OpenCV——Mat,IplImage,CvMat类型转换
Mat，cvMat和IplImage这三种类型都可以代表和显示图像，三者区别如下
- Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。
- 而CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上，CvMat之上还有一个更抽象的基类----CvArr，这在源代码中会常见。在opencv2.0之前，opencv是完全用C实现的。
三种类型间相互转换
（1）将IplImage类型转换到Mat类型
Mat::Mat(const IplImage* img, bool copyData=false);
默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建一个Mat矩阵头。当将参数copyData设为true后，就会复制整个图像数据。
e.g.
IplImage*iplImg = cvLoadImage("1.jpg", 1); Matmtx(iplImg); // IplImage* ->Mat 共享数据 // or : Mat mtx = iplImg;
（2）将Mat类型转换到IplImage类型同样只是创建图像头，而没有复制数据。
例：
IplImage ipl_img = img; // Mat -> IplImage
（3）将CvMat类型转换为Mat类型与IplImage的转换类似，可以选择是否复制数据。
Mat::Mat(const CvMat* m, bool copyData=false);
（4）将Mat类型转换为CvMat类型与IplImage的转换类似，不复制数据，只创建矩阵头。
例：
// 假设Mat类型的imgMat图像数据存在 CvMat cvMat = imgMat; // Mat -> CvMat
三种类型的使用
1.IplImage
//load images from specified image IplImage * cvLoadImage(const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); //allocate memory ——分配内存 IplImage * cvCreateImage(CvSize size, int depth, int channels); ——size为宽度，即列数。depth为深度，即行数
//间接存取 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]; } }
2.CvMat
需要了解，①在OpenCV中没有向量(vector)结构。任何时候需要向量，都只需要一个列矩阵(如果需要一个转置或者共轭向量，则需要一个行矩阵)。②OpenCV矩阵的概念与我们在线性代数课上学习的概念相比，更抽象，尤其是矩阵的元素，并非只能取简单的数值类型，可以是多通道的值。
//创建CvMat CvMat * cvCreateMat(int rows, int cols, int type); CV_INLine CvMat cvMat((int rows, int cols, int type, void* dataCV_DEFAULT); CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL),
int step CV_DEFAULT(CV_AUTOSTEP));
//复制CvMat数据 CvMat* M1 = cvCreateMat(4,4,CV_32FC1); CvMat* M2; M2=cvCloneMat(M1);
/*间接访问*/ /*访问CV_32F1和CV_64FC1*/ cvmSet( CvMat* mat, int row, int col, double value); cvmGet( const CvMat* mat, int row, int col ); /*访问多通道或者其他数据类型: scalar的大小为图像的通道值*/ CvScalar cvGet2D(const CvArr * arr, int idx0, int idx1);
//CvArr只作为函数的形参void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value); /*直接访问: 取决于数组的数据类型*/ /*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; /*一般对于单通道*/ CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1); CV_MAT_ELEM(*cvmat, double, row, col) = 3.0; /*double是根据数组的数据类型传入,这个宏不能处理多通道*/ /*一般对于多通道*/ 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为通道值 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为通道值 /*多通道数组*/ /*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);
3.Mat
Mat最大的好处就是能够更加方便的进行内存管理，不再需要程序员手动管理内存的释放。Mat是一个多维的密集数据数组，可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
// 读取图像 //flags: 读取图像的类型 Mat mat = imread(const String* filename, int flags); // 显示图像 imshow(const string frameName, InputArray mat); //储存图像 imwrite (const string& filename, InputArray img);
PS： flags取值：
CV_LOAD_IMAGE_ANYDEPTH - return 16-bit/32-bit image when the input has the corresponding depth, otherwise convert it to 8-bit.
CV_LOAD_IMAGE_COLOR - always convert image to the color one
CV_LOAD_IMAGE_GRAYSCALE - always convert image to the grayscale one
>0 Return a 3-channel color image.
In the current implementation the alpha channel, if any, is stripped from the output image. Use negative value if you need the alpha channel.
=0 Return a grayscale image.
<0 Return the loaded image as is (with alpha channel).
/*对某行进行访问*/ Mat M; M.row(3) = M.row(3) + M.row(5) * 3; /*第5行扩大三倍加到第3行*/ /*对某列进行复制操作*/ Mat M1 = M.col(1); M.col(7).copyTo(M1); /*第7列复制给第1列*/ //对某个元素的访问 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 //遍历整个二维数组 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类的reshape函数 Mat mat::reshape(int cn, int rows = 0) const； // cn为新的通道数，如果 cn = 0，通道数不会改变。 // rows为新的行数，如果 rows = 0，行数不会改变。
PS:新的行*列必须与原来的行*列相等。就是说，如果原来是5行3列，新的行和列可以是1行15列，3行5列，5行3列，15行1列。仅此几种，否则会报错。
//Mat类的convertTo函数 void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const; //m 为目标矩阵。如果m在运算前没有合适的尺寸或类型，将被重新分配。 //rtype – 目标矩阵的类型。因为目标矩阵的通道数与源矩阵一样，所以rtype也可以看做是目标矩阵的位深度。 //如果rtype为负值，目标矩阵和源矩阵将使用同样的类型。 //alpha – 尺度变换因子 //beta – 附加到尺度变换后的值上的偏移量 //函数作用：将源矩阵中的像素值转换为目标类型
