opencv----(1) mat最好用,和IplImage,cvmat 比较

 

      学习了几天,发现mat比IplImage,cvmat 好用太多了。

不知道确切的原文出处,我是转自新浪的一篇博文:http://blog.sina.com.cn/s/blog_534497fd01015k7z.html原创作者如果看到,请提醒我,我会写明原作者

 

opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种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。在opencv2.0之前,opencv是完全用C实现的,但是,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。

1. IplImage

opencv中的图像信息头,该结构体定义: 

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;

 

dataOrder中的两个取值:交叉存取颜色通道是颜色数据排列将会是BGRBGR...的交错排列。分开的颜色通道是有几个颜色通道就分几个颜色平面存储。roi是IplROI结构体,该结构体包含了xOffset,yOffset,height,width,coi成员变量,其中xOffset,yOffset是x,y坐标,coi代表channel of interest(感兴趣的通道),非0的时候才有效。访问图像中的数据元素,分间接存储和直接存储,当图像元素为浮点型时,(uchar *) 改为 (float *): 

  

IplImage* img=cvLoadImage("lena.jpg", 1); 
CvScalar s; 
s=cvGet2D(img,i,j); 
cvSet2D(img,i,j,s); 
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);    }   } IplImage* img; //malloc memory by cvLoadImage orcvCreateImage 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];     }   }

 

 初始化使用IplImage *,是一个指向结构体IplImage的指针: 

IplImage * cvLoadImage(const char * filename, int iscolor CV_DEFAULT(CV_LOAD_IMAGE_COLOR)); //load images from specified image 
IplImage * cvCreateImage(CvSize size, int depth, int channels); //allocate memory

 

2.CvMat

首先,我们需要知道,第一,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)。第二,OpenCV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。CvMat 的结构: 

typedef struct CvMat {
  int type; int step;
  int* refcount; 
  union { 
    uchar* ptr; 
    short* s;
    int* i; 
    float* fl; 
    double* db; 
     } data; 
  union {
    int rows;
    int height; 
      }; 
  union { 
    int cols; 
    int width; 
      }; 
} CvMat;


 

 创建CvMat数据: 

CvMat * cvCreateMat(int rows, int cols, int type); 
CV_INLine CvMat cvMat((int rows, int cols, int type, void* data CV_DEFAULT);
CvMat * cvInitMatHeader(CvMat * mat, int rows, int cols, int type, void * data CV_DEFAULT(NULL), int step CV_DEFAULT(CV_AUTOSTEP));

 对矩阵数据进行访问: 

cvmSet( CvMat* mat, int row, int col, double value); cvmGet( const CvMat* mat, int row, int col ); 
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);

CvMat * cvmat = cvCreateMat(4, 4, CV_32FC1); 
cvmat->data.fl[row * cvmat->cols + col] = (float)3.0; CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1); 
cvmat->data.db[row * cvmat->cols + col] = 3.0;

CvMat * cvmat = cvCreateMat(4, 4, CV_64FC1); CV_MAT_ELEM(*cvmat, double, row, col) = 3.0;

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 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;   } } CvMat * vector = cvCreateMat(1,3, CV_32SC2); CV_MAT_ELEM(*vector, CvPoint, 0, 0) = cvPoint(100,100); CvMat * vector = cvCreateMat(1,3, CV_64FC4); CV_MAT_ELEM(*vector, CvScalar, 0, 0) = CvScalar(0, 0, 0, 0);

 复制矩阵操作:

CvMat* M1 = cvCreateMat(4,4,CV_32FC1); 
CvMat* M2; M2=cvCloneMat(M1);

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。 

class CV_EXPORTS Mat 
{ 
public:
  int flags;//(Note :目前还不知道flags做什么用的)
  int dims;   
  int rows,cols;   uchar *data;   int * refcount; ...

};

 从以上结构体可以看出Mat也是一个矩阵头,默认不分配内存,只是指向一块内存(注意读写保护)。初始化使用create函数或者Mat构造函数,以下整理自opencv2.3.1 Manual:

  Mat(nrows, ncols, type, fillValue]);
  M.create(nrows, ncols, type);

Mat M(7,7,CV_32FC2,Scalar(1,3)); 
M.create(100, 60, CV_8UC(15));
int sz[] = {100, 100, 100}; Mat bigCube(3, sz, CV_8U, Scalar:all(0));

double m[3][3] = {{a, b, c}, {d, e, f}, {g, h, i}};
Mat M = Mat(3, 3, CV_64F, m).inv();

Mat img(Size(320,240),CV_8UC3); 
Mat img(height, width, CV_8UC3, pixels, step);
IplImage
* img = cvLoadImage("greatwave.jpg", 1); Mat mtx(img,0); // convert IplImage* -> Mat;

访问Mat的数据元素:

Mat M; 
M.row(3) = M.row(3) + M.row(5) * 3; 
Mat M1 = M.col(1); 
M.col(7).copyTo(M1); 
Mat M; 
M.at<double>(i,j); 
M.at(uchar)(i,j); 
Vec3i bgr1 = M.at(Vec3b)(i,j);
Vec3s bgr2 = M.at(Vec3s)(i,j) ;
Vec3w bgr3 = M.at(Vec3w)(i,j) ;

double sum = 0.0f; for(int row = 0; row < M.rows; row++) {   onst double * Mi = M.ptr<double>(row);     for (int col = 0; col < M.cols; col++)       sum += std::max(Mi[j], 0.0); } 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可进行Matlab风格的矩阵操作,如初始化的时候可以用initializers,zeros(), ones(), eye(). 除以上内容之外,Mat还有有3个重要的方法:

Mat mat = imread(const String* filename); // 读取图像
imshow(const string frameName, InputArray mat); // 显示图像
imwrite (const string& filename, InputArray img); //储存图像

 

4. CvMat, Mat, IplImage之间的互相转换

//IpIImage -> CvMat 
CvMat matheader; 
CvMat * mat = cvGetMat(img, &matheader); 
CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3); cvConvert(img, mat)

//IplImage -> Mat
Mat::Mat(const IplImage* img, bool copyData=false); 
IplImage* iplImg = cvLoadImage("greatwave.jpg", 1); 
Mat mtx(iplImg);
 //Mat -> IplImage
Mat M
IplImage iplimage = M;
 //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

 

 

 


复制代码
-------------------------------------------------------------------
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:

         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:IplImageCvMat派生,而CvMatCvArr派生即CvArr -> CvMat -> IplImage

            CvArr用作函数的参数,无论传入的是CvMatIplImage,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。

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(pImg,0); // 0是不複製影像,也就是pImgimgdata共用同個記憶體位置,header各自有
B.IplImage -> CvMat

1CvMat mathdr, *mat = cvGetMat( img, &mathdr );

法2CvMat *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。

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

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

更多0

 

 

posted @ 2013-11-10 16:21  Mr.Easy  阅读(4235)  评论(0编辑  收藏  举报