[OpenCV学习笔记2][Mat数据类型和操作]
[Mat数据类型和基本操作]
®.运行环境：Linux（RedHat+OpenCV3.0）
1.Mat的作用：
Mat类用于表示一个多维的单通道或者多通道的稠密数组。能够用来保存实数或复数的向量、矩阵，灰度或彩色图像，立体元素，点云，张量以及直方图（高维的直方图使用SparseMat保存比较好）。简而言之，Mat就是用来保存多维的矩阵的。
2.Mat的常见属性：
- data：
uchar类型的指针，指向Mat数据矩阵的首地址。可以理解为标示一个房屋的门牌号；
- dims：
Mat矩阵的维度，若Mat是一个二维矩阵，则dims=2，三维则dims=3，大多数情况下处理的都是二维矩阵，是一 个平面上的矩阵。
可以理解为房屋是一个一层的平房，三维或更多维的则是多层楼房；
- rows：
Mat矩阵的行数。可理解为房屋内房间行数；
- cols：
Mat矩阵的列数。可理解为房屋内房间列数；
- size()：
首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：
image.size().width==image.cols; image.size().height==image.rows
可以理解为房屋内房间的整体布局，这其中包括了房间分别在行列上分布的数量信息；
- channels()：
Mat矩阵元素拥有的通道数。例如常见的RGB彩色图像，channels==3；而灰度图像只有一个灰度分量信息， channels==1。
可以理解为每个房间内放有多少床位，3通道的放了3张床，单通道的放了1张床；
- depth：
用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关！depth数值越大，精度越高。在 Opencv中，Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：
enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_64F=6}
其中U是unsigned的意思，S表示signed，也就是有符号和无符号数。
可以理解为房间内每张床可以睡多少人，这个跟房间内有多少床并无关系；
- elemSize：
elem是element(元素)的缩写，表示矩阵中每一个元素的数据大小，如果Mat中的数据类型是CV_8UC1，那么 elemSize==1；如果是CV_8UC3或CV_8SC3，那么elemSize==3；如果是CV_16UC3或者CV_16SC3，那么 elemSize==6；即elemSize是以8位（一个字节）为一个单位，乘以通道数和8位的整数倍；
可以理解为整个房间可以睡多少人，这个时候就得累计上房间内所有床位数（通道）和每张床的容纳量了；
- elemSize1：
elemSize加上一个“1”构成了elemSize1这个属性，1可以认为是元素内1个通道的意思，这样从命名上拆分后就很 容易解释这个属性了：表示Mat矩阵中每一个元素单个通道的数据大小，以字节为一个单位，所以有：
eleSize1==elemSize/channels；
- step：
可以理解为Mat矩阵中每一行的“步长”，以字节为基本单位，每一行中所有元素的字节总量，是累计了一行中所 有元素、所有通道、所有通道的elemSize1之后的值；
- step1()：
以字节为基本单位，Mat矩阵中每一个像素的大小，累计了所有通道、所有通道的elemSize1之后的值,所以有：
step1==step/elemSize1；
- type：
Mat矩阵的类型，包含有矩阵中元素的类型以及通道数信息，type的命名格式为CV_(位数)+(数据类型)+(通道数)，所有取值如下：
3.矩阵的构造、初始化、释放
注：1、在程序的最开始加上： using namespace cv; 2、把Mat改为 cv::Mat （由于本人不会C++所有开始有点没明白如何使用函数）
创建Mat类的方式：1.构造函数 2.create()函数创建对象3.从已有的数据源初始化
1.构造函数
Mat::Mat()
无参数构造方法；
Mat::Mat(int rows, int cols, int type)
创建行数为 rows，列数为col，类型为type的图像；
Mat::Mat(Size size, int type)
创建大小为 size，类型为type的图像；
Mat::Mat(int rows, int cols, int type, const Scalar& s)
创建行数为rows，列数为col，类型为type的图像，并将所有元素初始化为值s；
Mat::Mat(Size size, int type, const Scalar& s)
创建大小为 size，类型为type的图像，并将所有元素初始化为值s
Mat::Mat(const Mat& m)
将 m 赋值给新创建的对象，此处不会对图像数据进行复制， m 和新对象共用图像数据；
Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)
创建行数为 rows，列数为col，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由step指定。
Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)
创建大小为 size，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由step指定。
Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)
创建的新图像为 m 的一部分，具体的范围由 rowRange 和 colRange 指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据；
Mat::Mat(const Mat& m, const Rect& roi)
创建的新图像为 m 的一部分，具体的范围 roi 指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据。
type的类型有CV_8UC1，CV_16SC1，…，CV_64FC4等。里面的8U表示8位无符号整数，16S表示16位有符号整数，64F表示64位浮点数（即double类型）；C后面的数表示通道数，例如C1表示一个通道的图像，C4表示4个通道的图像，以此类推。
如果你需要更多的通道数，需要用宏CV_8UC(n)，例如：Mat M(3,2, CV_8UC(5));//创建行数为3，列数为2，通道数为5的图像
计算机视觉中，图像的读取是图像处理的基础，图像就是一系列像素值，OpenCV使用数据结构cv::Mat来存储图像。cv::Mat是一个矩阵类，矩阵中每一个元素都代表一个像素，对于灰度图像，像素用8位无符号数，0表示黑色，255表示白色。对于彩色像素而言，每个像素需要三位这样的8位无符号数来表示，即三个通道（R,G,B），矩阵则依次存储一个像素的三个通道的值，然后再存储下一个像素点。
cv::Mat中，
cols代表图像的宽度（图像的列数），
rows代表图像的高度（图像的行数），
step代表以字节为单位的图像的有效宽度，
elemSize返回像素的大小，
channels（）方法返回图像的通道数，
total函数返回图像的像素数。
像素的大小 = 颜色大小（字节）*通道数，
比如：
三通道short型矩阵（CV_16SC3）的大小为2*3 = 6，
三通道Byte型矩阵（CV_8UC3）的大小为1*3= 3，像素的channels方法返回图像的通道数，total函数返回图像的像素数。
RGB图像的颜色数目是256*256*256，本文对图像进行量化，缩减颜色数目到256的1/8（即32*32*32）为目标，分别利用一下几种方法实现，比较几种方法的安全和效率。
方法一：使用Mat的成员函数ptr<>()
cv::Mat中提供ptr函数访问任意一行像素的首地址，特别方便图像的一行一行的横向访问，如果需要一列一列的纵向访问图像，就稍微麻烦一点。但是ptr访问效率比较高，程序也比较安全，有越界判断。
- int nl = image.rows; //行数
- int nc = image.cols * image.channels();
- for (int j = 0; j<nl; j++)
- {
- uchar* data = image.ptr<uchar>(j);
- for (int i = 0; i<nc; i++)
- {
- data[i] = data[i] / div*div + div / 2;
- }
- }
方法二：使用迭代器遍历图像
cv::Mat同样有标准模板库（STL），可以使用迭代器访问数据。
用迭代器来遍历图像像素，可简化过程降低出错的机会，比较安全，不过效率较低；如果想避免修改输入图像实例cv::Mat，可采用const_iterator。iterator有两种调用方法，cv::MatIterator_<cv::Vec3b>it;cv::Mat_<cv::Vec3b>::iterator it;中间cv::Vec3b是因为图像是彩色图像，3通道，cv::Vec3b可以代表一个像素。
- cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
- cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
- for (; it != itend; ++it)
- {
- (*it)[0] = (*it)[0] / div*div + div / 2;
- (*it)[1] = (*it)[1] / div*div + div / 2;
- (*it)[2] = (*it)[2] / div*div + div / 2;
- }
方法三：使用Mat的成员函数at<>()
cv::Mat也是向量，可以使at方法取值，使用调用方法image.at<cv::Vec3b>(j,i)，at方法方便，直接给i，j赋值就可以随意访问图像中任何一个像素，其中j表示第j行，i表示该行第i个像素。但是at方法效率是这3中访问方法中最慢的一个，所以如果遍历图像或者访问像素比较多时，建议不要使用这个方法，毕竟程序的效率还是比程序的可读性要重要的。下面是完整的调用方法，其运行时间在下面会介绍。
- for (int j = 0; j< image.rows; j++)
- {
- for (int i = 0; i< image.cols; i++)
- {
- image.at<cv::Vec3b>(j, i)[0] = image.at<cv::Vec3b>(j, i)[0] / div*div + div / 2;
- image.at<cv::Vec3b>(j, i)[1] = image.at<cv::Vec3b>(j, i)[1] / div*div + div / 2;
- image.at<cv::Vec3b>(j, i)[2] = image.at<cv::Vec3b>(j, i)[2] / div*div + div / 2;
- } // end of line
- }
注意：使用at函数时，应该知道矩阵元素的类型和通道数，根据矩阵元素类型和通道数来确定at函数传递的类型,使用的是Vec3b这个元素类型，他是一个包含3个unsigned char类型向量。之所以采用这个类型来接受at的返回值，是因为，我们的矩阵im是3通道，类型为unsigned char类型
完整实例：
- #include <iostream>
- #include < opencv.hpp>
- using namespace cv;
- using namespace std;
- int main()
- {
- //新建一个uchar类型的3通道矩阵
- Mat img(5, 3, CV_8UC3, Scalar(50,50,50));
- cout << img.rows << endl; //5
- cout << img.cols << endl; //3
- cout << img.channels() << endl; //3
- cout << img.depth() << endl; //CV_8U 0
- cout << img.dims << endl; //2
- cout << img.elemSize() << endl; //1 * 3,一个位置，三个通道的CV_8U
- cout << img.elemSize1() << endl; //1
- cout << img.size[0] << endl; //5
- cout << img.size[1] << endl; //3
- cout << img.step[0] << endl; //3 * ( 1 * 3 )
- cout << img.step[1] << endl; //1 * 3
- cout << img.step1(0) << endl; //3 * 3
- cout << img.step1(1) << endl; //3
- cout << img.total() << endl; //3*5
- //-------------------------------------- 地址运算 --------------------------------//
- for (int row = 0; row < img.rows; row++)
- {
- for (int col = 0; col < img.cols; col++)
- {
- //[row, col]像素的第 1 通道地址被 * 解析(blue通道)
- *(img.data + img.step[0] * row + img.step[1] * col) += 15;
- //[row, col]像素的第 2 通道地址被 * 解析(green通道)
- *(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1()) += 15;
- //[row, col]像素的第 3 通道地址被 * 解析(red通道)
- *(img.data + img.step[0] * row + img.step[1] * col + img.elemSize1() * 2) += 15;
- }
- }
- cout << img << endl;
- //-------------------------------------- Mat的成员函数at<>( ) --------------------------------//
- for (int row = 0; row < img.rows; row++)
- {
- for (int col = 0; col < img.cols; col++)
- {
- img.at<Vec3b>(row, col) = Vec3b(0, 0, 0);
- }
- }
- cout << img << endl;
- //-------------------------------------- 使用Mat的成员函数ptr<>() --------------------------------//
- for (int row = 0; row < img.rows; row++)
- {
- // data 是 uchar* 类型的, m.ptr(row) 返回第 row 行数据的首地址
- // 需要注意的是该行数据是按顺序存放的,也就是对于一个 3 通道的 Mat, 一个像素3个通道值, [B,G,R][B,G,R][B,G,R]...
- // 所以一行长度为:sizeof(uchar) * m.cols * m.channels() 个字节
- uchar* data = img.ptr(row);
- for (int col = 0; col < img.cols; col++)
- {
- data[col * 3] = 50; //第row行的第col个像素点的第一个通道值 Blue
- data[col * 3 + 1] = 50; // Green
- data[col * 3 + 2] = 50; // Red
- }
- }
- cout << img << endl;
- Vec3b *pix(NULL);
- for (int r = 0; r < img.rows; r++)
- {
- pix = img.ptr<Vec3b>(r);
- for (int c = 0; c < img.cols; c++)
- {
- pix[c] = pix[c] * 2;
- }
- }
- cout << img << endl;
- //-------------------------------------- 使用Mat的成员函数ptr<>() --------------------------------//
- MatIterator_<Vec3b> it_im, itEnd_im;
- it_im = img.begin<Vec3b>();
- itEnd_im = img.end<Vec3b>();
- for(; it_im != itEnd_im; it_im++)
- {
- *it_im = (*it_im) * 2;
- }
- cout << img << endl;
- cvWaitKey();
- return 0;
- }
时间：2018.1.21.1.41{失眠夜总结OpenCV吧想起了一段话送给自己}
{Can not force others to love themselves only to make themselves worthy of love ,and the rely on fate.}
@晚安 Liu在身边 27
