opencv中的矩阵解释，包括CvMat IplImage 、MAT 类型之间的转化

 

真实世界中获取数字图像有很多方法，比如数码相机、扫描仪、CT或者磁共振成像。无论哪种方法，我们（人类）看到的是图像，而让数字设备来“看“的时候，则是在记录图像中的每一个点的数值。图像，在标出的镜子区域中你见到的只是一个矩阵，该矩阵包含了所有像素点的强度值。如何获取并存储这些像素值由我们的需求而定，最终在计算机世界里所有图像都可以简化为数值矩以及矩阵信息。

IplImage

　　IplImage结构

 

　　由于OpenCV主要针对的是计算机视觉方面的处理，因此在函数库中，最重要的结构体是IplImage结构。IplImage结构来源于Intel的另外一个函数库Intel Image Processing Library (IPL)，该函数库主要是针对图像处理。IplImage结构具体定义如下：

 

　　

typedef struct _IplImage

　　{

　　int nSize;

　　int ID;

　　int nChannels;

　　int alphaChannel;

　　int depth;

　　char colorModel[4];

　　char channelSeq[4];

　　int dataOrder;

　　int origin;

　　int align;

　　int width;

　　int height;

　　struct _IplROI *roi;

　　struct _IplImage *maskROI;

　　void *imageId;

　　struct _IplTileInfo *tileInfo;

　　int imageSize;

　　char *imageData;

　　int widthStep;

　　int BorderMode[4];

　　int BorderConst[4];

　　char *imageDataOrigin;

　　} IplImage;

 

 

　　IplImage结构体是整个OpenCV函数库的基础，在定义该结构变量时需要用到函数cvCreatImage，变量定义方法如下：

 

　　IplImage* src="/cvCreateImage"(cvSize(400,300), IPL_DEPTH_8U,3);

 

　　上句定义了一个IplImage指针变量src，图像的大小是400×300，图像颜色深度8位，3通道图像。

 

总结：IPlimage是opencv 的一个结构体类型。若要定义一个指针指向一幅图像，一般都是指向IpLimge结构类型。也就是指向了一幅图像的信息。

 

讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。

 一、Mat类型：矩阵类型，Matrix。

    在openCV中，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。

    Mat有3个重要的方法：（采用C语言形式进行操作）

         1、Mat mat = imread(const String* filename);            读取图像

         2、imshow(const string frameName, InputArray mat);      显示图像

         3、imwrite (const string& filename, InputArray img);    储存图像

    Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。

A.Mat -> IplImage

同样只是创建图像头，而没有复制数据。

//例： // 假设Mat类型的imgMat图像数据存在
IplImage pImg= IplImage(imgMat); 
B.Mat -> CvMat
//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;

 

 

二、CvMat类型与IplImage类型：“图像”类型

       在openCV中，Mat类型与CvMat和IplImage类型都可以代表和显示图像，但是，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。

补充：IplImage由CvMat派生，而CvMat由CvArr派生即CvArr -> CvMat -> IplImage

            CvArr用作函数的参数，无论传入的是CvMat或IplImage，内部都是按CvMat处理。

1.CvMat

A.CvMat-> IplImage
IplImage* img = cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);
cvSaveImage("rice1.bmp",img);
B.CvMat->Mat

 

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);

在openCV中，没有向量（vector）的数据结构。任何时候，但我们要表示向量时，用矩阵数据表示即可。

但是，CvMat类型与我们在线性代数课程上学的向量概念相比，更抽象，比如CvMat的元素数据类型并不仅限于基础数据类型，比如，下面创建一个二维数据矩阵：

              CvMat* cvCreatMat(int rows ,int cols , int type);

这里的type可以是任意的预定义数据类型，比如RGB或者别的多通道数据。这样我们便可以在一个CvMat矩阵上表示丰富多彩的图像了。

 

2.IplImage

在类型关系上，我们可以说IplImage类型继承自CvMat类型，当然还包括其他的变量将之解析成图像数据。

IplImage类型较之CvMat多了很多参数，比如depth和nChannels。在普通的矩阵类型当中，通常深度和通道数被同时表示，如用32位表示RGB+Alpha.但是，在图像处理中，我们往往将深度与通道数分开处理，这样做是OpenCV对图像表示的一种优化方案。

IplImage的对图像的另一种优化是变量origin----原点。在计算机视觉处理上，一个重要的不便是对原点的定义不清楚，图像来源，编码格式，甚至操作系统都会对原地的选取产生影响。为了弥补这一点，openCV允许用户定义自己的原点设置。取值0表示原点位于图片左上角，1表示左下角。（可以用来旋转图像。如：

IplImage *img=cvCreateImage(CvGetSize(frame),8,1)
img->origin=1;//实现旋转
//dataOrder参数定义数据的格式。有IPL_DATA_ORDER_PIXEL和IPL_DATA_ORDER_PLANE两种取值，前者便是对于像素，不同的通道的数据交叉排列，后者表示所有通道按顺序平行排列。
//IplImage类型的所有额外变量都是对“图像”的表示与计算能力的优化。
A.IplImage -> Mat
IplImage* pImg = cvLoadImage("lena.jpg");
Mat img; // 0是不複製影像，也就是pImg與img的data共用同個記憶體位置，header各自有
img=Mat(pImg,TRUE）；
B.IplImage -> CvMat

 

法1：CvMat mathdr, *mat = cvGetMat( img, &mathdr );//直接转化也是可以的。

法2：CvMat *mat = cvCreateMat( img->height, img->width, CV_64FC3 );

  cvConvert( img, mat );
C.IplImage*-> BYTE*
BYTE* data= img->imageData;

 

 

CvMat和IplImage创建时的一个小区别：

1、建立矩阵时，第一个参数为行数，第二个参数为列数。

CvMat* cvCreateMat( int rows, int cols, int type );

2、建立图像时，CvSize第一个参数为宽度，即列数；第二个参数为高度，即行数。这 个和CvMat矩阵正好相反。//一定会注意在往后操作时候，避免出错。

IplImage* cvCreateImage(CvSize size, int depth, int channels );

CvSize cvSize( int width, int height );

 

IplImage内部buffer每行是按4字节对齐的，CvMat没有这个限制

3.Mat

 Mat是opencv2.0推出的处理图像的新的数据结构，现在越来越有趋势取代之前的cvMat和lplImage，相比之下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。opencv2.3中提到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。

Mat -> IplImage :
Mat M ;
IplImage iplimage = M;
加入我们显示一张图像，首先是将Mat类型转化为Iplimage类型，如上所述，然后为
cvShowImage(&iplimage);//而不是cvshowimage(iplimage);
CvMat -> Mat
Mat::Mat(const CvMat* m, bool copyData=false);
Mat -> CvMat
例子(假设Mat类型的imgMat图像数据存在)：
CvMat cvMat = imgMat;/*Mat -> CvMat, 类似转换到IplImage，不复制数据只创建矩阵头

 

 

补充：

A.BYTE*-> IplImage*

img= cvCreateImageHeader(cvSize(width,height),depth,channels);

cvSetData(img,data,step);

//首先由cvCreateImageHeader()创建IplImage图像头，制定图像的尺寸，深度和通道数；

//然后由cvSetData()根据BYTE*图像数据指针设置IplImage图像头的数据数据，

//其中step指定该IplImage图像每行占的字节数，对于1通道的IPL_DEPTH_8U图像，step可以等于width。

最近楼主在学习是发现高版本的opencv对很多低版本的opencv函数很少用，往后自己一定注意更新！