OpenCV 之 Mat 类

合集 - OpenCV 系列(15)

1.OpenCV 之 透视 n 点问题2021-09-082.OpenCV 之 自定义滤波2021-08-253.OpenCV 之 特征匹配2021-08-134.OpenCV 之 特征检测2021-08-015.OpenCV 之 空间刚体变换2021-04-286.OpenCV 之 平面单应性2021-04-027.OpenCV 之 图像几何变换2021-03-258.OpenCV 之 角点检测2021-03-119.OpenCV 之 编译配置 4.6.02016-08-14

10.OpenCV 之 Mat 类2017-08-08

11.OpenCV 之 网络摄像头2017-07-1212.OpenCV 之 神经网络 (一)2017-06-2713.OpenCV 之 图像边缘检测2016-06-0514.OpenCV 之 基本绘图2020-04-2115.OpenCV 之 支持向量机 (一)2016-07-30

收起

    数字图像可看作一个数值矩阵, 其中的每个元素代表一个像素点，如下：

         

     数值矩阵在 OpenCV 中用 Mat 表示，它是一种非常重要的数据结构，因为 OpenCV 中的大部分函数都和 Mat 有关：

     - 有的是 Mat 的成员函数；

     - 有的把 Mat 作为参数；

     - 有的将 Mat 作为返回值

 

 1  Mat 简介

    Mat 表示的是 N 维稠密矩阵，与之相对的是稀疏矩阵 (只存储非零的像素值)，后者常用于直方图处理中，表示为 cv::SparseMat

    如下：第一个是稠密矩阵的存储方式，它存储所有的像素数值；第二个是稀疏矩阵的存储方式，它只存储非零的像素值

      $\quad \begin{bmatrix} 0 & 2 & 0 \\ 1 & 0 & 1 \\ 0 & 2 & 0 \end{bmatrix}$        $\quad \begin{bmatrix}  & 2 &  \\ 1 &  & 1 \\  & 2 &  \end{bmatrix}$

    当 N=1 时，所有像素存储为一行；当 N=2 时，所有像素按照一行行的顺序排列；当 N=3 时，所有像素按照一面面的顺序排列，其中一行行的像素构成一个平面。

    灰度图的存储方式，如下：

          

    RGB 图像的存储方式，如下：注意其存储顺序为 BGR (蓝-绿-红)

      

 

2  Mat 特点

2.1  组成

     Mat 类包含两部分：矩阵头 (matrix header) 和 矩阵指针 (pointer to matrix)，部分矩阵头如下：

?

1 2 3 4 5 6

int  flags;  // signaling the contents of the matrix int  dims;   // dimensions int  rows, cols;  // rows and columns   MatSize  size;  // MatStep  step;  //

    矩阵指针如下，指向包含所有像素值的矩阵

?

1	uchar* data;  // pointer to the data

2.2  赋值算子

    Mat 类中的赋值算子 "=" 和 拷贝构造函数，涉及的是浅拷贝，因此，当执行这两个操作时，仅仅是复制了矩阵头。

    如果想要深拷贝，达到复制图像矩阵的目的，应使用 clone() 或 copyTo() 函数，如下图所示：

            

2.3  代码验证

    新建矩阵 m1 并初始化，m1 通过 "=" 赋值给 m2，两者指向同样的数据块。因此，如果改变了 m1，则 m2 的数值，也会随之变化

    新建矩阵 m3，通过 copyTo() 赋值给 m1，此时可看到，m1 和 m2 的数值同时发生了变化

?

1 2 3 4 5 6 7 8 9 10

Mat m1(3, 3, CV_32FC1, Scalar(1.1f) ); cout << "m1 = " << endl << " " << m1 << endl << endl; // using assign operator Mat m2 = m1; cout << "m2 = " << endl << " " << m2 << endl << endl;   Mat m3(3, 3, CV_32FC1, Scalar(3.3f) ); m3.copyTo(m1); cout << "m1 = " << endl << " " << m1 << endl << endl; cout << "m2 = " << endl << " " << m2 << endl << endl;

 

3  Mat 创建

3.1  数据类型

    在创建 Mat 之前，首先了解 Mat 中元素的数据类型，其格式为 CV_{8U, 16S, 16U, 32S, 32F, 64F}C{1, 2, 3} 或 CV_{8U, 16S, 16U, 32S, 32F, 64F}C(n)

    第一个 {} 表示数据的类型：

?

1 2 3 4 5 6 7

CV_8U  - 8-bit 无符号整数 ( 0..255 ) CV_8S  - 8-bit 有符号整数 ( -128..127 ) CV_16U - 16-bit 无符号整数 ( 0..65535 ) CV_16S - 16-bit 有符号整数 ( -32768..32767 ) CV_32S - 32-bit 有符号整数 ( -2147483648..2147483647 ) CV_32F - 32-bit 浮点数 ( -FLT_MAX..FLT_MAX, INF, NAN ) CV_64F - 64-bit 浮点数 ( -DBL_MAX..DBL_MAX, INF, NAN )

     第二个 {} 或 (n)，表示的是通道：

?

1	CV_8UC3 等价于 CV_8UC(3) - 3通道 8-bit 无符号整数

3.2  创建方式

3.2.1  构造函数

    直接赋值，创建一个 3 行 3 列的单位矩阵

?

1 2	// create a 3x3 double-precision identity matrix Mat M = (Mat_<double>(3,3) << 1, 0, 0, 0, 1, 0, 0, 0, 1);

    创建一个 3 行 5 列，3 通道 32 位，浮点型的矩阵，通道 1, 2, 3 的值分别为 1.1f，2.2f，3.3f

?

1 2	Mat m(3, 5, CV_32FC3, Scalar(1.1f, 2.2f, 3.3f) ); cout << "m = " << endl << " " << m << endl << endl;

    输出矩阵如下：

  

3.2.2  create 函数

    使用 Mat() + create() + setTo()，也可以构建如上的数值矩阵

?

1 2 3 4 5 6

Mat m; // Create data area for 3 rows and 10 columns of 3-channel 32-bit floats m.create(3,5,CV_32FC3); // Set the values in the 1st channel to 1.0, the 2nd to 0.0, and the 3rd to 1.0 m.setTo(Scalar(1.1f, 2.2f,3.3f)); cout << "m = " << endl << " " << m << endl << endl;

3.2.3  特殊矩阵

    单位矩阵 (ones)，对角矩阵 (eye)，零矩阵 (zeros)，如下所示：

?

1 2 3 4 5 6 7 8 9

// 单位矩阵 Mat O = Mat::ones(3, 3, CV_32F); cout << "O = " << endl << " " << O << endl << endl; // 零矩阵 Mat Z = Mat::zeros(3, 3, CV_8UC1); cout << "Z = " << endl << " " << Z << endl << endl; // 对角矩阵 Mat E = Mat::eye(3, 3, CV_64F); cout << "E = " << endl << " " << E << endl << endl;

 

4  Mat 遍历

4.1  at<>() 函数

     常用来遍历 Mat 元素的基本函数为 at<>()，其中 <> 内的数据类型，取决于 Mat 中元素的数据类型，二者的对应关系如下：

?

1 2 3 4 5 6 7

CV_8U  --  Mat.at<uchar>(y,x) CV_8S  --  Mat.at<schar>(y,x) CV_16U --  Mat.at<ushort>(y,x) CV_16S --  Mat.at<short>(y,x) CV_32S --  Mat.at<int>(y,x) CV_32F --  Mat.at<float>(y,x) CV_64F --  Mat.at<double>(y,x)

    简单的遍历如下，使用了 Qt 的 qDebug() 来显示输出

?

1 2 3 4 5 6 7

Mat m1 = Mat::eye(10, 10, CV_32FC1); // use qDebug() qDebug() << "Element (3,3) is : " << m1.at<float>(3,3);    Mat m2 = Mat::eye(10, 10, CV_32FC2); // use qDebug() qDebug() << "Element (3,3) is " << m2.at<cv::Vec2f>(3,3)[0] << "," << m2.at<cv::Vec2f>(3,3)[1];

    注意：at<>() 函数中 () 内，行索引号在前，列索引号在后，也即 (y, x)

4.2  遍历方式

4.2.1  高效遍历

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Mat& ScanImageAndReduceC(Mat& src, const uchar* const table) {     // accept only char type matrices     CV_Assert(src.depth() == CV_8U);     int channels = src.channels();     int nRows = src.rows;     int nCols = src.cols * channels;     if (src.isContinuous())     {         nCols *= nRows;         nRows = 1;     }     int i,j;     uchar* p;     for(i=0; i<nRows; ++i)     {         p = src.ptr<uchar>(i);         for (j = 0; j<nCols; ++j)         {             p[j] = table[p[j]];         }     }     return src; }

4.2.2  迭代器遍历

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

Mat& ScanImageAndReduceIterator(Mat& src, const uchar* const table) {     // accept only char type matrices     CV_Assert(src.depth() == CV_8U);     const int channels = src.channels();     switch(channels)     {     case 1:         {             MatIterator_<uchar> it, end;             for(it=src.begin<uchar>(), end=src.end<uchar>(); it!=end; ++it)                 *it = table[*it];             break;         }     case 3:         {             MatIterator_<Vec3b> it, end;             for(it=src.begin<Vec3b>(), end=src.end<Vec3b>(); it!=end; ++it)             {                 (*it)[0] = table[(*it)[0]];                 (*it)[1] = table[(*it)[1]];                 (*it)[2] = table[(*it)[2]];             }         }     }     return src; }

 4.2.3  耗时计算

    比较上面两种方法的耗时，可用如下代码：

?

1 2 3 4

double t = (double)getTickCount(); // do something ... t = ((double)getTickCount() - t)/getTickFrequency(); cout << "Times passed in seconds: " << t << endl;

 

参考资料

  《Learning OpenCV3》 chapter 4

  OpenCV Tutorials / The Core Functionality (core module) / Mat - The Basic Image Container

  OpenCV Tutorials / The Core Functionality (core module) / How to scan images, lookup tables and time measurement with OpenCV

  [OpenCV] What is the Mat?