OpenCV2Mat属性type，depth，step

在OpenCV2中Mat类无疑使占据着核心地位的，前段时间初学OpenCV2时对Mat类有了个初步的了解，见OpenCV2:Mat初学。这几天试着用OpenCV2实现了图像缩小的两种算法：基于等间隔采样和基于局部均值的图像缩小，发现对Mat中的数据布局和一些属性的认知还是懵懵懂懂，本文对Mat的一些重要属性和数据布局做一个总结。

 

Mat的作用

The class Mat represents an n-dimensional dense numerical single-channel or multi-channel array. It can be used to store real or complex-valued vectors and matrices, grayscale or color images, voxel volumes, vector fields, point clouds, tensors, histograms (though, very high-dimensional histograms may be better stored in a SparseMat ).

上面的一段话引用自官方的文档，Mat类用于表示一个多维的单通道或者多通道的稠密数组。能够用来保存实数或复数的向量、矩阵，灰度或彩色图像，立体元素，点云，张量以及直方图（高维的直方图使用SparseMat保存比较好）。简而言之，Mat就是用来保存多维的矩阵的。

Mat的常见属性

• data  uchar型的指针。Mat类分为了两个部分:矩阵头和指向矩阵数据部分的指针，data就是指向矩阵数据的指针。
• dims 矩阵的维度，例如5*6矩阵是二维矩阵，则dims=2，三维矩阵dims=3.
• rows  矩阵的行数
• cols   矩阵的列数
• size 矩阵的大小，size(cols,rows),如果矩阵的维数大于2，则是size(-1,-1)
• channels 矩阵元素拥有的通道数，例如常见的彩色图像，每一个像素由RGB三部分组成，则channels = 3

下面的几个属性是和Mat中元素的数据类型相关的。

• type 

表示了矩阵中元素的类型以及矩阵的通道个数，它是一系列的预定义的常量，其命名规则为CV_(位数）+（数据类型）+（通道数）。具体的有以下值： 

CV_8UC1CV_8UC2CV_8UC3CV_8UC4CV_8SC1CV_8SC2CV_8SC3CV_8SC4CV_16UC1CV_16UC2CV_16UC3CV_16UC4CV_16SC1CV_16SC2CV_16SC3CV_16SC4CV_32SC1CV_32SC2CV_32SC3CV_32SC4CV_32FC1CV_32FC2CV_32FC3CV_32FC4CV_64FC1CV_64FC2CV_64FC3CV_64FC4

这里U（unsigned integer）表示的是无符号整数，S（signed integer）是有符号整数，F（float）是浮点数。 

例如：CV_16UC2，表示的是元素类型是一个16位的无符号整数，通道为2. 

C1，C2，C3，C4则表示通道是1,2,3,4 

type一般是在创建Mat对象时设定，如果要取得Mat的元素类型，则无需使用type，使用下面的depth

• depth 

矩阵中元素的一个通道的数据类型，这个值和type是相关的。例如 type为 CV_16SC2，一个2通道的16位的有符号整数。那么，depth则是CV_16S。depth也是一系列的预定义值， 

将type的预定义值去掉通道信息就是depth值: 

CV_8U CV_8S CV_16U CV_16S CV_32S CV_32F CV_64F

• elemSize 

矩阵一个元素占用的字节数，例如：type是CV_16SC3，那么elemSize = 3 * 16 / 8 = 6 bytes

• elemSize1 

矩阵元素一个通道占用的字节数，例如：type是CV_16CS3，那么elemSize1 = 16  / 8 = 2 bytes = elemSize / channels

下面是一个示例程序，具体说明Mat的各个属性：

Mat img(3,4, CV_16UC4, Scalar_<uchar>(1,2,3,4)); cout << img << endl; cout <<"dims:" << img.dims << endl; cout <<"rows:" << img.rows << endl; cout <<"cols:" << img.cols << endl; cout <<"channels:" << img.channels() << endl; cout <<"type:" << img.type() << endl; cout <<"depth:" << img.depth() << endl; cout <<"elemSize:" << img.elemSize() << endl; cout <<"elemSize1:" << img.elemSize1() << endl;

首先创建了一个3*4的具有4个通道的矩阵，其元素类型是CV_16U。Scalar_是一个模板向量，用来初始化矩阵的每个像素，因为矩阵具有4个通道，Scalar_有四个值。其运行结果： 

运行结果首先打印了Mat中的矩阵，接着是Mat的各个属性。注意其type = 26,而depth = 2。这是由于上面所说的各种预定义类型 

例如，CV_16UC4，CV_8U是一些预定义的常量。

step

Mat中的step是一个MStep的一个实例。其声明如下：

struct CV_EXPORTS MStep { MStep(); MStep(size_t s); const size_t&operator[](int i) const; size_t&operator[](int i); operator size_t()const; MStep&operator = (size_t s); size_t* p; size_t buf[2];protected: MStep&operator = (const MStep&); };

从其声明中可以看出，MStep和size_t有比较深的关系。用size_t作为参数的构造函数和重载的赋值运算符

MStep(size_t s);MStep&operator = (size_t s);

向size_t的类型转换以及重载的[ ]运算符返回size_t

const size_t&operator[](int i) const; size_t&operator[](int i);

size_t的数组以及指针 

size_t* p; size_t buf[2];

那么size_t又是什么呢，看代码

typedef unsignedint size_t;

size_t就是无符号整数。

再看一下MStep的构造函数，就可以知道其究竟保存的是什么了。

inline Mat::MStep::MStep(size_t s) { p = buf; p[0] = s; p[1] =0; }

从MStep的定义可以知道，buff是一个size_t[2]，而p是size_t *，也就是可以把MStep看做一个size_t[2]。那么step中保存的这个size_t[2]和Mat中的数据有何种关系呢。

step[0]是矩阵中一行元素的字节数。

step[1]是矩阵中一个元素的自己数，也就是和上面所说的elemSize相等。

上面说到，Mat中一个uchar* data指向矩阵数据的首地址，而现在又知道了每一行和每一个元素的数据大小，就可以快速的访问Mat中的任意元素了。下面公式：

step1

规整化的step，值为step / elemSize1。 定义如下：

inline size_t Mat::step1(int i) const {return step.p[i]/elemSize1(); }

仍以上例代码中定义的img为例，来看下step,step1具体的值： 

img（3*4）的type是CV_16UC4,step[0]是其一行所占的数据字节数4 *4 * 16 / 8  = 32. 

step[1] 是一个元素所占的字节数，img的一个元素具有4个通道，故：4 * 16 / 8 = 2 

step1 = step / elemSize1，elemSize1是元素的每个通道所占的字节数。

N维的step(N > 2)

上面分析step是一个size_t[2]，实际不是很正确，正确的来说step应该是size_t[dims]，dims是Mat的维度，所以对于上面的二维的Mat来说，step是size_t[2]也是正确的。 

下面就对三维的Mat数据布局以及step（维度大于3的就算了吧）。

上图引用自http://ggicci.blog.163.com/blog/static/210364096201261052543349/  搜集资料时发现了这幅图，一切就变的简单了 

  感谢作者 Ggicci

三维的数据在Mat中是按面来存储的，上图描述的很清晰，这里不再多说。 

上面言道，step是一个size_t[dims]，dims是维度。so，三维的step就是size_t[3]。其余的不多说了，看图就有了。下面来创建一个三维的Mat，实际看看

int dims[3] = { 3,3,3 }; Mat src(3, dims, CV_16SC2, Scalar_<short>(1,2)); cout << "step[0]:" << src.step[0] << endl; cout << "step[1]:" << src.step[1] << endl; cout << "step[2]:" << src.step[2] << endl;

首先创建一个3*3*3，depth为CV_16S的两通道的Mat 

step[0]是一个数据面的大小  3 * 3 * (16 / 8 ) * 2 = 36 

step[1]是一行数据的大小 3 * (16 / 8 ) * 2 = 12 

step[2]是一个元素的大小 2 * (16 / 8) = 4 

 

PS: 三维的Mat 不能使用 <<运算符进行输出的。