8bit的矩陣*/
/*創建100*100*100的8位數組*/
int sz［］ = {100， 100， 100};
Mat bigCube（3， sz， CV_8U， Scalar:all（0））;
/*現成數組*/
double m［3］［3］ = {{a， b， c}， {d， e， f}， {g， h， i}};
Mat M = Mat（3， 3， CV_64F， m）.inv（）;
/*圖像數據*/
Mat img（Size（320，240），CV_8UC3）;
Mat img（height， width， CV_8UC3， pixels， step）; /*const unsigned char* pixels，int width， int height， int step*/
/*使用現成圖像初始化Mat*/
IplImage* img = cvLoadImage（“greatwave.jpg”， 1）;
Mat mtx（img，0）; // convert IplImage* -》 Mat; /*不復制數據，只創建一個數據頭*/
訪問Mat的數據元素：
/*對某行進行訪問*/
Mat M;
M.row（3） = M.row（3） + M.row（5） * 3; /*第5行擴大三倍加到第3行*/
/*對某列進行復制操作*/
Mat M1 = M.col（1）;
M.col（7）.copyTo（M1）; /*第7列復制給第1列*/
/*對某個元素的訪問*/
Mat M;
M.at《double》（i，j）; /*double*/
M.at（uchar）（i，j）; /*CV_8UC1*/
Vec3i bgr1 = M.at（Vec3b）（i，j） /*CV_8UC3*/
Vec3s bgr2 = M.at（Vec3s）（i，j） /*CV_8SC3*/
Vec3w bgr3 = M.at（Vec3w）（i，j） /*CV_16UC3*/
/*遍歷整個二維數組*/
double sum = 0.0f;
for（int row = 0; row 《 M.rows; row++）
{
const double * Mi = M.ptr《double》（row）;
for （int col = 0; col 《 M.cols; col++）
sum += std：：max（Mi［j］， 0.）;
}
/*STL iterator*/
double sum=0;
MatConsTIterator《double》 it = M.begin《double》（）， it_end = M.end《double》（）;
for（; it ！= it_end; ++it）
sum += std：：max（*it， 0.）;
Mat可進行Matlab風格的矩陣操作，如初始化的時候可以用iniTIalizers，zeros（）， ones（）， eye（）。 除以上內容之外，Mat還有有3個重要的方法：
Mat mat = imread（const String* filename）; // 讀取圖像imshow（const string frameName， InputArray mat）; // 顯示圖像imwrite （const string& filename， InputArray img）; //儲存圖像
CvMat， Mat， IplImage之間的互相轉換
IpIImage -》 CvMat
/*cvGetMat*/
CvMat matheader;
CvMat * mat = cvGetMat（img， &matheader）;
/*cvConvert*/
CvMat * mat = cvCreateMat（img-》height， img-》width， CV_64FC3）;
cvConvert（img， mat）
IplImage -》 Mat
Mat：：Mat（const IplImage* img， bool copyData=false）;/*default copyData=false，與原來的IplImage共享數據，只是創建一個矩陣頭*/
工商網監
評論