Mat的常见属性

  • data  uchar型的指针。Mat类分为了两个部分:矩阵头和指向矩阵数据部分的指针，data就是指向矩阵数据的指针。
  • dims 矩阵的维度，例如5*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3.
  • rows  矩阵的行数
  • cols   矩阵的列数
  • size 矩阵的大小，size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)
  • channels 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则channels = 3

  • depth       矩阵中元素的一个通道的数据类型，这个值和type是相关的。例如 type为 CV_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV_16S。depth也是一系列的预定义值，       将type的预定义值去掉通道信息就是depth值:       CV_8U CV_8S CV_16U CV_16S CV_32S CV_32F CV_64F                                                         elemSize        矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes

  • elemSize1        矩阵元素一个通道占用的字节数，例如：type是CV_16CS3，那么elemSize1 = 16  / 8 = 2 bytes = elemSize / channels
  • Mat中的step是一个MStep的一个实例。

  • 从MStep的定义可以知道，buff是一个size_t[2]，而p是size_t *，也就是可以把MStep看做一个size_t[2]。那么step中保存的这个size_t[2]和Mat中的数据有何种关系呢。

    step[0]是矩阵中一行元素的字节数。

    step[1]是矩阵中一个元素的字节数，也就是和上面所说的elemSize相等。

    上面说到，Mat中一个uchar* data指向矩阵数据的首地址，而现在又知道了每一行和每一个元素的数据大小，就可以快速的访问Mat中的任意元素了。下面公式：

    addr(M_{i,j}) = M.data + M.step[0]*i + M.step[1]*j

  • step1

    规整化的step，值为step / elemSize1。 定义如下：

    inline size_t Mat::step1(int i) const { return step.p[i]/elemSize1(); }

    仍以上例代码中定义的img为例，Mat img(3, 4, CV_16UC4, Scalar_<uchar>(1, 2, 3, 4));                                                   

  • 来看下step,step1具体的值： imageimg（3*4）的type是CV_16UC4,

  • step[0]是其一行所占的数据字节数4 *4 * 16 / 8  = 32.   step[1] 是一个元素所占的字节数，img的一个元素具有4个通道，故：16 / 8 = 2  

  • step1[0] = step / elemSize1 = 32 /2 =16，elemSize1是元素的每个通道所占的字节数。