图像处理---《Mat对象 与 IplImage对象》

 图像处理---《认识 Mat对象》

Mat对象 与 IplImage对象

（1）Mat对象：OpenCV2.0之后引进的图像数据结构、自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构。分了两个部分，头部与数据部分。

（2）IplImage对象：从2001年OpenCV发布之后就一直存在，是C语言风格的数据结构，需要开发者自己分配与管理内存，对大的程序使用它容易导致内存泄漏问题。

 

Mat对象的使用

（1）部分复制：一般情况下只复制Mat对象的头和指针部分，不会复制数据部分。

　　Mat A= imread(imgFilePath);

　　Mat B(A)  // 只复制

（2）完全复制：若想把Mat对象的头部和数据部分一起复制，可以通过如下两个API实现。

　　Mat F = A.clone(); 或 Mat G; A.copyTo(G);

 

Mat对象使用-四个要点

（1）输出图像的内存是自动分配的。

（2）使用OpenCV的C++接口，不需要考虑内存分配问题。

（3） 赋值操作和拷贝构造函数只会复制头部分。

（4）使用clone与copyTo两个函数实现数据完全复制。

 

Mat对象创建

（1）cv::Mat::Mat构造函数

Mat M(2,2,CV_8UC3, Scalar(0,0,255))

其中前两个参数分别表示行(row)跟列(column)、第三个CV_8UC3中的8表示每个通道占8位、U表示无符号、C表示Char类型、3表示通道数目是3，第四个参数是向量表示初始化每个像素值是多少，向量长度对应通道数目一致。

 

（2）创建多维数组cv::Mat::create

int sz[3] = {2,2,2};    

Mat  L(3,sz, CV_8UC1, Scalar::all(0));

举例cv::Mat::create实现

Mat M;

M.create(4, 3, CV_8UC2);

M = Scalar(127,127);

cout << "M = " << endl << " " << M << endl << endl;

uchar* firstRow = M.ptr<uchar>(0);

printf("%d", *firstRow);

 

定义小数组

Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);  //比如，掩膜的矩阵  

cout << "C = " << endl << " " << C << endl << endl;

/***************************************************************************************
作者：@WP20190612
环境：VS2010 + OpenCV2.4.3
功能：认识 OpenCV中的Mat对象
***************************************************************************************/
//-------------------------------功能：认识 Mat对象------------------------------
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

int main (int argc, char** argv)  //argumentss 参数；argc命令行参数个数;
{
    Mat src;
    src = imread("D:\\003_test_img\\test001.png");
    if (src.empty())
    {
        cout << "could not load image ...\n" << endl;
        return -1;   //return 0 成功完成本函数；return -1 未能完成本函数
    }
    namedWindow("input image", CV_WINDOW_AUTOSIZE);
    imshow("input image", src);

    //----------------------------开始处理图像---------------------------------------

    /*//方式一 初始化成想要的图像矩阵
    Mat dst;
    dst = Mat(src.size(), src.type());
    dst = Scalar(127, 0, 255);
    namedWindow("output", CV_WINDOW_AUTOSIZE);
    imshow("output", dst);*/

    /*//方式二 克隆图像
    Mat dst = src.clone();
    namedWindow("output", CV_WINDOW_AUTOSIZE);
    imshow("output",dst);*/

    /*//方式三 克隆图像
    Mat dst;
    src.copyTo(dst);
    namedWindow("output", CV_WINDOW_AUTOSIZE);
    imshow("output",dst);*/

    /*//方式四 转换颜色空间
    Mat dst;
    namedWindow("输出图像", CV_WINDOW_AUTOSIZE);
    cvtColor(src, dst, CV_BGR2GRAY);    //转成灰度图
    printf("输入图像的通道数: %d\n", src.channels());
    printf("灰度图像的通道数: %d\n", dst.channels());

    int cols = dst.cols;    //获取输出图像矩阵的列数---图像的宽度
    int rows = dst.rows;    //获取输出图像矩阵的函数---图像的高度
    int channelNum=dst.channels();//获取图像的通道数目---彩色3，灰度1

    printf("rows: %d    cols: %d \n", cols, rows);
    printf("channelsNum: %d \n", channelNum);
    const uchar* firstRow = dst.ptr<uchar>(0);
    printf("图像的第一个像素值： %d \n", *firstRow);
    imshow("输出图像",dst);*/

    /*//用途：通过小图，观察大图，以验证算法的可行性
    Mat M(3, 3, CV_8UC3, Scalar(0, 0, 255));//建立一个红色的小图
    cout << "M=" << endl << M << endl;
    imshow("输出图像",M);*/

    /*//定义一个m1图像矩阵
    Mat m1;
    m1.create(src.size(), src.type());
    m1 = Scalar(0, 0, 255);
    imshow("m1", m1);*/

    /*//定义一个小数组
    Mat csrc;
    //Mat kernel = (Mat_<char>(3, 3) << 0,-1,0,  -1,5,-1, 0,-1,0);
    Mat kernel = (Mat_<float>(3, 3) << 0,-1,0,  -1,5,-1, 0,-1,0);
    filter2D(src, csrc, -1, kernel);
    imshow("csrc",csrc);*/

    /*//小技巧-001，opencv类似matlab的地方
    Mat m2 = Mat::zeros(src.size(), src.type()); //全0像素的图像是黑色图像
    imshow("m2",m2);*/

    //小技巧-002，opencv类似matlab的地方
    Mat m3 = Mat::zeros(10, 10, CV_8UC1); //全0像素的图像是黑色图像
    cout << "m3=" << endl << m3 << endl;
    imshow("m3",m3);

    //小技巧-003，opencv类似matlab的地方
    Mat m4 = Mat::eye(15, 15, CV_8UC1); 
    cout << "m4=" << endl << m4 << endl;
    imshow("m4",m4);
    //----------------------------结束处理图像---------------------------------------

    waitKey(0); //防止DOS一闪而过
    return 0;
}