OpenCV学习(5) Mat的基本操作(2)
本章我们学习一下Mat中的常用操作,因为在后面其它的教程中,我们经常要对图像进行各种处理,也要使用这些操作。
一、 Mat的复制,就是从一个矩阵A,生成相关的另一个矩阵B。
(1)使用赋值的方法,比如通过构造函数生成矩阵N,通过复制生成矩阵P
cv::Mat N(M);
cv::Mat P;
P=M;
这样生成的矩阵,只是新生成一个矩阵头,它的data依然指向矩阵M的data,类似C++中的浅拷贝,比如矩阵M,N,P它们的data都指向地址0x00badd50
(2) 使用copyTo和clone函数
cv::Mat F = M.clone();
cv::Mat G;
F.copyTo(G);
这样可以生成一个全新的矩阵,不但复制矩阵的头信息,而且会生成一个data的拷贝。比如矩阵F和M,它们的data指针地址和F是不同的。
注意:copyTo函数,它还可以带有掩码矩阵copyTo(G, maskImage), maskImage是一个单通道的矩阵,值为0的位置,在拷贝时候并不会拷贝。
二、Mat中常用的几个函数
1. convertTo(OutputArray m, int rtype, double alpha=1, double beta=0 )
生成一个新矩阵,矩阵的中值为原矩阵中的值乘以alpha,然后再加上beta
imageMask.convertTo(mark1,CV_8U);
2. Mat::reshape(int cn),改变矩阵的维数,比如把二维矩阵改变成一维矩阵。这个操作只是改变矩阵的头信息,比如在没有padding数据情况下,便于数据处理,有时候我们会把二维矩阵变成一维矩阵。
imageMask.reshape(1);
3. isContinous,检测矩阵是否有padding数据。
double sum=0; int cols = M.cols, rows = M.rows; if(M.isContinuous()) { cols *= rows; rows = 1; } for(int i = 0; i < rows; i++) { const double* Mi = M.ptr<double>(i); for(int j = 0; j < cols; j++) sum += std::max(Mi[j], 0.0); }
4. 用下面的代码,可以取出矩阵的某个ROI区域,以便进行处理。
cv::Rect rect(100, 100, 100, 100);
srcImage(rect).copyTo(roiImage);
5.下面的代码,实现一个矩阵的子矩阵赋值,矩阵roi的data指针会指向result1的data的50行,70列处。
cv::Mat result1= cv::Mat(image1.rows, image1.cols,CV_8UC1, cv::Scalar(cv::GC_BGD));
//注意给子矩阵赋值的方法
cv::Mat roi(result1, cv::Rect(50,70,result1.cols-150,result.rows-180));
roi = cv::Scalar(cv::GC_PR_FGD);
三、简单的三维矩阵示例
//创建一个3维矩阵,每维都是长度为2
int sz[3] = {3,3,3};
cv::Mat L(3,sz, CV_8UC(1), cv::Scalar::all(1));
//打印多维数组
for(i=0; i< 3; i++)
{
for(j=0; j<3; j++)
{
for(k=0; k<3; k++)
{
// printf("%d \n", L.data[i*3*3 + j*3 +k]);
}
}
}
四、稀疏矩阵
有时候,我们需要使用多维矩阵存储一些值,比如三维BGR图像的直方图,由于每维的索引数都是256,所以矩阵元素数量达到256*256*256,如果用普通矩阵存储,需要分配很大的空间,这时候,最好使用稀疏矩阵sparseMat,因为在稀疏矩阵中只保存非零的值。
下面是使用稀疏矩阵的简单例子:
//稀疏矩阵的操作
//创建一个三维的稀疏矩阵
const int dims = 3;
int size[] = {256, 256, 256};
SparseMat sparse_mat(dims, size, CV_32F);
//20个非0的值,注意:稀疏矩阵保存非零的值
for(int i = 0; i < 20; i++)
{
int idx[dims];
for(int k = 0; k < dims; k++)
idx[k] = rand()%256;
sparse_mat.ref<float>(idx) = 2.f;
}
//显示稀疏矩阵的结果
SparseMatConstIterator_<float> it1 = sparse_mat.begin<float>(), it_end = sparse_mat.end<float>();
double s = 0;
int dims1 = sparse_mat.dims();
for(; it1 != it_end; ++it1)
{
// 打印索引和元素的值
const SparseMat::Node* n = it1.node();
printf("(");
for(int i = 0; i < dims1; i++)
printf("%d%s", n->idx[i], i < dims-1 ? ", " : ")");
printf(": %g\n", it1.value<float>());
s += *it1;
}
printf("元素的个数 %g\n", s);
程序运行的结果:
源文件:工程FirstOpenCV2。
posted on 2013-09-14 09:00 迈克老狼2012 阅读(16009) 评论(0) 编辑 收藏 举报