【OpenCV3图像处理】 Mat类详解 之 对象创建与数据存储

2024-06-12 08:58
文章标签 数据 详解 创建 对象 图像处理 存储 mat opencv3

本文主要是介绍【OpenCV3图像处理】 Mat类详解 之 对象创建与数据存储，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

 

一、Mat类的定义：OpenCV3 参考文档：cv::Mat Class

 

Mat类的对象用于表示一个多维度的单通道或者多通道稠密数组，它可以用来存储以下东西：

real or complex-valued vectors or matrices(实数或复数的向量或者矩阵)

grayscale or color images (灰度图或者彩色图)

voxel volumes (立体元素)

vector fields (矢量场)

point clouds (点云)

tensors (张量)

histograms (直方图) 

 

矩阵 (M) 中数据元素的地址计算公式：

addr(Mi0,i1,…im-1) = M.data + M.step[0] * i0 + M.step[1] * i1 + … + M.step[m-1] * im-1

(其中 m = M.dims ,M的维度)


data：Mat对象中的一个指针，指向内存中存放矩阵数据的一块内存 (uchar* data),数据存储方式是按像素存储，不是按通道存储
dims：Mat所代表的矩阵的维度，如 3 * 4 的矩阵为 2 维， 3 * 4 * 5 的为3维
channels：通道数，Mat.channels()得到的是矩阵中的每一个像素拥有的值的个数

depth：深度，即每一个像素的位数(bits)，在opencv的Mat.depth()中得到的是一个0–6的数字，enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 };

step：是一个数组，定义了矩阵的布局，另外注意 step1 = step / elemSize1，M.step[m-1] 总是等于 elemSize，M.step1(m-1)总是等于 channels；

elemSize : 矩阵中每一个像素的数据大小，如果Mat中的数据的数据类型是 CV_8U 则elemSize = 1；CV_8UC3 则elemSize = 3，记住另外有个 elemSize1 表示的是矩阵中数据类型的大小，即 elemSize / channels 的大小

 

考虑二维情况（stored row by row）按行存储

一个 3 X 4 的矩阵，M.rows == 3; M.cols == 4；二维矩阵，那么维度为 2 （M.dims == 2）；

假设其数据类型为 CV_8U，也就是单通道的 uchar 类型，sizeof(uchar) = 1，那么每一个像素大小为 1

（M.elemSize() == 1, M.elemSize1() == 1）；

M.depth() == 0, M.channels() == 1；

因为是二维矩阵，step 数组只有两个值， step[0] 和 step[1] 分别代表一行的数据大小和一个像素的数据大小

则 M.step[0] == 4, M.step[1] == 1；

 

假设上面的矩阵数据类型是 CV_8UC3，也就是三通道

M.dims == 2；

M.channels() == 3；

M.depth() == 0；

M.elemSize() == 3 （每一个像素包含3个uchar值）

M.elemSize1() == 1 （elemSize / channels）

M.step[0] == M.cols * M.elemSize() == 12,

M.step[1] == M.channels() * M.elemSize1() == M.elemSize() == 3；

 

考虑三维情况（stored plane by plane）按面存储

一个 3 X 4 X 6 的矩阵，假设其数据类型为 CV_16SC4，也就是 short 类型
M.dims == 3 ; M.channels() == 4 ; M.elemSize1() == sizeof(short) == 2 ;

M.rows == M.cols == –1；

M.elemSize() == M.elemSize1() * M.channels() == 2 * 4 == 8;

M.step[M.dims-1]==M.elemSize() == 8;

M.step[0] == 4 * 6 * M.elemSize() == 192；

M.step[1] == 6 * M.elemSize() == 48；

M.step[2] == M.elemSize() == 8；

M.step1(0) == M.step[0] / M.elemSize() == 192 / 2 == 96 （第一维度(即面的像素个数) * 通道数）；

M.step1(1) == M.step[1] / M.elemSize() == 48 / 2 == 24（第二维度(即行的像素个数/列宽) * 通道数）；

M.step1(2) == M.step[2] / M.elemSize() == M.channels() == 4（第三维度(即像素) * 通道数）；

 

 

二、创建Mat类对象的方式：

1.构造函数

（1）方式一 ：制定行数列数，但是不初始化赋值

Mat::Mat(int rows, int cols, int type)
创建行数为 rows，列数为col，类型为type的图像；

Mat::Mat(Size size, int type)
创建大小为 size，类型为type的图像；

 

type的类型有CV_8UC1，CV_16SC1，…，CV_64FC4等。里面的8U表示8位无符号整数，16S表示16位有符号整数，64F表示64位浮点数（即double类型）；C后面的数表示通道数，例如C1表示一个通道的图像，C4表示4个通道的图像，以此类推。

如果你需要更多的通道数，需要用宏CV_8UC(n)，例如：Mat M(3,2, CV_8UC(5));      //创建行数为3，列数为2，通道数为5的图像

 

（2）方式二 ：指定行数和列数，使用Scalar初始化赋值

Mat::Mat(int rows, int cols, int type, const Scalar& s)

创建行数为rows，列数为col，类型为type的图像，并将所有元素初始化为值s；

Mat::Mat(Size size, int type, const Scalar& s)
创建大小为 size，类型为type的图像，并将所有元素初始化为值s

 

Mat m(3, 5, CV_32FC1, Scalar(1));   // m为3*5的矩阵，float型的单通道，把每个点都初始化为1

cout<<m;


输出为：
[1, 1, 1, 1, 1;
  1, 1, 1, 1, 1;
  1, 1, 1, 1, 1]
 

Mat m(3, 5, CV_32FC2, Scalar(1, 2));    // m为3*5的矩阵，float型的2通道，把每个点都初始化为1 2
cout<<m；

输出为：
[1, 2, 1, 2, 1, 2, 1, 2, 1, 2;
  1, 2, 1, 2, 1, 2, 1, 2, 1, 2;
  1, 2, 1, 2, 1, 2, 1, 2, 1, 2]

 

Mat m(3, 5, CV_32FC3, Scalar(1, 2, 3));// m为3*5的矩阵，float型的3通道，把每个点都初始化为1 2 3
cout << m

输出为：
[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
  1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3;
  1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]

 

（3）方式三：使用已有的的mat对象赋值，其实就是对已有的mat对象取了别名

Mat::Mat(const Mat& m)
将 m 赋值给新创建的对象，此处不会对图像数据进行复制， m 和新对象共用图像数据；

 

（4）方式四：指定行数和列数，使用已有数据源的数据地址初始化赋值

Mat::Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP)

创建行数为 rows，列数为cols，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由step指定。

Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)
创建大小为 size，类型为type的图像，此构造函数不创建图像数据所需内存，而是直接使用data所指内存，图像的行步长由step指定。

uchar *data = new uchar[15];
for (int i = 0; i < 15; i++)
{
   data[i] = 2;
}
Mat m(3, 5, CV_8UC1, data);
cout << m;


输出为:
[2, 2, 2, 2, 2;
  2, 2, 2, 2, 2;
  2, 2, 2, 2, 2]


如果接着

delete [] data;
cout << m;


输出为：
[-1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144;
  -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144;
  -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144]
可见，这里只是进行了浅拷贝，当数据源不在的时候，Mat里的数据也就是乱码了。

 

uint *data = new uint[24];
for (int i =1; i < =24; i++)
{
   data[i] = i;
}
Mat m(2, 4, CV_16UC3, data);
cout << m;
 

输出为: 

[1, 2, 3, 4, 5,6,7,8,9,10,11,12;

13,14,15,16, 17, 18, 19, 20,21,22,23,24]

可知，数据存储方式是按像素存储，不是按通道存储

uchar *data = new uchar[15];
for (int i = 0; i < 15; i++)
{
   data[i] = 2;
}
Mat m(3, 5, CV_8UC1, data);
cout << m;


输出为:
[2, 2, 2, 2, 2;
  2, 2, 2, 2, 2;
  2, 2, 2, 2, 2]


如果接着

delete [] data;
cout << m;


输出为：
[-1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144;
  -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144;
  -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144, -1.456815990147463e+144]


可见，这里只是进行了浅拷贝！！！！！！！   当数据源不在的时候，Mat里的数据也就是乱码了

 

uint *data = new uint[24];
for (int i =1; i < =24; i++)
{
   data[i] = i;
}
Mat m(2, 4, CV_16UC3, data);
cout << m;
 

输出为: 

[1, 2, 3, 4, 5,6,7,8,9,10,11,12;

13,14,15,16, 17, 18, 19, 20,21,22,23,24]

可知，数据存储方式是按像素存储，不是按通道存储

 

（5）方式五：使用已有mat对象的部分区域初始化赋值

Mat::Mat(const Mat& m, const Range& rowRange, const Range& colRange)
创建的新图像为 m 的一部分，具体的范围由 rowRange 和 colRange 指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据；

Mat::Mat(const Mat& m, const Rect& roi)
创建的新图像为 m 的一部分，具体的范围 roi 指定，此构造函数也不进行图像数据的复制操作，新图像与m共用图像数据。
 

2.create()函数创建对象

Mat M；

M.create(3,2,CV_8UC2);

需要注意的时，使用create()函数无法设置图像像素的初始值。

Mat M(2,2,CV_8UC3);   //构造函数创建图像
M.create(3,2, CV_8UC2);   //释放内存重新创建图像


如果create( )函数指定的参数与图像之前的参数相同，则不进行实质的内存申请操作；如果参数不同，则减少原始数据内存的索引，并重新申请内存
 

 

三、Mat类对象之间的拷贝

Mat这个类有两部分数据：

一个是matrix header，这部分的大小是固定的，包含矩阵的大小，存储的方式，矩阵存储的地址等等。

另一个部分是一个指向矩阵包含像素值的指针。

Mat A, C;   

A = imread(argv[1], CV_LOAD_IMAGE_COLOR); 

Mat B(A);

C = A; 

copy这样的操作只是copy了矩阵的matrix header和那个指针，而不是矩阵的本身，也就意味着两个矩阵的数据指针指向的是同一个地址，需要开发者格外注意。比如上面这段程序，A、B、C指向的是同一块数据，他们的header不同，但对于A的操作同样也影响着B、C的结果。当我不再使用A的时候就把内存释放了，那时候再操作B和C岂不是很危险，不用担心，OpenCV的大神为我们已经考虑了这个问题，是在最后一个Mat不再使用的时候才会释放内存，咱们就放心用就行了。

 

如果想建立互不影响的Mat，是真正的复制操作，需要使用函数clone()或者copyTo()。

说到数据的存储，这一直就是一个值得关注的问题，Mat_<uchar>对应的是CV_8U，Mat_<char>对应的是CV_8S，Mat_<int>对应的是CV_32S，Mat_<float>对应的是CV_32F，Mat_<double>对应的是CV_64F，对应的数据深度如下：

• CV_8U - 8-bit unsigned integers ( 0..255 )

• CV_8S - 8-bit signed integers ( -128..127 )

• CV_16U - 16-bit unsigned integers ( 0..65535 )

• CV_16S - 16-bit signed integers ( -32768..32767 )

• CV_32S - 32-bit signed integers ( -2147483648..2147483647 )

• CV_32F - 32-bit floating-point numbers ( -FLT_MAX..FLT_MAX, INF, NAN )

• CV_64F - 64-bit floating-point numbers ( -DBL_MAX..DBL_MAX, INF, NAN )

这里还需要注意一个问题，很多OpenCV的函数支持的数据深度只有8位和32位的，所以要少使用CV_64F，但是vs的编译器又会把float数据自动变成double型，有些不太爽。

 

参考：https://www.douban.com/note/265479171/

这篇关于【OpenCV3图像处理】 Mat类详解 之 对象创建与数据存储的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1053765。

相关文章

Nginx location匹配模式与规则详解

Nginx location匹配模式与规则详解

《Nginxlocation匹配模式与规则详解》：本文主要介绍Nginxlocation匹配模式与规则,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、环境二、匹配模式1. 精准模式2. 前缀模式（不继续匹配正则）3. 前缀模式（继续匹配正则）4. 正则模式（大
阅读更多...
C++如何通过Qt反射机制实现数据类序列化

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类，并对数据类进行存储、打印、调试等操作。由于数据类
阅读更多...
Android实现在线预览office文档的示例详解

Android实现在线预览office文档的示例详解

《Android实现在线预览office文档的示例详解》在移动端展示在线Office文档（如Word、Excel、PPT）是一项常见需求,这篇文章为大家重点介绍了两种方案的实现方法,希望对大家有一定的... 目录一、项目概述二、相关技术知识三、实现思路3.1 方案一：WebView + Office Onl
阅读更多...
Java实现优雅日期处理的方案详解

Java实现优雅日期处理的方案详解

《Java实现优雅日期处理的方案详解》在我们的日常工作中,需要经常处理各种格式,各种类似的的日期或者时间,下面我们就来看看如何使用java处理这样的日期问题吧,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言一、日期的坑1.1 日期格式化陷阱1.2 时区转换二、优雅方案的进阶之路2.1 线程安全重构2
阅读更多...
Java中的JSONObject详解

Java中的JSONObject详解

《Java中的JSONObject详解》：本文主要介绍Java中的JSONObject详解,需要的朋友可以参考下... Java中的jsONObject详解一、引言在Java开发中，处理JSON数据是一种常见的需求。JSONObject是处理JSON对象的一个非常有用的类，它提供了一系列的API来操作J
阅读更多...
SpringBoot使用GZIP压缩反回数据问题

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》：本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么，可以干什么？3、Spr
阅读更多...
HTML5中的Microdata与历史记录管理详解

HTML5中的Microdata与历史记录管理详解

《HTML5中的Microdata与历史记录管理详解》Microdata作为HTML5新增的一个特性，它允许开发者在HTML文档中添加更多的语义信息，以便于搜索引擎和浏览器更好地理解页面内容，本文将探... 目录html5中的Mijscrodata与历史记录管理背景简介html5中的Microdata使用M
阅读更多...
html5的响应式布局的方法示例详解

html5的响应式布局的方法示例详解

《html5的响应式布局的方法示例详解》：本文主要介绍了HTML5中使用媒体查询和Flexbox进行响应式布局的方法，简要介绍了CSSGrid布局的基础知识和如何实现自动换行的网格布局，详细内容请阅读本文，希望能对你有所帮助... 一 使用媒体查询响应式布局        使用的参数@media这是常用的
阅读更多...
HTML5表格语法格式详解

HTML5表格语法格式详解

《HTML5表格语法格式详解》在HTML语法中，表格主要通过table、tr和td3个标签构成,本文通过实例代码讲解HTML5表格语法格式，感兴趣的朋友一起看看吧... 目录一、表格1.表格语法格式2.表格属性 3.例子二、不规则表格1.跨行2.跨列3.例子一、表格在html语法中，表格主要通过< tab
阅读更多...
Linux之计划任务和调度命令at/cron详解

Linux之计划任务和调度命令at/cron详解

《Linux之计划任务和调度命令at/cron详解》：本文主要介绍Linux之计划任务和调度命令at/cron的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux计划任务和调度命令at/cron一、计划任务二、命令{at}介绍三、命令语法及功能 :at
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2