(转载)IplImage, CvMat,&nbsp…

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channelof 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 cvCreateImagefor(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 or cvCreateImageuchar b, g, r; // 3 channelsfor(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opencv2.3.1Manual:

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

例子：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<<SPAN style="LINE-HEIGHT: 1.5 !important; FONT-FAMILY: 'Courier New' !important; COLOR: rgb(0,0,255); FONT-SIZE: 12px !important">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++){        const double * Mi = M.ptr<<SPAN style="LINE-HEIGHT: 1.5 !important; FONT-FAMILY: 'Courier New' !important; COLOR: rgb(0,0,255); FONT-SIZE: 12px !important">double>(row);     for (int col = 0; col < M.cols; col++)              sum += std::max(Mi[j], 0.);}double sum=0;MatConstIterator<<SPAN style="LINE-HEIGHT: 1.5 !important; FONT-FAMILY: 'Courier New' !important; COLOR: rgb(0,0,255); FONT-SIZE: 12px !important">double> it = M.begin<<SPAN style="LINE-HEIGHT: 1.5 !important; FONT-FAMILY: 'Courier New' !important; COLOR: rgb(0,0,255); FONT-SIZE: 12px !important">double>(), it_end = M.end<<SPAN style="LINE-HEIGHT: 1.5 !important; FONT-FAMILY: 'Courier New' !important; COLOR: rgb(0,0,255); FONT-SIZE: 12px !important">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 -> CvMatCvMat matheader;CvMat * mat = cvGetMat(img, &matheader);CvMat * mat = cvCreateMat(img->height, img->width, CV_64FC3);cvConvert(img, mat)

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

Mat -> IplImageMat MIplImage iplimage = M; 

CvMat -> MatMat::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